Fugu-MT 論文翻訳(概要): Real-Time Neural Hair Denoising

論文の概要: Real-Time Neural Hair Denoising

arxiv url: http://arxiv.org/abs/2605.17557v1
Date: Sun, 17 May 2026 17:37:57 GMT
ステータス: 翻訳完了
システム内更新日: 2026-05-19 17:57:48.193407
Title: Real-Time Neural Hair Denoising
Title（参考訳）: リアルタイムニューラルヘアデノイング
Authors: Chenghao Wu, Yuefan Shen, Tao Huang, Kai Yan, Zahra Montazeri, Kui Wu,
Abstract要約: 本稿では,重度アンサンプドライズされた入力からストランドベースヘアGバッファを再構築する軽量リアルタイム手法を提案する。私たちのパイプラインは、まず神経再建と時間的蓄積を適用して、毛髪のカバー、すなわち1ピクセル内での分画的な毛髪の視認性、およびタンジェントを回復する。その後、タンジェント誘導の再建工程を使用して位置を完遂し、その後、物理的にベースとした遅延したヘアシェーディングに使用される。
参考スコア（独自算出の注目度）: 13.55744548465362
License: http://creativecommons.org/licenses/by/4.0/
Abstract: We propose a lightweight real-time method for reconstructing strand-based hair G-Buffers from severely undersampled rasterized inputs. Our pipeline first applies neural spatial reconstruction and temporal accumulation to recover hair coverage, i.e., fractional hair visibility within a pixel, and tangent. It then uses a tangent-guided reconstruction step to complete the position, which is subsequently used for physically based deferred hair shading. We evaluate our method across a diverse set of hairstyles, including straight, wavy, afro, and ponytail styles, under both static and dynamic scenarios. Our method achieves higher hair reconstruction quality than existing hair-specific denoising techniques and general industrial neural reconstruction solutions such as DLSS and FSR.
Abstract（参考訳）: 本稿では, 重度アンサンプされたラスタ化入力から, ストランドベースヘアGバッファを再構築する軽量リアルタイム手法を提案する。我々のパイプラインは、まず神経空間再構成と時間的蓄積を適用して、毛髪の可視性、すなわちピクセル内における分画的な毛髪の視認性、およびタンジェントを回復させる。その後、タンジェント誘導の再建工程を使用して位置を完遂し、その後、物理的にベースとした遅延したヘアシェーディングに使用される。静的シナリオと動的シナリオの両方において,本手法を,直流,波状,アフロ,ポニーテールスタイルを含む多種多様なヘアスタイルで評価した。本手法は,既存の脱毛技術やDLSSやFSRといった一般産業用神経再建ソリューションよりも高い髪の再現性を実現する。

関連論文リスト

HairGPT: Strand-as-Language Autoregressive Modeling for Realistic 3D Hairstyle Synthesis [62.89988554372163]
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。
論文参考訳（メタデータ） (2026-05-09T09:19:36Z)
CGHair: Compact Gaussian Hair Reconstruction with Card Clustering [50.76073129248369]
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。
論文参考訳（メタデータ） (2026-04-04T12:44:08Z)
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)
DiffLocks: Generating 3D Hair from a Single Image using Diffusion Models [53.08138861924767]
DiffLocksは,単一画像から直接,多様なヘアスタイルの再構築を可能にする新しいフレームワークである。まず,40Kのヘアスタイルを含む最大合成ヘアデータセットの作成を自動化することで,3Dヘアデータの欠如に対処する。予め訓練した画像バックボーンを用いることで,合成データのみを訓練しながら,画像の幅内への一般化を行う。
論文参考訳（メタデータ） (2025-05-09T16:16:42Z)
Dr.Hair: Reconstructing Scalp-Connected Hair Strands without Pre-training via Differentiable Rendering of Line Segments [23.71057752711745]
映画やゲーム業界では、現実的な髪型を達成するには、頭皮由来の鎖を使うのが一般的である。本研究では,事前学習の必要性を解消する最適化手法を提案する。提案手法は,既存の手法の精度を越え,処理速度を大幅に向上させるとともに,堅牢かつ高精度な逆レンダリングを実現する。
論文参考訳（メタデータ） (2024-03-26T08:53:25Z)
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)
Neural 3D Reconstruction in the Wild [86.6264706256377]
そこで我々は,インターネット写真コレクションから効率よく高精度な表面再構成を実現する新しい手法を提案する。そこで本研究では,これらのシーンにおける再構成性能を評価するための新しいベンチマークとプロトコルを提案する。
論文参考訳（メタデータ） (2022-05-25T17:59:53Z)

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。