在 3D 动画制作中，绑定（Rigging）是一个至关重要但复杂耗时的步骤。它包括为 3D 模型创建骨架并分配蒙皮权重，以实现流畅的动画效果。由清华大学与 Tripo 联合开发的 UniRig 框架，为这一难题提供了全新的解决方案。
什么是 UniRig？
UniRig 是一个统一的 3D 模型自动绑定框架，利用大规模自回归模型，自动为多种 3D 资产生成骨架与蒙皮权重。该项目的核心成果已被 SIGGRAPH 2025（TOG）接收，并在论文 "One Model to Rig Them All: Diverse Skeleton Rigging with UniRig" 中详细阐述。
UniRig 的主要目标是通过一个通用框架，处理多样化的模型类别（如人类、动物、物体等），极大地简化了绑定流程。
UniRig 的核心功能
UniRig 系统分为两个主要阶段：
● 骨架预测基于 GPT 类自回归 Transformer 模型，UniRig 使用创新的 骨架树标记化（Skeleton Tree Tokenization） 方法，预测出拓扑有效的骨架层次结构。
● 蒙皮权重与骨骼属性预测借助 骨点交叉注意力机制（Bone-Point Cross Attention），UniRig 根据骨架和输入网格几何，预测每个顶点的蒙皮权重及相关骨骼属性（如刚度等）。
如何在矩池云使用 UniRig？
UniRig 提供了简单易用的工具链，支持多种 3D 模型格式（如 .obj、.fbx、.glb 和 .vrm）。以下是在矩池云使用 UniRig 的基本流程：
开启实例
UniRig模型需要8G左右显存，推荐使用矩池云12区的A100-10G实例：
然后搜索镜像UniRig，选择使用该镜像开启实例：
UniRig 项目文档结构简介
项目文件存在根目录下：/UniRig
进行预测操作
# 进入UniRig文件夹
cd /UniRig
# 1. 骨架预测：
bash launch/inference/generate_skeleton.sh --input examples/giraffe.glb --output results/giraffe_skeleton.fbx
# 2. 蒙皮权重预测：
bash launch/inference/generate_skin.sh --input examples/skeleton/giraffe.fbx --output results/giraffe_skin.fbx
# 3. 合并结果：
# 矩池云服务器暂时不支持合并操作，建议在软件中完成合并