HairNet：基于卷积神经网络的单视图头发重建
图形学
2018-07-12 v2
摘要
我们介绍了一种基于深度学习的方法，从未受限图像生成完整的3D头发几何。我们的方法能够恢复局部发丝细节并具有实时性能。最先进的头发建模技术依赖大型发型集合进行最近邻检索，然后进行临时细化。相比之下，我们的深度学习方法在存储上极为高效，并且可以快1000倍地生成具有30K发丝的头发。卷积神经网络以头发图像的2D方向场作为输入，并生成均匀分布在参数化2D头皮上的发丝特征。我们引入碰撞损失以合成更合理的发型，并且每根发丝的可见性也用作权重项以提高重建精度。我们网络的自编码器-解码器架构自然地为发型提供了紧凑且连续的表示，这使我们能够在发型之间自然插值。我们使用大量渲染的合成头发模型来训练我们的网络。我们的方法可扩展到真实图像，因为从真实图像自动计算的中间2D方向场消除了合成与真实头发之间的差异。我们在广泛的具有挑战性的真实网络图片上展示了我们方法的有效性和鲁棒性，并展示了从视频中重建的头发序列。
引用
@article{arxiv.1806.07467,
title = {HairNet: Single-View Hair Reconstruction using Convolutional Neural Networks},
author = {Yi Zhou and Liwen Hu and Jun Xing and Weikai Chen and Han-Wei Kung and Xin Tong and Hao Li},
journal= {arXiv preprint arXiv:1806.07467},
year = {2018}
}
备注
21 pages, 17 figures