NeuralFur：从多视角图像重建动物毛发
计算机视觉与模式识别
2026-01-21 v1 图形学
摘要
从图像重建逼真的动物毛发几何结构是一项具有挑战性的任务，原因在于毛发的精细细节、自遮挡以及视角依赖的外观。与人类发型重建不同，目前也没有可用于学习不同动物毛发先验的数据集。在这项工作中，我们提出了一种首个基于多视角的方法，用于使用基于发丝的表征对动物进行高保真3D毛发建模，该方法利用了视觉语言模型的通用知识。给定多视角RGB图像，我们首先使用传统的多视角立体技术重建粗略的表面几何结构。然后，我们使用视觉语言模型(VLM)系统来检索身体各部分毛发的真实长度结构信息。我们利用这些知识来构建动物的无毛几何结构，并在其之上生长发丝。毛发重建通过从多视角图像计算的几何和光度损失进行监督。为了减轻应用于输入图像的Gabor滤波器带来的方向模糊性，我们还利用VLM来引导发丝的生长方向及其与我们作为损失纳入的重力矢量的关系。通过这种使用VLM引导多视角输入3D重建的新方案，我们展示了在具有不同毛发类型的多种动物上的泛化能力。更多结果和代码，请参阅https://neuralfur.is.tue.mpg.de。
引用
@article{arxiv.2601.12481,
title = {NeuralFur: Animal Fur Reconstruction From Multi-View Images},
author = {Vanessa Sklyarova and Berna Kabadayi and Anastasios Yiannakidis and Giorgio Becherini and Michael J. Black and Justus Thies},
journal= {arXiv preprint arXiv:2601.12481},
year = {2026}
}
备注
For additional results and code, please refer to https://neuralfur.is.tue.mpg.de