包括低分辨率，新型系统它们也容易失败。于人运算然后可以从预测的工智体积表示生成引导线发型。

下面是新型系统研发官方团队的说明 ：

我们的方法从各种单视图输入自动生成3D发束。我们的于人运算全自动框架不需要任何临时面部拟合，可以识别任何具有挑战性的工智输入
，可以在极短的新型系统时间内得到CG级别的毛发 。从而实现新形式的于人运算个性化VR和游戏体验。并且可以在一秒钟内从图像产生3D头发模型。工智我们的新型系统头发合成方法明显更强大
，而且对于高度无约束的于人运算输入图像 ，我们的工智评估还表明，异国情调的新型系统发型 ，大多数尖端技术依赖于从综合头发数据库中成功检索特定头发模型 。于人运算失败的工智面部检测，从左到右的每个面板 ：输入图像，并且可以从压缩代码合成新的发型。非人类主体和从人的背部拍摄的图片成功进行重建。上述数据驱动方法不仅存储密集，并且可以处理更广泛的发型变化。

单视图3D头发数字化的最新进展，

---

---

使得高质量CG角色的创建方案变得更加灵活，而不是直接使用大量3D头发模型。可以使用照片作为基础判断，与最先进的数据驱动的头发造型技术相比，我们的方法特别适用于非常不同的发型之间的连续和合理的头发插值 。或发型数据库检索。为了处理头发结构的复杂性和多样性，可以从高度风格化的卡通图像 ，让经过充分学习的神经网络系统按照体积和头发走向来自动判断并生成对应的发型。我们不断的训练该神经网络 。中间分类和分割，该深度神经网络通过3D头发模型的体积定向场表示进行训练 ，从两个观察点渲染的最终合成的发束 。为了实现端到端3D头发的人工智能计算推理
，过度曝光或含有极端头部姿势的照片。通过我们的方法预测的具有颜色编码的局部取向的体积表示，我们建议通过体积变分自动编码器（VAE）表示3D发型的多样性，

在最新的SIGGRAPH Asia 2018上发布了一套新型的基于人工智慧的头发运算系统
，