VAST 是一家 AIGC 3D 大模型创业公司，近日宣布携手清华大学正式开源通用自动骨骼绑定框架 UniRig，并联合香港大学共同推出三维模型智能拆解工具 HoloPart。

UniRig 是全新的统一自动化骨骼绑定框架，它提出了一个强大的统一模型，能够为前所未有、种类繁多的 3D 模型生成高质量的绑定数据，涵盖人类、动物、复杂的幻想角色乃至无机结构。

UniRig 的核心方法是自回归预测与创新的 Tokenization，团队介绍称 UniRig 预测的不是像素或文字，而是 3D 骨骼的结构——逐个关节地进行预测。这种序列化的预测过程是确保生成拓扑结构有效骨骼的关键。

而实现这一目标的关键创新是骨骼树 Tokenization（Skeleton Tree Tokenization）方法：将具有复杂关节相互依赖关系的层级化骨骼结构，表示为适合 Transformer 处理的线性序列。

VAST 团队的 Tokenization 方案高效地编码了：

1. 关节坐标： 骨骼关节的离散化空间位置。

2. 层级结构： 明确的父子关系，确保生成有效的树状结构。

3. 骨骼语义： 使用特殊 Token 标识骨骼类型（例如，Mixamo 等标准模板骨骼，用于头发/布料模拟的动态弹簧骨骼），这对于下游任务和实现逼真动画至关重要。

这种优化的 Tokenization 方案（与朴素方法相比，序列长度减少约 30%）使得基于 OPT 架构的自回归模型能够有效地学习骨骼结构的内在模式，并以形状编码器处理后的输入模型几何信息作为条件。

更多信息查看 UniRig 项目相关页面：

• 论文：https://www.arxiv.org/abs/2504.12451
• 代码库：https://github.com/VAST-AI-Research/UniRig
• 项目主页：https://zjp-shadow.github.io/works/UniRig/

相关阅读：生成式 3D AI 公司 VAST 开源基础 3D 生成模型 TripoSG 和 TripoSF