HairPort 是一个面向图像换发任务的 3D 感知发型迁移框架，相关论文于 2026 年 6 月 10 日提交至 arXiv，编号为 arXiv:2606.12562，并被 SIGGRAPH 2026 会议论文轨道接收。论文由 Alireza Heidari 等五位作者完成，全文共 23 页、15 幅图、10 张表，其中包含以附录形式给出的补充材料，项目主页也已公开。该工作属于计算机视觉与图形学的交叉方向，涉及 ACM I.3.3、I.3.7、I.4.9 和 I.2.6 等分类。
在图像之间迁移发型是计算机图形学、计算机视觉与视觉特效领域一项重要但困难的任务。它让用户无需实际改变自己的头发，就能探索新的造型，可应用于虚拟试穿、增强现实和娱乐等场景。然而，以往大多数方法在姿态差异较小时效果最好；当源图与参考图之间存在较大的视角和尺度差异时，这些方法往往表现不佳，因为此时缺失的头发内容需要被合成出来，而不是简单地从参考图中搬运过来。
HairPort 的核心思路是把“去除头发”与“迁移头发”两个步骤显式分开，并在合成之前先强制保证几何一致性。为此，作者提出了 Bald Converter，它基于 FLUX.1 Kontext，通过 LoRA 进行上下文内的适配，从一张普通的人脸图像生成逼真的光头版本。为了让 Bald Converter 得到充分训练，研究团队构建了一个名为 Baldy 的新数据集，包含 6,000 对光头图像与原始图像，覆盖了不同的身份特征和拍摄条件，从而提升了模型在不同人种、光照和姿态下的泛化能力。
在获得光头源图之后，HairPort 使用一套 3D 感知的迁移流水线：先把参考发型重建为三维表示，再从目标视角重新渲染，随后将其合成到源图像上。由于具备三维感知能力，该方法能够处理源图与参考图之间较大的姿态和尺度差异，而不像二维方法那样受限于近似视角。最后，一个条件流匹配生成器以光头源图和经过几何对齐的参考引导为输入，合成出最终的迁移结果，使发型在形状、朝向和遮挡关系上与目标人脸保持一致。
作者表示，上述组件结合在一起，使 HairPort 能够实现准确、姿态一致且保持身份特征的换发效果。论文宣称，该方法在定性和定量比较中均优于现有方法，并在摘要中强调了其在虚拟试穿、增强现实和娱乐等应用中的潜力。该论文的 DOI 为 10.48550/arXiv.2606.12562，相关 DOI 为 10.1145/3799902.3811046。