当前位置：首页 > news >正文

【推荐100个unity插件】在unity快速生成3D人物自然姿势和动作，且支持按图像生成姿势—— Pose AI - 详解

news 2026/3/26 17:25:08

一、前言

PoseAI 是一款先进的基于肌肉的姿势创作工具，有助于创建动画。通过在肌肉上应用学习到的逆运动学（IK），PoseAI 根据施加在各个关节上的约束来估计身体位置，生成自然姿势和动作。

PoseAI 编辑器是一款生成式 AI 工具，旨在辅助动画制作和姿态创作。该编辑器使用学习到的逆向运动学（IK）技术，基于施加于各个关节的约束来预测和估算身体位置。
在这里插入图片描述

按钮：Auto-Setup Character
- 此按钮利用 AI 和 IK 平台自动为角色进行动画设置。它借助配置角色的必要组件和设置，简化了初始设置流程。

在这里插入图片描述

字段：Character (Game Object)
- 允许您选择用于动画的角色游戏对象。
字段：Character Prefab Instance (Game Object)
- 允许您选择一个角色的预制体实例，以保持设置和测试的一致性。
可展开区域：Skeleton Transforms List
- 提供角色骨骼变换的详细列表，便于进行精确的控制和调整。此列表主要用于让您检查自定义角色是否包含 52 个变换。
按钮：Populate Skeleton Transforms
- 根据命名规则，使用角色的骨骼结构填充骨骼变换列表，使其更易于管理和编辑骨骼配置。此方法对命名敏感。

在这里插入图片描述

按钮：Neural + IK
- 激活神经控制装备，同时使用神经网络预测和逆向运动学，实现全面的动画控制。
按钮：IK Only
- 仅启用逆向运动学激活控制装备，不运用神经网络预测。
关节控制按钮
- Hips, Head, Left Arm, Right Arm, Left Leg, Right Leg
- 用于切换特定关节的神经控制和 IK 控制的独立按钮。这允许对动画过程进行细粒度控制，可以独立启用或禁用每个关节的 AI 驱动预测。当前激活的 AI 功能状态也会通过材质更新进行视觉反馈。
全局控制按钮
- 按钮：All- 同时为所有关节启用神经和 IK 控制。
- 按钮：None- 禁用所有关节的神经和 IK 控制。
骨骼调整按钮
- 按钮：Fix Skeleton- 根据神经和 IK 预测应用修复，校正骨骼的任何错位或问题。
- 按钮：Reset Skeleton- 将骨骼重置到其默认状态，移除所有已应用的神经或 IK 调整。

滑块：Snap Speed
- 调整姿态调整过程中骨骼吸附的速度。值越高吸附越快。值越低则会使用球面线性插值缓慢地将四元数移动到目标位置。假设您的显卡性能较低，请增加此值。
复选框：Show Bone Labels
- 切换场景中骨骼标签的表现，便于识别和操作。
颜色设置
姿态队列管理
当前姿态帧与帧间隔
- Current Pose Frame- 显示当前姿态帧的索引。
- Frame Interval (s)- 设置捕捉姿态的时间间隔（以秒为单位）。

在这里插入图片描述

字段：Input Image (Texture 2D)
- 允许您选择一张用于姿态估计的图片。此图片可以是任何分辨率。请注意：请确保导入的图片已设置为可读且 NPOT。在内部，图片将被缩放为 1:1，图片的宽高比越接近 1:1，效果越好。
按钮：Generate Pose from Image
- 1:1，它将被缩放以适应方形框架，这可能会影响结果。就是根据选定的输入图片生成一个姿态。请注意，如果图片的宽高比不

字段：Pose Clip
- 允许您选择要预览的动画片段。
滑块：Playback Speed
- 调整预览窗口中动画的播放速度。请注意，这并非实际动画速度的精确表示基于内部设置的帧间时间间隔计算的。就是，它
Animation Preview Window
- 显示选定的动画片段，允许您视觉评估生成的动画。此功能使用 Models 文件夹中名为 RagdollAnimationPreview.fbx 的预制体，并改变其姿态以在编辑器中显示。

系统使用前馈网络预测肢体位置，并使用 ResNet 进行姿态预测。前馈神经网络由全连接层与 ReLU 激活函数交错组成。

架构如下：

输入层：
- 网络的输入被传递到第一个 Gemm（通用矩阵乘法）层。
第一个 Gemm 层（全连接层）：
- 该层在输入和大小为 128×4 的权重矩阵 B 之间执行矩阵乘法，随后添加一个大小为 128 的偏置向量 C。
- 权重矩阵 B 在乘法前进行转置。
第一个 ReLU 激活层：
- 第一个 Gemm 层的输出通过 ReLU（线性整流单元）激活函数，应用逐元素非线性变换。
第二个 Gemm 层（全连接层）：
- ReLU 激活的输出被馈送到另一个 Gemm 层。
- 该层将输入乘以大小为 128×128 的权重矩阵 B，并添加一个大小为 128 的偏置向量 C。
- 权重矩阵 B 在乘法前再次转置。
第二个 ReLU 激活层：
- 第二个 Gemm 层的输出通过另一个 ReLU 激活函数。
输出 Gemm 层（全连接层）：
- 第二个 ReLU 激活的输出被馈送到最终的 Gemm 层。
- 该层执行与大小为 204×128 的权重矩阵 B 的矩阵乘法，并添加一个大小为 204 的偏置向量 C。
- 权重矩阵 B 在乘法前进行转置。
输出：
- 网络的最终输出具有固定的形状，系统会根据输入切换不同的神经网络来协调运动。