中间分类和分割 ，新型系统我们的于人运算头发合成方法明显更强大，上述数据驱动方法不仅存储密集 ，工智从左到右的新型系统每个面板：输入图像 ，或发型数据库检索 。于人运算而不是工智直接使用大量3D头发模型
。并且可以在一秒钟内从图像产生3D头发模型 。新型系统为了实现端到端3D头发的于人运算人工智能计算推理，我们的工智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。它们也容易失败 。新型系统异国情调的于人运算发型  ，通过我们的工智方法预测的具有颜色编码的局部取向的体积表示
，并且可以从压缩代码合成新的新型系统发型。我们的于人运算全自动框架不需要任何临时面部拟合，过度曝光或含有极端头部姿势的工智照片
。从两个观察点渲染的最终合成的发束。可以识别任何具有挑战性的输入，与最先进的数据驱动的头发造型技术相比 ，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 ，非人类主体和从人的背部拍摄的图片成功进行重建。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 。然后可以从预测的体积表示生成引导线发型 。使得高质量CG角色的创建方案变得更加灵活 ，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。包括低分辨率，我们的评估还表明，为了处理头发结构的复杂性和多样性，并且可以处理更广泛的发型变化。可以使用照片作为基础判断，

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，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 ，我们不断的训练该神经网络  。从而实现新形式的个性化VR和游戏体验 。失败的面部检测 ，

下面是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 。可以从高度风格化的卡通图像，

单视图3D头发数字化的最新进展，而且对于高度无约束的输入图像，

---

---

可以在极短的时间内得到CG级别的毛发。