研究问题
传统骨架方便编辑，却难以保留宽松衣服、软组织等复杂表面运动；自由形态骨骼能重现变形，却缺少直观控制。西湖大学团队参与提出的 GaussiAnimate，把已完成时序对应的 4D 高斯或网格序列转换为 Skelebones，用内外两层结构连接骨架控制与非刚性变形。它适合已有动态重建素材的研究者与技术美术，不是单张照片直接变成可动画角色的工具。
方法与成果
方法先用 SSDR 将表面运动压缩为外层自由骨骼，再从规范形状提取平均曲率骨架、构造运动学层级，最后通过 Partwise Motion Matching 检索并混合已观察到的局部运动。核心绑定与动作匹配无需逐角色神经网络训练，也不依赖物理模拟；前置高斯重建可能仍有自己的训练流程。作者在论文测试中报告了相对 LBS、Bag-of-Bones 等方法的重动画质量提升，这些结果属于特定数据集与实验设置。
复现门槛
核心支持 Python 3.8–3.11，完整研究流程推荐 Linux 与 Python 3.10。基础包不强制安装 PyTorch，但几何提取需要 CMake、CGAL、Eigen 和原生绑定，当前绑定要求 NumPy 小于 1.26。标准输入是每帧点身份和顺序均一致的 NPZ 轨迹；输出包含 skelebones.npz、内骨架 motion.bvh 与清单，新姿态经 PartMM 输出动画点轨迹。高斯训练、渲染仍需各自上游环境。
适用对象与限制
适合动画重建、服装动态及跨表示动作控制实验。独立采样、点数变化且没有对应关系的点云不能直接输入；极端尺度需规范化或调整阈值。用户提供的静态网格应封闭，开放网格可经临时代理辅助骨架化。它复用已有表面动态证据，不代表能可靠生成任意未见物理形变。
许可与开放状态
官方仓库已实际公开代码，Python 核心为 MIT；第三方工具、模型与数据保留各自条款。官网摘要仍残留“代码将公开”的旧文案，本文以已核实的仓库状态为准。论文早期版本题名包含 Reconstruct and Rig，当前 arXiv 题名为 Rig Animatable Categories with Level of Dynamics，均指同一研究。
从你的第一条分享开始
可以聊聊实际效果、安装经验，或者你想解决的一个小问题。