CHARM : Modélisation autorégressive de coiffures anime 3D basée sur des points de contrôle

papers.abstract

Nous présentons CHARM, une nouvelle représentation paramétrique et un cadre génératif pour la modélisation des coiffures anime. Alors que les méthodes traditionnelles de modélisation des cheveux se concentrent sur des cheveux réalistes en utilisant des représentations basées sur des mèches ou volumétriques, les coiffures anime présentent une géométrie hautement stylisée et structurée par morceaux qui défie les techniques existantes. Les travaux existants reposent souvent sur une modélisation dense de maillages ou des courbes splines artisanales, les rendant inefficaces pour l'édition et inadaptés à un apprentissage scalable. CHARM introduit une paramétrisation compacte et inversible basée sur des points de contrôle, où une séquence de points de contrôle représente chaque mèche de cheveux, et chaque point est encodé avec seulement cinq paramètres géométriques. Cette représentation efficace et précise supporte à la fois une conception conviviale pour les artistes et une génération basée sur l'apprentissage. Construit sur cette représentation, CHARM introduit un cadre génératif autorégressif qui génère efficacement des coiffures anime à partir d'images ou de nuages de points en entrée. En interprétant les coiffures anime comme un "langage des cheveux" séquentiel, notre transformeur autorégressif capture à la fois la géométrie locale et la topologie globale de la coiffure, aboutissant à une création de coiffures anime de haute fidélité. Pour faciliter à la fois l'entraînement et l'évaluation de la génération de coiffures anime, nous construisons AnimeHair, un jeu de données à grande échelle de 37K coiffures anime de haute qualité avec des mèches séparées et des données de maillage traitées. Des expériences approfondies démontrent les performances de pointe de CHARM en termes de précision de reconstruction et de qualité de génération, offrant une solution expressive et scalable pour la modélisation des coiffures anime. Page du projet : https://hyzcluster.github.io/charm/

English

We present CHARM, a novel parametric representation and generative framework for anime hairstyle modeling. While traditional hair modeling methods focus on realistic hair using strand-based or volumetric representations, anime hairstyle exhibits highly stylized, piecewise-structured geometry that challenges existing techniques. Existing works often rely on dense mesh modeling or hand-crafted spline curves, making them inefficient for editing and unsuitable for scalable learning. CHARM introduces a compact, invertible control-point-based parameterization, where a sequence of control points represents each hair card, and each point is encoded with only five geometric parameters. This efficient and accurate representation supports both artist-friendly design and learning-based generation. Built upon this representation, CHARM introduces an autoregressive generative framework that effectively generates anime hairstyles from input images or point clouds. By interpreting anime hairstyles as a sequential "hair language", our autoregressive transformer captures both local geometry and global hairstyle topology, resulting in high-fidelity anime hairstyle creation. To facilitate both training and evaluation of anime hairstyle generation, we construct AnimeHair, a large-scale dataset of 37K high-quality anime hairstyles with separated hair cards and processed mesh data. Extensive experiments demonstrate state-of-the-art performance of CHARM in both reconstruction accuracy and generation quality, offering an expressive and scalable solution for anime hairstyle modeling. Project page: https://hyzcluster.github.io/charm/

CHARM : Modélisation autorégressive de coiffures anime 3D basée sur des points de contrôle

CHARM: Control-point-based 3D Anime Hairstyle Auto-Regressive Modeling

papers.abstract

Support