单视图视频下的高保真发型建模

高保真3D发型对于实现计算机图形学中的真实感、艺术表达和沉浸感至关重要。虽然现有的3D发型建模方法已取得显著成果，但仍面临高质量发型重建的挑战：这些方法要么需要严格的捕获条件，使实际应用困难，要么严重依赖学习先验数据，使图像中细粒度细节难以保留。为解决这些挑战，我们提出了MonoHair——一个从单视图视频中实现高保真发型重建的通用框架，不需要特定的环境要求。我们的方法将发型建模过程分为两个主要阶段：精确的外部重建和内部结构推断。在外部阶段，我们采用基于补丁的多视图优化（PMVO）进行细致制作。该方法无需依赖先验数据，战略性地收集和整合来自多个视角的发型信息，以产生高保真的外部3D线图。这一图图不仅捕捉到精细细节，也促进了对发型内部结构的推断。在内部阶段，我们采用数据驱动的多视图3D发型重建方法。该方法利用从外部重建中推导出的2D结构渲染图，镜像我们在训练期间使用的合成2D输入。这一对齐有效地弥合了我们训练数据与真实数据的领域差距，从而提高了内部结构推断的准确性和可靠性。最后，我们生成� strands模型并通过我们的发型生长算法解决方向歧义。我们的实验表明，该方法在各种发型样式方面都表现出稳健性，并实现了SOTA性能。欲查看更多结果，请访问我们的项目页面 https://keyuwu-cs.github.io/MonoHair/。