前幾日，蘋果宣布首款虛擬頭顯設備 Vision Pro 將于 2 月 2 日正式發售，XR 設備作為下一代終端預計將迎來快速發展。未來隨著虛擬顯示設備的普及，數字交互將從平面走向立體，立體模型、立體動畫將成為未來主流的內容形態，虛實融合下的多維沉浸式交互也將成為潮流。

但從數據規模看，現階段內容產業的數據積累仍以 2D 圖像、平面視頻為主，3D 模型、4D 動畫等數據基礎較為薄弱。其中，4D 動畫是在傳統 3D 模型的基礎上引入時間序列，即隨時間變化的 3D 模型，可以呈現出動態立體效果，在游戲動畫、電影特效、虛擬現實等領域具有廣泛的應用，但也是目前內容生態開發中最困難的環節。

因此，面向即將到來的多維沉浸式體驗，構建立體化的數字內容將成為重要的基礎性工作。

面向該前沿領域，清華系創業團隊生數科技開展了系列研究和產品研發，于近期聯合清華大學、同濟大學等高校推出全球首個基于「骨骼動畫」的 4D 動畫生成框架「AnimatableDreamer」，能夠直接將 2D 視頻素材一鍵轉成動態立體模型（即 4D 動畫），支持自動提取骨骼動作、一鍵轉換動畫效果并可通過文字輸入進行個性化角色生成。

• 論文地址：https://arxiv.org/pdf/2312.03795.pdf
• 項目地址：https://animatabledreamer.github.io/
• 論文標題：AnimatableDreamer: Text-Guided Non-rigid 3D Model Generation and Reconstruction with Canonical Score Distillation

大家可以看以下Demo視頻。

全新內容生產方式

顛覆立體動畫開發流程

過往業界制作立體動畫，需要經過 3D 建模、貼圖渲染、骨骼綁定、動畫制作等復雜流程，需要建模師、動畫師等專業人員參與才能完成，效率低、成本高。據統計，單一個靜態 3D 模型建模的生產周期就在數小時到幾天時間，成本可高達上千美元，再進行動態化處理成本投入將更高。

從官方發布的 demo 視頻可以看到，上傳一段松鼠的 2D 實景視頻，通過輸入「A squirrel with red sweater」（穿紅色毛衣的松鼠）的文本描述，原本實景的松鼠一鍵轉成動畫風格，而且完美保留了動作姿勢，同步還可生成 360 度視角下的立體動態模型，通過切換文字描述，可以自定義角色，將松鼠任意切換為狐貍、杰尼龜等不同的卡通形象。

「AnimatableDreamer」可自動提取視頻中目標對象（人物、動物等）的骨骼動作，再通過文本描述將該對象轉換為任意的帶骨骼動畫模型。整個過程不受模版限制，支持任意視頻長度和任意類型動作，具備高度的時間一致性和多視角一致性，并且導出的動態立體模型，能夠在任意 3D 環境中進行渲染。

面向影視動漫等領域的后期制作，通常需要針對動畫做更多編輯，「AnimatableDreamer」也支持針對已經完成骨骼綁定的模型進行更換或編輯動畫文件，實現更高的自由度。未來相關技術逐漸落地后，游戲開發、影視動畫等場景的 3D 建模、動畫制作流程，有望變得更加高效。

面向未來

有望形成全新的內容生態

在實現原理上，研究團隊創新性地提出了規范得分蒸餾策略（Canonical Score Distillation，簡稱 CSD），在隨時間變化的相機空間中對不同幀及不同視角的 3D 模型進行渲染及降噪，并統一將梯度回傳至不同相機空間共享的規范空間中進行蒸餾，將 4D 生成降維至 3D，即將 4D 生成問題簡化為 3D 空間上的生成。

「AnimatableDreamer」能直接從視頻中提取關節動作，通過解耦物體的模型與運動，生成的模型具備高度的時間一致性和幾何合理性，不受視頻長度限制，而且能有效地消除如形狀斷裂、閃爍和多視角不一致等問題。

在有限視角和大幅度運動的場景中，由于引入了 Diffusion 模型的先驗知識，即便輸入的視頻未覆蓋完整物體，「AnimatableDreamer」也能自動補全畫面信息，實現較好的生成質量。

可以說，「AnimatableDreamer」的提出直接打通文本到 4D 骨骼動畫的生成，建模、貼圖、骨骼綁定、動作驅動一氣呵成！輸入自然語言描述，自動輸出立體動畫視頻，無需專業知識，普通人也能直接上手，輕松定制動畫內容。

以「AnimatableDreamer」為基礎的工作將大大降低 3D、4D 數字內容的生產難度，將交互體驗豐富化，讓每個人都能進行創意內容的生成和編輯，將催生出 3D 時代下全新的內容娛樂與內容消費模式。

暢想一下，在未來的虛擬世界中，用戶可以快速搭建自定義的數字空間，打造個性化的交互體驗。例如：

• 數字空間下的每個人物形象可以任意個性化的生成，比如給小朋友穿上超人的衣服、萬圣節隨意切換節日主題服裝等；
• 養寵物的用戶可以將自家寵物卡通化，例如將其生成虛擬的米老鼠形象。寵物日常就如卡通片一樣，主人跟寵物的日常互動將變得趣味橫生；
• 人與人的互動方式也變得更豐富，隨時隨地可以來上一場主題派對，實時生成想要的派對環境、人物裝扮等等。

作為一家成立不到一年的初創公司，生數科技團隊長期致力于圖像、3D、視頻等多模態大模型領域，在 9 月份發布了 3D 資產創建工具 VoxCraft，在 Discord 正式上線，支持文圖引導、分鐘級創建 3D 模型、3D 貼圖自定義更換等功能，賦能游戲開發、影視動畫等場景的 3D 建模流程。此次推出的 4D 骨骼動畫生成是生數科技的又一項全新探索工作，未來將在 VoxCraft 的產品中進行集成。

VoxCraft 工具地址：https://voxcraft.ai/

蘋果 Vision Pro 的來臨不僅僅是硬件設備層面的重要革新，同時也將開啟一場內容和體驗革命的序幕。4D 動畫生成等生成式 AI 的創新能力，除了帶來更好的視覺呈現，還將以全新方式打開多維數字體驗，為下一代人機交互帶來更多可能。