論文の概要: Wispy to Voluminous: Prior-free Multi-view Capture of Strand-level Facial Hair

• arxiv url: http://arxiv.org/abs/2606.08041v1
• Date: Sat, 06 Jun 2026 08:04:07 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-09 14:42:05.687492
• Title: Wispy to Voluminous: Prior-free Multi-view Capture of Strand-level Facial Hair
• Title（参考訳）: Wispy to Voluminous: Pre-free Multi-view Capture of Strand-level Facial Hair
• Authors: Jaeseong Lee, Giljoo Nam, Adrian Jarabo, Carlos Aliaga,
• Abstract要約: 顔の毛は個人のアイデンティティを決定づける特性であるが、デジタルアバターにとって重要なボトルネックである。 最近の容積法はフォトリアリズムを達成しているが、毛髪を基礎となる顔の幾何学に焼き込み、編集性を防ぎ、細い鎖状構造を解決できない。 マルチビュー画像から顔の毛髪を自動的に再構築し,非構造化の3次元ガウス表現を明示的な曲線ベースストランド表現に変換するパイプラインを提案する。
• 参考スコア（独自算出の注目度）: 10.358421964378438
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Facial hair is a defining trait of personal identity, yet remains a critical bottleneck for digital avatars. Recent volumetric methods achieve photorealism but bake hair into the underlying face geometry, preventing editability and failing to resolve sparse, strand-like structures. Meanwhile, scalp-hair reconstruction methods target dense hair volumes and do not transfer to the sparse, spatially-varying nature of facial hair. We present a pipeline that automatically reconstructs facial hair -- beard, mustache, lashes, and brows -- from multi-view images, converting an unstructured 3D Gaussian representation into an explicit curve-based strand representation. We resolve geometric ambiguities in four stages: (i) optimizing 3D Gaussians constrained by tracked head geometry to enforce early ray termination and suppress sub-surface noise; (ii) tracing continuous strands robust to frequent crossings and extreme curvature; (iii) grounding strands to the surface and resolving root-tip ambiguity via a physically-motivated prior; and (iv) refining the reconstruction through opacity-driven density control under photometric optimization. To our knowledge, this is the first method to reconstruct high-fidelity facial hair strands from a 3D Gaussian representation. The recovered strands faithfully preserve the orientation and sparsity patterns characteristic of facial hair, and yield assets immediately suitable for downstream production tasks, including facial animation and physical simulation, geometric grooming and transfer, appearance editing, and physics-based rendering.
• Abstract（参考訳）: 顔の毛は個人のアイデンティティを決定づける特性であるが、デジタルアバターにとって重要なボトルネックである。 最近の容積法はフォトリアリズムを達成しているが、毛髪を基礎となる顔の幾何学に焼き込み、編集性を防ぎ、細い鎖状構造を解決できない。 一方、頭皮髪再建法は、濃厚な髪の容積をターゲットとしており、顔の毛髪の粗く空間的に変化する性質に移行しない。 マルチビュー画像から顔の毛髪(ひげ、口ひげ、ラッシュ、ブラッグ)を自動的に再構築し、非構造化の3Dガウス表現を明示的な曲線ベースのストランド表現に変換するパイプラインを提案する。 幾何学的曖昧さを4段階で解決する。 一 ヘッドジオメトリーにより制約された3次元ガウスを最適化し、早期の光線終端を強制し、地中雑音を抑制すること。 (二 頻回な交差及び極端な曲率に頑健な連続した鎖をトレースすること。) 三 表面上の鎖を接地し、物理的に動機づけられた前の根端のあいまいさを解消すること。 (4)光度最適化による不透明度駆動密度制御による再構成 我々の知る限り、これは3Dガウス表現から高忠実度顔の毛髪を再構築する最初の方法である。 復元されたストランドは、顔の毛髪特有の配向パターンと疎結合パターンを忠実に保存し、顔のアニメーションや物理シミュレーション、幾何学的なグルーミングと転送、外観の編集、物理ベースのレンダリングなどの下流生産タスクに即時に適した資産を得る。

関連論文リスト

• One-shot Compositional 3D Head Avatars with Deformable Hair [24.96145773116589]
  単一画像から完全な3次元頭部アバターを構築するための合成法を提案する。 本手法では, 顔の毛髪を明示的に切り離し, 異なる変形パラダイムを用いてこれらの成分をモデル化する。 画像から3Dへのリフト技術を活用することで,入力画像から可能な限り微細なテクスチャを保存できる。
  論文  参考訳（メタデータ） (2026-04-16T08:39:37Z)
• DipGuava: Disentangling Personalized Gaussian Features for 3D Head Avatars from Monocular Video [56.39805581764342]
  DipGuavaは、モノクロビデオからパーソナライズされた属性を持つアバターを生成する新しい3Dガウスの頭部アバター作成方法である。 顔の外観を2つの相補的な構成要素に明示的に切り離し、構造化された2段階のパイプラインで訓練する最初の方法である。 広汎な実験で示されるように、視覚的品質と量的性能の両方において、従来手法よりも一貫して優れていた。
  論文  参考訳（メタデータ） (2026-03-30T03:50:23Z)
• GeoDiff4D: Geometry-Aware Diffusion for 4D Head Avatar Reconstruction [49.70452913749897]
  本稿では,高忠実度頭部アバター再構成のための,幾何学的拡散を利用した高精度な幾何学的先行学習フレームワークを提案する。 ポーズフリーな表現は暗黙的な表現をキャプチャするのに対し、我々はポートレート画像と対応する表面正規表現を共同で合成する。 本手法は, 視覚的品質, 表現忠実度, クロスアイデンティティの一般化において, 最先端のアプローチを著しく上回っている。
  論文  参考訳（メタデータ） (2026-02-27T16:41:21Z)
• 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)
• GaussianHeads: End-to-End Learning of Drivable Gaussian Head Avatars from Coarse-to-fine Representations [54.94362657501809]
  マルチビュー画像から高ダイナミックで変形可能な人間の頭部アバターをリアルタイムで生成する手法を提案する。 本手法のコアとなるのは,顔表情と頭部運動の複雑なダイナミクスを捉えることができる頭部モデルの階層的表現である。 我々は、この粗い顔アバターモデルを、エンドツーエンドのフレームワークで学習可能なパラメータとして頭部ポーズとともに訓練する。
  論文  参考訳（メタデータ） (2024-09-18T13:05:43Z)
• 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)
• 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)
• 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)
• MOST-GAN: 3D Morphable StyleGAN for Disentangled Face Image Manipulation [69.35523133292389]
  本稿では,顔の物理的属性を明示的にモデル化するフレームワークを提案する。 提案手法であるMOST-GANは,GANの表現力と光リアリズムを,非線形3次元形態素モデルの物理的ゆがみおよび柔軟性と統合する。 ポートレート画像の物理的特性を完全に3D制御する写真リアルな操作を実現し、照明の極端な操作、表情、およびフルプロファイルビューまでのポーズのバリエーションを可能にする。
  論文  参考訳（メタデータ） (2021-11-01T15:53:36Z)

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。