論文の概要: Head Avatars with Dynamic Explicit Hair

• arxiv url: http://arxiv.org/abs/2607.23861v1
• Date: Sun, 26 Jul 2026 22:08:13 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-28 22:34:15.255779
• Title: Head Avatars with Dynamic Explicit Hair
• Title（参考訳）: ダイナミック明示的ヘアを持つ頭部アバター
• Abstract要約: 頭部アバターの動的毛髪の追跡とモデリングのための新しい手法であるDynHairを提案する。 動的頭部アバターを3次元ガウススプラッティングを用いて明示的なストランドベース毛髪表現で再構成する。 その結果、トレーニング映像データのヘアトラッキングと、制御可能なヘアダイナミックスを備えたアニマタブルヘッドアバターを検索した。
• 参考スコア（独自算出の注目度）: 131.7147763902007
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We present DynHair, a novel method for tracking and modeling dynamic hair for human head avatars. From video input, we reconstruct a dynamic head avatar with an explicit strand-based hair representation using structured 3D Gaussian Splatting. In contrast to the face region of human head avatars, which can be modeled with 3D Gaussians that are attached or generated with respect to some expressive 3D head model, hair is particularly challenging as it exhibits dynamic motion effects. Therefore, we present a novel method that models the dynamic deformations of the hair strands using a temporal network that is conditioned on angular velocity and acceleration of the head, as well as relative gravity. Specifically, an LSTM encodes the motion history and modulates per-point strand features via FiLM conditioning which further used by MLP to produce physically plausible displacements to canonical hairstyle. We jointly optimize this motion and appearance representation of the hair, with a 3DGS-based representation of the face-region, via differentiable Gaussian splatting with photometric, geometric, and physics-based supervision. As a result of our method, we retrieve hair tracking of the training video data and an animatable head avatar with controllable hair dynamics. In our experiments, we demonstrate state-of-the-art performance in terms of hair dynamics, temporal consistency, and generalization across subjects.
• Abstract（参考訳）: 頭部アバターの動的毛髪の追跡とモデリングのための新しい手法であるDynHairを提案する。 ビデオ入力から,構造化された3次元ガウススプラッティングを用いて,明示的なストランドベース毛髪表現を用いた動的頭部アバターを再構成する。 人間の頭部アバターの顔領域とは対照的に、毛髪は動的運動効果を示すため特に困難である。 そこで本研究では,頭部の角速度,加速度,および相対重力を条件とした時間的ネットワークを用いて,ヘアストランドの動的変形をモデル化する手法を提案する。 具体的には、LSTMは運動履歴を符号化し、FILM条件付けを介してポイント単位のストランドの特徴を変調する。 3DGSをベースとした顔領域の表現を,フォトメトリック,幾何学,物理をベースとした多彩なガウススプラッティングを用いて,髪の動きと外観の表現を共同で最適化する。 その結果、トレーニング映像データのヘアトラッキングと、制御可能なヘアダイナミックスを備えたアニマタブルヘッドアバターを検索した。 本実験では, 毛髪動態, 時間的整合性, 対象者間の一般化の両面から, 最先端の性能を実証した。

関連論文リスト

• AvatarDynamizer: From Static to Dynamic Human Avatars via Generative Dynamic Textures [81.30642929096783]
  アバターダイナマイザー(AvatarDynamizer)は、市販の静的な3Dアバターを、制御可能で現実的で多視点の4Dアバターに変換する生成方法である。 本手法は, 忠実な表面力学を持つ静的アバターを効果的に実現し, 視覚的忠実度において競合する一般化可能な手法より優れる。
  論文  参考訳（メタデータ） (2026-08-20T11:10:53Z)
• 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)
• PhysHead: Simulation-Ready Gaussian Head Avatars [41.929095478168406]
  本稿では,現実的なヘアダイナミックスを持つ頭部アバターのハイブリッド表現であるPhysHeadを紹介する。 提案手法は,頭部の3次元パラメトリックメッシュとストランドベースヘアを組み合わせることで,物理エンジンで直接シミュレートすることができる。 本手法は,表情とカメラ制御に加えて,物理的に可塑性な毛髪の動きを合成できることを示す。
  論文  参考訳（メタデータ） (2026-04-07T21:09:52Z)
• DGH: Dynamic Gaussian Hair [34.04732593280566]
  ヘアダイナミックスと外観を効果的に学習する新しいフレームワークであるDynamic Gaussian Hair(DGH)を提案する。 DGHは、物理ベースのシミュレーションとレンダリングに代わるスケーラブルでデータ駆動の代替手段を提供する、有望な幾何学と外観結果を達成する。
  論文  参考訳（メタデータ） (2025-12-18T21:45:45Z)
• HairCUP: Hair Compositional Universal Prior for 3D Gaussian Avatars [29.819374818200885]
  本稿では,3次元頭部アバターの毛髪構成性を示す普遍的事前モデルを提案する。 我々のモデル固有の構成性は、アバター間の顔と髪の成分のシームレスな移動を可能にする。
  論文  参考訳（メタデータ） (2025-07-25T17:59:53Z)
• TeGA: Texture Space Gaussian Avatars for High-Resolution Dynamic Head Modeling [52.87836237427514]
  フォトリアルアバターは、テレプレゼンス、拡張現実、エンターテイメントにおける新興アプリケーションにおいて重要な要素であると見なされている。 本稿では,最先端の3Dヘッドアバターモデルを提案する。
  論文  参考訳（メタデータ） (2025-05-08T22:10:27Z)
• LUCAS: Layered Universal Codec Avatars [48.737625335705644]
  光3D頭部アバター再構成は、動的顔と髪の相互作用をモデル化する上で重要な課題に直面している。 本稿では,アバターモデリングのための新しいユニバーサルプライオリティモデル (UPM) であるLUCASについて述べる。
  論文  参考訳（メタデータ） (2025-02-27T04:07:27Z)
• HHAvatar: Gaussian Head Avatar with Dynamic Hairs [27.20228210350169]
  動的ヘアモデリングを用いた高忠実度頭部アバターの3次元ガウスアン制御が可能なアバターを提案する。 提案手法は,2K解像度で超高忠実なレンダリング品質を実現するため,最先端のスパースビュー法よりも優れている。
  論文  参考訳（メタデータ） (2023-12-05T11:01:44Z)
• GaussianAvatar: Towards Realistic Human Avatar Modeling from a Single Video via Animatable 3D Gaussians [51.46168990249278]
  一つのビデオから動的に3D映像を映し出すリアルな人間のアバターを作成するための効率的なアプローチを提案する。 GustafAvatarは、公開データセットと収集データセットの両方で検証されています。
  論文  参考訳（メタデータ） (2023-12-04T18:55:45Z)
• NeuWigs: A Neural Dynamic Model for Volumetric Hair Capture and Animation [23.625243364572867]
  人間の髪のキャプチャーとアニメーションは、バーチャルリアリティーのための現実的なアバターを作成する上で大きな課題の2つだ。 データ駆動方式でこれらの課題に対処するために、頭から独立して毛髪をモデル化する2段階のアプローチを提案する。 本モデルでは, 毛髪観察を駆動信号として必要とせず, 新規な毛髪アニメーションを作成することができる。
  論文  参考訳（メタデータ） (2022-12-01T16:09:54Z)

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。