HairGPT：基于毛发-语言的自回归建模用于逼真的3D发型合成

发型是视觉和文化表达的丰富载体，然而其数字建模仍具有挑战性 due to 流动性与结构的二元性。许多现有生成方法主要依赖连续扩散场，这些方法将全局拓扑与局部纹理耦合，模糊了发型的语义和结构组织。为此，我们提出HairGPT，一种以毛发为中心的框架，将毛发视为生成原语，将逼真的3D发型合成形式化为双重解耦的自回归序列建模问题。我们的方法在语义头皮区域和沿分层毛发表示的结构上进行空间解耦，依次从全局布局到细粒度风格进行推进。我们进一步引入几何标记器和区域感知语义注释，以指导毛发级别的生成，使能够实现组合式编辑、稀有和复杂发型的合成，以及对仿射域的适应。通过将生成建模与数字造型工作流程对齐，HairGPT将发型生成从不透明的纹理合成转变为结构化且可语义控制的 authoring process，支持稳健的语义条件和高保真结果，涵盖真实和仿射域。