CVPRMar, 2024

MonoHair：从单眼视频中实现高保真发型建模

PDF
TL;DR通过提出 MonoHair 框架，我们能实现高度逼真的 3D 头发重建，同时解决了严格捕捉条件或依赖先验数据带来的问题。我们的方法将模型分为外部和内部重建两个阶段，并利用 Patch-based Multi-View Optimization（PMVO）和多视图 3D 头发重建等技术来提高重建效果。实验证明了我们方法在不同发型上的鲁棒性和卓越性能。
3d hair modelinghigh-fidelity hair reconstructionmonohairmulti-view optimizationhair growth algorithm
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

  • HeadRecon：基于单目视频的高保真三维头部重构

    从任意单眼视频中重建高保真 3D 头部模型的方法。设计了一个带有两个动态变形场的动态隐式神经网络，通过学习的有符号距离场在规范空间中建模头部几何形状，以提高重建精度和鲁棒性。与先进方法的大量消融研究和比较显示出我们提出的方法的有效性和鲁棒性。

    Dec, 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

  • MonoNPHM：从单目视频中动态重建头部

    动态的 3D 头部重建，利用单目 RGB 视频进行 Monocular Neural Parametric Head Models (MonoNPHM) 的建模。

    Dec, 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

  • 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

  • 单目实时体积表演捕捉

    本研究通过引入 PIFu 算法和使用表面本地化算法以及在线难例挖掘技术，从而在不需要昂贵的多视图系统或繁琐的预定义模型的情况下，从单眼视频中实时捕捉和渲染了一个完整的实纹三维人体。

    Jul, 2020

  • 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

  • 多样发型体积捕捉的本地外观模型

    本文介绍一种创建高度逼真、个性化发型的头像的新方法，通过利用不同发型间的局部相似性并从多视角捕捉数百人的数据生成通用的发型外观先验模型，该先验模型以 3D 对齐特征为输入，在稀疏点云颜色条件下生成密集辐射场，通过实验证明该模型能够捕捉各种多样的发型并且应用在生成逼真、个性化的具有完整发型的头像上，取得了优于现有方法的效果。

    Dec, 2023

  • REC-MV: 从单目视频中重建 3D 动态布料

    本文提出了一种名为 REC-MV 的新方法，可以通过优化 3D 服装特征曲线和表面重建来从单目视频中提取出开放式服装网格，结果显示该方法在多个数据集上表现优于现有方法并且能够产生高质量的动态服装表面。

    May, 2023