Le rigging automatisé ou semi automatisé poursuit ses avancées, comme en témoignent les publications du SIGGRAPH 2020.
Zhan Xu , Yang Zhou , Evangelos Kalogerakis (University of Massachusetts Amherst), Chris Landreth , Karan Singh (University of Toronto) y dévoilent en effet leur projet de recherche intitulé RigNet: Neural Rigging for Articulated Characters. Dans cette publication (en accès libre en suivant le lien précédent), ils présentent RigNet : une méthode qui génère des rigs prêts à l’emploi. RigNet prend en entrée un modèle 3D, et prédit un squelette adapté aux besoins en animation, que ce soit en topologie ou en position des joints.
Mieux encore, le système peut aussi estimer les skin weights à partir du squelette.
La méthode se limite aux modèles articulés (par exemple, un chien et pas une pieuvre), et agit directement à partir du mesh, sans présupposés sur sa structure. Le tout emploie les réseaux de neurones, et RigNet a été entraîné avec une vaste collection de modèles déjà riggés (meshes avec squelettes, skin weights).
Si ce type d’approche automatique n’a rien de nouveau, l’équipe avance dans la publication, évaluation à l’appui, qu’elle obtient de meilleurs résultats que l’état de l’art quand on compare les méthodes automatiques à des rigs créés par des humains. Par ailleurs, les rigs générés peuvent être utilisés à de multiples niveaux de détail.
Voici en vidéo une présentation de la technique. Notez que la page RigNet: Neural Rigging for Articulated Characters, outre la publication complète, propose code source et données ayant servi à entraîner le système.
