CHARM: Modelagem Auto-Regressiva de Estilos de Cabelo 3D para Anime Baseada em Pontos de Controle

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

September 25, 2025

Autores: Yuze He, Yanning Zhou, Wang Zhao, Jingwen Ye, Yushi Bai, Kaiwen Xiao, Yong-Jin Liu, Zhongqian Sun, Wei Yang

cs.AI

Resumo

Apresentamos o CHARM, uma nova representação paramétrica e framework generativo para modelagem de penteados de anime. Enquanto os métodos tradicionais de modelagem de cabelo focam em cabelos realistas usando representações baseadas em fios ou volumétricas, os penteados de anime exibem uma geometria altamente estilizada e estruturada em partes, o que desafia as técnicas existentes. Trabalhos anteriores frequentemente dependem de modelagem densa de malhas ou curvas spline artesanais, tornando-os ineficientes para edição e inadequados para aprendizado escalável. O CHARM introduz uma parametrização compacta e invertível baseada em pontos de controle, onde uma sequência de pontos de controle representa cada tufo de cabelo, e cada ponto é codificado com apenas cinco parâmetros geométricos. Essa representação eficiente e precisa suporta tanto o design amigável para artistas quanto a geração baseada em aprendizado. Baseado nessa representação, o CHARM introduz um framework generativo autorregressivo que gera efetivamente penteados de anime a partir de imagens de entrada ou nuvens de pontos. Ao interpretar penteados de anime como uma "linguagem de cabelo" sequencial, nosso transformer autorregressivo captura tanto a geometria local quanto a topologia global do penteado, resultando na criação de penteados de anime de alta fidelidade. Para facilitar tanto o treinamento quanto a avaliação da geração de penteados de anime, construímos o AnimeHair, um conjunto de dados em larga escala de 37 mil penteados de anime de alta qualidade com tufos de cabelo separados e dados de malha processados. Experimentos extensivos demonstram o desempenho de ponta do CHARM tanto em precisão de reconstrução quanto em qualidade de geração, oferecendo uma solução expressiva e escalável para a modelagem de penteados de anime. Página do projeto: 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/