01 / ÜBERBLICK
Hintergrund und Motivation
Während das IP-Figurensystem weiter wächst, muss jedes Inhaltsstück die Figur als visuellen Träger der Marke nutzen. In der Praxis waren Kleidungs-Assets jedoch lange über Projektdateien verstreut; sie wiederzuverwenden oder überhaupt zu finden hing vom Herumfragen ab, ohne einen zentralen Ort zur Verwaltung. Dieser Schmerzpunkt ist der Grund, warum das Team ein Anziehsystem für die IP-Figur baute: die verstreuten Kleidungsstücke an einem Ort sammeln und späteren Produktionen einen einfachen Weg geben, sie zu referenzieren und wiederzuverwenden.
Gleichzeitig eröffnete die rasant fortschreitende generative KI einen neuen Weg, Ideen zu validieren. Das Projekt nimmt Tripo-generierte 3D-Kleidungsmodelle als Grundlage, untersucht, wie KI-generierte Kleidung der Bewegung einer Figur korrekt folgen kann, und prüft, ob KI die traditionelle Rigging- und Anpassungspipeline wesentlich vereinfachen kann. Anders als in herkömmlichen Anziehspielen, in denen Spieler aus vorgefertigten Outfits wählen, lässt generative KI Nutzer ein Kleidungsstück selbst entwerfen und sofort tragen — die zentrale Forschungslinie des Projekts.
02 / ÜBERBLICK
Kleidungsmodelle generieren und optimieren
Mesh-Standards und Polygonzahl-Kontrolle. Ein Kleidungs-Asset, das tatsächlich in einem Spiel ausgeliefert werden kann, muss drei Grundstandards erfüllen: saubere, wohlgeformte Topologie ohne wilde oder kaputte Flächen; Texturen mit genug Detail und Qualität; und ein Gesamtbild, das zum Stil des Spiels passt.
Früh im Projekt waren Tripos Kleidungsmodelle in der Regel zu dicht, um direkt in eine Echtzeit-Spielszene zu fallen, und brutales Dezimieren verlor Details und hinterließ grobe Oberflächen. Mit dem P1-Update konnten generierte Modelle die grundlegende Kleidungsform bei niedrigeren Polygonzahlen halten, was für einfaches Anziehen reichte. P2 hob dann Low-Poly-Detail und Kantenflussqualität weiter an und brachte die Ausgabe näher an das, was Spiel-Assets technisch verlangen.
Cel-Shading-Stilisierung. Selbst mit P2s großem Sprung in der Topologie hat webseitiges 3D-Rendering weiterhin Grenzen in der Materialqualität. Deshalb setzte das Projekt auf einen Cel-Shading-Look (3D wie 2D): Er verdeckt Fehler auf Texturebene und reduziert manuelle Mesh-Korrekturen, und er vereinheitlicht den visuellen Stil von Kleidung und UI, was den Finish des gesamten Produkts hebt. Jüngste Tests mit stilisierten Texturen zeigen Spielraum nach oben, mit Materialien und Lichtebenen, die noch zu verfeinern sind.
03 / ÜBERBLICK
Kleidung an die Figur anpassen
Das System ist um eine Chibi-IP-Figur mit fünf vollständigen Outfits gebaut, und einzelne Teile lassen sich frei kombinieren. Die Kleidung an die Figur anzupassen ist die zentrale technische Herausforderung und umfasst drei Ebenen: Gewichtszuweisung, Bewegungsfolge und Clipping-Vermeidung.
Gewichtsvererbung und Risse. Kleidung verformt sich nur dann korrekt mit der Figur, wenn die Knochengewichte richtig zugewiesen sind. Enge Kleidung kann einfach die vorhandene Gewichtskarte des Körpers wiederverwenden, sodass sie sich im Gleichschritt mit dem Körper bewegt. Doch bei Röcken, Hasenohren und anderen Teilen, die nicht am Körper anliegen, führt das direkte Erben der Körpergewichte dazu, dass gegenläufige Bewegung — vor allem der Beine — das Kleidungs-Mesh auf unsinnige Weise zerreißt und verzerrt.
Die Federknochen-Lösung. Wir haben dafür zuerst Stoffsimulation ausprobiert, aber ihre Performancekosten liegen in einer anderen Liga als knochengetriebene Bewegung, und komplexe Modelle brauchen von Hand gemalte Fixierbereiche — langsam in der Produktion und ein schlechter Partner für Echtzeit-Rendering im Browser.
Am Ende bekam die Kleidung im Projekt Federknochen, aufgebaut aus drei Kernelementen. Erstens eine eigenständige Knochenkette: Lege eine Kette von Knochen entlang der Form des Kleidungsstücks (bei einem Rock von der Taille zum Saum), jeder Knochen ein Kind des vorherigen, und male die Gewichte des Kleidungs-Meshes auf diese Kette. Das behebt das Reißen an der Wurzel — das Kleidungsstück bekommt seinen eigenen Bewegungskanal und wird nicht mehr von den Beinknochen auseinandergezogen.
Zweitens Feder-Dämpfer-Dynamik: Die Kette ist nicht voranimiert; sie wird jeden Frame aus der Bewegung der Figur gelöst. Sie verhält sich wie eine echte Feder — bewegt sich die Figur, bleiben die Knochen durch Trägheit zurück, die Feder zieht sie zur Ruheposition zurück, und der Dämpfungsparameter steuert, wie schnell das Schwingen abklingt, was natürliches Schwingen erzeugt.
Drittens Kollider: unverzichtbar gegen Clipping. Federknochen allein geben dem Rock seinen eigenen Bewegungskanal, können ihn aber nicht dazu bringen, dem Körper auszuweichen. Für lange Schritte umhüllt man die Oberschenkel mit Kapselkollidern, damit die Rockknochen das Hindernis spüren und natürlich weggedrückt werden, was Clipping verhindert.
Zusammen bilden diese drei Techniken einen allgemeinen Referenzrahmen für die Animation bekleideter Figuren. Tatsächlich liefern viele Tools für virtuelle Figuren alle drei bereits als Standardfunktionen mit.
04 / ÜBERBLICK
Wo KI Rigging und Animation beschleunigt
Traditionell sind Rigging und Anpassung, nachdem die KI ein Kleidungsstück generiert hat, stark manuell: Knochen von Hand binden, dann Parameter immer wieder nachjustieren, bis es richtig aussieht. Dieses Projekt ließ stattdessen die KI Röcke, Hasenohren und andere Accessoires automatisch riggen. Der Prompt beschreibt das Zielverhalten — Rock und Accessoires an Federknochen gebunden, kein Clipping zwischen Rock und Oberschenkeln in Bewegung, Hasenohren, die dem Kopf mit natürlichem Schwingen folgen —, und die KI bindet eine sinnvolle Knochenstruktur und stimmt die Parameter entsprechend ab.
Das drückt manuelle Arbeit auf einen Bruchteil zusammen. Idealerweise übergibt man der KI das Kleidungsmodell plus eine Beschreibung dessen, was man braucht, und erhält ein Figuren-Kleidungs-Asset zurück, das sich korrekt bewegt — die Anzieh-Webseite in diesem Projekt wurde genau so gebaut. Derselbe Ansatz überträgt sich auf Animationssoftware und Game-Engines.
Auf der Animationsseite reifen die Grundlagen von KI-Rigging und KI-Animation. Nach Erfahrung des Teams reicht es, der KI ein Referenzvideo zusammen mit einem geriggten Modell zu geben, damit sie die Bewegung auf das neue Modell überträgt. Für Animatoren bedeutet das weit weniger repetitive Arbeit und mehr Zeit für kreatives Schaffen.
05 / ÜBERBLICK
Vorarbeit und Workflow-Zusammenfassung
KI beschleunigt Rigging und Anpassung erheblich, doch damit ein frisch generiertes Modell direkt zur Figur passt, müssen vorher noch ein paar Vorarbeiten erledigt werden:
- Modellkalibrierung: Sobald das Modell vorliegt, dessen Proportionen gegen das Basismodell prüfen und Ausrichtung und Ursprung auf sinnvolle Werte einstellen.
- Kleidungstyp: die Kategorie richtig beurteilen — enge und lockere Kleidung brauchen unterschiedliche Gewichtsstrategien.
- Rigging: lockerer Kleidung Federknochen geben, die Knochenstruktur passend zur Form des Kleidungsstücks aufbauen und vernünftige Feder- und Dämpfungsparameter setzen.
Insgesamt ersetzt KI die repetitive Ausführung; Urteil und Entscheidungen bleiben beim Menschen. Für Kreative liegt der Kernwert der KI nicht darin, die Arbeit zu übernehmen, sondern die Distanz von der Idee zum sichtbaren Ergebnis drastisch zu verkürzen — erst wenn sich eine Idee schnell zeigen lässt, kann sie beurteilt und dann iteriert und verbessert werden.
06 / ÜBERBLICK
Fazit
Dieses Anzieh-Minispiel verknüpft KI-Generierung, Rigging und Anpassung, UI-Interaktion und Echtzeitdarstellung zu einer vollständigen technischen Schleife und bestätigt das Potenzial von KI in der 3D-Kleidungsgenerierung und Figurenanpassung. Von der Qualitätsabstimmung generierter Modelle über die Federknochen-Bewegungslösung bis zu den Effizienzgewinnen des KI-Auto-Riggings zeigt jeder Schritt, wie KI und menschliches Urteil zusammenarbeiten können.
Während die Generierungsqualität weiter steigt und der Workflow reift, wird die Produktion von Kleidungs-Assets noch weit stärker freigesetzt, sodass Kreative sich auf Ideen und Design konzentrieren können. Wir hoffen, dass dieser technische Weg seinen Weg in ein viel breiteres Spektrum von Animations- und Spieleproduktionen findet und neue Möglichkeiten für die Inhaltserstellung eröffnet.