論文の概要: HairGPT: Strand-as-Language Autoregressive Modeling for Realistic 3D Hairstyle Synthesis

• arxiv url: http://arxiv.org/abs/2605.08824v1
• Date: Sat, 09 May 2026 09:19:36 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-12 23:28:49.911081
• Title: HairGPT: Strand-as-Language Autoregressive Modeling for Realistic 3D Hairstyle Synthesis
• Title（参考訳）: HairGPT:リアルな3次元ヘアスタイル合成のためのストランド・アズ・ランゲージ自己回帰モデリング
• Abstract要約: HairGPTは、ストランドを生成的プリミティブとして扱うストランド中心のフレームワークである。 現実的な3次元ヘアスタイル合成を、二重分離自己回帰配列モデリング問題として定式化する。
• 参考スコア（独自算出の注目度）: 62.89988554372163
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Hair is a rich medium of visual and cultural expression, yet its digital modeling remains challenging due to the duality of fluidity and structure. Many existing generative approaches rely primarily on continuous diffusion fields, which entangle global topology with local texture and obscure the semantic and structural organization of hairstyles. To address this, we propose HairGPT, a strand-centric framework that treats strands as generative primitives and formulates realistic 3D hairstyle synthesis as a dual-decoupled autoregressive sequence modeling problem. Our method applies spatial decoupling across semantic scalp regions and structural decoupling along a hierarchical strand representation, progressing from global layout to fine-grained style. We further introduce a geometric tokenizer and region-aware semantic annotations to guide strand-level generation, enabling compositional editing, synthesis of rare and complex hairstyles, and adaptation to stylized domains. By aligning generative modeling with the workflow of digital grooming, HairGPT turns hair generation from opaque texture synthesis into a structured and semantically controllable authoring process, supporting robust semantic conditioning and high-fidelity results across realistic and stylized domains. Project Page: https://haiminluo.github.io/hairgpt/
• Abstract（参考訳）: ヘアは視覚的・文化的な表現の豊かな媒体であるが、そのデジタルモデリングは流動性と構造の二重性のために依然として困難である。 既存の多くの生成的アプローチは、主に連続拡散場に依存しており、グローバルトポロジーを局所的なテクスチャと絡めて、髪型の意味的構造と構造的構造を曖昧にしている。 そこで本研究では,ストランドを生成的プリミティブとして扱うストランド中心のフレームワークであるHairGPTを提案し,二重結合型自己回帰配列モデリング問題として現実的な3Dヘアスタイル合成を定式化する。 本手法は,意味的頭皮領域の空間的デカップリングと階層的ストランド表現に沿った構造的デカップリングを適用し,グローバルなレイアウトからきめ細かなスタイルへと進展する。 さらに、幾何学的トークン化器と領域認識意味アノテーションを導入し、ストランドレベルの生成をガイドし、合成編集、レアおよび複雑なヘアスタイルの合成、そしてスタイル化されたドメインへの適応を可能にする。 生成モデリングをデジタルグルーミングのワークフローと整合させることにより、HairGPTは、不透明なテクスチャ合成からヘアジェネレーションを構造化され、セマンティックに制御可能なオーサリングプロセスに変換する。 Project Page: https://haiminluo.github.io/hairgpt/

関連論文リスト

• StdGEN++: A Comprehensive System for Semantic-Decomposed 3D Character Generation [57.06461272772509]
  StdGEN++は、多種多様な入力から高忠実で意味的に分解された3D文字を生成するための、新しく包括的なシステムである。 最先端の性能を達成し、幾何学的精度と意味的絡み合いにおいて既存の手法を著しく上回っている。 結果として、非破壊的な編集、物理学に準拠したアニメーション、視線追跡など、より進んだ下流の機能をアンロックする。
  論文  参考訳（メタデータ） (2026-01-12T15:41:27Z)
• 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)
• Im2Haircut: Single-view Strand-based Hair Reconstruction for Human Avatars [60.99229760565975]
  本研究では,グローバルヘアと局所最適化を併用した1枚の写真から3次元毛髪を復元する手法を提案する。 我々はこれを利用して1つ以上の画像からヘアスタイルを生成するガウススティングに基づく再構築手法を開発した。
  論文  参考訳（メタデータ） (2025-09-01T13:38:08Z)
• PanoHair: Detailed Hair Strand Synthesis on Volumetric Heads [12.710733307422055]
  既存の方法は、制約されたスタジオ環境で撮影されたマルチビュー画像を含む、データ取得のための複雑なセットアップを必要とする。 パノヘア(PanoHair)は、頭部合成のための訓練済み生成教師モデルから知識蒸留を用いて、頭部幾何学を符号付き距離場として推定するモデルである。
  論文  参考訳（メタデータ） (2025-08-26T11:36:14Z)
• StrandDesigner: Towards Practical Strand Generation with Sketch Guidance [69.14408387191172]
  本稿では,ユーザフレンドリなまま,より細かい制御が可能なスケッチベースストランド生成モデルを提案する。 私たちのフレームワークは、複雑なストランド相互作用や多様なスケッチパターンのモデリングなど、重要な課題に取り組みます。 いくつかのベンチマークデータセットの実験により、我々の手法は現実主義や精度において既存の手法よりも優れていることが示された。
  論文  参考訳（メタデータ） (2025-08-03T08:17:50Z)
• TANGLED: Generating 3D Hair Strands from Images with Arbitrary Styles and Viewpoints [38.95048174663582]
  既存のテキストや画像誘導生成手法は、多様なスタイルの豊かさと複雑さに対処できない。 本稿では,3次元ヘアストランド生成の新しいアプローチであるTANGLEDについて述べる。
  論文  参考訳（メタデータ） (2025-02-10T12:26:02Z)
• Human Hair Reconstruction with Strand-Aligned 3D Gaussians [39.32397354314153]
  従来のヘアストランドと3Dガウスの二重表現を用いた新しいヘアモデリング手法を提案する。 ヒトのアバターをモデル化するための非構造ガウス的アプローチとは対照的に,本手法は3Dポリラインや鎖を用いて髪を再構築する。 提案手法はGaussian Haircutと呼ばれ, 合成シーンと実シーンで評価し, ストランドベースヘア再構築作業における最先端性能を実証する。
  論文  参考訳（メタデータ） (2024-09-23T07:49:46Z)
• Perm: A Parametric Representation for Multi-Style 3D Hair Modeling [22.790597419351528]
  Permは、さまざまな毛髪関連の応用を促進するために設計された人間の3D毛髪のパラメトリック表現である。 ヘアテクスチャを低周波・高周波ヘア構造に適合・分解するために,我々のストランド表現を活用している。
  論文  参考訳（メタデータ） (2024-07-28T10:05:11Z)
• GaussianHair: Hair Modeling and Rendering with Light-aware Gaussians [41.52673678183542]
  本稿では,新鮮な毛髪表現であるGaussianHairについて述べる。 ヘア幾何学と画像からの外観の包括的モデリングを可能にし、革新的な照明効果と動的アニメーション能力を育む。 我々はこのモデルを"GaussianHair Scattering Model"でさらに強化し、ヘアストランドの細い構造を再現し、均一な照明で局所的な拡散色を正確に捉えた。
  論文  参考訳（メタデータ） (2024-02-16T07:13:24Z)
• HAAR: Text-Conditioned Generative Model of 3D Strand-based Human Hairstyles [85.12672855502517]
  そこで本研究では,3次元ヘアスタイルのための新しいストランドベース生成モデルであるHAARについて紹介する。 テキスト入力に基づいて、HAARは現代のコンピュータグラフィックスエンジンで生産レベルの資産として使用できる3Dヘアスタイルを生成する。
  論文  参考訳（メタデータ） (2023-12-18T19:19:32Z)

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。