생성형 3D 에셋의 폭발적인 증가는 애니메이션에 대한 막대한 수요를 창출했지만, 현재의 모션 캡처 (Motion Capture) 방식은 여전히 취약하며, 특정 종에 특화된 템플릿(예: SMPL)에 국한되거나 노동 집약적인 수동 리깅 (Manual Rigging)을 필요로 합니다. 우리는 테스트 시 최적화 (Test-time Optimization) 없이, 단안 비디오 (Monocular Video)에서 모션을 추출하여 이족 보행 동물에서 육각 보행 동물 및 무생물에 이르기까지, 본 적 없는 임의의 골격 위상 (Skeletal Topologies)을 가진 캐릭터로 리타겟팅 (Retargeting)할 수 있는 최초의 통합 프레임워크인 TopoCap을 소개합니다. 우리의 핵심 통찰은 골격 구조는 조합론적이고 이산적(Discrete)이지만, 그 기저에 깔린 운동의 물리 법칙은 연속적이고 저차원적인 매니폴드 (Manifold)를 점유한다는 것입니다. 우리는 2단계 생성 파이프라인을 통해 이 통찰을 구체화합니다. 첫째, 이질적인 운동학적 체인 (Kinematic Chains)을 공유된 고정 길이의 잠재 코드 (Latent Code)로 압축하는 그래프 CVAE (Graph CVAE)를 사용하여 범용 모션 매니폴드 (Universal Motion Manifold)를 학습합니다. 디코더 (Decoder)에 대상 리그 (Target Rig)의 구조적 임베딩 (Structural Embedding)을 명시적으로 조건화함으로써, 우리는 모션 역학 (Motion Dynamics)을 골격 위상 (Skeletal Topology)으로부터 분리합니다. 둘째, 우리는 비디오-애니메이션 변환을 조건부 플로우 매칭 (Conditional Flow Matching) 문제로 취급하여, 시각적 특징 (Visual Features)으로부터 이러한 위상 불가지론적 (Topology-agnostic) 코드들을 예측합니다. 이러한 일반화된 사전 학습 (Prior)을 학습하기 위해, 우리는 Objaverse-XL에서 큐레이션한 대규모 데이터셋인 Mobjaverse를 도입합니다. 5,000개 이상의 고유한 골격 위상과 200만 프레임으로 구성된 이 데이터셋은 기존 데이터셋의 구조적 다양성을 두 자릿수(100배) 이상 상회합니다. 광범위한 실험을 통해 TopoCap은 인간 및 사족 보행 동물 벤치마크에서 전문 모델보다 뛰어난 성능을 보였으며, 롱테일 (Long tail)에 속하는 다양한 3D 생명체들에 대한 제로샷 리타겟팅 (Zero-shot Retargeting)을 가능하게 함을 입증했습니다. 데이터셋은 https://huggingface.co/datasets/duckduckplz/Mobjaverse 에서 공개적으로 사용할 수 있습니다.