VAST+香港大學AniGen把AIGC推向動畫、游戲、仿真與具身智能

如果把今天最熱門的幾個方向擺在一起看，你會發現它們其實在卡同一道坎。

做 AIGC 的人會覺得，現在的 3D 生成已經能 “做出東西”，但還很難真正進入創作流程；做 圖形學和 動畫的人會發現，很多自動生成結果只能看，不能動；做游戲和 VR 的人會關心，這些資產能不能直接進入交互；做仿真和具身智能的人則更在意，生成出來的對象有沒有結構、能不能被控制、能不能放進一個可操作的三維世界。

這些問題背后，其實都指向同一個核心門檻：

今天很多 3D AIGC 結果，仍然只是 “靜態的 3D 外殼”，而不是 “能動、能控、能進入工作流的數字資產”。

SIGGRAPH 2026 論文 AniGen: Unified S^3 Fields for Animatable 3D Asset Generation 正是在試圖跨過這道門檻。它做的不是單純把一張圖變成一個 3D 模型，而是從單張圖片直接生成帶骨架與蒙皮權重的可動畫 3D 資產。

這意味著，對動畫制作來說，它生成的不是擺件，而是更接近可直接驅動的角色或道具；對游戲開發來說，它離 “可進入引擎” 的資產更近；對動態創作和視頻生成來說，它提供的是可以被重新擺姿態和編排動作的 3D 元素；對仿真和具身智能來說，它生成的也不只是外觀，而是帶有結構先驗、可被進一步控制的對象。

論文來自 VAST 和香港大學，核心目標非常直接：給定單張圖片，直接生成帶骨架與蒙皮權重的 3D 資產，而不是先生成一個靜態模型，再補一套脆弱的自動綁骨流程。

本文作者是來自香港大學博士生黃熠華，通訊作者是VAST公司首席科學家曹炎培博士和香港大學齊曉娟教授。

• 論文：AniGen: Unified S^3 Fields for Animatable 3D Asset Generation
• 會議：SIGGRAPH 2026 (TOG)
• 項目主頁：https://yihua7.github.io/AniGen-web/
• 代碼：https://github.com/VAST-AI-Research/AniGen
• Demo：https://huggingface.co/spaces/VAST-AI/AniGen

AniGen 海報

過去兩年，AIGC 把 3D 內容生成推到了一個很熱的階段。無論是文生 3D 還是圖生 3D，模型已經能生成越來越像樣的幾何和外觀。但在真正的動畫、游戲、VR、數字人和具身智能流程里，只有 “像一個 3D 模型” 還遠遠不夠。

真正能進入生產流程的，是可動畫 3D 資產。

這類資產除了幾何形狀本身，還需要完整的骨架結構，以及控制模型如何隨骨架運動而變形的蒙皮權重。沒有這兩樣，生成結果再精致，也更像一個靜態擺件，而不是可以被驅動、編輯和復用的數字角色或道具。

現有主流方案大多采用 “先生成、再綁骨” 的串行路線。第一步，生成模型根據圖片產出一個靜態 3D 形狀；第二步，再調用自動綁骨方法去推斷骨架和蒙皮。

問題恰恰出在第二步。

自動綁骨對幾何結構非常敏感，而 AIGC 生成出來的網格，往往會帶著一些人眼不太在意、但對算法很致命的小問題。比如局部黏連、細節拓撲不穩定、姿態帶來的結構歧義。結果就是，后處理一旦接上，骨架可能缺骨、連錯，蒙皮也可能分配失真。模型看著像那么回事，真正動起來卻完全不是那回事。

AniGen 的做法，是干脆不把 “形狀” 和 “可動性” 拆開處理。

作者提出了一個統一表示，叫 S^3 Fields，把幾何、骨架、蒙皮放在同一個共享空間里聯合生成。也就是說，模型在生成幾何外形的同時，也在同步生成與之匹配的骨架和蒙皮信息，而不是把 rigging 留到最后再補。

為了讓這套統一表示真正可學、可生成，作者設計了兩個關鍵模塊。

第一個是置信度衰減的骨骼場。可以把它理解成，模型在學骨架的時候，不只是輸出 “骨頭該長在哪里”，還會顯式建模 “哪些區域本來就更模糊、更容易出錯”。這樣做的好處是，模型不會被邊界附近那些歧義位置帶偏，最終長出來的骨架更干凈、更穩定。

第二個是對偶蒙皮場。蒙皮權重本來很麻煩，因為不同對象的關節數差異很大，魚、狗、人、機械臂根本不是一個復雜度。AniGen 把這件事改寫成一種與關節數量解耦的特征表示，因此同一套網絡就能覆蓋更廣的類別。

在生成流程上，它采用兩階段 flow matching。第一階段先生成稀疏的結構腳手架，第二階段再在這個結構基礎上補全高分辨率幾何和 articulation 細節。這個順序很像先把 “骨架輪廓和組織方式” 搭出來，再往上長肉和細節。

AniGen 方法圖

從實驗結果看，AniGen 的重點優勢不是單純幾何分數，而是 “生成結果到底能不能真正拿去動”。論文在 ArticulationXL 數據集上，把它和 TRELLIS*+UniRig/Anymate/Puppeteer/RigAnything 等強基線做了系統比較。結果顯示，AniGen 在骨架結構預測和蒙皮精度上都取得了最好結果，尤其是在更反映骨架拓撲正確性的 Gromov-Wasserstein 距離，以及對蒙皮分布更敏感的 Skin KL 指標上，領先幅度明顯。

下圖給出了與主流 “先生成、再綁骨” 方案的直觀對比。可以看到，在骨架結構、蒙皮質量和最終動畫可用性上，AniGen 的結果更穩定：

AniGen 與基線方法對比

更有意思的是泛化能力。項目頁里能看到的結果并不局限于人物或動物，還包括植物、卡通角色、機械臂等對象。鯨魚可以游動，狗可以奔跑，人物可以擺動作，機械臂可以抓取物體，植物還能在不同狀態間切換。

下面這張 in-the-wild 總覽圖，展示了 AniGen 從單圖出發生成不同類別可動畫資產的能力。可以看到，它既覆蓋動物、人物和卡通角色，也覆蓋植物和機械對象，并且不是只生成一個靜態外形，而是同時給出骨架與可驅動結果：

AniGen in-the-wild 結果圖

下面這個 GIF 展示了 AniGen 在多類別上的動態生成效果：

AniGen 動態展示

如果看更具體的單案例，狗的例子能更直觀地體現 “生成后可直接做動作” 這件事：

AniGen 小狗案例動圖

而且這個結果不是 “看起來像在動”，它背后有明確生成出來的骨架結構。對應的 skeleton overlay GIF 更能看出 AniGen 的輸出已經具備可動畫資產需要的結構信息：

再看機械臂案例，AniGen 不只是 “重建出一個機械外形”，而是生成了一個可以直接被驅動的 articulated object：

AniGen 機械臂生成

這意味著 AniGen 想解決的不是某個垂類的小任務，而是一個更大的問題：未來的 3D 生成模型，能不能從 “只會做靜態殼子”，升級為 “直接生成可交互對象”。

如果把 AniGen 放到不同領域里看，它的價值會更直觀：

• 對圖形學來說，它在推動 3D 生成從靜態幾何走向可動畫表示。
• 對 AIGC 與動態創作來說，它讓生成內容擁有后續編排動作、重設姿態和多輪編輯的空間。
• 對動畫制作來說，它縮短了從參考圖到可驅動資產之間的距離。
• 對游戲開發來說，它更接近可進入交互流程的角色和道具體系。
• 對仿真系統來說，它提供的不只是外觀，還包括更適合控制和操作的結構信息。
• 對具身智能來說，它指向的是 “帶有結構與可動性先驗的 3D 世界對象”，而不是單純視覺外殼。

畢竟很多場景真正缺的，從來不是一個會轉的 3D 模型，而是一個可以被驅動、被編輯、被復用的數字角色。

AniGen 在具身智能的機械手和動畫角色創作方面都有巨大的實際價值

從更長的技術脈絡看，AniGen 的意義可能不只是 “多做了一步 rigging”。它更像是在提示一個方向：未來的 3D 生成模型，不該只生成一個靜態外殼，而應該直接生成具有結構、功能和交互能力的數字對象。對于動畫制作、游戲開發、虛擬現實、具身智能乃至數字孿生來說，這類能力都是下一階段內容自動化的重要基礎。把幾何、骨架、蒙皮統一建模，已經讓 3D 生成離真正可用的數字內容更近了一步。