【ITニュース解説】A beginner's guide to the Unirig-Ai model by Aaronjmars on Replicate

Unirig-Aiは、3Dモデルにアニメーションをさせるために必要な「骨格」（スケルトン）と「皮膚」（スキニング）を自動で生成する画期的なAIモデルだ。この作業は通常「リギング」と呼ばれ、3Dアーティストが手作業で膨大な時間をかけて行う非常に専門的な工程である。Unirig-Aiは、この複雑な作業をAIが自動化することで、3Dコンテンツ制作の効率を飛躍的に向上させることを目指している。

このモデルは、Aaronjmars氏によって開発・管理されており、清華大学とTripoのSIGGRAPH'25研究「UniRig」を基盤としている。Unirig-Aiは、人間、動物、さらには様々な物体の3Dモデルまで、幅広い種類に対応できる「統一された自己回帰フレームワーク」という先進的な技術を採用しているのが特徴だ。自己回帰フレームワークとは、前のステップの出力を次のステップの入力として使い、徐々に完全な結果を生成していく仕組みを指す。Unirig-Aiは、この仕組みに加えて、スケルトンの階層構造を効率的に表現する「スケルトンツリーのトークン化」という手法と、骨格と3Dモデルの頂点（点）を関連付ける「ボーンポイントのクロスアテンション」という技術を組み合わせることで、正しい階層を持つ骨格と、各頂点がどの骨にどれだけ影響されるかを決めるスキニングウェイトを、一つの流れの中で予測できるようになった。

この技術革新により、Unirig-Aiは従来の商用・学術的な手法と比較して、リギング精度を215%向上させ、モーション（動き）精度も194%向上させるという驚異的な成果を達成している。これにより、3Dモデルがより自然で正確に動くようになる。また、.glb、.obj、.fbx、.vrmといった主要な3Dファイル形式に対応しているため、現在の一般的な3Dコンテンツ制作のワークフローにスムーズに組み込むことが可能だ。

Unirig-Aiが特に活躍するのは、以下のような様々なシナリオだ。まず、アニメーション制作の現場では、多様なキャラクタータイプのアニメーション制作を大幅に加速できる。これまで、キャラクターごとに何時間もかかっていた手作業での骨格作成が不要になるため、スタジオは人間型、四足動物、さらには無機質な小道具まで、あらゆる種類のアセットを単一のモデルで処理できるようになる。特に、数百体のアニメ風キャラクターやクリーチャーのバリエーション、関節を持つ環境小道具など、似たようなモデルを大量に処理する場合には、時間短縮効果が非常に大きくなる。

次に、AIを活用した3Dコンテンツパイプラインにおける迅速な試行錯誤（イテレーション）にも貢献する。もし、生成AIやプロシージャルシステム、あるいは外部アセットライブラリを通じて3Dアセットを自動的に生成している場合、Unirig-Aiは手作業によるボトルネックなしに即座にリギングを提供できる。例えば、ゲームスタジオがプロシージャルなワールド生成やキャラクターカスタマイズシステムを使用している場合、様々なバリエーションを瞬時に自動リギングし、大規模な動的コンテンツ作成を可能にする。

さらに、Objaverseのようなデータベースからダウンロードした、適切なリギング情報を持たないカスタムメッシュの活用にも役立つ。Unirig-Aiは、これらのモデルから妥当な骨格構造とスキニングウェイトを自動的に推測し、これまでアニメーションパイプラインで使いにくかった未リギングのアセットを即座に利用可能にする。

物理シミュレーションの準備や二次的な動き（髪の毛や布の揺れなど）の設定にも、その予測された骨格が基礎を提供する。正確な骨の位置を持つ有効な階層構造を生成することで、手動での骨格調整なしに、後続の物理エンジンがすぐに動作できるようになり、静的なモデルから完全にシミュレーションされたキャラクターへの移行を加速する。

製品の視覚化におけるデザインからアニメーションへのワークフローでも有用だ。Eコマースや製品チームは、家具や機械部品、その他の無機質なアイテムをリギングし、アニメーション化された製品プレビューを作成できる。ドアが開いたり、車輪が回転したり、ロボット製品の腕が動いたりするなど、多様な形状における関節点をモデルが識別できるため、非専門家チームでも製品アニメーションにアクセスしやすくなる。

しかし、Unirig-Aiにもいくつかの限界があることに注意が必要だ。例えば、非常に珍しい形状や変形したトポロジー（3Dモデルの表面形状）では、骨格予測の品質が低下する可能性がある。標準的な解剖学的構造には優れているものの、比率が極端に異なっていたり、体が結合していたり、一般的な形とは異なるモデルでは、尾や翼の骨など重要な関節点を見落とすことがある。また、このモデルは二段階のパイプライン（骨格予測とスキニング予測）で動作するため、骨格予測の段階で生じたエラーはスキニングの品質に直接影響する。もし骨格予測が重要な関節を見落とすと、スキニング段階でその情報を回復することはできない。そのため、生産レベルの品質を求める場合には、骨格を検査し、手動で修正する必要があり、複雑なモデルにおいては「完全に自動」という言葉の通りにはいかない場合がある。

現在のReplicateのAPIでは、骨格やスキニングの予測はバッチ処理としてのみ提供されており、ユーザーが予測された骨を調整したり、ヒントを与えたり、対話的に修正を繰り返したりする仕組みはない。商用ワークフローでは、予測結果を外部ツール（Blenderなど）にエクスポートして編集し、再度インポートする手間がかかるため、完全な手動リギングと比べて時間短縮効果が薄れる可能性もある。また、モデルが学習済みの知識に基づいて単一の骨格バリエーションを予測するため、特定のゲームエンジンで使われる骨格スタイルや、モーションキャプチャ用の骨格など、特定のスタイルや命名規則を強制する直接的な方法は提供されていない。常に手動での調整が必要となる。

さらに、このモデルは研究リリースとされており、大規模なモデルのバッチ処理におけるAPIのレイテンシー（遅延）、スループット（処理量）、コスト、VRAM（GPUメモリ）要件に関する情報はまだ提供されていない。GitHubでのインストールには特定のCUDAバージョン、PyTorch 2.3.1以上、そしてflash_attn、spconv、torch_scatter、torch_clusterといった複雑な依存関係が必要となるため、既存のインフラストラクチャとの互換性を確認する必要がある。

後継モデル「SkinTokens」が発表されており、これは現在のUnirigよりもスキニング精度で98～133%、骨予測で17～22%の改善を謳っている。SkinTokensのリリースが間近に迫っているため、現在のUnirigに大規模な投資をする価値があるかについては不確実な点もある。商用利用に関するライセンスやデータセットの帰属表示、派生作品に関する制限についても、READMEやスキーマでは明確に述べられていないため、GitHubのリポジトリのLICENSEファイルを直接確認するか、開発者に問い合わせることが推奨される。

他の類似モデルとの比較では、Hugging Faceで提供されているVAST-AI版のUniRigは、Replicate版と基本的には同じモデルだ。どちらを選ぶかは、既存のインフラやホスティングの好みによる。OpenPoseは画像から2Dの姿勢を推定するモデルであり、3Dモデルのリギングとは目的が異なる。Skywork-UniPicやUNO、consisti2vも同様に2Dの画像生成や操作、ビデオ変換モデルであり、3Dモデルの骨格やスキニングを生成するUnirig-Aiとは解決する問題が全く異なるため、直接的な比較対象にはならない。

技術的な側面から見ると、Unirig-Aiは、骨格とスキニング予測に最適化された二段階の自己回帰トランスフォーマーアーキテクチャを採用している。骨格予測の段階では、階層的な骨の関係性を効率的に符号化する新しい「スケルトンツリーのトークン化」スキームを使用し、モデルが正しいトポロジーを持つ構造を自己回帰的に予測できるようにする。スキニングの段階では、予測された骨格の骨を入力メッシュの頂点にマッピングし、アニメーション中にジオメトリがどのように変形するかを制御する頂点ごとのスキニングウェイトを計算する「ボーンポイントのクロスアテンション」メカニズムが使われている。

このモデルは、Rig-XLと呼ばれる大規模なデータセットで訓練されており、これには人間、動物、物体を含む14,000以上のリギング済み3Dモデルが含まれている。Rig-XLは、関節の位置、スキニングウェイト、骨の階層、そしてBlender標準のY-up座標系に合わせたローカルボーン軸といった詳細なアノテーション（注釈情報）を含んでいる。VRoidアニメキャラクターのサブセットやObjaverse-XLのモデルも含まれており、多様なトポロジーと複雑さを持つモデルを網羅している。

入力形式は.glb、.obj、.fbx、.vrmで、出力形式はFBXファイルとなり、これには骨格とスキニングウェイトが適用されたリギング済みメッシュが含まれる。Python 3.11、PyTorch 2.3.1以上、CUDA対応GPU、そしてspconv、flash_attn、torch_scatter、torch_clusterといった特定のライブラリが必要となる。

実際にUnirig-Aiを利用する手順は比較的簡単だ。Replicateのサービスを介してPythonスクリプトから呼び出すことができる。例えば、指定されたURLの3Dモデルに対して、数行のコードで骨格とスキニングウェイトを生成し、その結果としてリギング済みFBXファイルのURLが得られる。ローカルのファイルを使う場合は、まずクラウドストレージにアップロードする必要がある。出力されたFBXファイルは、BlenderやMayaなど、FBX形式をサポートするあらゆる3Dアニメーションソフトウェアでダウンロードして利用できる。

Unirig-Aiは、3Dモデルのリギングという、これまで多くの時間と専門知識を要した作業を大きく変革する可能性を秘めている。完全に手作業の作業をなくすわけではないが、初期の骨格生成を劇的に高速化することで、3Dアーティストやシステムエンジニアがより創造的で複雑な作業に集中できる時間を生み出す。特に、大量の3Dアセットを扱うプロジェクトや、AIを活用した自動生成ワークフローにおいて、その真価を発揮するだろう。未来の3Dコンテンツ制作において、このようなAIモデルは不可欠なツールとなっていくことは間違いない。