論文の概要: CGHair: Compact Gaussian Hair Reconstruction with Card Clustering
- arxiv url: http://arxiv.org/abs/2604.03716v1
- Date: Sat, 04 Apr 2026 12:44:08 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-04-07 15:49:18.736483
- Title: CGHair: Compact Gaussian Hair Reconstruction with Card Clustering
- Title（参考訳）: CGHair:カードクラスタリングによる小型ガウスヘアコンストラクション
- Authors: Haimin Luo, Srinjay Sarkar, Albert Mosella-Montoro, Francisco Vicente Carrasco, Fernando De la Torre,
- Abstract要約: 多視点画像から高忠実度毛髪再構築のためのコンパクトパイプラインを提案する。
提案手法は, この構造を3DGSレンダリングと統合し, 復元時間と保存時間を著しく短縮する。
- 参考スコア（独自算出の注目度）: 50.76073129248369
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: We present a compact pipeline for high-fidelity hair reconstruction from multi-view images. While recent 3D Gaussian Splatting (3DGS) methods achieve realistic results, they often require millions of primitives, leading to high storage and rendering costs. Observing that hair exhibits structural and visual similarities across a hairstyle, we cluster strands into representative hair cards and group these into shared texture codebooks. Our approach integrates this structure with 3DGS rendering, significantly reducing reconstruction time and storage while maintaining comparable visual quality. In addition, we propose a generative prior accelerated method to reconstruct the initial strand geometry from a set of images. Our experiments demonstrate a 4-fold reduction in strand reconstruction time and achieve comparable rendering performance with over 200x lower memory footprint.
- Abstract（参考訳）: 多視点画像から高忠実度毛髪再構築のためのコンパクトパイプラインを提案する。
最近の3D Gaussian Splatting (3DGS) 法は現実的な結果をもたらすが、数百万のプリミティブを必要とし、高いストレージとレンダリングコストをもたらす。
ヘアスタイルにおける構造的・視覚的類似性を示す毛髪を観察すると、ストランドを代表的なヘアカードに分類し、それらを共有テクスチャコードブックに分類する。
この構造を3DGSレンダリングと組み合わせることで,視覚的品質を維持しつつ,再現時間と記憶時間を著しく短縮する。
さらに,画像の集合から初期ストランド形状を再構成する生成前加速法を提案する。
実験では,ストランド再構成時間を4倍に短縮し,200倍以上のメモリフットプリントで同等のレンダリング性能を実現した。
関連論文リスト
- HairOrbit: Multi-view Aware 3D Hair Modeling from Single Portraits [11.543903055509402]
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。
論文 参考訳（メタデータ） (2026-04-03T08:35:35Z) - 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) - 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) - GTR: Improving Large 3D Reconstruction Models through Geometry and Texture Refinement [51.97726804507328]
マルチビュー画像から3次元メッシュを再構成する手法を提案する。
提案手法は, 変圧器を用いたトリプレーンジェネレータとニューラルレージアンスフィールド(NeRF)モデルを用いた大規模再構成モデルから着想を得たものである。
論文 参考訳（メタデータ） (2024-06-09T05:19:24Z) - Splatter Image: Ultra-Fast Single-View 3D Reconstruction [67.96212093828179]
Splatter ImageはGaussian Splattingをベースにしており、複数の画像から3Dシーンを高速かつ高品質に再現することができる。
テスト時に38FPSでフィードフォワードで再構成を行うニューラルネットワークを学習する。
いくつかの総合、実、マルチカテゴリ、大規模ベンチマークデータセットにおいて、トレーニング中にPSNR、LPIPS、その他のメトリクスでより良い結果を得る。
論文 参考訳（メタデータ） (2023-12-20T16:14:58Z) - Neural Haircut: Prior-Guided Strand-Based Hair Reconstruction [4.714310894654027]
本研究は, 単眼ビデオや多視点画像から, 鎖レベルでの正確な髪形再構成を実現する手法を提案する。
ニューラル・ヘアカット(Neural Haircut)と呼ばれるこの組み合わせシステムは、再建されたヘアスタイルの高度なリアリズムとパーソナライズを実現している。
論文 参考訳（メタデータ） (2023-06-09T13:08:34Z)
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。