💡 站外导读：传统3D动画制作高度依赖专业建模师逐帧手动调整，不仅周期长、成本高，且难以实现大规模自动化。随着生成式AI在2D内容领域的爆发，将动作先验从视频世界高效迁移至3D骨骼动画，已成为计算机图形学与AIGC交叉领域亟待突破的关键瓶颈。AnimaX框架正是在这一背景下应运而生，它通过创新的多视图姿态扩散范式，首次实现了对任意骨骼拓扑的通用3D动画生成，为行业提供了一套可扩展、类别无关的自动化解决方案。

AnimaX是北京航空航天大学联合清华大学、香港大学等推出的高效3D动画生成框架，将视频扩散模型的动作先验与基于骨骼的动画结构相结合。框架能将视频中的动作知识有效迁移到3D领域，支持具有任意骨骼结构的多样化关节网格。AnimaX基于将3D动作表示为多视图、多帧2D姿态图，用联合视频姿态扩散模型，结合共享位置编码和模态感知嵌入，确保视频与姿态序列之间的时空对齐，实现高质量的3D动画生成。框架训练数据集包含16万个绑定序列，AnimaX在泛化性、动作保真度和效率方面均达到行业领先水平，为类别无关的3D动画提供可扩展的解决方案。

AnimaX的主要功能

• 任意骨骼结构支持：AnimaX支持处理具有不同骨骼拓扑结构的3D模型，适用各种角色和物体，如人类、动物、家具等。
• 文本驱动的动画：用户基于简单的文本描述指定动画内容，AnimaX根据文本提示生成相应的动画序列。
• 多视图一致性：生成的动画在多个视角下保持一致，确保从不同角度观察时动画的连贯性和真实性。
• 高效生成：AnimaX基于前馈式方法，在短时间内生成高质量的3D动画，大大提高动画制作的效率。

AnimaX的技术原理

• 联合视频姿态扩散模型：AnimaX将3D动作表示为多视图、多帧2D姿态图。支持模型用视频扩散模型的强大动作先验，保持与3D骨骼动画的兼容性。联合视频姿态扩散模型，AnimaX能同时生成视频和对应的2D姿态序列。联合生成策略确保视频和姿态之间的时空对齐。
• 共享位置编码和模态感知嵌入：为确保视频和姿态序列之间的时空对齐，AnimaX引入共享位置编码。编码机制让模型更好地理解和对齐不同模态（RGB视频和姿态图）中的空间信息。模态感知嵌入用在区分不同模态的数据，确保模型正确处理RGB视频和姿态图的差异。
• 多视图一致性：AnimaX引入多视图注意力机制和相机条件嵌入，确保生成的视频在多个视角下保持一致。让模型能学习不同视角之间的空间对应关系，生成一致的多视图视频。
• 3D动作重建和动画：生成的多视图姿态序列基于三角测量方法转换为3D关节位置。用逆向运动学将3D关节位置转换为关节角度，驱动3D模型的动画。
• 大规模数据集训练：AnimaX在新策划的包含16万个绑定序列的数据集上进行训练。数据涵盖多种类别，如人类、动物、家具等，确保模型具有良好的泛化能力。

AnimaX的项目地址

• 项目官网：https://anima-x.github.io/
• GitHub仓库：https://github.com/anima-x/anima-x
• arXiv技术论文：https://arxiv.org/pdf/2506.19851

AnimaX的应用场景

• 游戏开发：快速生成角色和环境的动画，提升开发效率和内容丰富度。
• 影视制作：用在动画电影、视觉效果和虚拟角色的动画生成，增强视觉效果。
• 虚拟现实（VR）和增强现实（AR）：生成虚拟角色和动态环境的动画，提升沉浸感和交互体验。
• 广告和营销：创建动态广告和产品展示动画，吸引观众注意力，提高参与度。
• 教育和培训：生成虚拟实验和模拟训练的动画，提升教学和训练效果。