論文の概要: HairDeck: Animation-Ready Stylized Hair Cards from a Single Image

• arxiv url: http://arxiv.org/abs/2610.40599v1
• Date: Thu, 29 Oct 2026 17:50:26 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-11-02 06:28:08.955047
• Title: HairDeck: Animation-Ready Stylized Hair Cards from a Single Image
• Title（参考訳）: HairDeck:1枚の画像からアニメーション対応のスタイリッシュなヘアカード
• Abstract要約: 本稿では,1枚の画像からヘアカードを生成するHairDeckを提案する。 1枚の画像から、HairDeckはカードと、それらを駆動するスプリングボーンチェーンを生成する。 CHARM自身のテストセットでは、チャンファー距離を44%削減し、カード指向エラーを半分以上削減し、33倍高速に動作させる。
• 参考スコア（独自算出の注目度）: 23.105292802453437
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The hair of stylized characters in games and avatars is built from hair cards: artist-placed ribbons whose geometry is the visible hair, animated by spring bones. Existing image-based methods produce realistic hair or a single fused mesh, while CHARM, the only generator of stylized hair cards, decodes a hairstyle autoregressively as a long sequence of control points. Observing that a card hairstyle is an unordered set of artist-defined primitives, we propose HairDeck, which generates it as one: each card is a single token, and a set diffusion transformer denoises all cards together. From a single image, HairDeck generates the cards and the spring-bone chains that drive them, yielding an animatable asset that exports to ready-to-use downstream formats. On CHARM's own test set, it lowers Chamfer distance by 44% and card-orientation error by more than half while running 33 times faster, and from single images it outperforms CHARM, image-to-3D pipelines and strand-based methods. Project page: https://hyzcluster.github.io/HairDeck
• Abstract（参考訳）: ゲームやアバターのスタイル化されたキャラクターの髪は、アーティストが配置したリボンで作られており、その形状は、春の骨でアニメーションされている。 既存の画像ベースの手法では、現実的なヘアや単一の融合メッシュが生成され、スタイル化されたヘアカードの唯一のジェネレータであるCHARMは、制御ポイントの長いシーケンスとして自己回帰的にヘアスタイルをデコードする。 カードヘアスタイルがアーティスト定義プリミティブの順序のないセットであることを確認するため,HairDeckを提案する。 単一のイメージから、HairDeckはカードと、それらを駆動するスプリングボーンチェーンを生成し、アニマタブルなアセットを生成して、使用可能なダウンストリームフォーマットにエクスポートする。 CHARM自身のテストセットでは、チャンファー距離を44%減らし、カード指向エラーを半分以上減らし、33倍高速に動作し、シングルイメージからCHARM、画像から3Dパイプライン、ストランドベースの手法より優れている。 プロジェクトページ: https://hyzcluster.github.io/HairDeck

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)
• HairPort: In-context 3D-aware Hair Import and Transfer for Images [12.811554431300996]
  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。
  論文  参考訳（メタデータ） (2026-06-10T18:13:18Z)
• CHARM: Control-point-based 3D Anime Hairstyle Auto-Regressive Modeling [43.54249989719103]
  アニメヘアスタイルモデリングのための新しいパラメトリック表現および生成フレームワークであるCHARMを提案する。 CHARMはコンパクトで可逆な制御ポイントベースのパラメータ化を導入し、制御ポイントのシーケンスは各ヘアカードを表す。 この表現に基づいて、CHARMは自動回帰生成フレームワークを導入し、入力画像や点雲からアニメのヘアスタイルを効果的に生成する。
  論文  参考訳（メタデータ） (2025-09-25T13:00:38Z)
• 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)
• StrandHead: Text to Hair-Disentangled 3D Head Avatars Using Human-Centric Priors [33.00657081996672]
  StrandHeadは、3Dヘアストランドと、ストランドレベルの属性を持つアンタングルドヘッドアバターを生成することができる、新しいテキスト駆動方式である。 生成された3Dヘアは、アバターにストランドレベルの編集を施したり、物理シミュレーションや他のアプリケーションのためにグラフィックスエンジンに実装したりすることができる。
  論文  参考訳（メタデータ） (2024-12-16T09:17:36Z)
• Text-Guided Generation and Editing of Compositional 3D Avatars [59.584042376006316]
  私たちのゴールは、テキスト記述だけで髪とアクセサリーを備えたリアルな3D顔アバターを作ることです。 既存の方法はリアリズムを欠いているか、非現実的な形状を作り出すか、編集をサポートしていないかのいずれかである。
  論文  参考訳（メタデータ） (2023-09-13T17:59:56Z)
• 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。