CN115953553B - 虚拟形象生成方法、装置、电子设备以及存储介质 - Google Patents
虚拟形象生成方法、装置、电子设备以及存储介质 Download PDFInfo
- Publication number
- CN115953553B CN115953553B CN202310071705.1A CN202310071705A CN115953553B CN 115953553 B CN115953553 B CN 115953553B CN 202310071705 A CN202310071705 A CN 202310071705A CN 115953553 B CN115953553 B CN 115953553B
- Authority
- CN
- China
- Prior art keywords
- base
- plane
- basic
- points
- avatar
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 87
- 238000010586 diagram Methods 0.000 claims description 38
- 238000013507 mapping Methods 0.000 claims description 24
- 238000007781 pre-processing Methods 0.000 claims description 14
- 238000011161 development Methods 0.000 claims description 4
- 230000003190 augmentative effect Effects 0.000 abstract description 4
- 238000013473 artificial intelligence Methods 0.000 abstract description 3
- 238000013135 deep learning Methods 0.000 abstract description 2
- 238000012545 processing Methods 0.000 description 18
- 238000004590 computer program Methods 0.000 description 12
- 238000004891 communication Methods 0.000 description 11
- 230000008569 process Effects 0.000 description 8
- 210000000988 bone and bone Anatomy 0.000 description 7
- 238000004422 calculation algorithm Methods 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 3
- 238000012512 characterization method Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 238000009877 rendering Methods 0.000 description 3
- 238000010276 construction Methods 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 210000000720 eyelash Anatomy 0.000 description 2
- 210000000887 face Anatomy 0.000 description 2
- 238000007667 floating Methods 0.000 description 2
- 210000003128 head Anatomy 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 239000000758 substrate Substances 0.000 description 2
- 238000013459 approach Methods 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 238000013475 authorization Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000005260 corrosion Methods 0.000 description 1
- 230000007797 corrosion Effects 0.000 description 1
- 238000013136 deep learning model Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 230000000630 rising effect Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 230000007480 spreading Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Landscapes
- Processing Or Creating Images (AREA)
Abstract
本公开提供了虚拟形象生成方法、装置、电子设备、存储介质以及程序产品,涉及人工智能技术领域,尤其涉及计算机视觉、增强现实、虚拟现实、深度学习等技术领域,可应用于元宇宙、虚拟数字人等场景。具体实现方案为:确定与目标对象相匹配的三维网格模型,三维网格模型包括多个对象模型网格单元,每个对象模型网格单元包括位于对象模型网格单元内的多个对象面内点,多个对象面内点与基础虚拟形象的多个基础面内点一一对应;基于多个对象面内点各自的位置信息和多个基础面内点各自的位置信息,确定三维网格模型和基础虚拟形象之间的偏移图;以及基于偏移图和基础虚拟形象,生成与目标对象相匹配的目标虚拟形象。
Description
技术领域
本公开涉及人工智能技术领域,尤其涉及计算机视觉、增强现实、虚拟现实、深度学习等技术领域,可应用于元宇宙、虚拟数字人等场景。具体涉及虚拟形象生成方法、装置、电子设备、存储介质以及程序产品。
背景技术
随着互联网、三维(3-Dimensional)、增强现实(Augmented Reality)、虚拟现实(Virtual Reality)和元宇宙等技术的飞速发展,虚拟形象在游戏、虚拟社交、互动营销等方面的应用越来越广泛。
发明内容
本公开提供了一种虚拟形象生成方法、装置、电子设备、存储介质以及程序产品。
根据本公开的一方面,提供了一种虚拟形象生成方法,包括:确定与目标对象相匹配的三维网格模型,其中,上述三维网格模型包括多个对象模型网格单元,每个上述对象模型网格单元包括位于上述对象模型网格单元内的多个对象面内点,上述多个对象面内点与基础虚拟形象的多个基础面内点一一对应;基于上述多个对象面内点各自的位置信息和上述多个基础面内点各自的位置信息,确定上述三维网格模型和上述基础虚拟形象之间的偏移图;以及基于上述偏移图和上述基础虚拟形象,生成与上述目标对象相匹配的目标虚拟形象。
根据本公开的另一方面,提供了一种虚拟形象生成装置,包括:第一确定模块,用于确定与目标对象相匹配的三维网格模型,其中,上述三维网格模型包括多个对象模型网格单元,每个上述对象模型网格单元包括位于上述对象模型网格单元内的多个对象面内点,上述多个对象面内点与基础虚拟形象的多个基础面内点一一对应;第二确定模块,用于基于上述多个对象面内点各自的位置信息和上述多个基础面内点各自的位置信息,确定上述三维网格模型和上述基础虚拟形象之间的偏移图;以及生成模块,用于基于上述偏移图和上述基础虚拟形象,生成与上述目标对象相匹配的目标虚拟形象。
根据本公开的另一方面,提供了一种电子设备,包括:至少一个处理器;以及与上述至少一个处理器通信连接的存储器;其中,上述存储器存储有可被上述至少一个处理器执行的指令,上述指令被上述至少一个处理器执行,以使上述至少一个处理器能够执行如本公开的方法。
根据本公开的另一方面,提供了一种存储有计算机指令的非瞬时计算机可读存储介质,其中,上述计算机指令用于使上述计算机执行如本公开的方法。
根据本公开的另一方面,提供了一种计算机程序产品,包括计算机程序,上述计算机程序在被处理器执行时实现如本公开的方法。
应当理解,本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征,也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。
附图说明
附图用于更好地理解本方案,不构成对本公开的限定。其中:
图1示意性示出了根据本公开实施例的可以应用虚拟形象生成方法及装置的示例性系统架构;
图2示意性示出了根据本公开实施例的虚拟形象生成方法的流程图;
图3示意性示出了根据本公开实施例的对象网格模型单元的示意图;
图4示意性示出了根据本公开实施例的确定基础面内点的位置信息的示意图;
图5示意性示出了根据本公开另一实施例的生成目标虚拟形象的示意图;
图6示意性示出了根据本公开实施例的虚拟形象生成装置的框图;以及
图7示意性示出了根据本公开实施例的适于实现虚拟形象生成方法的电子设备的框图。
具体实施方式
以下结合附图对本公开的示范性实施例做出说明,其中包括本公开实施例的各种细节以助于理解,应当将它们认为仅仅是示范性的。因此,本领域普通技术人员应当认识到,可以对这里描述的实施例做出各种改变和修改,而不会背离本公开的范围和精神。同样,为了清楚和简明,以下的描述中省略了对公知功能和结构的描述。
本公开提供了一种虚拟形象生成方法、装置、电子设备、存储介质以及程序产品。
根据本公开的实施例,提供了一种虚拟形象生成方法,包括:确定与目标对象相匹配的三维网格模型,其中,三维网格模型包括多个对象模型网格单元,每个对象模型网格单元包括位于对象模型网格单元内的多个对象面内点,多个对象面内点与基础虚拟形象的多个基础面内点一一对应;基于多个对象面内点各自的位置信息和多个基础面内点各自的位置信息,确定三维网格模型和基础虚拟形象之间的偏移图;以及基于偏移图和基础虚拟形象,生成与目标对象相匹配的目标虚拟形象。
在本公开的技术方案中,所涉及的用户个人信息的收集、存储、使用、加工、传输、提供、公开和应用等处理,均符合相关法律法规的规定,采取了必要保密措施,且不违背公序良俗。
在本公开的技术方案中,在获取或采集用户个人信息之前,均获取了用户的授权或同意。
图1示意性示出了根据本公开实施例的可以应用虚拟形象生成方法及装置的示例性系统架构。
需要注意的是,图1所示仅为可以应用本公开实施例的系统架构的示例,以帮助本领域技术人员理解本公开的技术内容,但并不意味着本公开实施例不可以用于其他设备、系统、环境或场景。例如,在另一实施例中,可以应用虚拟形象生成方法及装置的示例性系统架构可以包括终端设备,但终端设备可以无需与服务器进行交互,即可实现本公开实施例提供的虚拟形象生成方法及装置。
如图1所示,根据该实施例的系统架构100可以包括终端设备101、102、103,网络104和服务器105。网络104用以在终端设备101、102、103和服务器105之间提供通信链路的介质。网络104可以包括各种连接类型,例如有线和/或无线通信链路等等。
用户可以使用终端设备101、102、103通过网络104与服务器105交互,以接收或发送消息等。终端设备101、102、103上可以安装有各种通讯客户端应用,例如知识阅读类应用、网页浏览器应用、搜索类应用、即时通信工具、邮箱客户端和/或社交平台软件等(仅为示例)。
终端设备101、102、103可以是具有显示屏并且支持网页浏览的各种电子设备,包括但不限于智能手机、平板电脑、膝上型便携计算机和台式计算机等等。
服务器105可以是提供各种服务的服务器,例如对用户利用终端设备101、102、103所浏览的内容提供支持的后台管理服务器(仅为示例)。后台管理服务器可以对接收到的用户请求等数据进行分析等处理,并将处理结果(例如根据用户请求获取或生成的网页、信息、或数据等)反馈给终端设备。
需要说明的是,本公开实施例所提供的虚拟形象生成方法一般可以由终端设备101、102、或103执行。相应地,本公开实施例所提供的虚拟形象生成装置也可以设置于终端设备101、102、或103中。
或者,本公开实施例所提供的虚拟形象生成方法一般也可以由服务器105执行。相应地,本公开实施例所提供的虚拟形象生成装置一般可以设置于服务器105中。本公开实施例所提供的虚拟形象生成方法也可以由不同于服务器105且能够与终端设备101、102、103和/或服务器105通信的服务器或服务器集群执行。相应地,本公开实施例所提供的虚拟形象生成装置也可以设置于不同于服务器105且能够与终端设备101、102、103和/或服务器105通信的服务器或服务器集群中。
例如,终端设备101、102、103可以采集以用户面部作为目标对象的图像。然后将获取的图像发送给服务器105,由服务器105对图像进行分析,确定与目标对象相匹配的三维网格模型;基于多个对象面内点各自的位置信息和多个基础面内点各自的位置信息,确定三维网格模型和基础虚拟形象之间的偏移图;基于偏移图和基础虚拟形象,生成与目标对象相匹配的目标虚拟形象。服务器105将与目标虚拟形象相关的信息发送给终端设备101、102、103,利用装载于终端设备101、102、103内的虚幻引擎基于与目标虚拟形象相关的信息渲染并显示该目标虚拟形象。或者由能够与终端设备101、102、103和/或服务器105通信的服务器或服务器集群对图像进行分析,并最终实现生成目标虚拟形象。
应该理解,图1中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要,可以具有任意数目的终端设备、网络和服务器。
应注意,以下方法中各个操作的序号仅作为该操作的表示以便描述,而不应被看作表示该各个操作的执行顺序。除非明确指出,否则该方法不需要完全按照所示顺序来执行。
图2示意性示出了根据本公开实施例的虚拟形象生成方法的流程图。
如图2所示,该方法包括操作S210~S230。
在操作S210,确定与目标对象相匹配的三维网格模型。三维网格模型包括多个对象模型网格单元,每个对象模型网格单元包括位于对象模型网格单元内的多个对象面内点,多个对象面内点与基础虚拟形象的多个基础面内点一一对应。
在操作S220,基于多个对象面内点各自的位置信息和多个基础面内点各自的位置信息,确定三维网格模型和基础虚拟形象之间的偏移图。
在操作S230,基于偏移图和基础虚拟形象,生成与目标对象相匹配的目标虚拟形象。
根据本公开的实施例,目标对象可以包括人物、动物、建筑物或者植物等,但是并不局限于此,还可以包括人物、动物、建筑物或者植物等各自的局部。例如目标对象可以指人物,但是也可以指人物的脸部或者身体等。
根据本公开的实施例,三维网格模型可以是用于刻画目标对象而生成的三维模型。该三维网格模型可以是由多个三维的对象模型网格单元组成的。每个对象模型网格单元包括多个对象顶点,相邻两个对象顶点之间连接有边,多个边形成对象模型网格单元的边界,由对象顶点和边界围绕成对象模型网格单元的面。每个对象模型网格单元的面包括离散化的多个对象面内点。对象模型网格单元可以是三角形网格单元,但是并不局限于此,还可以是四边形网格单元或者五边形网格单元等任意多边形网格单元。
根据本公开的实施例,基础虚拟形象可以是预定的已知模型信息的三维模型。该模型信息可以包括用于渲染生成虚拟形象的信息。模型信息可以包括与多个对象面内点一一对应的多个基础面内点,以及与基础面内点相关的模型信息。与基础面内点相关的模型信息可以包括基础面内点的位置信息,或者是除基础面内点的位置信息外的其他模型信息,例如可以利用其他模型信息得到基础面内点的位置信息的信息。
根据本公开的实施例,多个基础面内点各自的位置信息可以指在虚拟坐标空间中的三维坐标信息。对象面内点的位置信息也同样指在虚拟坐标空间中的三维坐标信息。
根据本公开的实施例,可以基于三维网格模型确定多个对象面内点各自的位置信息。在三维网格模型的坐标空间与基础虚拟形象的坐标空间不匹配的情况下,可以对三维网格模型的对象面内点的三维坐标信息进行转换,得到与基础虚拟形象的坐标空间相匹配的三维坐标信息。
根据本公开的实施例,在同一坐标空间下,可以基于基础面内点的位置信息和与基础面内点相匹配的对象面内点的位置信息,确定对象面内点与基础面内点之间的位置偏移量。基于多个位置偏移量,得到三维网格模型和基础虚拟形象之间的位置偏移量集合。
根据本公开的实施例,偏移图可以指存储有三维网格模型和基础虚拟形象之间的位置偏移量集合的存储空间。偏移图的类型不做限定,例如可以是图像,但是并不局限于此,还可以是列表。只要是记载有对象面内点与位置偏移量之间的映射关系的数据集合即可。
根据本公开的实施例,基于偏移图和基础虚拟形象,生成与目标对象相匹配的目标虚拟形象,可以包括:基于偏移图,对基础虚拟形象上的多个基础面内点进行位置更新,生成与目标对象相匹配的目标虚拟形象。
例如,目标对象为人物的嘴部,基础虚拟形象为当前时刻目标对象的形象,例如嘴部呈紧闭状态。三维网格模型为下一时刻的目标对象的形象,例如嘴部呈嘴角上扬、张开大小等的状态。可以基于多个对象面内点各自的位置信息和多个基础面内点各自的位置信息,确定目标对象的对象面内点相对于基础虚拟形象的基础面内点的位置偏移量,得到偏移图。基于偏移图,改变基础虚拟形象上嘴部的基础面内点的位置信息,生成呈嘴部张开、嘴角上扬的微笑状态的目标虚拟形象。
还例如,目标对象为人物的面部,可以基于用户的面部作为目标对象,确定目标对象的对象面内点相对于基础虚拟形象的基础面内点的位置偏移量,得到偏移图。基于偏移图,对基础虚拟形象的面部进行更新,生成与用户的面部相匹配的目标虚拟形象。
根据本公开的相关示例,可以基于对象模型网格单元的多个对象顶点各自的位置信息,以及基础虚拟形象的与多个对象顶点一一对应的多个基础顶点各自的位置信息,确定三维网格模型和基础虚拟形象之间的顶点偏移图。顶点偏移图存储有关于对象顶点和基础顶点之间的位置偏移量的位置偏移量集合。基于顶点偏移图和基础虚拟形象,生成与目标对象相匹配的目标虚拟形象。
与基于顶点偏移图和基础虚拟形象生成目标虚拟形象的方法相比,利用本公开实施例提供的虚拟形象生成方法,能够利用比对象顶点数量多的对象面内点的位置偏移量,在偏移图中提供多的位置偏移量数据,使得目标虚拟形象的刻画粒度细,进而使得生成的目标虚拟形象与目标对象的匹配度高,从而实现减小建模误差。
图3示意性示出了根据本公开实施例的对象网格模型单元的示意图。
如图3所示,三维网格模型300可以包括多个对象模型网格单元。以对象模型网格单元310为例,包括三个对象顶点311、312、313,相邻两个对象顶点之间连接有边,多个边形成对象模型网格单元310的边界,由对象顶点311、312、313和边界314围绕成对象模型网格单元310的面。每个对象模型网格单元310的面包括离散化的多个对象面内点315。
根据本公开的实施例,三维网格模型和基础虚拟形象之间的偏移图包括对象面内点与基础面内点之间的位置偏移量,也包括对象顶点和基础顶点之间的位置偏移量。
与单纯的基于对象顶点和基础顶点之间的位置偏移量生成顶点偏移图,基于顶点偏移图生成目标虚拟形象的方式相比,本公开实施例在偏移图中添加了对象面内点与基础面内点之间的位置偏移量的相关信息,使得在基于基础虚拟形象生成目标虚拟形象的操作中,考虑了更多的网格相关点的信息,提高了刻画粒度的精细程度,进而使得目标虚拟形象生动、逼真。
根据本公开的实施例,在执行如图2所示的操作S220之前,虚拟形象生成方法还可以包括:针对基础虚拟形象的每个基础模型网格单元,基于基础模型网格单元的多个基础顶点各自的位置信息,确定基础模型网格单元的多个基础面内点各自的位置信息。
根据本公开的实施例,可以确定基础虚拟形象的全部基础面内点各自的位置信息,但是并不局限于此,还可以确定基础虚拟形象的与三维网格模型的多个对象面内点一一对应的多个基础面内点各自的位置信息。
根据本公开的实施例,可以在模型设计师构建基础虚拟形象的过程中,预先确定基础虚拟形象的多个基础面内点各自的位置信息,但是并不局限于此,还可以基于基础虚拟形象的模型信息例如基础顶点的位置信息,确定多个基础面内点各自的位置信息。只要是能够确定基础虚拟形象的多个基础面内点各自的位置信息的方式即可。
根据本公开的实施例,确定基础虚拟形象的多个基础面内点各自的位置信息,能够确定三维网格模型与基础虚拟形象彼此之间的多个网格相关点的位置偏移量,简化目标虚拟形象生成难度的同时,提高纹理刻画真实度。
根据本公开的可选实施例,确定基础虚拟形象的多个基础面内点各自的位置信息,可以包括如下操作。
例如,按照预定拓扑结构,对基础虚拟形象进行网格划分,得到基础虚拟形象的多个基础模型网格单元。每个基础模型网格单元包括位于基础模型网格单元内的多个基础面内点和位于基础模型网格单元边界的多个基础顶点。针对每个基础模型网格单元,基于基础模型网格单元的多个基础顶点各自的位置信息,确定基础模型网格单元的多个基础面内点各自的位置信息。
根据本公开的实施例,预定拓扑结构可以为预先设置的拓扑结构。拓扑结构可以包括基础模型网格单元的网格结构,但是并不局限于此,还可以包括由骨骼节点组成的树状结构。预定拓扑结构,可以是基础虚拟形象和对象网格模型相同的拓扑结构。相同的拓扑结构可以包括:具有相同的顶点个数、相同的顶点相对位置、相同的顶点连接顺序和网格连接顺序。
根据本公开的实施例,可以按照任意拓扑结构对基础虚拟形象进行网格划分,得到基础虚拟形象的多个基础模型网格单元。与按照任意结构得到基础模型网格单元相比,按照预定拓扑结构得到的基础模型网格单元,能够实现多个基础模型网格单元与三维网格模型的多个对象模型网格单元一一对应,由此提高确定多个对象面内点与多个基础面内点彼此之间的匹配关系的匹配效率。
根据本公开的实施例,可以在生成基础虚拟形象的过程中,确定每个基础网格单元的多个基础顶点各自的位置信息。在基于目标对象的对象网格模型更新基础虚拟形象的过程中,基于基础模型网格单元的多个基础顶点各自的位置信息,确定基础模型网格单元的多个基础面内点各自的位置信息。
根据本公开的实施例,每个基础模型网格单元的基础顶点的数量少,且为构建基础虚拟形象的关键特征点,为已知数据,利用该些基础顶点的特性,基于基础顶点的位置信息确定基础面内点的位置信息,能够在提高目标虚拟形象生成的真实性的同时,降低数据处理量,提高处理效率。
根据本公开的实施例,基于基础模型网格单元的多个基础顶点各自的位置信息,确定基础模型网格单元的多个基础面内点各自的位置信息,可以包括如下操作。
例如,针对每个基础面内点,确定多个基础顶底各自与基础面内点之间的相对位置关系,得到位置权重。基于多个基础顶点各自的位置信息和位置权重,确定基础面内点的位置信息。
根据本公开的实施例,在已知基础顶点的位置信息的情况下,可以基于基础面内点与同一个基础模型网格单元内的多个基础顶点各自之间的相对位置关系,间接确定基础面内点的位置信息。
根据本公开的一实施例,以基础模型网格单元为三角形网格单元为例,包括基础顶点A、基础顶点B和基础顶点C。可以利用以基础顶点为轴心,预定半径的圆球进行相对位置关系的划分。例如,位于基础顶点A的圆球内的基础面内点,可以设置为第一位置权重。位于基础顶点A的圆球外的基础面内点,可以设置为第二位置权重。位于基础顶点A的圆球内的基础面内点,可以基于基础顶点A的位置信息和第一位置权重,确定基础面内点的位置信息。但是并不局限于此。还可以利用与基础顶点A、基础顶点B和基础顶点C各自的圆球的相对位置关系,确定基础面内点与基础顶点A之间的位置权重A、基础面内点与基础顶点B之间的位置权重B、基础面内点与基础顶点C之间的位置权重C。对多个基础顶点各自的位置信息和多个基础顶点各自的位置权重进行加权求和,得到基础面内点的位置信息。例如基础面内点的位置信息=基础顶点A的位置信息*位置权重A+基础顶点B的位置信息*位置权重B+基础顶点C的位置信息*位置权重C。
根据本公开的实施例,利用基础顶点各自的位置信息和位置权重,确定基础面内点的位置信息,可以精细化基础虚拟形象的纹理的同时,还能够利用位置权重简化处理量。
根据本公开的另一实施例,基于基础模型网格单元的多个基础顶点各自的位置信息,确定基础模型网格单元的多个基础面内点各自的位置信息,还可以包括如下操作。
例如,对基础虚拟形象进行二维展开,生成基础二维展开图。基于基础二维展开图,从基础二维展开图中确定与多个基础顶点一一对应的多个第一像素点和与基础面内点相对应的第二像素点。基于多个第一像素点各自与第二像素点之间的相对位置关系,得到位置权重。基于多个基础顶点各自的位置信息和位置权重,确定基础面内点的位置信息。
根据本公开的实施例,对基础虚拟形象进行二维展开,可以理解Wie对基础虚拟形象进行UV展开。UV展开可以包括:基于三维空间中的基础模型网格单元,在二维纹理图中确定与基础网格单元相对应的展开单元的过程。
根据本公开的实施例,可以利用现有展开技术对基础虚拟形象进行二维展开,生成基础二维展开图。例如,最小二乘共形方法。但是并不局限于此。只要是能够将三维模型的网格单元进行二维展开的技术均可,例如深度学习模型等,在此不再赘述。
根据本公开的实施例,基础二维展开图包括多个展开单元,每个基础模型网格与一个展开单元相对应,形成无重合区域的二维展开。每个展开单元包括多个像素点,每个像素点与一个基础面内点或者基础顶点相对应。为了便于理解,将与基础顶点相对应的像素点作为第一像素点,将与基础面内点相对应的像素点作为第二像素点。
根据本公开的实施例,可以基于基础二维展开图上与基础顶点相对应的第一像素点和与基础面内点相对应的第二像素点彼此之间的相对位置关系,确定基础面内点与基础顶点之间的相对位置关系。
以展开单元为三角形单元为例,包括与基础顶点A相对应的第一像素点A’、与基础顶点B相对应的第一像素点B’以及与基础顶点C相对应的第一像素点C’。与基础面内点D相对应的第二像素点D’位于该三角形单元内。可以基于多个像素点各自在基础二维展开图中的坐标信息,分别确定第二像素点D’与第一像素点A’之间的第一距离、第二像素点D’与第一像素点B’之间的第二距离以及第二像素点D’与第一像素点C’之间的第三距离。基于第一距离、第二距离以及第三距离确定位置权重。例如,将第一距离、第二距离以及第三距离作为位置权重。但是并不局限于此。还可以基于多个像素点各自在基础二维展开图中的坐标信息,分别确定第二像素点D’到第一像素点A’和第一像素点C’之间的连接边的第一垂直距离、第二像素点D’到第一像素点A’和第一像素点B’之间的连接边的第二垂直距离、第二像素点D’到第一像素点B’和第一像素点C’之间的连接边的第三垂直距离。将第一垂直距离、第二垂直距离和第三垂直距离作为位置权重。
根据本公开的示例性实施例,在基础模型网格单元为三角形网格单元的情况下,可以基于基础二维展开图上与三个基础顶点一一对应的三个第一像素点和与基础面内点相对应的第二像素点彼此之间的相对位置关系,确定第二像素点相对于三个第一像素点的重心坐标。将该重心坐标或者归一化的重心坐标作为位置权重。
图4示意性示出了根据本公开实施例的确定基础面内点的位置信息的示意图。
如图4所示,基础模型网格单元ABC为三角形网格单元,基础模型网格单元ABC包括基础顶点A、基础顶点B、基础顶点C和基础面内点D。与基础模型网格单元ABC相对应的展开单元A’B’C’。展开单元A’B’C’包括与基础顶点A相对应的第一像素点A’、与基础顶点B相对应的第一像素点B’、与基础顶点C相对应的第一像素点C’以及与基础面内点D相对应的第二像素点D’。基于多个像素点各自在基础二维展开图中的二维坐标信息,确定第二像素点D’在展开单元A’B’C’的重心坐标(W1、W2、W3)。将重心坐标(W1、W2、W3)作为位置权重(W1、W2、W3)。基于位置权重(W1、W2、W3)和基础顶点A、基础顶点B、基础顶点C各自的三维位置信息,确定基础面内点D的三维位置信息。
例如,基于第一像素点A’的二维坐标信息LA’、第一像素点B’的二维坐标信息LB’和第一像素点C’的二维坐标信息LC’第二像素点D’的二维坐标信息LD’,以及重心坐标公式:W1*(LA’-LD’)+W2*(LB’-LD’)+W3*(LC’-LD’)=0,确定位置权重(W1、W2、W3)。基于基础顶点A的三维位置信息LA、基础顶点B的三维位置信息LB、基础顶点C的三维位置信息LC,以及位置权重(W1、W2、W3),确定基础面内点D的三维位置信息LD。LD=LA*W1+LB*W2+LC*W3。
利用本公开的实施例提供的虚拟形象生成方法,利用重心坐标作为位置权重,能够结合三角形内部的点具有唯一且连续的关于顶点的重心坐标的特性,使得确定的基础面内点的位置信息精准、有效。
根据本公开的实施例,针对如图2所示的操作S220之前,虚拟形象生成方法还可以包括:针对每个对象模型网格单元,基于对象模型网格单元的多个对象顶点各自的位置信息,确定对象模型网格单元的多个对象面内点各自的位置信息。
根据本公开的实施例,可以在确定与目标对象相匹配的三维网格模型的过程中,确定对象模型网格单元的多个对象顶点各自的位置信息。可以基于对象模型网格单元的多个对象顶点各自的位置信息,确定三维网格模型的多个对象面内点各自的位置信息。
根据本公开的实施例,确定三维网格模型的多个对象面内点各自的位置信息,能够确定三维网格模型与基础虚拟形象彼此之间的位置偏移量,简化目标虚拟形象生成难度的同时,提高纹理刻画真实度。
根据本公开的实施例,确定三维网格模型的多个对象面内点各自的位置信息,可以包括如下操作。
例如,按照预定拓扑结构,对三维网格模型进行网格划分,得到三维网格模型的多个对象模型网格单元。每个对象模型网格单元还包括位于对象模型网格单元边界的多个对象顶点。针对每个对象模型网格单元,基于对象模型网格单元的多个对象顶点各自的位置信息,确定对象模型网格单元的多个对象面内点各自的位置信息。
根据本公开的实施例,三维网格模型按照预定拓扑结构进行网格划分,可以使得三维网格模型的多个对象模型网格单元能够与多个基础模型网格单元一一对应,能够提高多个对象面内点与多个基础面内点之间的对应关系,进而能够提高三维网格模型与基础虚拟模型之间的位置偏移量的确定速度。
根据本公开的实施例,在已知对象顶点的位置信息的情况下,可以基于对象面内点与同一个对象模型网格单元内的多个对象顶点各自之间的相对位置关系,间接确定对象面内点的位置信息。
例如,针对每个对象面内点,确定多个对象顶底各自与对象面内点之间的相对位置关系,得到位置权重。基于多个对象顶点各自的位置信息和位置权重,确定对象面内点的位置信息。
根据本公开的实施例,可以对三维网格模型进行二维展开,生成对象二维展开图。基于对象二维展开图,从对象二维展开图中确定与多个对象顶点一一对应的多个第三像素点和与对象面内点相对应的第四像素点。基于多个第三像素点各自与第四像素点之间的相对位置关系,得到位置权重。基于多个对象顶点各自的位置信息和位置权重,确定对象面内点的位置信息。
根据本公开的示例性实施例,在对象模型网格单元为三角形网格单元的情况下,可以基于对象二维展开图上与三个对象顶点一一对应的三个第三像素点和与对象面内点相对应的第四像素点彼此之间的相对位置关系,确定第四像素点相对于三个第三像素点的重心坐标。将该重心坐标或者归一化的重心坐标作为位置权重。
利用本公开的实施例提供的虚拟形象生成方法,利用重心坐标作为位置权重,能够结合三角形内部的点具有唯一且连续的关于顶点的重心坐标的特性,使得确定的对象面内点的位置信息精准、有效。
根据本公开的另一示例性实施例,基于对象模型网格单元的多个对象顶点各自的位置信息,确定对象模型网格单元的多个对象面内点各自的位置信息,还可以包括如下操作。
例如,针对每个对象面内点,确定与对象面内点相匹配的基础面内点。基于与对象面内点相匹配的基础面内点的位置权重、和多个对象顶点各自的位置信息,确定对象面内点的位置信息。
根据本公开的实施例,基础虚拟形象的拓扑结构与三维网格模型的拓扑结构相同。每个对象模型网格单元与一个基础模型网格单元相对应。对象模型网格单元的每个对象面内点可以与基础模型网格单元的一个基础面内点相匹配。可以将对象模型网格单元看作基础模型网格单元的变形。在对象模型网格单元与基础模型网格单元相对应的情况下,即使两者为形变关系,利用重心坐标确定的位置权重不因形变而改变。
根据本公开的实施例,可以将与对象面内点相匹配的基础面内点的位置权重,作为该对象面内点的位置权重。基于对象面内点的位置权重,和多个对象顶点各自的位置信息,确定对象面内点的位置信息。该对象面内点的位置信息的计算方式与基础面内点的位置信息的计算方式相同,在此不再赘述。
利用本公开实施例提供的对象面内点的位置信息的确定方式,能够使得对象面内点的位置信息确定准确的同时,提高处理效率,缩短目标虚拟形象的生成时间。
根据本公开的一实施例,确定与对象面内点相匹配的基础面内点,包括:基于预定拓扑结构,从基础虚拟形象的多个基础模型网格单元中确定与对象面内点相匹配的基础面内点。
根据本公开的实施例,预定拓扑结构可以用于表征多个对象面内点与多个基础面内点彼此之间的对应关系。可以直接利用预定拓扑结构,确定每个基础模型网格单元与对象模型网格单元之间的对应关系、基础面内点与对象面内点之间的对应关系、以及对象顶点与基础顶点之间的对应关系。由此可以基于预定拓结构,从多个基础模型网格单元中确定与对象面内点相匹配的基础面内点,将基础面内点的位置权重作为对象面内点的位置权重。
根据本公开的实施例,利用预定拓扑结构确定基础面内点与对象面内点的匹配关系准确快速。
根据本公开的另一实施例,确定与对象面内点相匹配的基础面内点,还可以包括如下操作。
例如,对基础虚拟形象进行二维展开,生成基础二维展开图。基础二维展开图包括基础面内点与像素点之间的映射关系。对三维网格模型进行二维展开,生成对象二维展开图。对象二维展开图包括对象面内点与像素点之间的映射关系。基于基础面内点与像素点之间的映射关系和对象面内点与像素点之间的映射关系,确定与对象面内点相匹配的基础面内点。
根据本公开的实施例,在预定拓扑结构仅定位到对象顶点和基础顶点的情况下,不能从预定拓扑结构中确定对象面内点与基础面内点之间的对应关系。可以利用基础二维展开图和对象二维展开图。利用基础二维展开图中的基础面内点与像素点之间的映射关系,以及对象二维展开图中的对象面内点与像素点之间的映射关系,确定基础面内点和对象面内点的映射关系。
根据本公开的实施例,利用二维展开图的方式,能够基于像素点的坐标以及索引,例如基础面内点与像素点之间的映射关系和对象面内点与像素点之间的映射关系,精准确定基础面内点和对象面内点的映射关系的同时,扩大应用范围。
根据本公开的实施例,针对如图2所示的操作S220,基于多个对象面内点各自的位置信息和多个基础面内点各自的位置信息,确定三维网格模型和基础虚拟形象之间的偏移图,可以包括如下操作。
例如,针对每个基础面内点,从多个对象面内点中确定与基础面内点相匹配的目标对象面内点。基于基础面内点的位置信息和目标对象面内点的位置信息,确定基础面内点和目标对象面内点之间的位置偏移量。基于多个位置偏移量,生成三维网格模型和基础虚拟形象之间的偏移图。
根据本公开的实施例,基于基础面内点的位置信息和目标对象面内点的位置信息,确定基础面内点和目标对象面内点之间的位置偏移量,包括:将基础面内点的位置信息和目标对象面内点的位置信息相减,得到基础面内点和目标对象面内点之间的位置偏移量。
根据本公开的一实施例,基于多个位置偏移量,生成三维网格模型和基础虚拟形象之间的偏移图,可以包括:针对每个位置偏移量,将位置偏移量存储至预定纹理图的一个像素点中,生成三维网格模型和基础虚拟形象之间的初始偏移图。对初始偏移图进行预处理,得到偏移图。
根据本公开的可选实施例,该预定纹理图可以为浮点数的图像格式。可以将每个浮点数据格式的位置偏移量存储至该预定纹理图内。
根据本公开的实施例,将位置偏移量存储至预定纹理图的一个像素点中,可以包括将与基础面内点相匹配的三维位置偏移量以RGB(Red,Green,Blue)通道的形式,存储至一个像素点中。
例如,位置偏移量可以包括以横坐标X轴、纵坐标Y轴和竖坐标Z轴形成的三维坐标信息。RGB通道包括G通道、R通道和B通道。可以将X轴坐标信息存储至G通道,将Y轴坐标信息存储至R通道,将Z轴坐标信息存储至B通道,以此将多个基础面内点各自的位置偏移量存储至多个像素点中,生成初始偏移图。
根据本公开的实施例,可以将该初始偏移图作为偏移图。也可以对初始偏移图进行预处理,得到偏移图。
根据本公开的实施例,预处理可以包括以下至少一项:膨胀处理、平滑处理、腐蚀处理。
根据本公开的实施例,利用上述预处理方式,可以使得偏移图中的信息稳定、噪声少、漏洞少。基于通过预处理方式得到的偏移图来生成目标虚拟形象,能够降低目标虚拟形象的构建误差。
根据本公开的实施例,可以将与多个基础面内点一一对应的多个位置偏移量分别存储至预定纹理图的多个像素点中,由此生成初始偏移图。预定纹理图可以是任一一个二维图像。只要是多个像素点能够与多个基础面内点一一对应即可。在生成偏移图的同时,可以建立像素点与基础面内点之间的映射关系,以便基于偏移图和基础虚拟形象,生成目标虚拟形象的过程中,提高匹配效率。
根据本公开的实施例,利用该种方式生成偏移图,能够降低处理量,提高处理效率。
根据本公开的另一实施例,基于多个位置偏移量,生成三维网格模型和基础虚拟形象之间的偏移图,还可以包括如下操作。
例如,将基础虚拟形象进行二维展开,生成基础二维展开图。针对每个基础面内点,从基础二维展开图中确定与基础面内点相匹配的像素点。将与基础面内点相匹配的位置偏移量存储至与基础面内点相匹配的像素点中,生成初始偏移图。对初始偏移图进行预处理,得到偏移图。
根据本公开的实施例,利用基础二维展开图得到偏移图的方式与基于预定纹理图得到偏移图的方式类似,其不同之处在于:在将基础虚拟形象进行二维展开生成基础二维展开图的同时,已确定基础二维展开图中像素点与基础模型网格单元的基础顶点以及基础面内点的对应关系,便于提高处理效率的同时,能够简化处理。
根据本公开的实施例,利用基础二维展开图得到偏移图,能够在基础面内点与对象面内点之间的位置偏移量为0的情况下,直接使用基础二维展开图中的原始位置信息的数据即可。简化处理过程,提高处理效率。
根据本公开的实施例,将位置偏移量通过偏移图的方式记录并存储,提高基于基础虚拟形象生成目标虚拟形象的效率,降低终端的运算和传输成本。
根据本公开的示例性实施例,对初始偏移图进行预处理,得到偏移图,可以包括如下操作。
例如,针对初始偏移图中的每个像素点,基于像素点,确定预定图像区间内的多个待处理像素点。在确定多个待处理像素点中存在目标像素点的情况下,基于像素点和多个待处理像素点各自的位置偏移量,更新目标像素点的位置偏移量,得到偏移图。目标像素点的像素类型为预定像素类型。
根据本公开的实施例,预定图像区间可以指预定像素点数量,例如将像素点外围的6个像素点作为多个待处理像素点。预定图像区间可以根据实际情况自行确定。
根据本公开的实施例,预定像素类型可以指位置偏移量为0的像素点。在多个待处理像素点中存在像素点为0的目标像素点的情况下,可以基于像素点和多个待处理像素点各自的位置偏移量,更新目标像素点的位置偏移量。例如,基于像素点和多个待处理像素点各自的位置偏移量,确定像素点和多个待处理像素点的位置偏移量均值。将位置偏移量均值作为目标像素点的位置偏移量,完成更新操作,由此得到偏移图。
根据本公开的实施例,利用上述预处理得到的偏移图,能够避免因对基础虚拟形象进行二维展开,得到的基础二维展开图中的边界出现锯齿,而遗漏边界的基础顶点的位置偏移量的问题。由此保证偏移图覆盖每个基础顶点的位置偏移量。
根据本公开的一实施例,针对如图2所示的操作S210,确定与目标对象相匹配的三维网格模型,可以包括如下操作。
例如,采集目标对象的图像。基于目标对象的图像,确定与目标对象相匹配的三维网格模型。
根据本公开的实施例,目标对象的图像可以是通过各种终端设备的摄像装置采集的。可以是直接采集的目标对象的图像,也可以是采集的视频,通过拆帧技术得到的视频帧,将目标对象的视频帧作为目标对象的图像。
根据本公开的实施例,基于目标对象的图像,确定与目标对象相匹配的三维网格模型,可以包括:利用重建算法,基于目标对象的图像,确定与目标对象相匹配的三维网格模型。
根据本公开的实施例,可以基于目标对象的图像,确定与目标对象相匹配的三维网格模型,但是并不局限于此,还可以基于目标对象的图像和预定拓扑结构,确定与目标对象相匹配的三维网格模型。
根据本公开的实施例,可以利用相关的重建算法,基于目标对象的图像,得到三维网格模型。例如,利用三维虚拟形象(Photo-To-Avatar,PTA)求解器。但是并不局限于此。只要是能够基于二维图像,得到用于表征目标对象的三维网格模型的方法即可。
根据本公开的实施例,基于目标对象的图像和预定拓扑结构生成三维网格模型,能够有利于将三维网格模型与基于相同拓扑结构生成的基础虚拟形象进行对应,提高匹配效率。
根据本公开的实施例,针对如图2所示的操作S230,基于偏移图和基础虚拟形象,生成与目标对象相匹配的目标虚拟形象,可以包括如下操作。
例如,从偏移图中确定对象面内点与基础面内点之间的位置偏移量,得到多个位置偏移量。从基础虚拟形象中确定多个基础面内点各自的位置信息,得到多个位置信息。基于多个位置信息和多个位置偏移量,生成与目标对象相匹配的目标虚拟形象。
根据本公开的实施例,可以在服务器端生成偏移图,将偏移图发送至终端设备。终端设备中可以装载有虚幻引擎,利用虚幻引擎中预先存储的基础虚拟形象的模型信息例如多个基础面内点各自的位置信息,以及传输至终端设备的偏移图,经渲染得到与目标对象相匹配的目标虚拟形象。
根据本公开的实施例,利用本公开实施例提供的虚拟形象生成方法,能够基于图像生成与目标对象相匹配的目标虚拟形象,实现图像到三维虚拟形象(Photo-To-Avatar,PTA)的变换,提高趣味性和用户体验。
根据本公开的另一实施例,针对如图2所示的操作S210,确定与目标对象相匹配的三维网格模型,还可以包括如下操作。
例如,采集对象的图像。对对象的图像进行目标识别,从图像中确定多个目标对象各自的目标图像。针对每个目标对象,基于目标对象的目标图像,确定与目标对象相匹配的三维网格模型。
根据本公开的实施例,该目标识别可以包括关键点检测方法。例如ASM(ActiveShape Model,活动形状模型)算法、AAM(Active Appearnce Model,主动外观模型)算法或者基于神经网络训练得到的回归网络等。从图像中得到关键点。基于关键点,得到多个目标对象各自的目标图像。
根据本公开的实施例,基于目标对象的目标图像,确定与目标对象相匹配的三维网格模型,可以包括:基于目标对象的目标图像和与目标对象相匹配的预定拓扑结构,确定与目标对象相匹配的三维网格模型。
根据本公开的实施例,对象可以指人物的头部。可以利用关键点检测方法,识别到对象的图像中的以脸部作为目标对象的目标图像、以睫毛作为目标对象的目标图像、以眼睛作为目标对象的目标图像以及以嘴部和下巴作为目标对象的图像。可以预定与每个目标对象相匹配的预定拓扑结构,基于预定拓扑结构和目标对象的目标图像,生成与目标对象例如脸部、眼睛等分别相匹配的三维网格模型。
根据本公开的实施例,可以针对每个目标对象的三维网格模型,利用如图2所示的虚拟形象生成方法中的操作S220,生成与多个目标对象一一对应的多个偏移图。
根据本公开的实施例,对不同部位的目标对象分开处理,得到与目标对象相匹配的偏移图,能够结合不同部位或者不同类型的目标对象,拓扑结构、刻画精细度不同等特性,实施针对性处理,进而使得偏移图的确定精准、有效,由此提高生成目标虚拟形象的灵活性。
根据本公开的实施例,在包括多个偏移图的情况下,针对如图2所示的操作S230,基于偏移图和基础虚拟形象,生成与目标对象相匹配的目标虚拟形象,还可以包括如下操作。
例如,基于多个目标对象各自的偏移图和基础虚拟形象,生成目标虚拟形象。
根据本公开的实施例,可以将与多个目标对象一一对应的多个偏移图结合,生成一个目标偏移图。基于目标偏移图和基础虚拟形象,生成目标虚拟形象。但是并不局限于此。还可以基于多个偏移图和基础虚拟形象,生成目标虚拟形象。可以根据实际情况确定。
根据本公开的实施例,基于多个目标对象各自的偏移图生成目标虚拟形象,能够对多个目标对象进行灵活地、针对性地处理,提高目标虚拟形象的细节表达能力,以及提高目标虚拟形象的生成效果。
图5示意性示出了根据本公开另一实施例的生成目标虚拟形象的示意图。
如图5所示,对基础虚拟形象510进行二维展开,得到以脸部作为目标对象的基础二维展开图511、以睫毛作为目标对象的基础二维展开图512、以眼睛作为目标对象的基础二维展开图以及以嘴部和下巴作为目标对象的基础二维展开图。确定每个基础二维展开图中每个像素点与基础虚拟形象的基础顶点或者基础面内点之间的对应关系。每个像素点可以记录有与其对应的基础顶点或者基础面内点的位置信息。
如图5所示,可以采集人物头部作为对象的图像520,基于该图像520确定多个目标对象,并确定与多个目标对象一一对应的多个三维网格模型。可以对每个三维网格模型进行二维展开,得到对象二维展开图521、522。在对象二维展开图中的像素点中记录对象顶点或者对象面内点的位置信息。
如图5所示,可以基于多个对象二维展开图和多个基础二维展开图,生成多个偏移图531、532。基于多个偏移图531、532和基础虚拟形象510,生成目标虚拟形象540。
根据本公开的相关示例,在数字人例如三维虚拟形象生成领域,可以通过图像建模技术直接生成与图像中的目标对象相匹配的虚拟形象。但是采用该种技术,难以在现有引擎例如虚幻引擎中直接对生成的虚拟形象进行渲染。
根据本公开的另一相关示例,可以利用骨骼建模或者混合形变的技术,在现有引擎例如虚幻引擎中渲染与图像中目标对象相匹配的虚拟形象。骨骼建模技术可以包括:在基础虚拟形象上由模型师预设几十根骨骼,在渲染过程中,通过骨骼反算得到与目标对象相匹配的骨骼参数,通过改变基础虚拟形象的骨骼参数,实现重建虚拟形象的效果。但是采用骨骼建模技术,骨骼参数的求解复杂,运算量大的同时误差高。混合形变技术可以包括:预定多组基底,基于目标对象的图像,求解与目标对象相关的形变系数。基于形变系数确定多组基底形变,达到重建虚拟形象的效果。但是,采用混合形变技术,细节表达能力弱。
根据本公开的实施例,利用本公开实施例提供的虚拟形象生成方法,能够在基础虚拟形象的基础上叠加位置偏移量,生成与目标对象相匹配的目标虚拟形象。与现有技术相比,能够在现有引擎例如虚幻引擎中得到渲染、显示,此外,还能够降低计算量、简化处理过程,提高细节表达能力,由此使得目标虚拟形象的生成成本降低。
图6示意性示出了根据本公开实施例的虚拟形象生成装置的框图。
如图6所示,虚拟形象生成装置600包括:第一确定模块610、第二确定模块620以及生成模块630。
第一确定模块610,用于确定与目标对象相匹配的三维网格模型。三维网格模型包括多个对象模型网格单元,每个对象模型网格单元包括位于对象模型网格单元内的多个对象面内点,多个对象面内点与基础虚拟形象的多个基础面内点一一对应。
第二确定模块620,用于基于多个对象面内点各自的位置信息和多个基础面内点各自的位置信息,确定三维网格模型和基础虚拟形象之间的偏移图。
生成模块630,用于基于偏移图和基础虚拟形象,生成与目标对象相匹配的目标虚拟形象。
根据本公开的实施例,虚拟形象生成装置还包括:第三确定模块。
第三确定模块,用于针对基础虚拟形象的每个基础模型网格单元,基于基础模型网格单元的多个基础顶点各自的位置信息,确定基础模型网格单元的多个基础面内点各自的位置信息。基础虚拟形象包括与多个对象模型网格单元一一对应的多个基础模型网格单元,每个基础模型网格单元包括位于基础模型网格单元内的多个基础面内点和位于基础模型网格单元边界的多个基础顶点。
根据本公开的实施例,第三确定模块包括:第一确定子模块以及第二确定子模块。
第一确定子模块,用于针对每个基础面内点,确定多个基础顶底各自与基础面内点之间的相对位置关系,得到位置权重。
第二确定子模块,用于基于多个基础顶点各自的位置信息和位置权重,确定基础面内点的位置信息。
根据本公开的实施例,第三确定模块包括:第一展开子模块、第三确定子模块、第四确定子模块以及第五确定子模块。
第一展开子模块,用于对基础虚拟形象进行二维展开,生成基础二维展开图。
第三确定子模块,用于基于基础二维展开图,从基础二维展开图中确定与多个基础顶点一一对应的多个第一像素点和与基础面内点相对应的第二像素点。
第四确定子模块,用于基于多个第一像素点各自与第二像素点之间的相对位置关系,得到位置权重。
第五确定子模块,用于基于多个基础顶点各自的位置信息和位置权重,确定基础面内点的位置信息。
根据本公开的实施例,虚拟形象生成装置还包括:第四确定模块。
第四确定模块,用于针对每个对象模型网格单元,基于对象模型网格单元的多个对象顶点各自的位置信息,确定对象模型网格单元的多个对象面内点各自的位置信息,其中,每个对象模型网格单元还包括位于对象模型网格单元边界的多个对象顶点。
根据本公开的实施例,第四确定模块包括:第六确定子模块以及第七确定子模块。
第六确定子模块,用于针对每个对象面内点,确定与对象面内点相匹配的基础面内点。
第七确定子模块,用于基于与对象面内点相匹配的基础面内点的位置权重、和多个对象顶点各自的位置信息,确定对象面内点的位置信息。
根据本公开的实施例,第六确定子模块包括:第一确定单元。
第一确定单元,用于基于预定拓扑结构,从基础虚拟形象的多个基础模型网格单元中确定与对象面内点相匹配的基础面内点,其中,预定拓扑结构用于表征多个对象面内点与多个基础面内点彼此之间的对应关系。
根据本公开的实施例,第六确定子模块包括:第一展开单元、第二展开单元以及第二确定单元。
第一展开单元,用于对基础虚拟形象进行二维展开,生成基础二维展开图,其中,基础二维展开图包括基础面内点与像素点之间的映射关系。
第二展开单元,用于对三维网格模型进行二维展开,生成对象二维展开图。对象二维展开图包括对象面内点与像素点之间的映射关系。
第二确定单元,用于基于基础面内点与像素点之间的映射关系和对象面内点与像素点之间的映射关系,确定与对象面内点相匹配的基础面内点。
根据本公开的实施例,第二确定模块包括:第八确定子模块、第九确定子模块以及第一生成子模块。
第八确定子模块,用于针对每个基础面内点,从多个对象面内点中确定与基础面内点相匹配的目标对象面内点。
第九确定子模块,用于基于基础面内点的位置信息和目标对象面内点的位置信息,确定基础面内点和目标对象面内点之间的位置偏移量。
第一生成子模块,用于基于多个位置偏移量,生成三维网格模型和基础虚拟形象之间的偏移图。
根据本公开的实施例,第一生成子模块包括:第一生成单元以及第二生成单元。
第一生成单元,用于针对每个位置偏移量,将位置偏移量存储至预定纹理图的一个像素点中,生成三维网格模型和基础虚拟形象之间的初始偏移图。
第二生成单元,用于对初始偏移图进行预处理,得到偏移图。
根据本公开的实施例,第一生成子模块包括:第三展开单元、第三确定单元、第三生成单元以及第四生成单元。
第三展开单元,用于将基础虚拟形象进行二维展开,生成基础二维展开图。
第三确定单元,用于针对每个基础面内点,从基础二维展开图中确定与基础面内点相匹配的像素点。
第三生成单元,用于将与基础面内点相匹配的位置偏移量存储至与基础面内点相匹配的像素点中,生成初始偏移图。
第四生成单元,用于对初始偏移图进行预处理,得到偏移图。
根据本公开的实施例,第四生成单元包括:第一确定子单元以及更新子单元。
第一确定子单元,用于针对初始偏移图中的每个像素点,基于像素点,确定预定图像区间内的多个待处理像素点。
更新子单元,用于在确定多个待处理像素点中存在目标像素点的情况下,基于像素点和多个待处理像素点各自的位置偏移量,更新目标像素点的位置偏移量,得到偏移图,其中,目标像素点的像素类型为预定像素类型。
根据本公开的实施例,生成模块包括:第十确定子模块、第十一确定子模块以及第二生成子模块。
第十确定子模块,用于从偏移图中确定对象面内点与基础面内点之间的位置偏移量,得到多个位置偏移量。
第十一确定子模块,用于从基础虚拟形象中确定多个基础面内点各自的位置信息,得到多个位置信息。
第二生成子模块,用于基于多个位置信息和多个位置偏移量,生成与目标对象相匹配的目标虚拟形象。
根据本公开的实施例,第一确定模块包括:第一采集子模块以及第十二确定子模块。
第一采集子模块,用于采集目标对象的图像。
第十二确定子模块,用于基于目标对象的图像,确定与目标对象相匹配的三维网格模型。
根据本公开的实施例,第一确定模块包括:第二采集子模块、识别子模块以及第十三确定子模块。
第二采集子模块,用于采集对象的图像。
识别子模块,用于对对象的图像进行目标识别,从图像中确定多个目标对象各自的目标图像。
第十三确定子模块,用于针对每个目标对象,基于目标对象的目标图像,确定与目标对象相匹配的三维网格模型。
根据本公开的实施例,生成模块包括:第三生成子模块。
第三生成子模块,用于基于多个目标对象各自的偏移图和基础虚拟形象,生成目标虚拟形象。
根据本公开的实施例,本公开还提供了一种电子设备、一种可读存储介质和一种计算机程序产品。
根据本公开的实施例,一种电子设备,包括:至少一个处理器;以及与至少一个处理器通信连接的存储器;其中,存储器存储有可被至少一个处理器执行的指令,指令被至少一个处理器执行,以使至少一个处理器能够执行如本公开实施例的方法。
根据本公开的实施例,一种存储有计算机指令的非瞬时计算机可读存储介质,其中,计算机指令用于使计算机执行如本公开实施例的方法。
根据本公开的实施例,一种计算机程序产品,包括计算机程序,计算机程序在被处理器执行时实现如本公开实施例的方法。
图7示出了可以用来实施本公开的实施例的示例电子设备700的示意性框图。电子设备旨在表示各种形式的数字计算机,诸如,膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置,诸如,个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例,并且不意在限制本文中描述的和/或者要求的本公开的实现。
如图7所示,设备700包括计算单元701,其可以根据存储在只读存储器(ROM)702中的计算机程序或者从存储单元708加载到随机访问存储器(RAM)703中的计算机程序,来执行各种适当的动作和处理。在RAM 703中,还可存储设备700操作所需的各种程序和数据。计算单元701、ROM 702以及RAM 703通过总线704彼此相连。输入/输出(I/O)接口705也连接至总线704。
设备700中的多个部件连接至I/O接口705,包括:输入单元706,例如键盘、鼠标等;输出单元707,例如各种类型的显示器、扬声器等;存储单元708,例如磁盘、光盘等;以及通信单元709,例如网卡、调制解调器、无线通信收发机等。通信单元709允许设备700通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
计算单元701可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元701的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。计算单元701执行上文所描述的各个方法和处理,例如虚拟形象生成方法。例如,在一些实施例中,虚拟形象生成方法可被实现为计算机软件程序,其被有形地包含于机器可读介质,例如存储单元708。在一些实施例中,计算机程序的部分或者全部可以经由ROM 702和/或通信单元709而被载入和/或安装到设备700上。当计算机程序加载到RAM 703并由计算单元701执行时,可以执行上文描述的虚拟形象生成方法的一个或多个步骤。备选地,在其他实施例中,计算单元701可以通过其他任何适当的方式(例如,借助于固件)而被配置为执行虚拟形象生成方法。
本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、复杂可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括:实施在一个或者多个计算机程序中,该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释,该可编程处理器可以是专用或者通用可编程处理器,可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令,并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器,使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行,作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本公开的上下文中,机器可读介质可以是有形的介质,其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备,或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
为了提供与用户的交互,可以在计算机上实施此处描述的系统和技术,该计算机具有:用于向用户显示信息的显示装置(例如,CRT(阴极射线管)或者LCD(液晶显示器)监视器);以及键盘和指向装置(例如,鼠标或者轨迹球),用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互;例如,提供给用户的反馈可以是任何形式的传感反馈(例如,视觉反馈、听觉反馈、或者触觉反馈);并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如,作为数据服务器)、或者包括中间件部件的计算系统(例如,应用服务器)、或者包括前端部件的计算系统(例如,具有图形用户界面或者网络浏览器的用户计算机,用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如,通信网络)来将系统的部件相互连接。通信网络的示例包括:局域网(LAN)、广域网(WAN)和互联网。
计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器,也可以是分布式系统的服务器,或者是结合了区块链的服务器。
应该理解,可以使用上面所示的各种形式的流程,重新排序、增加或删除步骤。例如,本发公开中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行,只要能够实现本公开公开的技术方案所期望的结果,本文在此不进行限制。
上述具体实施方式,并不构成对本公开保护范围的限制。本领域技术人员应该明白的是,根据设计要求和其他因素,可以进行各种修改、组合、子组合和替代。任何在本公开的精神和原则之内所作的修改、等同替换和改进等,均应包含在本公开保护范围之内。
Claims (34)
1.一种虚拟形象生成方法,包括:
确定与目标对象相匹配的三维网格模型,其中,所述三维网格模型包括多个对象模型网格单元,每个所述对象模型网格单元包括位于所述对象模型网格单元内的多个对象面内点,所述多个对象面内点与基础虚拟形象的多个基础面内点一一对应;
基于所述多个对象面内点各自的位置信息和所述多个基础面内点各自的位置信息,确定所述三维网格模型和所述基础虚拟形象之间的偏移图;以及
基于所述偏移图和所述基础虚拟形象,生成与所述目标对象相匹配的目标虚拟形象。
2.根据权利要求1所述的方法,还包括:
针对所述基础虚拟形象的每个基础模型网格单元,基于所述基础模型网格单元的多个基础顶点各自的位置信息,确定所述基础模型网格单元的所述多个基础面内点各自的位置信息,其中,所述基础虚拟形象包括与所述多个对象模型网格单元一一对应的多个所述基础模型网格单元,每个所述基础模型网格单元包括位于所述基础模型网格单元内的所述多个基础面内点和位于所述基础模型网格单元边界的多个基础顶点。
3.根据权利要求2所述的方法,其中,所述基于所述基础模型网格单元的多个基础顶点各自的位置信息,确定所述基础模型网格单元的所述多个基础面内点各自的位置信息,包括:
针对每个所述基础面内点,确定所述多个基础顶点各自与所述基础面内点之间的相对位置关系,得到位置权重;以及
基于所述多个基础顶点各自的位置信息和所述位置权重,确定所述基础面内点的位置信息。
4.根据权利要求3所述的方法,其中,所述基于所述基础模型网格单元的所述多个基础顶点各自的位置信息,确定所述基础模型网格单元的所述多个基础面内点各自的位置信息,包括:
对所述基础虚拟形象进行二维展开,生成基础二维展开图;
基于所述基础二维展开图,从所述基础二维展开图中确定与所述多个基础顶点一一对应的多个第一像素点和与所述基础面内点相对应的第二像素点;
基于所述多个第一像素点各自与所述第二像素点之间的相对位置关系,得到位置权重;以及
基于所述多个基础顶点各自的位置信息和所述位置权重,确定所述基础面内点的位置信息。
5.根据权利要求2至4中任一项所述的方法,还包括:
针对每个所述对象模型网格单元,基于所述对象模型网格单元的多个对象顶点各自的位置信息,确定所述对象模型网格单元的所述多个对象面内点各自的位置信息,其中,每个所述对象模型网格单元还包括位于所述对象模型网格单元边界的所述多个对象顶点。
6.根据权利要求5所述的方法,其中,所述基于所述对象模型网格单元的多个对象顶点各自的位置信息,确定所述对象模型网格单元的所述多个对象面内点各自的位置信息,包括:
针对每个所述对象面内点,确定与所述对象面内点相匹配的基础面内点;以及
基于与所述对象面内点相匹配的基础面内点的位置权重、和所述多个对象顶点各自的位置信息,确定所述对象面内点的位置信息。
7.根据权利要求6所述的方法,其中,所述确定与所述对象面内点相匹配的基础面内点,包括:
基于预定拓扑结构,从所述基础虚拟形象的所述多个基础模型网格单元中确定与所述对象面内点相匹配的基础面内点,其中,所述预定拓扑结构用于表征所述多个对象面内点与所述多个基础面内点彼此之间的对应关系。
8.根据权利要求6所述的方法,其中,所述确定与所述对象面内点相匹配的基础面内点,包括:
对所述基础虚拟形象进行二维展开,生成基础二维展开图,其中,所述基础二维展开图包括基础面内点与像素点之间的映射关系;
对所述三维网格模型进行二维展开,生成对象二维展开图,其中,所述对象二维展开图包括对象面内点与像素点之间的映射关系;以及
基于所述基础面内点与像素点之间的映射关系和所述对象面内点与像素点之间的映射关系,确定与所述对象面内点相匹配的所述基础面内点。
9.根据权利要求1所述的方法,其中,所述基于所述多个对象面内点各自的位置信息和所述多个基础面内点各自的位置信息,确定所述三维网格模型和所述基础虚拟形象之间的偏移图,包括:
针对每个所述基础面内点,从所述多个对象面内点中确定与所述基础面内点相匹配的目标对象面内点;
基于所述基础面内点的位置信息和所述目标对象面内点的位置信息,确定所述基础面内点和所述目标对象面内点之间的位置偏移量;以及
基于多个所述位置偏移量,生成所述三维网格模型和所述基础虚拟形象之间的偏移图。
10.根据权利要求9所述的方法,其中,所述基于多个所述位置偏移量,生成所述三维网格模型和所述基础虚拟形象之间的偏移图,包括:
针对每个所述位置偏移量,将所述位置偏移量存储至预定纹理图的一个像素点中,生成所述三维网格模型和所述基础虚拟形象之间的初始偏移图;以及
对所述初始偏移图进行预处理,得到所述偏移图。
11.根据权利要求9所述的方法,其中,所述基于多个所述位置偏移量,生成所述三维网格模型和所述基础虚拟形象之间的偏移图,包括:
将所述基础虚拟形象进行二维展开,生成基础二维展开图;
针对每个所述基础面内点,从所述基础二维展开图中确定与所述基础面内点相匹配的像素点;
将与所述基础面内点相匹配的位置偏移量存储至与所述基础面内点相匹配的像素点中,生成初始偏移图;以及
对所述初始偏移图进行预处理,得到所述偏移图。
12.根据权利要求10或11所述的方法,其中,所述对所述初始偏移图进行预处理,得到所述偏移图,包括:
针对所述初始偏移图中的每个像素点,基于所述像素点,确定预定图像区间内的多个待处理像素点;以及
在确定所述多个待处理像素点中存在目标像素点的情况下,基于所述像素点和所述多个待处理像素点各自的位置偏移量,更新所述目标像素点的位置偏移量,得到所述偏移图,其中,所述目标像素点的像素类型为预定像素类型。
13.根据权利要求1所述的方法,其中,所述基于所述偏移图和所述基础虚拟形象,生成与所述目标对象相匹配的目标虚拟形象,包括:
从所述偏移图中确定所述对象面内点与所述基础面内点之间的位置偏移量,得到多个位置偏移量;
从所述基础虚拟形象中确定所述多个基础面内点各自的位置信息,得到多个位置信息;以及
基于所述多个位置信息和所述多个位置偏移量,生成与所述目标对象相匹配的目标虚拟形象。
14.根据权利要求1所述的方法,其中,所述确定与目标对象相匹配的三维网格模型,包括:
采集所述目标对象的图像;以及
基于所述目标对象的图像,确定与所述目标对象相匹配的所述三维网格模型。
15.根据权利要求1所述的方法,其中,所述确定与目标对象相匹配的三维网格模型,包括:
采集对象的图像;
对所述对象的图像进行目标识别,从所述图像中确定多个所述目标对象各自的目标图像;以及
针对每个所述目标对象,基于所述目标对象的目标图像,确定与所述目标对象相匹配的所述三维网格模型。
16.根据权利要求15所述的方法,其中,所述基于所述偏移图和所述基础虚拟形象,生成与所述目标对象相匹配的目标虚拟形象,包括:
基于多个所述目标对象各自的偏移图和所述基础虚拟形象,生成所述目标虚拟形象。
17.一种虚拟形象生成装置,包括:
第一确定模块,用于确定与目标对象相匹配的三维网格模型,其中,所述三维网格模型包括多个对象模型网格单元,每个所述对象模型网格单元包括位于所述对象模型网格单元内的多个对象面内点,所述多个对象面内点与基础虚拟形象的多个基础面内点一一对应;
第二确定模块,用于基于所述多个对象面内点各自的位置信息和所述多个基础面内点各自的位置信息,确定所述三维网格模型和所述基础虚拟形象之间的偏移图;以及
生成模块,用于基于所述偏移图和所述基础虚拟形象,生成与所述目标对象相匹配的目标虚拟形象。
18.根据权利要求17所述的装置,还包括:
第三确定模块,用于针对所述基础虚拟形象的每个基础模型网格单元,基于所述基础模型网格单元的多个基础顶点各自的位置信息,确定所述基础模型网格单元的所述多个基础面内点各自的位置信息,其中,所述基础虚拟形象包括与所述多个对象模型网格单元一一对应的多个所述基础模型网格单元,每个所述基础模型网格单元包括位于所述基础模型网格单元内的所述多个基础面内点和位于所述基础模型网格单元边界的多个基础顶点。
19.根据权利要求18所述的装置,其中,所述第三确定模块包括:
第一确定子模块,用于针对每个所述基础面内点,确定所述多个基础顶点各自与所述基础面内点之间的相对位置关系,得到位置权重;以及
第二确定子模块,用于基于所述多个基础顶点各自的位置信息和所述位置权重,确定所述基础面内点的位置信息。
20.根据权利要求19所述的装置,其中,所述第三确定模块包括:
第一展开子模块,用于对所述基础虚拟形象进行二维展开,生成基础二维展开图;
第三确定子模块,用于基于所述基础二维展开图,从所述基础二维展开图中确定与所述多个基础顶点一一对应的多个第一像素点和与所述基础面内点相对应的第二像素点;
第四确定子模块,用于基于所述多个第一像素点各自与所述第二像素点之间的相对位置关系,得到位置权重;以及
第五确定子模块,用于基于所述多个基础顶点各自的位置信息和所述位置权重,确定所述基础面内点的位置信息。
21.根据权利要求1 8至20中任一项所述的装置,还包括:
第四确定模块,用于针对每个所述对象模型网格单元,基于所述对象模型网格单元的多个对象顶点各自的位置信息,确定所述对象模型网格单元的所述多个对象面内点各自的位置信息,其中,每个所述对象模型网格单元还包括位于所述对象模型网格单元边界的所述多个对象顶点。
22.根据权利要求21所述的装置,其中,所述第四确定模块包括:
第六确定子模块,用于针对每个所述对象面内点,确定与所述对象面内点相匹配的基础面内点;以及
第七确定子模块,用于基于与所述对象面内点相匹配的基础面内点的位置权重、和所述多个对象顶点各自的位置信息,确定所述对象面内点的位置信息。
23.根据权利要求22所述的装置,其中,所述第六确定子模块包括:
第一确定单元,用于基于预定拓扑结构,从所述基础虚拟形象的所述多个基础模型网格单元中确定与所述对象面内点相匹配的基础面内点,其中,所述预定拓扑结构用于表征所述多个对象面内点与所述多个基础面内点彼此之间的对应关系。
24.根据权利要求22所述的装置,其中,所述第六确定子模块包括:
第一展开单元,用于对所述基础虚拟形象进行二维展开,生成基础二维展开图,其中,所述基础二维展开图包括基础面内点与像素点之间的映射关系;
第二展开单元,用于对所述三维网格模型进行二维展开,生成对象二维展开图,其中,所述对象二维展开图包括对象面内点与像素点之间的映射关系;以及
第二确定单元,用于基于所述基础面内点与像素点之间的映射关系和所述对象面内点与像素点之间的映射关系,确定与所述对象面内点相匹配的所述基础面内点。
25.根据权利要求17所述的装置,其中,所述第二确定模块包括:
第八确定子模块,用于针对每个所述基础面内点,从所述多个对象面内点中确定与所述基础面内点相匹配的目标对象面内点;
第九确定子模块,用于基于所述基础面内点的位置信息和所述目标对象面内点的位置信息,确定所述基础面内点和所述目标对象面内点之间的位置偏移量;以及
第一生成子模块,用于基于多个所述位置偏移量,生成所述三维网格模型和所述基础虚拟形象之间的偏移图。
26.根据权利要求25所述的装置,其中,所述第一生成子模块包括:
第一生成单元,用于针对每个所述位置偏移量,将所述位置偏移量存储至预定纹理图的一个像素点中,生成所述三维网格模型和所述基础虚拟形象之间的初始偏移图;以及
第二生成单元,用于对所述初始偏移图进行预处理,得到所述偏移图。
27.根据权利要求25所述的装置,其中,所述第一生成子模块包括:
第三展开单元,用于将所述基础虚拟形象进行二维展开,生成基础二维展开图;
第三确定单元,用于针对每个所述基础面内点,从所述基础二维展开图中确定与所述基础面内点相匹配的像素点;
第三生成单元,用于将与所述基础面内点相匹配的位置偏移量存储至与所述基础面内点相匹配的像素点中,生成初始偏移图;以及
第四生成单元,用于对所述初始偏移图进行预处理,得到所述偏移图。
28.根据权利要求27所述的装置,其中,所述第四生成单元包括:
第一确定子单元,用于针对所述初始偏移图中的每个像素点,基于所述像素点,确定预定图像区间内的多个待处理像素点;以及
更新子单元,用于在确定所述多个待处理像素点中存在目标像素点的情况下,基于所述像素点和所述多个待处理像素点各自的位置偏移量,更新所述目标像素点的位置偏移量,得到所述偏移图,其中,所述目标像素点的像素类型为预定像素类型。
29.根据权利要求17所述的装置,其中,所述生成模块包括:
第十确定子模块,用于从所述偏移图中确定所述对象面内点与所述基础面内点之间的位置偏移量,得到多个位置偏移量;
第十一确定子模块,用于从所述基础虚拟形象中确定所述多个基础面内点各自的位置信息,得到多个位置信息;以及
第二生成子模块,用于基于所述多个位置信息和所述多个位置偏移量,生成与所述目标对象相匹配的目标虚拟形象。
30.根据权利要求17所述的装置,其中,所述第一确定模块包括:
第一采集子模块,用于采集所述目标对象的图像;以及
第十二确定子模块,用于基于所述目标对象的图像,确定与所述目标对象相匹配的所述三维网格模型。
31.根据权利要求17所述的装置,其中,所述第一确定模块包括:
第二采集子模块,用于采集对象的图像;
识别子模块,用于对所述对象的图像进行目标识别,从所述图像中确定多个所述目标对象各自的目标图像;以及
第十三确定子模块,用于针对每个所述目标对象,基于所述目标对象的目标图像,确定与所述目标对象相匹配的所述三维网格模型。
32.根据权利要求31所述的装置,其中,所述生成模块包括:
第三生成子模块,用于基于多个所述目标对象各自的偏移图和所述基础虚拟形象,生成所述目标虚拟形象。
33.一种电子设备,包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行权利要求1至16中任一项所述的方法。
34.一种存储有计算机指令的非瞬时计算机可读存储介质,其中,所述计算机指令用于使所述计算机执行根据权利要求1至16中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310071705.1A CN115953553B (zh) | 2023-01-13 | 2023-01-13 | 虚拟形象生成方法、装置、电子设备以及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310071705.1A CN115953553B (zh) | 2023-01-13 | 2023-01-13 | 虚拟形象生成方法、装置、电子设备以及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115953553A CN115953553A (zh) | 2023-04-11 |
CN115953553B true CN115953553B (zh) | 2023-12-01 |
Family
ID=87297323
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310071705.1A Active CN115953553B (zh) | 2023-01-13 | 2023-01-13 | 虚拟形象生成方法、装置、电子设备以及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115953553B (zh) |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112669417A (zh) * | 2020-12-18 | 2021-04-16 | 北京大米科技有限公司 | 虚拟形象的生成方法、装置、存储介质及电子设备 |
CN114549710A (zh) * | 2022-03-02 | 2022-05-27 | 北京百度网讯科技有限公司 | 一种虚拟形象的生成方法、装置、电子设备及存储介质 |
CN114895817A (zh) * | 2022-05-24 | 2022-08-12 | 北京百度网讯科技有限公司 | 交互信息处理方法、网络模型的训练方法及装置 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10855971B2 (en) * | 2015-09-16 | 2020-12-01 | HashD, Inc. | Systems and methods of creating a three-dimensional virtual image |
-
2023
- 2023-01-13 CN CN202310071705.1A patent/CN115953553B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112669417A (zh) * | 2020-12-18 | 2021-04-16 | 北京大米科技有限公司 | 虚拟形象的生成方法、装置、存储介质及电子设备 |
CN114549710A (zh) * | 2022-03-02 | 2022-05-27 | 北京百度网讯科技有限公司 | 一种虚拟形象的生成方法、装置、电子设备及存储介质 |
CN114895817A (zh) * | 2022-05-24 | 2022-08-12 | 北京百度网讯科技有限公司 | 交互信息处理方法、网络模型的训练方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN115953553A (zh) | 2023-04-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113658309B (zh) | 三维重建方法、装置、设备以及存储介质 | |
CN115049799B (zh) | 3d模型和虚拟形象的生成方法和装置 | |
CN115147265B (zh) | 虚拟形象生成方法、装置、电子设备和存储介质 | |
CN112784765B (zh) | 用于识别动作的方法、装置、设备以及存储介质 | |
CN115018992B (zh) | 发型模型的生成方法、装置、电子设备及存储介质 | |
CN114723888B (zh) | 三维发丝模型生成方法、装置、设备、存储介质及产品 | |
CN116309983B (zh) | 虚拟人物模型的训练方法、生成方法、装置和电子设备 | |
CN115375823B (zh) | 三维虚拟服饰生成方法、装置、设备及存储介质 | |
US20230401799A1 (en) | Augmented reality method and related device | |
CN116342782A (zh) | 生成虚拟形象渲染模型的方法和装置 | |
CN114792355A (zh) | 虚拟形象生成方法、装置、电子设备和存储介质 | |
CN113052962A (zh) | 模型训练、信息输出方法,装置,设备以及存储介质 | |
CN115965735B (zh) | 纹理贴图的生成方法和装置 | |
CN115375847B (zh) | 材质恢复方法、三维模型的生成方法和模型的训练方法 | |
CN115222895B (zh) | 图像生成方法、装置、设备以及存储介质 | |
CN115953553B (zh) | 虚拟形象生成方法、装置、电子设备以及存储介质 | |
CN113781653B (zh) | 对象模型生成方法、装置、电子设备及存储介质 | |
CN114092616B (zh) | 渲染方法、装置、电子设备和存储介质 | |
CN116977539A (zh) | 图像处理方法、装置、计算机设备、存储介质和程序产品 | |
CN114581586A (zh) | 一种模型基底的生成方法、装置、电子设备及存储介质 | |
CN114972587A (zh) | 表情驱动方法、装置、电子设备及可读存储介质 | |
CN114820908B (zh) | 虚拟形象生成方法、装置、电子设备和存储介质 | |
CN115147578B (zh) | 风格化三维人脸生成方法、装置、电子设备及存储介质 | |
CN116012666B (zh) | 图像生成、模型的训练、信息重建方法、装置及电子设备 | |
CN115761123B (zh) | 三维模型处理方法、装置、电子设备以及存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |