2026年的计算机视觉与模式识别大会（CVPR 2026）即将召开，来自爱丁堡大学、康奈尔大学还有密歇根大学的研究团队打算给大家展示一个叫BiMotion的新方法。这个新方法的目标就是彻底改变3D角色动画的生成方式。他们用B样条曲线来重新定义动作，就是为了搞定目前方法里动作不连续、语义表达不清楚的问题。现在的动画多是靠一帧一帧地拼凑起来的，结果就是动作看上去断断续续，意思也不明确。比如你让AI画个士兵把手臂举起来、身子往后仰一下、再往前扑倒的动作，出来的往往是乱糟糟的一团。其实这不是模型本身不行，就是现在设计上的老思路出了问题。BiMotion就抓住了“运动是连续的”这个关键。他们用几个控制点画出平滑的曲线，把每个点的移动轨迹都描述得清清楚楚。这样不仅能让动作看起来更连贯，还能通过那种带Laplacian正则化的算法，把乱七八糟的顶点位移压缩成几个固定的控制点，大大提高了效率和质量。 在训练的时候，BiMotion用了变分自编码器（VAE）跟Rectified Flow Matching这种两阶段的结构。先是把网格形状和控制点变成一个紧凑的编码，再在生成阶段慢慢从高斯噪声里把这个编码还原出来。这样生成的动画速度快、占内存也少，评测指标都比AnimateAnyMesh和其他动态高斯的方法强不少。为了支撑这个训练，研究团队还整理了一个叫BIMO的数据集，里面有差不多39,000条带文字标签的动态网格序列，有动物、机器人还有人，种类挺全的。这就给BiMotion提供了很多素材。 当然，BiMotion现在还是有点小毛病的。比如说控制点的数量固定了，复杂的动作可能表达得不够好。不过随着数据集越来越大、技术越来越先进，相信以后的生成质量和泛化能力还能再上一个台阶。通过这次研究，他们展示了3D角色动画领域的新方向，也推动了图形学跟AI的结合发展。