論文の概要: HairOrbit: Multi-view Aware 3D Hair Modeling from Single Portraits

• arxiv url: http://arxiv.org/abs/2604.02867v1
• Date: Fri, 03 Apr 2026 08:35:35 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-06 17:20:24.401572
• Title: HairOrbit: Multi-view Aware 3D Hair Modeling from Single Portraits
• Title（参考訳）: HairOrbit: 複数ビュー対応3Dヘアモデリング
• Authors: Leyang Jin, Yujian Zheng, Bingkui Tong, Yuda Qiu, Zhenyu Xie, Hao Li,
• Abstract要約: 単一視点の髪型再構成を校正した多面的再構成タスクに変換するための新しい枠組みを提案する。 我々は、より優れたフルビュー指向推定のためのスパース実像アノテーションに基づいて訓練されたニューラルオリエンテーション抽出器を導入する。 本手法は, 視認域と視認域の多彩なヘアポートレートを用いて, ワンビュー3次元ヘアストランド再構築における最先端性能を実現する。
• 参考スコア（独自算出の注目度）: 11.543903055509402
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Reconstructing strand-level 3D hair from a single-view image is highly challenging, especially when preserving consistent and realistic attributes in unseen regions. Existing methods rely on limited frontal-view cues and small-scale/style-restricted synthetic data, often failing to produce satisfactory results in invisible regions. In this work, we propose a novel framework that leverages the strong 3D priors of video generation models to transform single-view hair reconstruction into a calibrated multi-view reconstruction task. To balance reconstruction quality and efficiency for the reformulated multi-view task, we further introduce a neural orientation extractor trained on sparse real-image annotations for better full-view orientation estimation. In addition, we design a two-stage strand-growing algorithm based on a hybrid implicit field to synthesize the 3D strand curves with fine-grained details at a relatively fast speed. Extensive experiments demonstrate that our method achieves state-of-the-art performance on single-view 3D hair strand reconstruction on a diverse range of hair portraits in both visible and invisible regions.
• Abstract（参考訳）: 単視画像からストランドレベルの3D毛髪を再構築することは、特に目に見えない領域で一貫した現実的な特性を保っている場合、非常に困難である。 既存の方法は、限られた正面視の手がかりと小さなスケール/スタイルの制限された合成データに依存しており、しばしば目に見えない領域で満足のいく結果が得られない。 本研究では,映像生成モデルの強靭な3次元先行モデルを利用して,単一視点のヘア再構築を校正したマルチビュー再構成タスクに変換する新しいフレームワークを提案する。 再構成されたマルチビュータスクの再構築品質と効率のバランスをとるために、より優れたフルビュー指向推定のためのスパース実画像アノテーションに基づいて訓練されたニューラルオリエンテーション抽出器を導入する。 さらに,2段階のストランド成長アルゴリズムを設計し,比較的高速に3次元ストランド曲線を微細な詳細で合成する。 広汎な実験により,本手法は視認域と視認域の多彩なヘアポートレート上での1次元3次元ヘアストランド再構築における最先端の性能を実証した。

関連論文リスト

• FHAvatar: Fast and High-Fidelity Reconstruction of Face-and-Hair Composable 3D Head Avatar from Few Casual Captures [13.76145751985277]
  任意の視点から顔と髪の成分を合成可能な3次元ガウスアバターを再構成するための新しいフレームワークであるFHAvatarについて述べる。 実験により、FHAvatarは数分で新しいアイデンティティを数回だけ観察することで、最先端の再構築品質を達成することが示された。
  論文  参考訳（メタデータ） (2026-03-24T15:43:54Z)
• Blur2Sharp: Human Novel Pose and View Synthesis with Generative Prior Refinement [6.91111219679588]
  Blur2Sharpは、3D対応ニューラルレンダリングと拡散モデルを統合して、シャープで幾何学的に一貫した新しいビュー画像を生成する新しいフレームワークである。 まず、人間のNeRFモデルを用いて、ターゲットポーズのための幾何学的コヒーレントなマルチビューレンダリングを生成し、3次元構造ガイダンスを明示的に符号化する。 我々はさらに、階層的特徴融合により視覚的品質を向上し、パラメトリックSMPLモデルから抽出したテクスチャ、正常、セマンティック先行を取り入れ、グローバルコヒーレンスと局所的詳細精度を同時に改善する。
  論文  参考訳（メタデータ） (2025-12-09T03:49:12Z)
• HairGS: Hair Strand Reconstruction based on 3D Gaussian Splatting [50.93221272778306]
  人間の髪の復元はコンピュータビジョンにおいて難しい問題である。 多視点画像からストランドレベルの毛髪形状復元を可能にする3DGSフレームワークを拡張した。 提案手法は多種多様なヘアスタイルを頑健に処理し, 1時間以内の効率的な再構築を実現する。
  論文  参考訳（メタデータ） (2025-09-09T14:08:41Z)
• High-fidelity 3D Gaussian Inpainting: preserving multi-view consistency and photorealistic details [8.279171283542066]
  3Dシーンの塗装は、3D構造に固有の不規則性のため、依然として難しい課題である。 本稿では,スパース・インペインティング・ビューを活用することで,完全な3Dシーンを再構築する新しい3Dガウス・インペインティング・フレームワークを提案する。 我々の手法は、視覚的品質と視界の整合性の両方において、既存の最先端手法よりも優れています。
  論文  参考訳（メタデータ） (2025-07-24T01:48:50Z)
• FaceLift: Learning Generalizable Single Image 3D Face Reconstruction from Synthetic Heads [54.24070918942727]
  1枚の画像から高画質の360度3Dヘッドを復元するための新しいフィードフォワードアプローチであるFaceLiftを提案する。 パイプラインはまずマルチビューの潜伏拡散モデルを用いて、1つの入力から一貫したサイドビューとバックビューを生成する。 FaceLiftは、アイデンティティ保存、ディテールリカバリ、レンダリング品質において、最先端の3D顔再構成方法よりも優れていることを示す。
  論文  参考訳（メタデータ） (2024-12-23T18:59:49Z)
• Towards Unified 3D Hair Reconstruction from Single-View Portraits [27.404011546957104]
  そこで本研究では,統一パイプラインによるヘアタイプの一視点3D再構成を実現するための新しい手法を提案する。 本実験は, 単一視像からの編み型3次元毛髪と非編み型3次元毛髪の再構築が可能であることを示す。
  論文  参考訳（メタデータ） (2024-09-25T12:21:31Z)
• Generalizable One-shot Neural Head Avatar [90.50492165284724]
  本研究では,1枚の画像から3次元頭部アバターを再構成し,アニメイトする手法を提案する。 本研究では,一視点画像に基づく識別不能な人物を一般化するだけでなく,顔領域内外における特徴的詳細を捉えるフレームワークを提案する。
  論文  参考訳（メタデータ） (2023-06-14T22:33:09Z)
• High-fidelity 3D GAN Inversion by Pseudo-multi-view Optimization [51.878078860524795]
  フォトリアリスティック・ノベルビューを合成可能な高忠実度3次元生成対向ネットワーク(GAN)インバージョン・フレームワークを提案する。 提案手法は,1枚の画像から高忠実度3Dレンダリングを可能にし,AI生成3Dコンテンツの様々な応用に期待できる。
  論文  参考訳（メタデータ） (2022-11-28T18:59:52Z)
• MonoSDF: Exploring Monocular Geometric Cues for Neural Implicit Surface Reconstruction [72.05649682685197]
  最先端のニューラル暗黙法は、多くの入力ビューから単純なシーンの高品質な再構築を可能にする。 これは主に、十分な制約を提供していないRGB再構築損失の固有の曖昧さによって引き起こされる。 近年の単分子形状予測の分野での進歩に触発され, ニューラルな暗黙的表面再構成の改善にこれらの方法が役立つかを探究する。
  論文  参考訳（メタデータ） (2022-06-01T17:58:15Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。