40k hair dataset

该数据集由343个3D头发模型生成，用于在HairNet论文中训练卷积神经网络进行单视图头发重建。数据集通过混合不同头发模型生成新的头发模型，每个模型包含10K根头发，具有相同的根部位置。

This dataset comprises 343 3D hair models, generated for training convolutional neural networks in the HairNet paper for single-view hair reconstruction. The dataset is created by blending different hair models to produce new ones, with each model containing 10K strands of hair, all sharing identical root positions.

原始信息汇总

数据集概述

数据集内容

本数据集包含用于生成混合发型模型的程序和数据，以及用于生成论文《HairNet: Single-View Hair Reconstruction using Convolutional Neural Networks》中训练数据的代码。

数据集组成部分

1. 混合发型生成程序 (HairMix_run)：用于从一个小型发型数据集中混合新的发型模型。

   • 系统要求：Ubuntu 16.04 LTS。
   • 第三方库：OpenGL, GLEW, glfw3, GLUT, OPENCV, OPENMP, OpenMesh-6.3。
   • 参数：hair_classes_folder, src_hair_data_folder, center_strands_folder, output_blended_hair_folder, k_start, k_end。
   • 示例命令：./HairMix_run HairClasses/ /home/yi/Documents/Hair/DeepHairData_old/hairstyles/ cstrands/ blend_hairs/ 1 32

2. 源发型数据 (src_hair_data_folder)：包含343个发型模型，需从指定链接下载。

   • 链接：http://www-scf.usc.edu/~liwenhu/SHM/database.html

3. 中心发丝数据 (center_strands_folder)：包含每个源发型数据的对应引导发丝。

   • 内容：每个引导发丝文件包含5根源发型的引导发丝。

4. 输出混合发型数据 (output_blended_hair_folder)：用于保存混合发型。

   • 生成内容：每个新发型包含10K根发丝，具有相同的根部位置。

5. 训练数据生成代码 (Hair_generate_convdata_and_imgs)：用于生成论文中的训练数据。

   • 参数：hair_folder, convdata_folder, map_roots_fn, orient_img_folder, view_num。
   • 示例命令：./Hair_generate_convdata_and_imgs ../../blend_hairs/ ../../blend_hairs_convdata/ ../../roots1024/map_roots1024.data ../../blend_hairs_imgs/ 4

数据集文件格式

• 混合发型数据：strands<hair1_id>_<hair2_id>_<binary_choice>.data
• 训练数据：strandsXXXXX_YYYYY_AAAAA_mBB.convdata, strandsXXXXX_YYYYY_AAAAA_mBB.exr, strandsXXXXX_YYYYY_AAAAA_mBB.vismap, strandsXXXXX_YYYYY_AAAAA_mBB.txt

数据集使用说明

• 发型模型单位：约0.82米。
• 目录参数：所有目录参数需以/结尾。
• 额外资源：需购买并获取/body_model/female_halfbody_medium.obj以渲染图像。

搜集汇总

数据集介绍

构建方式

40k hair dataset的构建基于343个3D头发模型的混合生成。首先，通过HairMix_run程序，从源头发数据集中提取头发模型，并利用中心发丝文件中的引导发丝进行混合。每对头发模型通过选择不同的引导发丝组合，生成多达32种不同的混合头发模型，每种模型包含10,000根发丝，且具有相同的根部位置。随后，使用Hair_generate_convdata_and_imgs程序，将这些混合头发模型转换为适合卷积神经网络训练的数据格式，并生成相应的渲染图像和可见性映射。

特点

该数据集的显著特点在于其高度的多样性和精细的几何表示。每根头发模型由32x32根发丝组成，每根发丝采样100个三维点，确保了头发几何细节的精确表达。此外，数据集包含了多种视角的渲染图像和可见性映射，为单视图头发重建提供了丰富的训练数据。

使用方法

使用该数据集时，用户需先下载并安装必要的第三方库，如OpenGL、GLEW等，并获取源头发模型和身体模型。通过运行HairMix_run和Hair_generate_convdata_and_imgs程序，用户可以生成混合头发模型及其对应的训练数据。数据集中的文件格式包括.convdata、.exr、.vismap和.txt，分别用于存储头发几何信息、渲染图像、可见性映射和头部旋转位置信息。

背景与挑战

背景概述

40k hair dataset是由Yi于2019年1月24日创建的，旨在支持HairNet: Single-View Hair Reconstruction using Convolutional Neural Networks的研究。该数据集通过从343个3D头发模型中生成混合头发模型，提供了丰富的头发几何数据，用于训练和验证头发重建算法。主要研究人员和机构未明确提及，但其对计算机视觉和3D建模领域的影响力显著，尤其是在单视图头发重建任务中，为研究人员提供了宝贵的资源。

当前挑战

该数据集的构建过程中面临多项挑战。首先，从343个原始头发模型生成混合头发模型需要复杂的3D建模和混合算法，确保生成的头发模型在几何和视觉上均具有合理性。其次，生成训练数据时，需处理大量的3D点数据和图像渲染，确保数据的一致性和准确性。此外，数据集的构建还依赖于多个第三方库和复杂的系统配置，增加了使用的门槛。这些挑战不仅涉及技术实现，还包括数据质量和可用性的保证，以支持高效的研究和算法开发。

常用场景

经典使用场景

40k Hair Dataset 主要用于单视角头发重建任务，特别是在 HairNet 论文中提出的基于卷积神经网络的头发重建方法。该数据集通过混合343个3D头发模型生成新的头发模型，并生成训练数据，用于训练深度学习模型以从单张图像中重建头发的三维结构。

衍生相关工作

基于40k Hair Dataset，研究者们进一步开发了多种头发重建和渲染技术，如改进的卷积神经网络架构、多视角头发重建方法以及基于物理的头发渲染算法。这些工作不仅提升了头发重建的精度和效率，还推动了相关领域的技术进步。

数据集最近研究

最新研究方向

在计算机图形学与人工智能的交叉领域，40k hair dataset 数据集的最新研究方向主要集中在单视图头发重建技术的优化与应用。该数据集通过融合343个3D头发模型，生成包含10,000根发丝的混合头发模型，为HairNet等基于卷积神经网络的头发重建算法提供了丰富的训练数据。当前研究热点包括提升头发模型的几何细节表达、增强模型在不同光照条件下的真实感渲染，以及探索头发与虚拟人物交互的动态模拟。这些研究不仅推动了虚拟形象生成技术的发展，还在影视特效、虚拟试衣和个性化虚拟助手等领域展现出广泛的应用前景。