GroomLight: Hybrid Inverse Rendering for Relightable Human Hair Appearance Modeling

要約

Multi-View画像からの信頼できる髪の外観モデリングの新しい方法であるGroomlightを提示します。
既存のヘアキャプチャメソッドは、フォトリアリスティックなレンダリングと再生能力のバランスをとるのに苦労しています。
分析材料モデルは、物理的に接地されていますが、多くの場合、外観の詳細を完全にキャプチャできません。
逆に、ニューラルレンダリングアプローチはビュー合成に優れていますが、新しい照明条件にはあまり一般化されていません。
Groomlightは、両方のパラダイムの強度を組み合わせることにより、この課題に対処します。
拡張された髪のBSDFモデルを使用して、一次光輸送と、残りの詳細を再構築するために光を認識した残差モデルをキャプチャします。
さらに、両方のコンポーネントを最適化するためのハイブリッド逆レンダリングパイプラインを提案し、高忠実度の学習、ビューの合成、および材料編集を可能にします。
現実世界の髪のデータに関する広範な評価は、私たちの方法の最先端のパフォーマンスを示しています。

要約(オリジナル)

We present GroomLight, a novel method for relightable hair appearance modeling from multi-view images. Existing hair capture methods struggle to balance photorealistic rendering with relighting capabilities. Analytical material models, while physically grounded, often fail to fully capture appearance details. Conversely, neural rendering approaches excel at view synthesis but generalize poorly to novel lighting conditions. GroomLight addresses this challenge by combining the strengths of both paradigms. It employs an extended hair BSDF model to capture primary light transport and a light-aware residual model to reconstruct the remaining details. We further propose a hybrid inverse rendering pipeline to optimize both components, enabling high-fidelity relighting, view synthesis, and material editing. Extensive evaluations on real-world hair data demonstrate state-of-the-art performance of our method.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google