HairDeck：从单张角色图像生成发片与弹簧骨骼

头发是图像转 3D 流程中最常出错的部位。发丝重建能得到逼真的毛发造型，但渲染开销巨大；网格重建则只给出一整块融合的团块，美术无法重新梳理、改造型或制作动画。风格化项目实际交付的是发片发型，而这类发型是手工一条带子一条带子做出来的。

HairDeck 把发型当作美术眼中的样子来处理：一组无序的图元。每张发片是一个 token，集合扩散 Transformer 对所有发片一起去噪，因此模型无需决定头发各部分的先后顺序。结果保留了独立的发片及其逐片 UV，还附带让它们动起来的弹簧骨骼链。

流程：发片 token、以图像或点云为条件的集合扩散，以及生成带弹簧骨骼链的发片。

以集合形式表示的发片

此前唯一的风格化发片生成器 CHARM 以自回归方式把发型解码为一长串控制点。这使得序列顺序变得重要，序列早期的错误会传播到其余头发上。

HairDeck 反其道而行。卡片 VAE 将每张发片编码为一个 token，集合 Transformer 一次查看所有 token，卡片 VAE 再把每个 token 解码回带有自身 UV 坐标的几何。默认以图像为条件，也可通过第四个发布的模型以点云为条件。

发片自带弹簧骨骼

仅有几何并不构成可用资产。游戏引擎或 VRM 虚拟形象中的发片发型之所以看起来有生命，是因为弹簧骨骼以少量物理模拟牵引每张发片，而这些骨骼链通常在网格完成后手工搭建并绘制权重。

骨骼链扩散模型以卡片 token 为条件直接生成这些骨骼链，因此导出内容同时包含蒙皮与几何。输入一张图像，输出的是会摆动的发型。

项目演示的一帧：在给定虚拟形象身体上生成的发片。

项目演示视频：一张输入图像、四种生成变体，以及 VRM 转头预览。

交付内容

图像路径依次运行图像 DiT、卡片 VAE 与骨骼链 DiT。点云模型用于点云生成与评估路径。仓库还提供归一化统计数据、标准头部坐标系、用于 VRM 导出的 VRoid Studio 模板虚拟形象，以及 100 个测试用例及其原始发片几何，因此无需训练集即可复现评估结果。

推理需要 Linux x86-64、Python 3.12 和一块 NVIDIA CUDA GPU，已在 PyTorch 2.8 与 CUDA 12.8 下测试。预处理栈比模型本身更重：SAM 3 与 DINOv3 ViT-L/16 属于需先接受许可协议才能下载的门控资源，BiRefNet-matting 负责抠图，VRM 导出则调用带 VRM 插件的 Blender 4.2 LTS，安装脚本可以自行获取它。VRM 路径目前仍是 Python 与 Blender 流程，而非 ComfyUI 自定义节点。

单条指令即可生成一到四种变体，若只需要发片，可用 --no-chains 跳过弹簧骨骼模型：

python scripts/image_to_hair.py character.png --out results/my_character --n 4
python -m hairdeck.vrm.export results/my_character/character 0

论文中的数据

在 CHARM 自己的测试集上，HairDeck 报告 Chamfer 距离降低 44%、发片朝向误差减少一半以上，同时运行速度快 33 倍。作者称，从单张图像出发，它优于 CHARM、图像转 3D 流程以及基于发丝的方法；对于输入的是生成角色而非渲染角色的人来说，这正是最关键的对比。

可用性

• Hugging Face 上的 hyz317/HairDeck：四个检查点、配套数据、100 个测试用例，Apache-2.0
• GitHub 上的 hyz317/HairDeck：推理、本地演示、评估与训练代码，目前是唯一受支持的路径
• 托管的 Space 演示，可在浏览器中生成头发并导出 VRM
• 目前没有官方 ComfyUI 集成。一个非常新的社区包 FengLairh/ComfyUI-HairDeck 将同样的检查点封装为三个节点（加载、生成、保存），在 ComfyUI 自身的 Python 进程中运行，并准备便携版 Blender 用于 VRM 导出；它于 11 月 1 日出现，本站尚未验证