コンピュータグラフィックス、コンピュータビジョン、視覚効果の分野において、画像間の髪型転送は重要かつ困難なタスクである。これにより、ユーザーは実際の髪を変えることなく新しい外見を探索でき、バーチャル試着、拡張現実、エンターテインメントなどに応用される。しかし、従来のほとんどの手法は小さな姿勢差の下で最適に動作し、大きな視点やスケールの違いの下では、失われた髪の内容を転送するのではなく合成する必要があるため、十分に機能しない。
この問題に対処するため、研究チームはHairPortという3D認識型髪型転送フレームワークを提案した。このフレームワークの核心は、髪型の除去と転送のプロセスを明示的に分離し、合成前に幾何学的整合性を強制することにある。具体的には、HairPortはBald Converterというモジュールを導入し、LoRAベースのインコンテキスト適応技術を用いてFLUX.1 Kontextモデルを微調整することで、リアルな坊主頭の顔画像を生成する。このコンバータを訓練するために、研究チームはBaldyという新しいデータセットを構築した。これには多様な身元と条件をカバーする6,000組の坊主頭と元画像のペアが含まれている。
転送段階では、HairPortは3D認識型の転送パイプラインを採用する。このパイプラインはまず、参照髪型を目標視点から再構築して再レンダリングし、それをソース画像に合成する。3D認識能力を備えているため、この手法はソース画像と目標画像の間の大きな姿勢およびスケールの違いをサポートできる。最後に、条件付きフローマッチング生成器が、坊主頭のソース画像と幾何学的に整合した参照ガイダンスに基づいて最終的な転送結果を合成する。
総合的に、HairPortは正確で、姿勢が一貫し、個人の同一性を保持した髪型転送を実現する。定性的および定量的評価の両方で、この手法は既存の方法を上回る。この論文はSIGGRAPH 2026（カンファレンスペーパートラック）に採択され、23ページ、15図、10表（補足資料を含む）で構成されている。論文は2026年6月10日に投稿され、著者はAlireza Heidariら5名である。プロジェクトページも公開されている。