Mesh-Fit / Rig 現況 · 星月姐妹產線

這頁回答一個問題：「拿已知骨架（買來的 twd 姿勢檔）去產深度控制圖，再把角色 3D mesh 套上去」這條路，通不通？ 這是把「拆層綁骨的對位從用猜的，變成查表」的地基實驗（7/2 做的 spike）。

結論：有條件堪用 — 可渲染、可跟真人骨架比對，綁骨（skinning）品質待你目視判

★ 真圖 A/B 測試：native 深度 vs retarget 深度出圖（user 要求）

深度圖的相似度數字（IoU 0.70）不足以判「能不能用」，所以直接出真圖：同 prompt、同 seed、同 CN 參數（controlnet-union-promax，type=depth，strength 0.72），只換控制深度圖——左＝native 原生 obj 深度，右＝spike retarget（MakeHuman＋手刻綁骨）深度。跑兩個 seed。

控制圖 A：native 原生 obj 深度

控制圖 B：retarget spike 套皮深度（IoU 0.697）

native → 出圖 · seed 111111

retarget → 出圖 · seed 111111

native → 出圖 · seed 222222

retarget → 出圖 · seed 222222

我的初步觀察（待 user 定奪）：native 深度兩個 seed 都穩定出正確的雙人 doggy 姿勢、解剖乾淨。retarget（spike 套皮）深度較糊，出圖明顯變差——seed 111111 女方身體比例／姿勢歪掉、雙人結構鬆散；seed 222222 更直接崩成臀部特寫、丟失雙人結構。 → 這印證你的判斷「深度對比不夠、要真圖才知道」＝現行 spike 套皮做法出的圖確實不太能用，也是把 rig 方向改成「原生骨架＋原生 mesh＋Blender 自動權重」的動機。Blender 自動權重版的新 retarget 深度出圖會補進本區塊當第三欄對照。

🔧 工程細節（新 rig 做法的綁定機制，可略）

spike 判死的三個捷徑全換掉：骨架用 twd 原生 27 骨、mesh 用原生 obj、綁骨用 Blender 原生 Automatic Weights。下圖左＝綁定完成、右＝旋轉骨頭後變形（紅點＝被驅動頂點，深度投影）。綁定成功（54 骨 48 在 mesh 內、bone-heat 無失敗）、變形連續不破碎。這只是「機制通了」的工程證據，不是品質證據——品質看下面真圖。

★★ 閉環真圖：rig 驅動到新姿勢 → 出圖（單組初步，證據不足待矩陣）

拿原生 mesh 綁好骨架後驅動到新姿勢（髖外展＋膝彎），渲深度圖再走 depth-CN 出真圖。左＝原姿勢，右＝rig 驅動的新姿勢。同 prompt、同 seed。

原姿勢深度（原生 mesh 直接渲）

rig 驅動新姿勢深度（自動權重變形後渲，nuniq 256 乾淨漸層）

原姿勢 → 出圖

rig 新姿勢 → 出圖

⚠️ 這只是單組初步觀察，證據不足，結論＝「值得上驗證矩陣」，還不能說「能用」：
①單組對照不算驗證（產線鐵則：每個結論單元要 ≥20 張跨姿勢×相機×角色）；②基準本身有瑕疵——「原姿勢→出圖」這個基準用的是中性通用 prompt、且部分基準圖有解剖異常，在弱基準上比「rig 比原姿勢好」不成立；③初步只看得出 rig 驅動的深度是乾淨漸層（非二值）、出圖沒有 spike 套皮那種明顯崩壞。
下一步：上驗證矩陣——rig 驅動 5-6 姿勢（含 penetration/solo、prone_bone/spreadgape 這種 twd-only 真需求）× 相機 4 檔 × 角色 professor/wife（用產線真 prompt 鏈非通用 prompt）≈ 40-50 張，另配同鏡位原生 obj 基準組（先自驗解剖乾淨），contact sheet 上 gallery 給你判。
rig 角色邊界：只服務 (a) 沒有 obj 的 twd-only 姿勢深度供給、(b) 主姿勢動畫；有 obj 的姿勢直接渲 obj、不套皮。

0.697

剪影重疊度 (IoU)

套上去的 mesh 輪廓 vs 真骨架輪廓，越接近 1 越貼合

0.933

面積比

兩者剪影大小幾乎一致（0.93）

0.206

深度差 (L1)

前後遠近分佈的差距，越小越像

126 / 0

矩陣渲染成功 / 失敗

7 體位 × 3 mesh × 相機，零崩壞

白話說明：骨架能穩定地被解析、角色 mesh 能套上去、能渲成深度圖跟真人 3D 骨架並排比對——這條技術鏈是通的（126 格渲染零失敗）。唯一還沒過關的是「自動綁骨」的形狀貼合度：目前用的是啟發式（heuristic）快速綁骨，剪影對得上（IoU 0.70）但不是完美吻合，細節形變還要你看圖判「夠不夠用」。這決定了任務 C 的 rig 動畫（乳搖/臀搖循環）能做到多好——所以先請你看下面的圖。

⚠️ 以下 spike 做法已於 2026-07-08 由 user 判死，正在重做

判死的做法＝MakeHuman 外來 mesh ＋從 bbox 發明的 27 骨 rest skeleton ＋手刻 nearest-5 段 LBS 綁骨（三個捷徑疊加，品質天花板注定低）。
重做方向（見上方「★ 新 rig 做法」區塊）＝原生 twd 骨架＋原生 mesh ＋ Blender 原生 Automatic Weights。下面這兩節（核心證據／七體位矩陣）保留當對照 baseline，不是現行方案。

1. 核心證據（⚠️ 舊 spike 做法，已判死，僅供對照）：套上去的 mesh vs 真人骨架（深度圖並排）

左＝真人 3D 骨架原生渲染；右＝我們把角色 mesh retarget 到「同一個已知骨架」後渲染。兩者越像，代表「用已知骨架控制出圖」越可靠。

並排對比圖 · 左 native 骨架 / 右 retarget mesh（深度圖）· Silhouette IoU 0.697

真人骨架 原生渲染（beauty pass）

retarget mesh 套用後渲染（beauty pass）

2. 七體位矩陣（每張 = 一個體位的多角度 / 多 mesh 對照）

每張 contact sheet 是同一體位跨相機、跨 mesh（makehuman 通用體 / 角色低模 / 角色高模）的渲染集合。全部 126 格零崩壞；paizuri 與 spreadgape 碎裂度最高（自動綁骨在這兩個體位最吃力）。

3. Rig PoC：乳搖循環（單張生成圖 → 動畫，零 GPU）

這段回答商業問題：「一次設定、無限循環的局部動作（乳搖/臀搖），能不能不靠昂貴的影片生成做出來？」 下方循環動畫是拿一張 CN 對齊的生成圖（沒有再跑任何 GPU / 影片模型），對胸部區域做物理式位移變形烘出來的——單張圖變會動。

乳搖循環 · 36 幀無縫 loop · 來源＝單張靜圖 · 零 GPU（純前端可跑）· 若沒自動播放請點一下

為什麼這條路重要：影片生成（Wan 等）每個動作都要燒 GPU、每支幾秒鐘的成本；而這種局部循環動作（乳搖、臀搖、呼吸、handjob 抽動）一次設定就能無限循環播放、成本趨近於零（可搬到前端瀏覽器跑，伺服器不出力）。量化驗證：位移精準局限在胸部區域（胸部像素位移量是臉／背景的 378 倍，臉和背景幾乎零位移），沒有全圖亂飄或撕裂。

誠實定位：依 rig 架構，動畫分三層——① 次級抖動（乳搖/jiggle/呼吸，本 PoC 這層，不需骨架、純變形物理）② 主姿勢動作（扭腰擺臀，需骨架 LBS）③ 全新姿勢（才需 GPU 生新關鍵幀）。本 PoC 打通的是第一層——它剛好繞開了上面 mesh-fit spike 卡住的「自動綁骨（skinning）品質」問題（那是第二層的事）。所以：乳搖/臀搖這類局部循環，現在就可行；扭腰擺臀那種主姿勢動作，還卡在綁骨品質待解。