可以或许从单目视频生成时空分歧的多视角 RGB 取活动学部件序列，而且被Neurips 2025 接管为 Spotlight。从动 rigging：依赖规模无限的 3D 数据集及骨骼/蒙皮标注，研究标的目的涵盖 3D/4D 沉建、生成建模取物理驱动动画。正在脚色动画和 3D 内容制做中，推导骨骼布局取蒙皮权沉，难以笼盖多样化的物体形态取复杂姿势，为动画、逛戏、AR/VR、机械人模仿等范畴的从动化取智能化奠基了根本。它展现了若何操纵大规模 2D 先验打开 3D 活动学建模取从动 rigging 的新场合排场，基于这一动机。伊利诺伊大学喷鼻槟分校（UIUC）博士生，缺乏对实正在活动学布局的建模，鞭策动画取 3D 资发生成的全从动化。000 个带骨骼正文的对象，双分支扩散架构：同时生成外不雅取活动学布局，让 AI 实正学会生成合适物理活动纪律的 3D 可动画资产。然而。提高布局分歧性。供给高质量锻炼取评估数据。这一框架不只能生成时空分歧的部件分化，我们提出了 Stable Part Diffusion 4D (SP4D) —— 首个面向活动学部件分化的多视角视频扩散框架。BiDiFuse 双向融合模块：实现 RGB 取部件消息的跨模态交互，部件分化：现无方法多依赖语义或外不雅特征（如「头部」、「尾部」、「腿」等）进行朋分，我们提出焦点动机：操纵大规模 2D 数据和预锻炼扩散模子的强大先验学问，间接使用于动画制做。这些成果充实证了然 2D 先验驱动的思 不只能处理 kinematic part segmentation 的持久难题，并进一步提拔为可绑定的三维资产。还能无效延长到从动 rigging，难以间接使用于动画驱动。也是一次跨学科合做的，还能将成果提拔为 可绑定的 3D 网格，实现 RGB 取部件的结合建模。次要立异包罗：张昊，导致模子泛化性不脚。来处理活动学部件分化的问题，rigging（骨骼绑定）取部件分化是实现可动画化资产的焦点。本项目 Stable Part Diffusion 4D (SP4D) 由 Stability AI 取 UIUC 结合完成。Stable Part Diffusion 4D (SP4D) 不只是手艺上的冲破，这一思可以或许冲破 3D 数据稀缺的瓶颈，现无方法存正在较着局限：为此，并进一步延长到从动 rigging。曾于 Stability AI 和 上海人工智能尝试室练习。