如果把今天最热门的几个方向摆在一起看，你会发现它们其实在卡同一道坎。

做 AIGC 的人会觉得，现在的 3D 生成已经能 “做出东西”，但还很难真正进入创作流程；做 图形学和 动画的人会发现，很多自动生成结果只能看，不能动；做游戏和 VR 的人会关心，这些资产能不能直接进入交互；做仿真和具身智能的人则更在意，生成出来的对象有没有结构、能不能被控制、能不能放进一个可操作的三维世界。

这些问题背后，其实都指向同一个核心门槛：

今天很多 3D AIGC 结果，仍然只是 “静态的 3D 外壳”，而不是 “能动、能控、能进入工作流的数字资产”。

SIGGRAPH 2026 论文 AniGen: Unified S^3 Fields for Animatable 3D Asset Generation 正是在试图跨过这道门槛。它做的不是单纯把一张图变成一个 3D 模型，而是从单张图片直接生成带骨架与蒙皮权重的可动画 3D 资产。

这意味着，对动画制作来说，它生成的不是摆件，而是更接近可直接驱动的角色或道具；对游戏开发来说，它离 “可进入引擎” 的资产更近；对动态创作和视频生成来说，它提供的是可以被重新摆姿态和编排动作的 3D 元素；对仿真和具身智能来说，它生成的也不只是外观，而是带有结构先验、可被进一步控制的对象。

论文来自 VAST 和香港大学，核心目标非常直接：给定单张图片，直接生成带骨架与蒙皮权重的 3D 资产，而不是先生成一个静态模型，再补一套脆弱的自动绑骨流程。

本文作者是来自香港大学博士生黄熠华，通讯作者是VAST公司首席科学家曹炎培博士和香港大学齐晓娟教授。

论文：AniGen: Unified S^3 Fields for Animatable 3D Asset Generation 会议：SIGGRAPH 2026 (TOG) 项目主页：https://yihua7.github.io/AniGen-web/ 代码：https://github.com/VAST-AI-Research/AniGen Demo：https://huggingface.co/spaces/VAST-AI/AniGen

AniGen 海报

过去两年，AIGC 把 3D 内容生成推到了一个很热的阶段。无论是文生 3D 还是图生 3D，模型已经能生成越来越像样的几何和外观。但在真正的动画、游戏、VR、数字人和具身智能流程里，只有 “像一个 3D 模型” 还远远不够。

真正能进入生产流程的，是可动画 3D 资产。

这类资产除了几何形状本身，还需要完整的骨架结构，以及控制模型如何随骨架运动而变形的蒙皮权重。没有这两样，生成结果再精致，也更像一个静态摆件，而不是可以被驱动、编辑和复用的数字角色或道具。

现有主流方案大多采用 “先生成、再绑骨” 的串行路线。第一步，生成模型根据图片产出一个静态 3D 形状；第二步，再调用自动绑骨方法去推断骨架和蒙皮。

问题恰恰出在第二步。

自动绑骨对几何结构非常敏感，而 AIGC 生成出来的网格，往往会带着一些人眼不太在意、但对算法很致命的小问题。比如局部黏连、细节拓扑不稳定、姿态带来的结构歧义。结果就是，后处理一旦接上，骨架可能缺骨、连错，蒙皮也可能分配失真。模型看着像那么回事，真正动起来却完全不是那回事。

AniGen 的做法，是干脆不把 “形状” 和 “可动性” 拆开处理。

作者提出了一个统一表示，叫 S^3 Fields，把几何、骨架、蒙皮放在同一个共享空间里联合生成。也就是说，模型在生成几何外形的同时，也在同步生成与之匹配的骨架和蒙皮信息，而不是把 rigging 留到最后再补。

为了让这套统一表示真正可学、可生成，作者设计了两个关键模块。

第一个是置信度衰减的骨骼场。可以把它理解成，模型在学骨架的时候，不只是输出 “骨头该长在哪里”，还会显式建模 “哪些区域本来就更模糊、更容易出错”。这样做的好处是，模型不会被边界附近那些歧义位置带偏，最终长出来的骨架更干净、更稳定。

第二个是对偶蒙皮场。蒙皮权重本来很麻烦，因为不同对象的关节数差异很大，鱼、狗、人、机械臂根本不是一个复杂度。AniGen 把这件事改写成一种与关节数量解耦的特征表示，因此同一套网络就能覆盖更广的类别。

在生成流程上，它采用两阶段 flow matching。第一阶段先生成稀疏的结构脚手架，第二阶段再在这个结构基础上补全高分辨率几何和 articulation 细节。这个顺序很像先把 “骨架轮廓和组织方式” 搭出来，再往上长肉和细节。

AniGen 方法图

从实验结果看，AniGen 的重点优势不是单纯几何分数，而是 “生成结果到底能不能真正拿去动”。论文在 ArticulationXL 数据集上，把它和 TRELLIS*+UniRig/Anymate/Puppeteer/RigAnything 等强基线做了系统比较。结果显示，AniGen 在骨架结构预测和蒙皮精度上都取得了最好结果，尤其是在更反映骨架拓扑正确性的 Gromov-Wasserstein 距离，以及对蒙皮分布更敏感的 Skin KL 指标上，领先幅度明显。

下图给出了与主流 “先生成、再绑骨” 方案的直观对比。可以看到，在骨架结构、蒙皮质量和最终动画可用性上，AniGen 的结果更稳定：

AniGen 与基线方法对比

更有意思的是泛化能力。项目页里能看到的结果并不局限于人物或动物，还包括植物、卡通角色、机械臂等对象。鲸鱼可以游动，狗可以奔跑，人物可以摆动作，机械臂可以抓取物体，植物还能在不同状态间切换。

下面这张 in-the-wild 总览图，展示了 AniGen 从单图出发生成不同类别可动画资产的能力。可以看到，它既覆盖动物、人物和卡通角色，也覆盖植物和机械对象，并且不是只生成一个静态外形，而是同时给出骨架与可驱动结果：

AniGen in-the-wild 结果图

下面这个 GIF 展示了 AniGen 在多类别上的动态生成效果：

AniGen 动态展示

如果看更具体的单案例，狗的例子能更直观地体现 “生成后可直接做动作” 这件事：

AniGen 小狗案例动图

而且这个结果不是 “看起来像在动”，它背后有明确生成出来的骨架结构。对应的 skeleton overlay GIF 更能看出 AniGen 的输出已经具备可动画资产需要的结构信息：

再看机械臂案例，AniGen 不只是 “重建出一个机械外形”，而是生成了一个可以直接被驱动的 articulated object：

AniGen 机械臂生成

这意味着 AniGen 想解决的不是某个垂类的小任务，而是一个更大的问题：未来的 3D 生成模型，能不能从 “只会做静态壳子”，升级为 “直接生成可交互对象”。

如果把 AniGen 放到不同领域里看，它的价值会更直观：

对图形学来说，它在推动 3D 生成从静态几何走向可动画表示。 对 AIGC 与动态创作来说，它让生成内容拥有后续编排动作、重设姿态和多轮编辑的空间。 对动画制作来说，它缩短了从参考图到可驱动资产之间的距离。 对游戏开发来说，它更接近可进入交互流程的角色和道具体系。 对仿真系统来说，它提供的不只是外观，还包括更适合控制和操作的结构信息。 对具身智能来说，它指向的是 “带有结构与可动性先验的 3D 世界对象”，而不是单纯视觉外壳。

毕竟很多场景真正缺的，从来不是一个会转的 3D 模型，而是一个可以被驱动、被编辑、被复用的数字角色。

AniGen 在具身智能的机械手和动画角色创作方面都有巨大的实际价值

从更长的技术脉络看，AniGen 的意义可能不只是 “多做了一步 rigging”。它更像是在提示一个方向：未来的 3D 生成模型，不该只生成一个静态外壳，而应该直接生成具有结构、功能和交互能力的数字对象。对于动画制作、游戏开发、虚拟现实、具身智能乃至数字孪生来说，这类能力都是下一阶段内容自动化的重要基础。把几何、骨架、蒙皮统一建模，已经让 3D 生成离真正可用的数字内容更近了一步。