技术摘要：用于实时建模严重受损发型的共享损伤场控制

问题陈述

实时头发渲染在历史上一直侧重于健康或理想化的纤维，强调各向异性反射、透射和多重散射。然而，严重受损的发型呈现出一种独特的视觉挑战，其特征是几何紊乱（毛躁）、末端偏向的变色、光泽度降低（高光退化）以及发丝末端碎裂（分叉）同时发生。

目前的方法通常将这些线索视为独立的。分别控制它们会导致为了维持几何与着色之间的空间一致性而产生沉重的创作负担。此外，模拟头发损伤背后的化学或生物过程对于实时应用而言计算成本过高，且对于视觉保真度而言并非必要。本文旨在解决开发一种紧凑、实时的程序化模型的需求，该模型能够在现有的发丝或发卡资产上，连贯地控制这些可见的后果，而无需依赖密集的辅助几何体或高分辨率的损伤纹理。

方法论

所提出的框架利用了一个共享损伤场控制系统。其核心概念是在头发几何体上定义一个空间损伤场 $D_{local} \in [0,1]$。该场决定了损伤在“何处”表现，而特定组件的响应函数则决定了几何、颜色、反射率和不透明度在每个位置如何“强烈”地反应。

1. 空间损伤场公式化

局部损伤场由三个主要输入构建：

• 从根部到发梢的位置 ($s$)： 一个归一化的坐标，通过幂函数 $s^{\gamma_s}$ 使损伤向发梢（$s \to 1$）偏移。
• 发丝暴露度 ($e_i$)： 每个发丝的属性，指示该发丝暴露在环境中的程度（例如，外层与内层）。
• 确定性变化 ($n(\xi)$)： 基于持久的发丝标识符和静止空间坐标的程序化噪声，用以打破重复模式。

损伤场计算如下：
$$P(s, e_i, \xi) = w_s s^{\gamma_s} + w_e e_i + w_n n(\xi)$$
$$D_{local} = \text{clamp}(D_g \cdot P(s, e_i, \xi), 0, 1)$$
其中 $D_g$ 是用户指定的全局损伤水平。这确保了所有下游算子共享相同的空间支撑，从而保持几何变化与光学变化之间的相关性。

2. 组件响应算子

该流水线在 GPU 着色器中实现了四个不同的算子，它们全部由 $D_{local}$ 驱动：

• 基于相位偏移的几何紊乱：
  与其使用不相关的白噪声（这会导致几何撕裂），该方法使用带有发丝级相位偏移的谐波基底。顶点着色器沿稳定的静止空间框架进行发丝位移：
  $$V' = V_0 + N(A_{vol} D_{local} s^{\gamma_v} \sin(\omega_v s + 2\pi R_i))$$
  这保留了头发整体的曲线流向，同时引入了毛躁的体积扩张，特别是在发梢和边界附近。

• 感知损伤的渐变变色：
  着色器根据损伤场在基色 ($C_0$) 和漂白色 ($C_{bleach}$) 之间进行插值。随着 $D_{local}$ 的增加，变色的起始点从发梢向根部扩展。漂白色可以通过程序化调整饱和度和亮度，以模拟黑色素的流失。

• 损伤调节的反射率响应：
  该方法使用基于 Marschner 的基准，通过修改现有的散射瓣而非引入新的散射模型。$D_{local}$ 会扰动局部切线（使高光方向去相关化）并拓宽散射瓣宽度，同时降低峰值权重。这模拟了相干、有光泽高光的丧失。

• 程序化 Alpha 侵蚀实现发丝断裂：
  为了在不修改几何体的情况下模拟分叉和不规则撕裂，着色器应用了高频噪声基的 Alpha 侵蚀。发丝特定的切割阈值 ($C_i$) 由发梢损伤值决定。靠近该阈值的片段通过结合锥形函数和高频噪声进行侵蚀，从而创造出一种“毛糙”的外观而非钝切效果。

3. GPU 流水线实现

该方法完全在 GPU 着色器流水线中实现：

• 预处理： 预先计算与资产相关的量（暴露度 $e_i$、随机种子、静止空间框架）。
• 顶点着色器： 计算 $D_{local}$ 并应用连续的发丝变形（体积扩张）。
• 片元着色器： 处理变色、反射率修改和 Alpha 侵蚀。
• 控制： 每个组件使用特定的响应函数（例如，幂律、smoothstep）来控制相对于 $D_{local}$ 的效应起始和强度，从而允许不同的损伤类型在不同的严重程度下显现。

主要贡献

1. 空间损伤场公式化： 一个统一的场，将损伤的“位置”与组件特定的“外观响应”分离，确保了空间相关性。
2. 协调的 GPU 流水线： 一种实时实现方案，使用同一个局部场驱动几何紊乱、变色、反射率退化和发丝末端断裂，而无需密集的辅助几何体。
3. 可扩展性与控制力的评估： 通过分析展示了交互式控制、随头发复杂度变化的预测缩放能力，以及在各种发型配置下的有限运行时开销。

结果与评估

作者在多种发型（长发、短发、波浪发）和不同损伤等级下对该方法进行了评估。

• 定性行为： 该方法成功产生了四个目标线索（毛躁、发梢变色、高光退化、断裂），且这些线索保持空间一致性。损伤的演进是依赖于资产的；例如，长发显示出清晰的从根部到发梢的梯度，而短发则将损伤集中在轮廓和暴露的边界处。
• 损伤演进： 随着全局损伤水平 ($D_g$) 的增加，高损伤区域从发梢向根部扩展。不同组件的响应速率不同：体积扩张和反射率退化较早出现，而发丝断裂仅在严重损伤水平下才变得显著。
• 运行时性能： 在 NVIDIA RTX 3090 上，全套方法使帧时间从 6.59 ms 增加到 7.42 ms（12.6% 的开销），基准帧率为 ~150 FPS。开销随发丝数量合理缩放（从 25k 发丝时的 13.7% 上升至 200k 发丝时的 19.5%），证实了该方法适用于交互式应用。

重要性与声明

本文将本研究定位为一种艺术家可控的外观模型，而非物理预测性的化学或生物损伤模型。

• 适度的范围： 作者明确指出，他们并不声称在 BRDF/BSDF 数据或生物过程方面具有物理预测的准确性。目标是在计算效率极高的前提下，重现观察到的视觉趋势（如更不相干的高光、发梢毛糙）。
• 实际效用： 其重要性在于提供了一种紧凑的实时解决方案，解决了受损头发的“空间一致性”问题。通过共享单一的控制信号，艺术家可以实现连贯的降解效果，而无需手动绘制用于几何、颜色和不透明度的独立掩模。
• 未来方向： 作者建议未来的工作包括使用测量数据校准反射参数、使用图像衍生的图谱替换程序化暴露度，以及将外观场与机械特性（刚度、摩擦力）耦合以实现损伤感知的动力学。

总之，本文证明了共享损伤场方法可以有效地在实时环境中模拟复杂且耦合的严重受损头发外观，为数字人、游戏和虚拟制片提供了实用的工具。