CN101311966A - 一种基于运行传播和Isomap分析的三维人脸动画编辑与合成方法 - Google Patents
一种基于运行传播和Isomap分析的三维人脸动画编辑与合成方法 Download PDFInfo
- Publication number
- CN101311966A CN101311966A CNA2008100636134A CN200810063613A CN101311966A CN 101311966 A CN101311966 A CN 101311966A CN A2008100636134 A CNA2008100636134 A CN A2008100636134A CN 200810063613 A CN200810063613 A CN 200810063613A CN 101311966 A CN101311966 A CN 101311966A
- Authority
- CN
- China
- Prior art keywords
- human face
- expression
- animation
- face
- dimensional
- 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.)
- Pending
Links
- 230000005540 biological transmission Effects 0.000 title 1
- 230000015572 biosynthetic process Effects 0.000 title 1
- 238000003786 synthesis reaction Methods 0.000 title 1
- 230000008921 facial expression Effects 0.000 claims abstract description 36
- 238000000034 method Methods 0.000 claims abstract description 20
- 230000000644 propagated effect Effects 0.000 claims description 20
- 238000010189 synthetic method Methods 0.000 claims description 10
- HUTDUHSNJYTCAR-UHFFFAOYSA-N ancymidol Chemical compound C1=CC(OC)=CC=C1C(O)(C=1C=NC=NC=1)C1CC1 HUTDUHSNJYTCAR-UHFFFAOYSA-N 0.000 claims description 9
- 230000008859 change Effects 0.000 claims description 6
- 230000007246 mechanism Effects 0.000 claims description 6
- 230000007704 transition Effects 0.000 claims description 5
- 238000006073 displacement reaction Methods 0.000 claims description 4
- 230000009977 dual effect Effects 0.000 claims description 3
- 239000000284 extract Substances 0.000 claims description 3
- 239000011159 matrix material Substances 0.000 claims description 3
- 239000000203 mixture Substances 0.000 claims description 3
- 238000010606 normalization Methods 0.000 claims description 3
- 238000005070 sampling Methods 0.000 claims description 3
- 230000009471 action Effects 0.000 abstract description 2
- 238000013329 compounding Methods 0.000 abstract 1
- 238000004519 manufacturing process Methods 0.000 abstract 1
- 230000001902 propagating effect Effects 0.000 description 5
- 210000003484 anatomy Anatomy 0.000 description 3
- 230000006870 function Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 230000008439 repair process Effects 0.000 description 1
Images
Landscapes
- Processing Or Creating Images (AREA)
Abstract
本发明公开了一种基于运动传播和Isomap分析的三维人脸动画编辑与合成的方法。它首先让用户在三维人脸模型上选定控制点,并在二维平面上指定表情动作的约束条件;系统根据人脸动画数据训练一个先验概率模型,将较少的用户约束传播到人脸网格的其他部分,从而生成完整生动的人脸表情;然后通过Isomap学习算法对三维人脸动画知识进行建模,结合用户指定的关键帧,拟合高维曲面上的平滑测地线,以自动合成新的人脸动画序列。本发明可以使人脸表情的编辑只需要在二维投影空间上进行,使得人脸表情的编辑更加简单,通过先验概率模型的约束可以得到符合人体解剖学原理的三维人脸表情,结合用户指定的关键帧自动合成新的人脸动画序列,简化人脸表情动画的制作。
Description
技术领域
本发明涉及计算机三维动画技术领域,尤其涉及一种基于运动传播和Isomap分析的三维人脸动画编辑与合成方法。
背景技术
三维人脸动画技术最早的工作开始于1972年。其后的学者做了很多工作,以期能够生成逼真生动的三维人脸动画。但由于人脸的解剖学结构非常复杂,细微的非刚性运动难以用数学建模,同时,人们对人脸外观的敏感性,使得这一课题非常困难。目前越来越多采集的人脸动画数据开始开放,三维人脸动画数据重用的工作取得了一些进展,基本上可以分为如下几类:
三维人脸形状的重用:通过三维扫描仪采集人脸三维形状数据库,对采集的数据进行去噪、平滑和修补后,建立网格之间的对应关系,新角色的三维人脸可以表示为数据库中的三维人脸形状的线性组合。
表情重定向:将已有的人脸表情运动应用到新的角色上,运动位移针对新角色的局部几何特征进行旋转、缩放等调整,表情运动在新的人脸模型上得到真实再现。
表情动画编辑:给定一些约束条件,在已有的三维人脸动画库中合成新的动画序列。表情动画的编辑算法可以使已有的动画数据自动适应剧本的要求。
在动画领域,一种比较常用的方法是以插值方式生成中间帧(In-BetweenFrames),但这种方法生成的动画比较生硬。
发明内容
本发明的目的是克服现有技术的不足,提供一种基于运动传播和Isomap分析的三维人脸动画编辑与合成方法。此方法可以直观的对人脸动画的生成进行交互式控制,结合先验概率模型对人脸表情的约束,生成较为逼真的表情,同时通过对人脸表情的知识学习,有效地重用人脸动画数据,指定动画的关键帧,得到逼真的人脸表情动画。
为实现上述发明目的,本发明采用下述的技术方案:
基于运动传播和Isomap分析的三维人脸动画编辑与合成方法包括如下步骤:
1)用户通过鼠标在二维屏幕的投影空间进行交互,选择二维空间上人脸模型的投影上的控制点用于约束,将用户指定的约束条件由二维映射到三维空间,从而在三维人脸模型上选定控制点;
2)在建立用户约束条件之后,把人脸动画数据训练一个先验概率模型,通过训练数据估计一个多元高斯概率分布来增加约束条件,将用户约束条件传播到人脸网格的未约束部分,对运动传播的结果采用概率方法选择最佳的人脸表情模型。
3)人脸表情的变化分布在一个高维空间的流形上,通过对三维人脸模型的顶点坐标首尾相接得到高维向量组成的表情动画数据,用标准的Isomap算法来对表情动画数据处理,寻找人脸动画序列的低维本征参数;
4)通过Isomap算法拟合高维曲面上的平滑测地线,用户交互式指定关键帧,从已有动画库中选取中间帧,以自动合成新的人脸动画序列。
所述的在建立用户约束条件之后,把人脸动画数据训练一个先验概率模型,通过训练数据估计一个多元高斯概率分布来增加约束条件,将用户约束条件传播到人脸网格的未约束部分,对运动传播的结果采用概率方法选择最佳的人脸表情模型步骤:
(a)对于包含N个人脸表情模型的训练样本,假设任意训练样本中的人脸模型有m个顶点,每个表情模型根据大小、朝向进行对齐后,每个顶点以中性表情帧作为参照,提取每个顶点的运动向量Δvij={Δxij,Δyij,Δzij},1≤i≤m,1≤j≤N,表示第j帧第i个顶点的位移,每个点的运动向量的长度lij=||Δvij||,则将其规一化为[0,1): 为松弛因子。根据l′ij建立256维运动向量直方图:
(b)然后得到每个训练样本的直方图hj=(h0j,h1j,...,h255j),其中hn,j=|Bn,j|,(0≤n≤255,1≤j≤N),表示第j个训练样本的第n维运动向量直方图。对于第j个训练表情运动帧的第n维运动向量直方图,用如下的高斯分布表示其分布概率:
其中,∑n和μn分别表示训练数据的运动直方图第n维的方差和均值。对于从通过控制点约束采样出来的表情运动帧,按照同样的方法提取运动直方图,运动约束条件通过高斯分布传播到人脸网格的其他未约束部分;
(c)计算 取match最大值的帧作为关键帧,得到的关键帧就是运动传播采用概率方法选择最佳的人脸表情模型。
所述的人脸表情的变化分布在一个高维空间的流形上,通过对三维人脸模型的顶点坐标首尾相接得到高维向量组成的表情动画数据,用标准的Isomap算法来对表情动画数据处理,寻找人脸动画序列的低维本征参数步骤:
(d)对三维人脸模型的顶点坐标首尾相接得到高维向量组成的表情动画数据;
(e)计算局部邻域:选择距离度量函数计算输入空间X中每一对数据点i,j之间的距离DX(i,j),有两种方式计算数据点xi的局部邻域Ni,Ni={xj|DX(i,j)<ε},或者Ni取数据点xi的k最近邻。
(f)估计测地线距离,构建距离矩阵DM(i,j):以局部邻域的数据点,构建无向连接图G(V=X,E),其中E为<xi,xj>,xj∈Ni,局部邻域数据点之间的连接,以DG(i,j)即无向图的最短路径来近似表示流形的测地线距离DM(i,j);
(g)应用MDS求解数据的d维低维流形嵌入。
所述的通过Isomap算法拟合高维曲面上的平滑测地线,用户交互式指定关键帧,从已有动画库中选取中间帧,以自动合成新的人脸动画序列步骤:
(h)对邻域选择采用k最近邻机制,用户选择最近邻机制中的k值;
(i)用户手动选取动画库中的关键帧用于拟合人脸动画序列的;
(j)通过关键帧,在Isomap平滑曲线上自动拟合动关键帧之间的过渡帧,得到人脸动画序列。
本发明与现有技术相比具有的有益效果:
(1)在二维平面上指定表情动作的约束条件,再把约束条件映射到三维空间,人脸表情的编辑只需要在二维投影空间上进行,使得人脸表情的编辑更加简单,提高了人脸动画的制作效率;
(2)增加了先验概率模型的约束,使得用户约束传播到最接近的真实人脸表情,避免产生不符合人脸的解剖学原理的表情,提高了真实感表情的逼真性;
(3)通过Isomap学习算法对三维人脸动画知识进行建模,然后结合用户指定的关键帧,拟合高维曲面上的平滑测地线,能够自动合成新的人脸动画序列,简化人脸表情动画的制作。
附图说明
下面结合附图和具体实施对本发明作进一步的说明;
图1为本发明用户约束选择界面,其中黄色的点代表初始点位置,绿色的点代表目标点约束;
图2(a)为本发明中基于概率模型的运动传播中用户指定的约束条件;
图2(b)为本发明中基于概率模型的运动传播时符合约束条件的候选动画帧;
图2(c)为经过概率运动传播后的动画结果。
图3为本发明从某一对关键帧生成的过渡帧,起始帧为第51帧发怒表情,终点帧为第357帧蹙眉表情。
具体实施方式
基于运动传播和Isomap分析的三维人脸动画编辑与合成方法包括如下步骤:
1)用户通过鼠标在二维屏幕的投影空间进行交互,选择二维空间上人脸模型的投影上的控制点用于约束,将用户指定的约束条件由二维映射到三维空间,从而在三维人脸模型上选定控制点;
2)在建立用户约束条件之后,把人脸动画数据训练一个先验概率模型,通过训练数据估计一个多元高斯概率分布来增加约束条件,将用户约束条件传播到人脸网格的未约束部分,对运动传播的结果采用概率方法选择最佳的人脸表情模型。
3)人脸表情的变化分布在一个高维空间的流形上,通过对三维人脸模型的顶点坐标首尾相接得到高维向量组成的表情动画数据,用标准的Isomap算法来对表情动画数据处理,寻找人脸动画序列的低维本征参数;
4)通过Isomap算法拟合高维曲面上的平滑测地线,用户交互式指定关键帧,从已有动画库中选取中间帧,以自动合成新的人脸动画序列。
首先用户通过鼠标在二维屏幕的投影空间进行交互,系统将用户指定的约束由二维映射到三维空间。交互过程如下:如图1所示,首先选择人脸网格曲面上的一个控制点;然后指定二维屏幕投影空间上的一个对应的约束;重复上面两个步骤,可以指定多对控制点和约束。
所述的在建立用户约束条件之后,把人脸动画数据训练一个先验概率模型,通过训练数据估计一个多元高斯概率分布来增加约束条件,将用户约束条件传播到人脸网格的未约束部分,对运动传播的结果采用概率方法选择最佳的人脸表情模型步骤:
(a)对于包含N个人脸表情模型的训练样本,假设任意训练样本中的人脸模型有m个顶点,每个表情模型根据大小、朝向进行对齐后,每个顶点以中性表情帧作为参照,提取每个顶点的运动向量Δvij={Δxij,Δyij,Δzij},1≤i≤m,1≤j≤N,表示第j帧第i个顶点的位移,每个点的运动向量的长度lij=||Δvij||,则将其规一化为[0,1): 为松弛因子。根据l′ij建立256维运动向量直方图:
(b)然后得到每个训练样本的直方图hj=(h0j,h1j,...,h255j),其中hn,j=|Bn,j|,(0≤n≤255,1≤j≤N),表示第j个训练样本的第n维运动向量直方图。对于第j个训练表情运动帧的第n维运动向量直方图,用如下的高斯分布表示其分布概率:
其中,∑n和μn分别表示训练数据的运动直方图第n维的方差和均值。对于从通过控制点约束采样出来的表情运动帧,按照同样的方法提取运动直方图,运动约束条件通过高斯分布传播到人脸网格的其他未约束部分;
(c)计算 取match最大值的帧作为关键帧,得到的关键帧就是运动传播采用概率方法选择最佳的人脸表情模型。
图2是本发明中基于概率模型的运动传播的示意图,图2(a)为本发明中基于概率模型的运动传播中用户指定的约束条件,图2(b)为本发明中基于概率模型的运动传播时符合约束条件的候选动画帧。通过采用概率模型选择得到与用户约束条件相符合的最佳的人脸表情模型。
所述的人脸表情的变化分布在一个高维空间的流形上,通过对三维人脸模型的顶点坐标首尾相接得到高维向量组成的表情动画数据,用标准的Isomap算法来对表情动画数据处理,寻找人脸动画序列的低维本征参数步骤:
(d)对三维人脸模型的顶点坐标首尾相接得到高维向量组成的表情动画数据;
(e)计算局部邻域:选择距离度量函数计算输入空间X中每一对数据点i,j之间的距离DX(i,j),有两种方式计算数据点xi的局部邻域Ni,Ni={xj|DX(i,j)<ε},或者Ni取数据点xi的k最近邻。
(f)估计测地线距离,构建距离矩阵DM(i,j):以局部邻域的数据点,构建无向连接图G(V=X,E),其中E为<xi,xj>,xj∈Ni,局部邻域数据点之间的连接,以DG(i,j)即无向图的最短路径来近似表示流形的测地线距离DM(i,j);
(g)应用MDS求解数据的d维低维流形嵌入。
所述的通过Isomap算法拟合高维曲面上的平滑测地线,用户交互式指定关键帧,从已有动画库中选取中间帧,以自动合成新的人脸动画序列步骤:
(h)对邻域选择采用k最近邻机制,用户选择最近邻机制中的k值;
(i)用户手动选取动画库中的关键帧用于拟合人脸动画序列的;
(j)通过关键帧,在Isomap平滑曲线上自动拟合动关键帧之间的过渡帧,得到人脸动画序列。
用户手动选取好关键帧和选取k值后,通过关键帧,在Isomap平滑曲线上自动拟合动关键帧之间的过渡帧,得到人脸动画序列。图3是在k=18的条件下,起止帧为51帧和357帧,分别对应了发怒和蹙眉的表情,这是用户指定的关键帧,通过这两个关键帧,自动生成的动画序列。
本实施例通过基于运动传播和Isomap分析的三维人脸动画编辑与合成方法,在二维平面上指定表情动作的约束条件,映射到三维空间,人脸表情的编辑只需要在二维投影空间上进行约束,使得人脸表情的编辑更加简单,提高了人脸动画的制作效率;增加了先验概率模型的约束,使得用户约束传播到最接近的真实人脸表情,避免产生不符合人脸的解剖学原理的表情,提高了真实感表情的逼真性;通过Isomap学习算法对三维人脸动画知识进行建模,然后结合用户指定的关键帧,拟合高维曲面上的平滑测地线,能够自动合成新的人脸动画序列,简化人脸表情动画的制作。
Claims (4)
1、一种基于运动传播和Isomap分析的三维人脸动画编辑与合成方法,其特征在于包括如下步骤:
1)用户通过鼠标在二维屏幕的投影空间进行交互,选择二维空间上人脸模型的投影上的控制点用于约束,将用户指定的约束条件由二维映射到三维空间,从而在三维人脸模型上选定控制点;
2)在建立用户约束条件之后,把人脸动画数据训练一个先验概率模型,通过训练数据估计一个多元高斯概率分布来增加约束条件,将用户约束条件传播到人脸网格的未约束部分,对运动传播的结果采用概率方法选择最佳的人脸表情模型。
3)人脸表情的变化分布在一个高维空间的流形上,通过对三维人脸模型的顶点坐标首尾相接得到高维向量组成的表情动画数据,用标准的Isomap算法来对表情动画数据处理,寻找人脸动画序列的低维本征参数;
4)通过Isomap算法拟合高维曲面上的平滑测地线,用户交互式指定关键帧,从已有动画库中选取中间帧,以自动合成新的人脸动画序列。
2、根据权利要求1所述的一种基于运动传播和Isomap分析的三维人脸动画编辑与合成方法,其特征在于所述的在建立用户约束条件之后,把人脸动画数据训练一个先验概率模型,通过训练数据估计一个多元高斯概率分布来增加约束条件,将用户约束条件传播到人脸网格的未约束部分,对运动传播的结果采用概率方法选择最佳的人脸表情模型步骤:
(a)对于包含N个人脸表情模型的训练样本,假设任意训练样本中的人脸模型有m个顶点,每个表情模型根据大小、朝向进行对齐后,每个顶点以中性表情帧作为参照,提取每个顶点的运动向量Δvij={Δxij,Δyij,Δzij},1≤i≤m,1≤j≤N,表示第j帧第i个顶点的位移,每个点的运动向量的长度lij=||Δvij||,则将其规一化为[0,1): 为松弛因子。根据l′ij建立256维运动向量直方图:
(b)然后得到每个训练样本的直方图hj=(h0j,h1j,...,h255j),其中hn,j=|Bn,j|,(0≤n≤255,1≤j≤N),表示第j个训练样本的第n维运动向量直方图。对于第j个训练表情运动帧的第n维运动向量直方图,用如下的高斯分布表示其分布概率:
2
其中,∑n和μn分别表示训练数据的运动直方图第n维的方差和均值。对于从通过控制点约束采样出来的表情运动帧,按照同样的方法提取运动直方图,运动约束条件通过高斯分布传播到人脸网格的其他未约束部分;
(c)计算 取match最大值的帧作为关键帧,得到的关键帧就是运动传播采用概率方法选择最佳的人脸表情模型。
3、根据权利要求1所述的一种基于运动传播和Isomap分析的三维人脸动画编辑与合成方法,其特征在于所述的人脸表情的变化分布在一个高维空间的流形上,通过对三维人脸模型的顶点坐标首尾相接得到高维向量组成的表情动画数据,用标准的Isomap算法来对表情动画数据处理,寻找人脸动画序列的低维本征参数步骤:
(d)对三维人脸模型的顶点坐标首尾相接得到高维向量组成的表情动画数据;
(e)计算局部邻域:选择距离度量函数计算输入空间X中每一对数据点i,j之间的距离Dx(i,j),有两种方式计算数据点xi的局部邻域Ni,Ni={xj|Dx(i,j)<ε},或者Ni取数据点xi的k最近邻。
(f)估计测地线距离,构建距离矩阵DM(i,j):以局部邻域的数据点,构建无向连接图G(V=X,E),其中E为<xi,xj>,xj∈Ni,局部邻域数据点之间的连接,以DG(i,j)即无向图的最短路径来近似表示流形的测地线距离DM(i,j);
(g)应用MDS求解数据的d维低维流形嵌入。
4、根据权利要求1所述的一种基于运动传播和Isomap分析的三维人脸动画编辑与合成方法,其特征在于所述的通过Isomap算法拟合高维曲面上的平滑测地线,用户交互式指定关键帧,从已有动画库中选取中间帧,以自动合成新的人脸动画序列步骤:
(h)对邻域选择采用k最近邻机制,用户选择最近邻机制中的k值;
(i)用户手动选取动画库中的关键帧用于拟合人脸动画序列的;
(i)通过关键帧,在Isomap平滑曲线上自动拟合动关键帧之间的过渡帧,得到人脸动画序列。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CNA2008100636134A CN101311966A (zh) | 2008-06-20 | 2008-06-20 | 一种基于运行传播和Isomap分析的三维人脸动画编辑与合成方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CNA2008100636134A CN101311966A (zh) | 2008-06-20 | 2008-06-20 | 一种基于运行传播和Isomap分析的三维人脸动画编辑与合成方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN101311966A true CN101311966A (zh) | 2008-11-26 |
Family
ID=40100602
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CNA2008100636134A Pending CN101311966A (zh) | 2008-06-20 | 2008-06-20 | 一种基于运行传播和Isomap分析的三维人脸动画编辑与合成方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN101311966A (zh) |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2010063217A1 (zh) * | 2008-12-03 | 2010-06-10 | 腾讯科技(深圳)有限公司 | 一种生成视频动画的方法及装置 |
WO2014117446A1 (zh) * | 2013-02-02 | 2014-08-07 | 浙江大学 | 基于单个视频摄像机的实时人脸动画方法 |
CN104573194A (zh) * | 2014-12-20 | 2015-04-29 | 西安工业大学 | 一种装配序列规划中子装配体的识别方法 |
CN107103646A (zh) * | 2017-04-24 | 2017-08-29 | 厦门幻世网络科技有限公司 | 一种表情合成方法及装置 |
CN107977928A (zh) * | 2017-12-21 | 2018-05-01 | 广东欧珀移动通信有限公司 | 表情生成方法、装置、终端及存储介质 |
CN108573527A (zh) * | 2018-04-18 | 2018-09-25 | 腾讯科技(深圳)有限公司 | 一种表情图片生成方法及其设备、存储介质 |
CN110163939A (zh) * | 2019-05-28 | 2019-08-23 | 上海米哈游网络科技股份有限公司 | 三维动画角色表情生成方法、装置、设备及存储介质 |
CN111563972A (zh) * | 2020-06-01 | 2020-08-21 | 上海商汤智能科技有限公司 | 签到方法、装置、计算机设备及存储介质 |
CN111768476A (zh) * | 2020-07-07 | 2020-10-13 | 北京中科深智科技有限公司 | 一种基于网格变形的表情动画重定向方法及系统 |
WO2020233253A1 (zh) * | 2019-05-17 | 2020-11-26 | 网易(杭州)网络有限公司 | 虚拟角色的表情实现方法、装置及存储介质 |
CN112330824A (zh) * | 2018-05-31 | 2021-02-05 | Oppo广东移动通信有限公司 | 图像处理方法、装置、电子设备和存储介质 |
-
2008
- 2008-06-20 CN CNA2008100636134A patent/CN101311966A/zh active Pending
Cited By (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2010063217A1 (zh) * | 2008-12-03 | 2010-06-10 | 腾讯科技(深圳)有限公司 | 一种生成视频动画的方法及装置 |
US8441485B2 (en) | 2008-12-03 | 2013-05-14 | Tencent Technology (Shenzhen) Company Limited | Method and apparatus for generating video animation |
WO2014117446A1 (zh) * | 2013-02-02 | 2014-08-07 | 浙江大学 | 基于单个视频摄像机的实时人脸动画方法 |
US9361723B2 (en) | 2013-02-02 | 2016-06-07 | Zhejiang University | Method for real-time face animation based on single video camera |
CN104573194A (zh) * | 2014-12-20 | 2015-04-29 | 西安工业大学 | 一种装配序列规划中子装配体的识别方法 |
CN107103646B (zh) * | 2017-04-24 | 2020-10-23 | 厦门黑镜科技有限公司 | 一种表情合成方法及装置 |
CN107103646A (zh) * | 2017-04-24 | 2017-08-29 | 厦门幻世网络科技有限公司 | 一种表情合成方法及装置 |
CN107977928A (zh) * | 2017-12-21 | 2018-05-01 | 广东欧珀移动通信有限公司 | 表情生成方法、装置、终端及存储介质 |
CN107977928B (zh) * | 2017-12-21 | 2022-04-19 | Oppo广东移动通信有限公司 | 表情生成方法、装置、终端及存储介质 |
CN108573527A (zh) * | 2018-04-18 | 2018-09-25 | 腾讯科技(深圳)有限公司 | 一种表情图片生成方法及其设备、存储介质 |
CN108573527B (zh) * | 2018-04-18 | 2020-02-18 | 腾讯科技(深圳)有限公司 | 一种表情图片生成方法及其设备、存储介质 |
CN112330824A (zh) * | 2018-05-31 | 2021-02-05 | Oppo广东移动通信有限公司 | 图像处理方法、装置、电子设备和存储介质 |
WO2020233253A1 (zh) * | 2019-05-17 | 2020-11-26 | 网易(杭州)网络有限公司 | 虚拟角色的表情实现方法、装置及存储介质 |
US11837020B2 (en) | 2019-05-17 | 2023-12-05 | Netease (Hangzhou) Network Co., Ltd. | Expression realization method and device for virtual character, and storage medium |
CN110163939A (zh) * | 2019-05-28 | 2019-08-23 | 上海米哈游网络科技股份有限公司 | 三维动画角色表情生成方法、装置、设备及存储介质 |
CN111563972A (zh) * | 2020-06-01 | 2020-08-21 | 上海商汤智能科技有限公司 | 签到方法、装置、计算机设备及存储介质 |
CN111768476A (zh) * | 2020-07-07 | 2020-10-13 | 北京中科深智科技有限公司 | 一种基于网格变形的表情动画重定向方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN101311966A (zh) | 一种基于运行传播和Isomap分析的三维人脸动画编辑与合成方法 | |
Liu et al. | Interactive 3D modeling with a generative adversarial network | |
Mitra et al. | Structure-aware shape processing | |
Kelly et al. | FrankenGAN: guided detail synthesis for building mass-models using style-synchonized GANs | |
Hartmann et al. | Streetgan: Towards road network synthesis with generative adversarial networks | |
CN102831638B (zh) | 一种采用手绘草图的三维人体多姿态建模方法 | |
CN102509333B (zh) | 基于动作捕获数据驱动的二维卡通表情动画制作方法 | |
CN103003846B (zh) | 关节区域显示装置、关节区域检测装置、关节区域归属度计算装置、关节状区域归属度计算装置以及关节区域显示方法 | |
CN104392486A (zh) | 一种点云场景重建方法 | |
Chao et al. | Realistic data-driven traffic flow animation using texture synthesis | |
CN104123747A (zh) | 多方式触控三维建模方法和系统 | |
CN111967533B (zh) | 一种基于场景识别的草图图像翻译方法 | |
CN105006016A (zh) | 一种贝叶斯网络约束的部件级三维模型构建方法 | |
CN113344777B (zh) | 基于三维人脸分解的换脸与重演方法及装置 | |
CN104463788A (zh) | 基于运动捕捉数据的人体运动插值方法 | |
CN103093488B (zh) | 一种虚拟发型插值及渐变动画生成方法 | |
Eyiyurekli et al. | Interactive free-form level-set surface-editing operators | |
Liu et al. | BuildingSketch: Freehand mid-air sketching for building modeling | |
CN101655990B (zh) | 一种基于非线性流形学习的三维人体运动合成方法 | |
Li et al. | Advances in 3d generation: A survey | |
CN103914873A (zh) | 一种根据人体动作驱动的雕塑三维模型生成方法 | |
Liao et al. | Advances in 3D Generation: A Survey | |
Zhong et al. | Rapid 3D conceptual design based on hand gesture | |
Stoiber et al. | Facial animation retargeting and control based on a human appearance space | |
Li et al. | Animating cartoon faces by multi‐view drawings |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C02 | Deemed withdrawal of patent application after publication (patent law 2001) | ||
WD01 | Invention patent application deemed withdrawn after publication |
Open date: 20081126 |