FurE: بازیابی کارآمد 3D فرک مخصوص نمونه بدون مجموعه‌داده‌های فرش حیوانات

چکیده

بازسازی واقعی و قابل ویرایش موهای حیوانات از تصاویر چندمنظوره، به دلیل جزئیات ریز، خودسایه‌گذاری، مبهم‌سازی و فقدان داده‌های تخصصی موهای حیوانات (برخلاف موهای انسان)، چالش‌برانگیز است. موها معمول‌تراً بیشتر بدن حیوانات را می‌پوشانند و دارای تنوع قابل توجهی در میان گونه‌ها و حتی درون یک گونه هستند. ما FurE را معرفی می‌کنیم؛ روشی کارآمد برای بازسازی موهای حیوانات مبتنی بر رشته، که با بهینه‌سازی یک میدان پنهان شرطی ریشه، مدل قابل ویرایشی برای هر رشته بازسازی می‌کند. این میدان پنهان از طریق یک کدگشای مبتنی بر PCA به هندسه رشته‌ها تبدیل می‌شود. ما بدن حیوان را بدون مو را با استفاده از سرنخ‌های محلی ضخامت مو از یک نمایندگی گوسیایی محدود به سطح، همراه با پیش‌بینی‌های مبتنی بر بخش، بازسازی می‌کنیم. همچنین نشان می‌دهیم که کدگشای مبتنی بر PCA که از داده‌های رشته‌های موی انسانی یاد گرفته است می‌تواند کمبود داده‌های حیوانی را کاهش دهد و در عین حال بهینه‌سازی بسیار سریع‌تری را امکان‌پذیر سازد. FurE با سرعتی ده برابر بیشتر در آموزش رشته‌ها نسبت به روش‌های پیشرفته فعلی بهینه‌سازی ریزمقیاس هر رشته، در حالی که وفاداری رشته‌ها حفظ می‌شود، در سریال‌های مصنوعی و واقعی جهانی‌سازی می‌شود و با تأییدیه‌های کمی و کیفی، حتی با کاهش زمان آموزش، عملکرد خوبی از خود نشان می‌دهد.