論文の概要: Detangled: A Framework for Creating, Editing, and Inferencing Feature Rich Hair Strands

• arxiv url: http://arxiv.org/abs/2607.09811v1
• Date: Fri, 10 Jul 2026 02:41:14 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-14 15:40:48.203667
• Title: Detangled: A Framework for Creating, Editing, and Inferencing Feature Rich Hair Strands
• Title（参考訳）: Detangled: リッチヘアストランドの作成、編集、参照のためのフレームワーク
• Abstract要約: 特徴豊富なヘアストランドの理解と生成のための枠組みを提案する。 ヘアストランドに内在する力によって形成される様々な特徴的なパターンとして,ストランドテクスチャを定義した。 我々は、別個のニューラルネットワークによって教師される生成人工知能アプローチにより、テクスチャのパラメトリック記述に適合した新しいストランドの作成を可能にする。
• 参考スコア（独自算出の注目度）: 4.665669102141775
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: We present a framework for understanding and generating feature rich hair strands. Drawing upon both scientific and cultural expertise, we define strand texture as the various distinctive patterns (curling, switchbacks, twist, etc.) that are formed by forces internal to a hair strand. We begin by proposing a novel five-dimensional parameter space, intended to be a bijection with naturally occurring hair strand textures. This encoding is both qualitatively accessible, allowing users to readily locate their own hair in the parameter space, and quantitatively precise, allowing the generation of individual strands from texture inputs. Importantly, strand texture should be independent from the overall strand direction. In order to disentangle strand texture from the overall strand direction, we identify centerline geometry and use it to map strands into a canonical space (a strand texture space). We construct centerlines using a novel method that cleanly distills complex hair grooms, separating the strand texture from the overall style (parameterized by style guides). We enable the creation of new strands conforming to our parametric description of texture via a generative artificial intelligence approach supervised by a separate neural network trained to label candidate strands according to our five-parameter description. The ability to create new strands conforming to any desired texture enables groom editing using either texture transfer or user-provided inputs. We demonstrate results on a variety of hair types.
• Abstract（参考訳）: 特徴豊富なヘアストランドの理解と生成のための枠組みを提案する。 科学と文化の両方の専門知識に基づいて,ヘアストランドの内部の力によって形成される様々な特徴的なパターン(カーリング,スイッチバック,ねじれなど)として,ストランドテクスチャを定義した。 まず, 自然発生のヘアストランドテクスチャをもつビジェクションを意図した新しい5次元パラメータ空間を提案する。 この符号化は質的にもアクセス可能であり、ユーザーはパラメータ空間内で容易に自分の毛髪を見つけることができ、定量的に正確であり、テクスチャ入力から個々のストランドを生成することができる。 重要なことは、ストランドテクスチャが全体ストランド方向から独立していることである。 全体ストランド方向からストランドテクスチャを引き離すために、中心線幾何学を同定し、ストランドを標準空間(ストランドテクスチャ空間)にマッピングする。 複雑な毛髪を清潔に蒸留する新しい方法を用いて中心構造を構築し, 鎖状テクスチャを全体スタイル(スタイルガイドでパラメータ化)から分離する。 5パラメータ記述に基づいて候補ストランドをラベル付けするように訓練された別個のニューラルネットワークによって教師された生成人工知能アプローチにより、我々のパラメトリックなテクスチャ記述に適合する新しいストランドの作成を可能にする。 任意の所望のテクスチャに準拠した新しいストランドを作成する機能により、テクスチャ転送またはユーザが提供するインプットを使った新郎編集が可能になる。 各種の髪型について検討した。

関連論文リスト

• HairCS: Reconstructing Strand-Based Hair from Hair Cards [30.92919432095559]
  ヘアカードモデルを高品質なストランドベースヘアスタイルに変換する自動パイプラインを提案する。 入力としてテクスチャ化された三角形またはクアッドストリップの集合を与えられた場合、本手法は、元のヘアスタイルを保存したストランドベース表現を生成する。 短髪・長髪・カーリースタイル・パンやポニーテールなどの複雑なスタイルを含む,多種多様なヘアスタイルに対して,我々のアプローチを検証した。
  論文  参考訳（メタデータ） (2026-09-15T00:35:17Z)
• 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)
• 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)
• 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)
• 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)
• GeomHair: Reconstruction of Hair Strands from Colorless 3D Scans [4.498049448460985]
  マルチモーダルなヘアオリエンス抽出を利用して,無色の3Dスキャンから直接ヘアストランドを再構築する手法を提案する。 この監視信号の組み合わせにより,色情報に頼ることなく,髪型と複雑な髪型の両方を正確に再現できることが実証された。
  論文  参考訳（メタデータ） (2025-05-08T16:11:09Z)
• 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)
• 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)
• 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。