ResearchMan← Technology
CurveCodec (AnimationCodec)
Research研究用途のみ#Motion/Body#CreatorTools

CurveCodec (AnimationCodec)

The University of Hong Kong / Adobe Research (Mingyi Shi, Huancheng Lin, Xuelin Chen, Taku Komura)/2026-10

Overview

人・動物・ロボットなどどんな骨格のアニメーションでも、再学習なしで1/10以下に圧縮できるコーデック。SIGGRAPH Asia 2026採択で、コードと学習済み重みが2026年10月2日に公開された。

技術のポイント

モーションキャプチャやキャラクターアニメのデータは、骨(ボーン)の数×フレーム数の回転値の山で、長尺のライブラリになるとすぐ数百GBに膨らみます。CurveCodecは「動物でも人でもロボットでも、骨格の種類ごとに作り直さず同じ仕組みで圧縮できる」のが最大の特徴です。論文では、業界標準に近いUnreal Engine用の圧縮ライブラリACLと比べて、同じ精度(誤差0.1cm)で約2.7倍小さくなり、775GBのモーションデータ群を0.01cm精度のまま11.9GBに縮めたと報告されています。広告・体験づくりでは、大量のモーションを入れたWebインスタレーションやアプリの読み込みを軽くする、数十体のキャラクターを一斉に踊らせる展示で通信量を抑える、撮影現場で録ったモーションを素早く共有する、といった場面で効きます。ブラウザ上のデモにBVHファイルを入れるだけで効果を試せる点も、企画段階の検証向きです。

技術の詳細

仕組みは2段構えです。まず1段目で、動きを「誤差の許容幅」(0.01〜1cm)の中で間引きます。重要なポーズ(キーフレーム)だけを残し、間は順運動学(骨の回転から手先や足先の位置を計算する処理)で復元して、元データとのズレが許容幅に収まっているかを毎回確認します。収まらなければ自動でやり直すので、「圧縮したら足がずれた」が起きにくい設計です。2段目では、約10.8万パラメータの小さなTransformer(文章の次の単語を予測するのと同じ種類のAI)に「次の値はこのあたりだろう」と予測させ、予測が当たった分だけデータを省く可逆圧縮(算術符号の一種)をかけます。モデルは870KBと小さく、約886時間・33種のモーションデータで一度だけ学習してあるため、犬など未学習の動物でも13.9倍に圧縮できたとされています。 従来のACLは骨格ごとの手調整が前提で、AIを使う圧縮は特定の人体モデル(SMPLなど)専用になりがちでした。CurveCodecは骨格の種類を問わない点と、誤差の上限を保証する点が異なります。速度もCPU1コアで毎秒約8,700フレームを展開でき、リアルタイム再生に使える水準です。 使うにはPython 3.9以上、numpy、Cコンパイラ、CMake、C++17対応コンパイラが必要で、pipでインストールします。GPUは不要です。コードと学習済み重みはGitHubで公開済みですが、ライセンスは非商用限定のため、クライアント案件など商用で使う場合は著者へのライセンス打診が必要です。まずは公式のブラウザデモ(BVHアップロード可)で、手持ちのモーションがどれだけ小さくなるかを確かめるのが手軽です。

License

独自の非商用ライセンス。学術・非商用は無料、商用利用は著者との別途契約が必要。依存ライブラリ(ACL等)はMIT。

Sources

Related Works

  • Animation Compression Library (ACL)

    ゲームエンジン向けの定番アニメーション圧縮ライブラリ(MIT)。CurveCodecの比較対象で、Unreal Engineにも統合されている。

  • Kimodo

    NVIDIAによるテキスト・制約から骨格モーションを生成する拡散モデル。生成したモーションの保存・配信に圧縮が効く。