Incontra CT2Hair Un framework completamente automatico per la creazione di modelli di capelli 3D ad alta fedeltà adatti all’uso in applicazioni grafiche successive.

Incontra CT2Hair, un framework automatico per la creazione di modelli di capelli 3D ad alta fedeltà.

Chi non ama i videogiochi? Più naturali e alla moda sono i personaggi nel gioco, più ci divertiamo. È possibile avere grafiche che sembrano esattamente capelli naturali?

Oltre agli strumenti di creazione dei capelli in 3D, la creazione manuale da parte degli artisti è sia laboriosa che difficile da scalare e può anche essere influenzata dalle limitazioni degli attuali strumenti di creazione in 3D. Creare un ampio dataset che rappresenti accuratamente una vasta gamma di variazioni di capelli del mondo reale, come ricci, setosi, lisci e ondulati, è una grande sfida. I ricercatori dei Laboratori chiave di stato e dei Laboratori Meta Reality hanno avuto successo nel ricostruire diverse grafiche di acconciature a partire da parrucche di capelli del mondo reale come input.

I ricercatori hanno creato volumi di densità delle regioni dei capelli, che permettono loro di vedere attraverso i capelli, a differenza degli approcci basati sull’immagine delle superfici visibili. Il metodo utilizzato per creare i volumi di densità è la tomografia computerizzata (CT). Hanno impiegato la CT utilizzando i raggi X per una risoluzione elevata e grandi volumi di scansione. I raggi X CT sono solitamente utilizzati per ricostruire tessuti umani o oggetti in generale. A causa della struttura sottile del capello, recuperare un capello umano completo dalla CT è un compito non banale. Ciò erediterà rumore nell’imaging CT e diminuirà la risoluzione. Per affrontare questo problema, seguono un approccio a grandi linee.

• Incontra Jupyter AI un nuovo progetto open-source che porta l’Intelligenza Artificiale Generativa ai Jupyter Notebooks con comandi magici e un’interfaccia di chat.
• Immagina di sostituire OpenAI con qualsiasi LLM, il tutto in una sola riga! Incontra Genoss GPT un’API compatibile con OpenAI SDK e basata su modelli open-source come GPT4ALL.
• Come costruire pipeline di ML, in modo visuale e veloce!

Prima stimano un campo di orientamento 3D da un volume di densità rumoroso (una vera parrucca di capelli) ed estraggono ciocche guida utili utilizzando il campo di orientamento stimato. Quindi popolano il cuoio capelluto con ciocche utilizzando un metodo di interpolazione neurale e infine lo raffinano con un’ottimizzazione in modo che si conformi accuratamente al volume di densità di input. La fase di ottimizzazione comporta l’allineamento migliore dei capelli ricostruiti con il volume di input. Il loro lavoro non include priors creati a mano per particolari tipi di capelli in modo che possano recuperare acconciature diverse in un unico framework.

I ricercatori hanno confrontato i loro metodi con gli altri tre metodi basati sull’immagine, che sono basati su singola vista, basati su vista sparso e basati su vista densa. Hanno scoperto che i metodi basati su singola vista e basati su vista sparso hanno prodotto risultati ragionevoli per acconciature relativamente semplici ma hanno fallito enormemente nei capelli ricci a causa della mancanza di dataset di allenamento. Il processo basato su vista densa ha superato questi due metodi ma ha fallito nell’individuare la geometria interna e, di conseguenza, ha prodotto geometrie incomplete. In contrasto, il modello dei ricercatori ha mostrato una buona geometria e conteneva più dettagli, rendendoli più realistici.

Tuttavia, estendere questa ideologia per catturare teste umane reali rimane una sfida. Gli scanner CT industriali utilizzano grandi esposizioni di raggi X che superano il limite di sicurezza per gli organismi viventi, quindi modellare la geometria del viso usando questo non è fattibile. I ricercatori affermano che anche un movimento sottile durante la cattura causerà una notevole sfocatura nel volume di densità.

Implementando approcci di apprendimento automatico, futuri lavori potrebbero generare un ampio corpus di dati sui capelli in 3D di alta qualità, consentendo loro di inferire modelli di capelli 3D anche da volumi di densità a bassa risoluzione utilizzando scanner CT medici.