HairCUP：面向 3D 高斯化身的头发组合式通用先验

我们提出了一种具有显式头发组合性的 3D 头部化身通用先验模型。现有构建 3D 头部化身可泛化先验的方法通常采用整体建模方法，将面部和头发视为不可分割的整体。这忽视了人类头部的固有组合性，使得模型难以自然地解耦面部和头发的表示，尤其是在数据集有限的情况下。此外，这种整体模型难以以灵活可控的方式支持 3D 面部和发型交换等应用。为了应对这些挑战，我们引入了一种显式考虑面部和头发组合性的先验模型，分别学习它们的潜在空间。该方法的一个关键支撑是我们的无发合成数据创建流水线，该流水线利用从扩散先验导出的估计无发几何和纹理，从工作室捕获的数据集中去除头发。通过利用成对的头发和无发捕获数据集，我们训练了面部和头发的解耦先验模型，并将组合性作为归纳偏置以促进有效分离。我们模型固有的组合性能够在化身之间无缝转移面部和头发组件，同时保持身份。此外，我们证明了我们的模型可以使用单目捕获以少样本方式进行微调，从而为未见过的对象创建高保真、头发组合式的 3D 头部化身。这些能力突显了我们的方法在真实场景中的实际适用性，为灵活且富有表现力的 3D 化身生成铺平了道路。