南加州大學、Snap研究員用體三維表徵生成多樣性3D髮型

文章相關引用及參考：映維網

可以在一秒鐘內根據圖像產生3D頭髮模型

（映維網 2018年10月15日）單視圖3D頭髮數字化的最新進展使得高質量CG角色的創建變得可擴展，並且可供最終用戶訪問，從而能夠實現新形式的個性化VR與遊戲體驗。為了處理頭髮結構的複雜性和多樣性，大多數尖端技術依賴於從綜合頭髮資料庫中成功檢索出特定的頭髮模型。

這種基於數據的方法需要大量的存儲，而且容易因為高度無約束的輸入圖像，異國髮型，無效的面部檢測而導致失敗。為此，由Snap，Pinscreen和南加州大學研究人員組成的團隊提出，通過體三維變分自動編碼器的緊湊latent space來隱式表示3D髮型的多樣性，而不是直接使用大量的3D頭髮模型。

這種深度神經網路主要通過3D頭髮模型的體三維定向場表徵進行訓練，並且可以根據一個壓縮代碼合成新的髮型。為了實現端到端的3D頭髮推理，研究人員訓練了一個額外的回歸網路，令其根據任何輸入圖像預測變分自動編碼器latent space中的代碼。然後，系統可以根據預測的體三維表徵生成絲縷級別的髮型。

研究人員表示：「他們的全自動框架不需要任何的臨時面部擬合，中間分類和分割，或者髮型資料庫檢索。與最先進的數據驅動型頭髮建模技術相比，他們的頭髮合成方法明顯更加強大，並且可以處理更廣泛的髮型變化，以及具有挑戰性的輸入，包括低解析度，過度曝光或含有極端頭部姿勢的照片。」

這種方法對存儲要求非常小，並且可以在一秒鐘內根據圖像產生3D頭髮模型。團隊指出，他們的評估同時表明系統可以根據高度風格化的卡通圖像，非人類主體，以及從人體背面拍攝的圖片成功進行重建。另外，他們的方法特別適用於不同髮型之間的連續和合理的頭髮插值。

相關論文：3D Hair Synthesis Using Volumetric VAEs

原文鏈接：https://yivian.com/news/51407.html

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！