GaussianHair: Hair Modeling and Rendering with Light-aware Gaussians

发型在第一眼就反映了文化和种族。在数字时代，各种逼真的人类发型对于美观和包容性的高保真数字人类资产也至关重要。然而，由于发丝数量庞大、几何结构复杂且与光线的复杂相互作用，逼真的发型建模和动画实时渲染是一个巨大的挑战。本文介绍了一种新的显式发型表示方法——高斯发型（GaussianHair），它可以从图像中全面建模发型几何形状和外观，促进创新的照明效果和动态动画能力。高斯发型的核心是将每个发丝串联成一系列连接的圆柱形三维高斯基元，这种方法不仅保留了发型的几何结构和外观，还允许有效地栅格化到二维图像平面，便于可微体积渲染。我们进一步通过“高斯发型散射模型”增强了这个模型，它能够重新创建发丝的细长结构并准确捕捉它们在均匀光照下的局部漫反射颜色。通过广泛的实验，我们证明了高斯发型在几何和外观保真度方面取得了突破，超越了发重建的现有方法所遇到的限制。除了表示法，高斯发型还扩展支持发型的编辑、重新照明和动态渲染，为传统的CG流程工作流提供了无缝的集成。为了推动这一领域的进一步研究，我们还编制了一个详细的真人头发数据集，每个数据都有精心详细的发丝几何形状。

解决问题：论文旨在解决数字人物建模中头发模拟的挑战，包括头发数量、几何结构和与光的相互作用等方面。

关键思路：论文提出了一种新的头发表示方法——高斯头发，通过将每根头发线表示为一系列相连的三维高斯圆柱体，实现了头发的几何和外观建模，并能够有效地进行二维渲染和体积渲染。

其他亮点：论文提出的高斯头发表示方法在头发几何和外观的保真度上都有突破性进展，并且支持头发的编辑、重照和动态渲染。论文还编制了一个详细的真人头发数据集，为进一步研究提供了基础。实验结果表明，高斯头发的表现优于当前领域的其他研究。

相关研究：最近的相关研究包括《Efficient Hair Modeling with Barbershop》、《HairNet: Single-View Hair Reconstruction using Convolutional Neural Networks》等。