大家都知道，当给系统的输入只有部分关节位置时，姿态重建就变得像解一个欠定方程组。这时候，输出可以完全不受控制，可能会出现一些不合理的情况。传统的IK工具如CCD、FABRIK和FinalIK，它们虽然速度快，但无法学习到合理与不合理之间的规则，容易导致身体结构不符合物理原理。所以，研究者们开始尝试用神经网络来解决这个问题。 ProtoRes就是这样一款神经架构，它通过一种叫做原型加残差的方法，把稀疏输入变成完整姿态。这个架构有几个关键部分：位置效应器、旋转效应器和观察效应器。位置效应器处理3D坐标和6D旋转，保证平移不变性；旋转效应器指定关节的旋转轴和角度；观察效应器让关节瞄准目标点并控制局部坐标轴朝向。这些输入经过嵌入层后，进入一个双环残差网络，外环负责全局，内环靠原型来对齐局部与整体。这样设计的好处是既高效又能学到关节间的先验知识。 解码器部分也很有趣，它分为两步：全局位置解码器（GPD）先给出一个大致位置，然后逆运动学解码器（IKD）再进行旋转和FK修正。实验表明这种两步走的方法比一步到位的效果更好。 在实验中，ProtoRes在两个数据集上对比了传统IK和Transformer基线表现出色。在稀疏输入时，关节位置误差平均下降了15%到20%，旋转误差下降了10%到15%。甚至在缺失部分关节时也能补全骨架而不穿模。 此外，ProtoRes还能在实时引擎中使用。通过Unity平台，用户只需拖拽几个效应器组件就能快速生成完整姿态。前向推理速度稳定在30帧每秒，显存占用不到2GB。 为了方便后续研究团队还公开了两个小型数据集miniMixamo和miniUnity，并且提供预训练模型和代码供大家下载使用。