論文の概要: HairFlow: Modeling 3D Hair Strands with Multi-Modal Conditioned Diffusion

• arxiv url: http://arxiv.org/abs/2610.17348v1
• Date: Mon, 12 Oct 2026 19:56:17 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-17 19:18:53.713683
• Title: HairFlow: Modeling 3D Hair Strands with Multi-Modal Conditioned Diffusion
• Title（参考訳）: HairFlow:マルチモード条件拡散による3次元ヘアストランドのモデリング
• Abstract要約: HairFlowは、効率的かつ制御可能なヘアストランドモデリングのための条件付き拡散フレームワークである。 様々なヘアスタイルにまたがって入力条件を忠実に追従する可塑性な3Dストランドを生成する。
• 参考スコア（独自算出の注目度）: 71.0205533977561
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Modeling 3D hair strands is challenging due to complex hairstyle geometry, scarce high-quality training data, and incomplete or noisy input observations. Foundation models offer broader hairstyle priors, but their outputs are not directly usable for strand-based rendering and simulation. Existing approaches require costly per-instance optimization to fit hair priors to meshes from foundation models and 2D orientations from specialized predictors trained on limited hair data, restricting efficiency and generalization. We present HairFlow, a multimodal conditioned diffusion framework for efficient and controllable hair strands modeling. HairFlow conditions strand generation on two complementary representations: a coarse mesh that constrains global shape and multi-view sketches that specify local strand flow. HairFlow combines an Orientation VAE with a conditioned diffusion transformer to generate volumetric fields that are traced into explicit strands. To overcome the lack of paired sketch-strand training data, we introduce an automatic synthesis pipeline that generates geometrically aligned multi-view sketches with diverse styles representative of inference-time inputs. Experiments show that HairFlow generates plausible 3D strands that faithfully follow the input conditions across diverse hairstyles, substantially reduces inference time, and supports flexible multimodal control.
• Abstract（参考訳）: 3Dヘアストランドのモデリングは、複雑なヘアスタイルの幾何学、高品質なトレーニングデータ不足、不完全またはノイズの多い入力観察のために困難である。 ファンデーションモデルはより広いヘアスタイルの事前を提供するが、その出力はストランドベースのレンダリングやシミュレーションに直接使用することはできない。 既存のアプローチでは、ファンデーションモデルからのメッシュと、限られたヘアデータで訓練された特殊な予測器からの2Dオリエンテーションに適合し、効率と一般化を制限するために、コストがかかる。 本稿では, 効率的かつ制御可能なヘアストランドモデリングのためのマルチモーダル条件付き拡散フレームワークであるHairFlowを提案する。 HairFlow条件のストランド生成には,グローバルな形状を制約する粗いメッシュと,局所的なストランドフローを指定するマルチビュースケッチという,2つの補完的な表現がある。 HairFlowは、オリエンテーションVAEと条件付き拡散変換器を組み合わせて、明示的なストランドにトレースされた体積場を生成する。 ペアスケッチストランドトレーニングデータの欠如を克服するため、推論時間入力を表す多様なスタイルで幾何学的に整列したマルチビュースケッチを生成する自動合成パイプラインを導入する。 実験により、HairFlowは様々なヘアスタイルの入力条件を忠実に追従し、推論時間を著しく短縮し、柔軟なマルチモーダル制御をサポートする可塑性な3Dストランドを生成することが示された。

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)
• 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)
• 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)
• Stable-Hair v2: Real-World Hair Transfer via Multiple-View Diffusion Model [39.67656120207996]
  本稿では,新しい拡散型多視点ヘアトランスファーフレームワークであるStable-Hair v2を提案する。 これは、マルチビュー拡散モデルを利用して、堅牢で高忠実で、かつビュー一貫性のあるヘアトランスファーに活用する最初の試みである。 提案手法は,美容的かつリアルな髪型を被験者に正確に伝達し,シームレスで一貫した結果が得られる。
  論文  参考訳（メタデータ） (2025-07-10T09:49:34Z)
• 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)
• 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。