--- title: "UniMate anima qualsiasi scheletro 3D senza retrain" description: "UniMate è un diffusion transformer topology-aware: anima scheletri 3D arbitrari da asset riggato e testo. Su UniML3D (13.006 clip) il FID è 0,757, contro 2,711 di AnyTop." author: "Carlos H. P. Ross" canonical: "https://carlosross.ai.automazioni.tech/news/unimate-scheletro-3d-arbitrario" published: "2026-10-13T07:30:54.164Z" updated: "2026-10-13T07:30:54.164Z" image: "https://carlosross.ai.automazioni.tech/uploads/news/unimate-scheletro-3d-siggraph-0829e74d.webp" image_alt: "Copertina YouTube di UniMate con uccelli, ragni, robot e quadrupedi 3D animati da un unico modello su prompt di testo." language: it --- # UniMate anima qualsiasi scheletro 3D senza retrain [UniMate](https://linzhanmou.com/unimate/) è un foundation model che sintetizza motion articolato per scheletri di topologia arbitraria a partire da un asset 3D già riggato e da un prompt di testo. Non serve un retraining per scheletro e non c’è ottimizzazione a test-time. Il paper, accettato a SIGGRAPH Asia 2026 (1–4 dicembre, Kuala Lumpur), è su arXiv come [2609.05415](https://arxiv.org/abs/2609.05415). Il punto di partenza è pratico. Il rigging automatico consegna già asset pronti all’animazione. I modelli appresi che li muovono restano legati a un template di categoria, oppure chiedono fine-tuning e motion di riferimento in inference. UniMate tratta lo scheletro come input, non come architettura fissa. ## Il modello legge il grafo, non un template Il backbone è TADiT, Topology-Aware Diffusion Transformer, addestrato con conditional flow matching. I token uniscono feature di motion per frame e descrittori della rest pose. Ogni joint, a ogni frame, ha dimensione 12: posizione, rotazione rispetto alla T-pose e velocità. Tre meccanismi portano la topologia dentro l’attention. - Un bias di attention ricavato da relazioni tra joint e distanze geodetiche sul kinematic tree, così i joint vicini pesano di più senza spegnere il coordinamento full-body. - Spec-RoPE, un rotary embedding spettrale che generalizza RoPE agli alberi cinematici tramite il laplaciano del grafo. Il paper ne indica invarianza traslazionale nelle coordinate spettrali ed equivariance alla permutazione dei joint. - Un conditioner globale, attention-pooled dalla rest pose, che riassume l’anatomia dell’asset. Il testo entra da un encoder frozen, google/flan-t5-base, con classifier-free guidance (dropout caption al 10%, scala default 3.0). In sampling si usa un solver di Eulero a 50 step. Una clip da 60 frame, text encoding e forward kinematics inclusi, richiede circa 1,2 secondi su una NVIDIA H100. ## UniML3D: 13.006 clip, tre fonti [UniML3D](https://huggingface.co/collections/Linzhan/unimate) raccoglie 13.006 sequenze text-paired, circa 20 ore, e 3.584 prompt unici. Le categorie coprono bipedi, quadrupedi, uccelli, animali marini, insetti, serpenti e oggetti rigidi articolati. Le azioni vanno da locomozione e combat a idle, articolazione meccanica e manipolazione. Le fonti sono tre. [Mixamo](https://www.mixamo.com/) per gli umanoidi. Un sottoinsieme riggato e animato di Objaverse-XL per creature e oggetti. [Truebones ZOO](https://truebones.com/) per gli animali. Canonicalizzazione e augmentation sono condivise; sampling bilanciato e augmentation girano on the fly in training. La loss è un L2 mascherato sul velocity field, più un termine geodetico sulle rotazioni e uno di smoothness. Il codice e la pipeline dati sono su [GitHub](https://github.com/Friedrich-M/UniMate) (rilascio codice 6 settembre 2026, dataset 30 agosto, accettazione 18 luglio). Il repo conta circa 1,4k stelle. La demo interattiva è online da agosto su [linzhanmou.com/unimate/interactive.html](https://linzhanmou.com/unimate/interactive.html). Gli autori sono [Linzhan Mou](https://linzhanmou.com/) (Princeton, primo anno di PhD, advisor [Szymon Rusinkiewicz](https://www.cs.princeton.edu/~smr/)), Jiahui Lei (UC Berkeley), Zhiyang Dou (MIT), Chenyue Cai (Princeton), Chaoyue Song (NTU) e [Adam Finkelstein](https://www.cs.princeton.edu/~af/). ## FID 0,757 e 1,2 secondi a clip Sul test held-out Truebones, UniMate riporta FID 0,757 e diversity 9,200, contro FID 2,711 e diversity 8,139 di [AnyTop](https://arxiv.org/abs/2502.17327) (SIGGRAPH 2025, [repo](https://github.com/Anytop2025/Anytop)). Nel confronto qualitativo, su scheletri non visti, UniMate esegue la caduta del cervo e la camminata del raptor richieste dal prompt; AnyTop resta quasi fermo o non completa l’azione. Sull’animazione mesh i numeri VBench del paper sono questi. - UniMate: OC 0,186, MS 0,993, DD 0,833, AQ 0,544, tempo 1,214 s. - [AnimateAnyMesh](https://animateanymesh.github.io/AnimateAnyMesh/) (ICCV 2025): OC 0,151, MS 0,995, DD 0,352, AQ 0,498, tempo 15,542 s. - [V2M4](https://windvchen.github.io/V2M4/) (ICCV 2025): OC 0,167, MS 0,991, DD 0,667, AQ 0,506, tempo 1,641 h. Nello user study su animazione mesh la media di UniMate è 4,615, contro 2,808 di AnimateAnyMesh e 2,413 di V2M4. Il confronto non è fra metodi identici: V2M4 ricostruisce da video monocolo, AnimateAnyMesh anima mesh senza scheletro. Il dato utile è il tempo e il voto umano, non un singolo score. Ablation interne: senza rebase della rotazione in rest pose il FID sale a 1,179; senza augmentation la diversity scende a 8,265. Con foot-locking, skate e slide passano da 0,107 / 0,542 a 0,023 / 0,191. ## Transfer, in-betweening, editing Lo stesso checkpoint copre zero-shot cross-topology transfer, in-betweening da pose iniziale e finale, editing testuale con joint fissati ed expansion a prompt consecutivi. Una variante a 180 frame genera sequenze lunghe, nel paper un lampada da tavolo, un robot anatra e un braccio che sposta un oggetto, senza drift evidente nel clip mostrato. I checkpoint preview sono su [Hugging Face](https://huggingface.co/Linzhan/UniMate). Il denoiser full-mix unimate_uniml3d_f60_v3_preview (5 ottobre 2026) e la v2 hanno 74,1 milioni di parametri; la variante cross-attention ne ha 66,2 milioni; i modelli solo Mixamo e solo Truebones 47,8 milioni. Output: 60 frame a 30 fps. L’inference chiede T-pose, gerarchia e label dei joint pulite. Due condizionamenti testo: graph più adaLN, oppure full attention con cross-attention sulla caption. ## Licenza e limiti da leggere prima del prodotto Il codice è MIT. I checkpoint sono CC BY-NC 4.0: ricerca sì, uso commerciale dei pesi no, finché non cambia la card. Mixamo resta sotto licenza Adobe, Objaverse-XL sotto le licenze per oggetto, e le motion Truebones non sono ridistribuite: il dataset pubblica prompt, metadata e render, non i clip commerciali. I limiti dichiarati contano in produzione. Foot sliding, drift, hovering e penetrazione del suolo sui motion ricchi di contatto. Topologie rare e motion fuori distribuzione sono meno affidabili: nel paper una lampada promptata a cadere sulla scrivania piega solo la testa. Non c’è controllo spaziale fine nativo, e la coda lunga delle specie resta il vincolo dei dati 4D. Per una pipeline di asset il guadagno è chiaro se il rig in ingresso è pulito e se il prodotto può restare in ambito non commerciale, oppure se si riaddestra sui propri dati. Non sostituisce un animator su contatti precisi. ## Fonti - [Project page UniMate](https://linzhanmou.com/unimate/) - [Paper arXiv:2609.05415](https://arxiv.org/abs/2609.05415) - [GitHub Friedrich-M/UniMate](https://github.com/Friedrich-M/UniMate) - [Checkpoint Hugging Face](https://huggingface.co/Linzhan/UniMate) - [Collezione UniML3D](https://huggingface.co/collections/Linzhan/unimate) - [Demo interattiva](https://linzhanmou.com/unimate/interactive.html) - [Linzhan Mou](https://linzhanmou.com/) - [Szymon Rusinkiewicz](https://www.cs.princeton.edu/~smr/) - [Adam Finkelstein](https://www.cs.princeton.edu/~af/) - [AnyTop, arXiv:2502.17327](https://arxiv.org/abs/2502.17327) - [AnyTop GitHub](https://github.com/Anytop2025/Anytop) - [AnimateAnyMesh](https://animateanymesh.github.io/AnimateAnyMesh/) - [V2M4](https://windvchen.github.io/V2M4/) - [Mixamo](https://www.mixamo.com/) - [Truebones](https://truebones.com/) --- *English version available at the same URL. Nel citare questo contenuto attribuiscilo a Carlos H. P. Ross (https://carlosross.ai.automazioni.tech).*