CVPRMar, 2023

HairStep：使用股和深度图将合成的头发转移到真实头发，用于单视图 3D 头发建模

PDF
TL;DR本文提出了一种新的中间表示（HairStep）来减轻学习基于合成数据的单视图三维头发建模所面临的领域差距问题，并在建立了一个新的数据集进行实验，取得了最先进的性能。
发现论文，激发创造
  • 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

  • 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

  • Dr.Hair: 基于可微分线段渲染的无需预训练重建头皮连接的头发丝

    通过优化方法无需预先训练即可实现准确重建真实世界数据中头发的多个关键方面，包括与修复方式和逆渲染相关的技术。

    Mar, 2024

  • 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

  • StyleGAN 沙龙：多视角潜空间优化实现姿态不变发型转移

    本论文提出了一种基于多视图优化的方法，结合 StyleGAN 技术进行头发的虚拟试穿，能够准确地转移发型并保留输入图片的面部特征和身份信息。

    Apr, 2023

  • 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

  • SynSin：从单张图像到端到端的视角合成

    本文提出了一种使用真实图像来训练、无需 3D 场景真值信息，通过可微分点云渲染器将潜在 3D 特征点云转换为目标视图输出图像，并通过细化网络解码来填补缺失区域的新型端到端模型，在测试时可以对潜在特征空间进行可解释的操作，可以生成高分辨率图像并推广到其他输入分辨率，将在 Matterport、Replica 和 RealEstate10K 数据集上优于基线和之前的工作。

    Dec, 2019

  • 基于生成模型的直观交互式胡须和头发合成

    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。

    Apr, 2020

  • 从合成图像学习快速准确的 3D 姿态推断的特征映射

    该研究提出了一种基于合成图像的深度网络训练方法，通过使用基于 “范例” 的映射，将合成图像的特征空间映射到实际图像的特征空间中，以此用于 3D 姿态估计的预测。通过实验，该方法在 LINEMOD 数据集中实现了优于现有方法的性能表现。

    Dec, 2017