CVPRApr, 2020

基于生成模型的直观交互式胡须和头发合成

PDF
TL;DR采用神经网络处理的图像合成方法，通过人工繁琐的建模，渲染和复合形成目标发型的三维几何形状来合成真实的面部毛发变化，使用户能够通过简单的引导笔画来进一步指导和修整所生成的图像。此方法不仅可以控制结构和颜色特征，而且发夹名单可以灵活地扩展和生成高保真头皮发。
facial hairneural network pipelineinteractive approachimage synthesisscalp hair
发现论文，激发创造
  • 神经渲染发型

    提出一种使用神经网络的头发渲染流程，通过共享潜在空间编码两个领域的外观不变结构信息生成逼真的渲染图像，并使用简单而有效的时间条件方法，可以在未经监督的情况下工作于任意头发模型，并在大量肖像上测试，得出其优于替代方案和最先进的无监督图像翻译方法的结论。

    Apr, 2020

  • HAAR: 基于文本条件的三维基于发丝的人体发型生成模型

    我们提出了 HAAR，一种基于链式的 3D 人类发型生成模型，通过文本输入生成可用于现代计算机图形引擎中的 3D 发型，并通过定性和定量研究，演示了该模型的能力并与现有发型生成方法进行了比较。

    Dec, 2023

  • 基于文本指导的合成型 3D 人物生成与编辑

    通过使用 3D 面部化身、文本引导生成、组合式化身、NeRF 和虚拟试穿，我们提出了一个新方法（TECA）来创建逼真的 3D 面部化身，同时实现可编辑性和特征转移。

    Sep, 2023

  • 神经剪发：基于先验引导的基于发丝的头发重建

    本文提出了一种名为神经剪发的方法，可以从单眼视频或多视角图像中恢复出具有高逼真度和个性化的发型，该方法有两个阶段并通过不同 iable renderer，通过隐式体积表示对粗糙的头发和胸围形状及发型方向，以及头发的先验进行精确的几何重建，从而解决了现有方案面临的挑战。

    Jun, 2023

  • NeuralHDHair：使用隐式神经表示从单张图像自动高保真度的建模

    本文介绍了一种使用神经网络从单一图像中建立高保真度的 3D 头发模型的方法，通过使用两种不同的神经网络，IRHairNet 和 GrowingNet，来实现头发几何特征的推测和 3D 头发丝的生成，从而取得了最先进的性能表现。

    May, 2022

  • DeepSketchHair：基于深度草图的 3D 头发建模

    Sketchhair 是一项基于深度学习技术的 3D 头发交互建模工具，它使用两个精心设计的神经网络（S2ONet 和 O2VNet）将用户手绘的草图转换为 3D 头发模型，还支持使用附加草图进行头发编辑。

    Aug, 2019

  • HairNet: 使用卷积神经网络进行单视角头发重建

    使用深度学习方法生成三维头发几何结构，性能实时，能恢复局部细节，并引入碰撞损失以合成更合理的发型。

    Jun, 2018

  • 神经串：从多视图图像中学习头发的几何和外貌

    本文提出了一种名为 Neural Strands 的新型学习框架，它可以从多视角图像输入中准确地建模头发的几何形状和外观，并提出了基于神经头皮纹理的新型头发表示和基于光栅化的新型神经渲染框架，可以同时实现外观和外显头发几何学的联合学习。

    Jul, 2022

  • 基于分割掩膜的理发店：使用 GAN 进行图像合成

    该论文提出一种新型的图像混合方法，基于 GAN 反演原理，利用一个 better latent 空间，通过新的 GAN 嵌入算法与通用分割掩模配合使用，借助它将多个参考图像的视觉特性融合成一张逼真、更有连贯性、更具有细节保留能力的图像。

    Jun, 2021

  • 通过图像和深度反向图形学实现的发色数字化

    本文提出了一种新的方法用于抓取毛发实例的颜色外观，基于自监督机器学习的逆向图形模型，此方法结合了可控成像设备、光线追踪渲染器和逆向图形模型，并不需要使用可微分渲染进行训练，在真实和合成的图像上均能正确地捕捉和呈现毛发颜色。

    Feb, 2022