发表机构
University of Utah; LIGHTSPEED; UCLA（犹他大学; 光速工作室; 加州大学洛杉矶分校）
机构由 AI 辅助整理，请以论文原文为准。AI 中文总结
本文提出HairCS自动化流程，将发卡模型转换为高质量基于发丝的发型，保留原始风格并丰富细节，兼容渲染、模拟和造型修改器，在多种发型上验证有效。
AI 中文摘要
我们提出了一种自动化流程，可将发卡模型转换为高质量的基于发丝的发型。给定一组带纹理的三角形或四边形条带作为输入，我们的方法生成一种基于发丝的表示，该表示在保留原始发型的同时，丰富了精细的几何细节，并符合标准生产要求：发丝源自头皮，发根均匀分布，且发量被合理填充。生成的资产可直接兼容基于发丝的渲染、基于物理的模拟以及常见的造型修改器（如簇集、卷曲、噪波），以增强真实感和艺术控制力。我们在大量多样化的发型上验证了我们的方法，包括短发和长发、卷曲风格，以及发髻和马尾辫等复杂风格。
英文摘要
We present an automated pipeline that converts hair-card models into high-quality strand-based hairstyles. Given a collection of textured triangular or quad strips as input, our method produces a strand-based representation that preserves the original hairstyle while enriching it with fine-scale geometric detail and adhering to standard production requirements: strands originate from the scalp, roots are uniformly distributed, and the hair volume is plausibly filled. The resulting assets are directly compatible with strand-based rendering, physics-based simulation, and common grooming modifiers (e.g., clumping, curling, noise) for enhanced realism and artistic control. We validate our approach on a large and diverse set of hairstyles, including short and long hair, curly styles, and complex styles such as buns and ponytails.
Comments22 pages, 30 figures, 5 tables. Dataset: https://huggingface.co/datasets/HairCS2027/HairCS
