DoodleMate: 無須生成式 AI 即可賦予兒童繪畫生命力

兒童繪製角色的行為是想像力的基本表達。多年來，開發者的挑戰一直是如何在不剝奪兒童原始創作權的情況下，縮小靜態紙張與栩栩如生的角色之間的差距。這就是 DoodleMate 的出現，這是一款旨在將手繪草圖轉化為可進行動畫製作的完整骨架角色（fully rigged characters）的新工具。

與目前流行的圖像轉影片（image-to-video）生成式 AI 趨勢不同，DoodleMate 採用程式化（programmatic）的方法進行動畫製作。透過利用多年來對兒童繪畫模式和角色動畫的研究，該平台建立了一個系統，可以在幾秒鐘內解讀繪畫照片並自動為其進行運動骨架綁定（rigging）。

技術方法：綁定（Rigging）與生成（Generation）

DoodleMate 的核心哲學是「保存」。雖然生成式 AI 模型經常會「幻覺」出新的像素來填補空白或將繪畫轉化為風格化的 3D 渲染圖，但 DoodleMate 專注於綁定（rigging）。

綁定（Rigging）是為 2D 圖像建立骨架結構的過程，使其能夠被操縱和移動。透過將此技術應用於兒童的繪畫，該工具確保了兒童藝術作品中的原始線條、顏色和「不完美之處」得以保留。這種方法讓兒童可以繼續擔任角色外觀的主要創作者，而軟體則處理複雜的運動數學運算。

這種方法論具有學術嚴謹性，創作者 Jesse Smith 先前曾發表過關於該主題的 SIGGRAPH 論文。其目標是創造一種「低門檻、高天花板」的體驗——讓任何人都能立即開始製作動畫，同時提供更深層次的創意控制潛力。

在 AI 時代保存創作權

圍繞該工具的主要討論之一是「AI 驅動」與「生成式 AI」之間的區別。雖然作者強調該工具並未使用圖像轉影片的生成式模型，但一些使用者注意到，平台的服務條款和關於頁面提到了「AI 驅動技術」。

這種區別在目前的技術領域中至關重要。傳統的生成式 AI 是根據機率模式從零開始創造內容。相比之下，DoodleMate 使用的 AI 可能充當「平滑化」機制——識別繪畫中的關節、肢體和整體結構，以自動化綁定過程。正如一位社群成員所指出的：

Would you say your approach is less flexible and creative vs gen AI then? Because you are bounded by what the pipeline can rig/interpret vs open-ended generation from gen AI. I suppose it does preserve the original authorship better though.

透過將動畫限制在特定的流程（pipeline）中，DoodleMate 以犧牲生成式 AI 那種開放式（且通常不可預測）的特性，來換取對原始繪畫更高程度的忠實度。

從研究到產品

DoodleMate 是從學術研究和開源貢獻轉向自籌資金的家族創業的長期旅程的結果。該專案從技術演示和開源代碼演變為社群測試版，專注於「健康益處」（wholesome）的實用性。

目前，該平台提供幾種預設的故事和電子卡片（eCards），使用者可以將自己的角色放入其中。然而，開發路線圖中包含了「DoodleMate Studio」，這是一款旨在讓使用者能夠創作自己故事的工具。這種擴展暗示了從簡單的新奇工具向創意套件的轉變，旨在賦予兒童和家長共同進行故事創作的協作能力。

結論

透過專注於綁定（rigging）而非合成（synthesis）的生成挑戰，DoodleMate 解決了一個獨特的價值主張：它讓兒童體驗到看著自己的想像力成真，而不會用演算法取代他們的手。這證明了在大型生成式模型主導的時代，專業化的電腦圖形技術仍然可以提供巨大的價值。