論文の概要: HairPort: In-context 3D-aware Hair Import and Transfer for Images

• arxiv url: http://arxiv.org/abs/2606.12562v1
• Date: Wed, 10 Jun 2026 18:13:18 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-12 15:55:27.397937
• Title: HairPort: In-context 3D-aware Hair Import and Transfer for Images
• Title（参考訳）: HairPort:画像への3D対応のヘアインポートと転送
• Authors: Alireza Heidari, Amirhossein Alimohammadi, Wallace Michel Pinto Lira, Adi Bar-Lev, Ali Mahdavi-Amiri,
• Abstract要約: HairPortは3D対応のヘアスタイル転送フレームワークである。 FLUX.1 KontextのLoRAベースのインコンテクスト適応により、現実的な顔のハゲバージョンを生成する。 提案手法は3次元認識により,ソースとターゲット間の大きなポーズとスケールの相違をサポートする。
• 参考スコア（独自算出の注目度）: 12.811554431300996
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Transferring hairstyles between images is an important but challenging task in computer graphics, computer vision, and visual effects. It enables users to explore new looks without physically altering their hair, with applications in virtual try-on systems, augmented reality, and entertainment. Most prior works operate best under small pose gaps, and they fall short under large viewpoint and scale differences, where missing hair content must be synthesized rather than transferred. We propose HairPort, a 3D-aware hairstyle transfer framework that attempts to solve these issues by explicitly separating hair removal from transfer and enforcing geometric consistency before synthesis. We introduce a Bald Converter, which produces realistic bald versions of faces through LoRA-based in-context adaptation of FLUX.1 Kontext. To train our Bald Converter, we introduce a new dataset, Baldy, containing 6,000 paired bald and original images across diverse identities and conditions. We also use a 3D-Aware Transfer Pipeline that reconstructs and re-renders the reference hairstyle from the target viewpoint before compositing it onto the source image. Being 3D aware, our method supports large pose and scale discrepancies between the source and target. Finally, a conditional flow-matching generator synthesizes the transferred result from the bald source and geometry-aligned reference guidance. Together, our method enables accurate, pose-consistent, and identity-preserving hairstyle transfer, outperforming existing methods both qualitatively and quantitatively.
• Abstract（参考訳）: 画像間のヘアスタイルの転送は、コンピュータグラフィックス、コンピュータビジョン、視覚効果において重要であるが難しい課題である。 ユーザーは、バーチャルな試着システム、拡張現実、エンターテイメントに応用して、髪を物理的に変えることなく、新しい外観を探索することができる。 それまでのほとんどの作品は、小さなポーズギャップの下で最もうまく機能し、大きな視点とスケールの違いで不足している。 HairPortは3D対応のヘアスタイル転写フレームワークで、毛髪除去を明示的に分離し、合成前に幾何的一貫性を強制することでこれらの問題を解決する。 LoRAを用いたFLUX.1のテキスト内適応による現実的な顔のハゲバージョンを生成するBald Converterを導入する。 Kontext Bald Converterをトレーニングするために、さまざまなアイデンティティと条件をまたいだ6,000のペアのハゲとオリジナルイメージを含む、新たなデータセットであるBaldyを導入しました。 また、3D-Aware Transfer Pipelineを使用して、ソースイメージに合成する前に、対象視点から参照ヘアスタイルを再構築し、再レンダリングする。 提案手法は3次元認識により,ソースとターゲット間の大きなポーズとスケールの相違をサポートする。 最後に、条件付きフローマッチング生成器は、ハゲソースから転送された結果を合成し、幾何学的に整列した参照ガイダンスを生成する。 提案手法は, 精度, ポーズ一貫性, 身元保存型ヘアスタイル転写を可能にし, 質的, 定量的に既存手法より優れていた。

関連論文リスト

• 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)
• Stable-Hair: Real-World Hair Transfer via Diffusion Model [26.880396643803998]
  現在のヘアトランスファー手法は、多様で複雑なヘアスタイルを扱うのに苦労し、現実のシナリオにおける適用性を制限している。 そこで本研究では,現実世界のヘアスタイルを仮想ヘアトライオンのためにユーザが提供する顔に堅牢に転送する,新しい拡散型ヘアトランスファーフレームワークであるtextitStable-Hairを提案する。
  論文  参考訳（メタデータ） (2024-07-19T07:14:23Z)
• HairFastGAN: Realistic and Robust Hair Transfer with a Fast Encoder-Based Approach [3.737361598712633]
  本稿では,高分解能,ほぼリアルタイムの性能,再現性に優れたHairFastモデルを提案する。 我々のソリューションは、StyleGANのFS潜在空間で動作する新しいアーキテクチャを含む。 ヘアスタイルの形状と色を異なる画像から転送する最も難しいシナリオでは、Nvidia V100上で1秒未満で実行することができる。
  論文  参考訳（メタデータ） (2024-04-01T12:59:49Z)
• 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)
• HairStep: Transfer Synthetic to Real Using Strand and Depth Maps for Single-View 3D Hair Modeling [55.57803336895614]
  学習型単一視点3Dヘアモデリングの課題に対処する。 まず, ストランドマップと深度マップからなる新しい中間表現をHairStepと呼ぶ。 HairStepは正確な3Dヘアモデリングに十分な情報を提供するだけでなく、実際の画像から推測できる。
  論文  参考訳（メタデータ） (2023-03-05T15:28:13Z)

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。