论文页面 - FurE：无需动物毛发数据集的高效逐实例3D毛发重建

来源：https://huggingface.co/papers/2609.35770

摘要

从多视角图像重建真实且可编辑的动物毛发颇具挑战性，原因在于毛发的精细尺度细节、自遮挡与混淆，以及与人类头发不同，缺乏大规模的动物毛发数据集。毛发通常覆盖动物身体的大部分，且具有种间和种内的巨大变异性。我们提出FurE，一种高效的基于发丝的动物毛发重建方法。该方法通过优化一个基于根部条件化的潜在场来恢复可编辑的逐发丝梳理结果，并通过基于主成分分析的解码器将其解码为发丝几何。我们利用基于表面约束的高斯霜化表示中的局部毛发厚度线索以及基于部件的先验知识，重建无毛的动物躯体。我们进一步证明，基于主成分分析的解码器从人类头发发丝数据中学习而来，可以在缓解动物数据稀缺性的同时，实现显著更快的优化速度。FurE在逐发丝训练上比当前最先进的密集逐发丝优化方法实现了10倍的加速，同时保持了发丝保真度，并在合成与真实世界序列上均能良好泛化。尽管训练时间减少，我们仍通过定量和定性验证证明了其有效性。

查看arXiv页面 (https://arxiv.org/abs/2609.35770)查看PDF (https://arxiv.org/pdf/2609.35770)项目主页 (https://toshi2k2.github.io/fure/)GitHub仓库 (https://github.com/toshi2k2/fure)添加到收藏 (https://huggingface.co/login?next=%2Fpapers%2F2609.35770)

通过您的代理获取此论文：

hf papers read 2609\.35770

尚未安装最新CLI？curl \-LsSf https://hf\.co/cli/install\.sh \| bash

引用此论文的模型0

尚无模型链接此论文。

在模型README.md中引用 arxiv.org/abs/2609.35770 以将其链接至此页面。

引用此论文的数据集0

尚无数据集链接此论文。

在数据集README.md中引用 arxiv.org/abs/2609.35770 以将其链接至此页面。

引用此论文的Space 0

尚无Space链接此论文。

在Space README.md中引用 arxiv.org/abs/2609.35770 以将其链接至此页面。

包含此论文的收藏0

尚无收藏包含此论文。

将此论文添加到收藏 (https://huggingface.co/new-collection) 以将其链接至此页面。