CN102270358A - 最适合的着装人体模型的生成 - Google Patents
最适合的着装人体模型的生成 Download PDFInfo
- Publication number
- CN102270358A CN102270358A CN2011101589819A CN201110158981A CN102270358A CN 102270358 A CN102270358 A CN 102270358A CN 2011101589819 A CN2011101589819 A CN 2011101589819A CN 201110158981 A CN201110158981 A CN 201110158981A CN 102270358 A CN102270358 A CN 102270358A
- Authority
- CN
- China
- Prior art keywords
- user
- vector
- manikin
- measurement result
- dressing
- 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
- 238000005259 measurement Methods 0.000 claims abstract description 91
- 238000000513 principal component analysis Methods 0.000 claims abstract description 12
- 239000013598 vector Substances 0.000 claims description 88
- 239000012634 fragment Substances 0.000 claims description 22
- 238000000034 method Methods 0.000 claims description 15
- 238000001914 filtration Methods 0.000 claims description 11
- 230000000295 complement effect Effects 0.000 claims description 3
- 230000008676 import Effects 0.000 claims 2
- 230000008878 coupling Effects 0.000 claims 1
- 238000010168 coupling process Methods 0.000 claims 1
- 238000005859 coupling reaction Methods 0.000 claims 1
- 238000004458 analytical method Methods 0.000 abstract description 9
- 230000007246 mechanism Effects 0.000 description 14
- 230000000007 visual effect Effects 0.000 description 11
- 238000004891 communication Methods 0.000 description 8
- 230000009467 reduction Effects 0.000 description 8
- 230000037396 body weight Effects 0.000 description 6
- 238000010586 diagram Methods 0.000 description 6
- 238000012545 processing Methods 0.000 description 6
- 238000013459 approach Methods 0.000 description 5
- 238000004364 calculation method Methods 0.000 description 5
- 230000009471 action Effects 0.000 description 4
- 230000005540 biological transmission Effects 0.000 description 4
- 238000006243 chemical reaction Methods 0.000 description 4
- 230000036541 health Effects 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 230000000694 effects Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 230000014509 gene expression Effects 0.000 description 3
- 210000002414 leg Anatomy 0.000 description 3
- 230000002093 peripheral effect Effects 0.000 description 3
- 238000004088 simulation Methods 0.000 description 3
- 238000012800 visualization Methods 0.000 description 3
- 210000003127 knee Anatomy 0.000 description 2
- 210000001015 abdomen Anatomy 0.000 description 1
- 230000000712 assembly Effects 0.000 description 1
- 238000000429 assembly Methods 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000005055 memory storage Effects 0.000 description 1
- 230000006855 networking Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
-
- A—HUMAN NECESSITIES
- A41—WEARING APPAREL
- A41H—APPLIANCES OR METHODS FOR MAKING CLOTHES, e.g. FOR DRESS-MAKING OR FOR TAILORING, NOT OTHERWISE PROVIDED FOR
- A41H5/00—Dress forms; Bust forms; Stands
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2210/00—Indexing scheme for image generation or computer graphics
- G06T2210/16—Cloth
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Computer Graphics (AREA)
- Geometry (AREA)
- Software Systems (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Textile Engineering (AREA)
- Measuring And Recording Apparatus For Diagnosis (AREA)
- Length Measuring Devices By Optical Means (AREA)
- External Artificial Organs (AREA)
Abstract
可基于用户提供的人体测量结果来为用户生成最适合的着装人体模型。现有和已知的着装人体模型可例如通过主分量分析来被过滤，用以清除测量结果空间中非常近似的人体模型，该测量结果空间的维度由可以从或实际上已从用户那里收集到的人体测量结果组成。测量结果空间中，用户提供的人体测量结果可被表示为一个或多个现有人体模型的片段的组合。可通过最小均方误差分析计算这样的组合。可通过根据之前已确定的一个或多个现有人体模型的片段的组合合并现有的着装人体模型来为用户生成最适合的着装人体模型。
Description
技术领域
本发明涉及人体模型的生成，尤其涉及最适合的着装人体模型的生成。
背景技术
现代计算设备的图形显示能力已足够先进以使其能以真实的方式显示虚拟人体上服装的图像。这样的图像可达到足够好的视觉质量以便在例如发生下列情形时能提供效用，如从在线商家或者通过计算设备比较多件不同的服装或确定服装的样式和合身程度时确定是否购买展示的服装。这样的图像还能在视频游戏、虚拟现实模拟或其他类似用途的上下文中提供更加真实的视觉描绘。
很多情形中，在虚拟人体上服装的可视化效果的效用依赖于该虚拟人体与该可视化效果所呈现的那个用户之间的相似度。例如，在如从在线零售商那里购买服装的上下文中，用户观察虚拟人体上服装的可视化效果的兴趣在于作出精明的判断，即关于这件服装穿在该用户身上时看起来可能如何。类似地，在视频游戏或虚拟现实模拟的上下文中，用户观察虚拟人体的兴趣在于在视频游戏或虚拟现实模拟的虚拟世界中想象他们自己或他们认识的其他人。
因此，期望的是生成一个与用户自己自然身体相称的虚拟人体，这样就可以通过有意义的方式穿上服装并可被制作为动画。但是，能够在虚拟三维环境中以有意义的方式被使用并被制作为动画的虚拟人体通常由三维网状和线状信息构成。这样的三维网状和线状信息很难以任何有意义的准确性地，从普通用户能够了解并能提供的其本身自然身体的信息，如用户身高、腰围和体重中获得。
发明内容
一个实施例中，可基于由用户提供的该用户特定的人体测量结果以及基于现有的已知的着装人体模型为该用户生成最适合的着装人体模型。
另一实施例中，现有的着装人体模型可通过如主分量分析(PrincipalComponent Analysis)或任何其他分类过滤器来过滤，用以基于可从用户那里收集的人体测量结果，或甚至基于实际上已从用户那里收集到的人体测量结果，来清除那些非常近似或者实质上重复的人体模型。
又一实施例中，用户特定的人体测量结果可被表示为一个或多个现有人体模型的片段的组合。这些模型可使用主分量分析来生成。这样的组合可通过最小均方误差分析(Least Square Error analysis)被计算。
另一实施例中，可通过根据先前确定的一个或多个现有人体模型的片段组合合并现有的着装人体模型来为用户生成最适合的着装人体模型。
提供本发明内容是为了以简化的形式介绍将在以下详细描述中进一步描述的一些概念。本发明内容并不旨在标识出所要求保护的主题的关键特征或必要特征，也不旨在用于限定所要求保护的主题的范围。
通过下面的结合附图对本发明进行的详细描述，本发明的附加特征和优点将变得更加显而易见。
附图说明
通过参考各个附图，可以更好地理解如下具体实施方式，其中
图1是为用户生成最适合的着装人体模型的示例性系统的框图；
图2是为用户生成最适合的着装人体模型的示例性机制的框图；
图3是为用户生成最适合的着装人体模型的示例性机制的流程图；以及
图4是示例性计算设备的框图。
具体实施方式
以下描述关于为用户生成一个最适合的着装人体模型，使得所生成的着装人体模型与该用户的自然身体或者他人的自然身体相匹配，该用户为此目的提供该他人的测量结果。所生成的最适合的着装人体模型可根据一个或多个已知的现有的着装人体模型的集合来生成。这样的集合可例如通过主分量分析(PCA)或分类过滤器来过滤，，用以清除那些非常近似或实质上重复的人体模型。上述相似度的确定可基于可度量的人体规范，或者甚至基于可以从或已经从用户那里收集的实际的人体测量结果。过滤后的着装人体模型的测量结果随后可与用户提供的测量结果进行比较，以便用户提供的测量结果可被表示为一个或多个着装人体模型的片段的组合。最小均方误差(LSE)分析可被利用来以一个或多个着装人体模型的片段组合的形式表示用户提供的测量结果。然后可基于一个或多个已知的着装人体模型的片段组合来生成最适合的着装人体模型。
虽然以下对于给定的人体测量结果的最适合的着装人体模型的生成的描述引用了特定的数学分析，但该描述并不限于此。实际上，可利用任何可提供所需信息的分析方法。因此，尽管以下描述将参考特定的方法，但该描述的范围涵盖了对任何分析方法的利用，该解析方法可过滤并随后将过滤后的信息与用户提供的信息进行比较。
虽然未作要求，但以下描述将处在例如程序模块等正由一个或多个计算设备执行的计算机可执行指令的一般上下文中。更具体而言，除非另外指明，否则描述将参考一个或多个计算设备或外围设备所执行的动作以及其所执行的操作的符号表示。由此，可以理解，这些有时被称为计算机执行的动作和操作包括以结构化形式表示数据的电信号的处理单元的操纵。由此，可以理解，这些有时被称为计算机执行的动作和操作包括以结构化形式表示数据的电信号的处理单元的操纵。数据被维护在其中的数据结构是具有由数据形式所定义的特定属性的物理位置。
一般而言，程序模块包括执行特定任务或实现特定抽象数据类型的例程、程序、对象、组件、数据结构等。此外，本领域技术人员将理解这些计算设备不必限于常规个人计算机，并且包括其他计算配置，包括手持式设备、多处理器系统、基于微处理器的或可编程消费电子设备、网络PC、小型计算机、大型计算机等等。类似地，这些计算设备不必限于独立的计算设备，因为各机制也可以在其中任务由通过通信网络链接的远程处理设备执行的分布式计算环境中实现。在分布式计算环境中，程序模块可以位于本地和远程存储器存储设备中。
转向图1，显示了系统100，其包括通过网络190彼此通信地耦合的两个计算设备110和120。在所示实施例中，计算设备110扮演一客户计算设备，例如可被一个或多个用户直接利用。相反，计算设备120扮演一服务器计算设备，它例如通过跨网络190传输的通信向客户计算设备110提供信息，并从客户计算设备110接收信息。一个实施例中，服务器计算设备120可通信地耦合至一虚拟人像数据库130，该数据库包括各种类型的已知的现有的着装人体模型，由着装人体模型131、132、133、134、135和136图示。但是在一个替换的实施例中，虚拟人像数据库130可以例如通过网络190被客户计算设备110直接访问，或者甚至可被本地地存储在存储介质上，该存储介质与客户计算设备110通信地耦合。
如图1的系统100所示，客户计算设备110可呈现提供一机制的用户接口140，用户通过该机制可提供关于自然人体的测量结果，用户希望为该自然人体生成最适合的着装人体模型。一个实施例中，用户接口140可包括对应于各种人体测量结果141的数字入口机制142，例如身高、体重、胸围、腰围、内长、颈围、臂长和其他类似的人体测量结果。另一实施例中，用户接口140可包括用于在替换方案的已定义集合中进行选择的选项入口机制151、152、153、154、155和156。例如，为其生成最适合的着装人体模型的自然人体的腿型143可从三个基本选项中被选择，包括例如分别与选项入口机制151、152和153相关联的弓形腿选项145、直腿选项146和膝外翻选项147。类似的，如另一个示例，为其生成最适合的着装人体模型的自然人体的躯干类型144可从三个基本选项中被选择，包括例如分别与选项入口机制154、155和156相关联的基本矩形选项148、宽肩选项149和宽腹选项150。
在图1的系统100所示的实施例中，客户计算设备110可从诸如用户输入的测量结果和其他信息中收集各种测量结果和关于将要为其生成最适合的着装人体模型的自然人体的其他信息，并例如通过跨网络190传输的通信将其传输至服务器计算设备120。服务器计算设备120然后可利用由客户计算设备110提供的信息，与虚拟人像数据库130的着装人体模型一起，例如根据以下详述的机制来生成最适合的着装人体模型。在一个替换的实施例中，并未明示，例如根据以下详述的机制并参考虚拟人像数据库130，客户计算设备110可收集和处理关于将要为其生成最适合的着装人体模型的自然人体的信息以生成最适合的着装人体模型，其中服务器计算设备120可通过跨网络190的通信从该虚拟人像数据库中接收信息。在另一替换的实施例中，同样未明示，客户计算设备110再次收集和处理相关信息，除了参考虚拟人像数据库130不需要包括网络通信，该虚拟人像数据库130可被直接存储在与客户计算设备通信地耦合的一存储介质上，诸如本地硬盘驱动器、光盘或其他类似的存储介质。
转向图2，此处显示的系统200示出示例性的系列机制，通过该机制并根据用户输入的人体测量结果及来自已知的现有的着装人体模型集合的信息，来生成最适合的着装人体模型。开始，如图2的系统200所示，从已知的着装人体模型的集合中获取人体测量结果。如本领域技术人员将会了解的，着装人体模型包括人体的虚拟轮廓或骨架上多个点中每个点的逐点信息。例如，对于每个点，混合体重、混合指标和其他类似信息可成为着装人体模型的一部分，上述信息可被用于生成由着装人体模型定义的人体的可视化虚拟三维表示。通过引用该逐点信息，可从着装人体模型获取人体测量结果。例如，由着装人体模型表示的自然人体的身高和体重可从该着装人体模型包含的信息中获取并具有至少一定程度的准确性，该着装人体模型较为详细地定义该着装人体模型所表示的自然人体的外形和属性。同样，可从这些已知的现有的着装人体模型中类似地获取腰围、臀围、颈围和其他类似的人体测量结果。此外，一个实施例中，由特定的着装人体模型表示的人体的整体外形可通过一种确定的方式被量化。例如，诸如图1中选项143-150所表示的特殊体形、整体体形，或各个人体元素的外形，可与特定的数值相关联。因此，在这样的示例性实施例中，例如腿型可在1到10的范围内被量化，其中数值“1”表示弓形腿型，数值“10”表示膝外翻型。
一个实施例中，所获取的人体测量结果以及定性的体形和类型的其他定量表示可以多维矢量的形式来表示，该多维矢量任意方向上的幅度等于对应于该方向上的人体测量结果的值。为了便于说明性表示，这些多维矢量在图2中表示为通用的几何形状231、232、233、234、235和236，其中相似的形状表示近似的矢量。因此，如图2的系统200所示，来自着装人体模型131、132、133、134、135和136的示例性集合的信息可被用来获取和逼近人体测量结果的值，可接着将该值以矢量的形式存储在被称为“测量结果空间”的地方，其中测量结果空间矢量231、232、233、234、235和236分别对应于着装人体模型131、132、133、134、135和136的示例性集合。如此处使用的，术语“测量结果空间”可以指多维数学结构，其中每个维度对应于一个特定的人体测量结果，例如身高、体重、颈围等。
一旦着装人体模型被转换为对应的测量结果空间矢量，例如图2的系统200所示，则可清除重复的或近似重复的矢量。作为一个过分简化的示例，如果相关的人体测量结果仅为身高，则测量结果空间矢量231、232、233、234、235和236将仅包括身高值。由此，即使被描述的人体以及因此据此着装人体模型可能非常不同，例如具有差异很大的体重，但是描述具有相同身高的人体的两个或多个着装人体模型将导致相同的测量结果空间矢量。
一个实施例中，测量结果空间的维度可由不同的人体测量结果的类型和数量定义，可向用户请求该人体测量结果。该实施例中，如图2的系统200所示并如以上详细描述的，着装人体模型向测量结果空间矢量的转换，可为多个不同的用户输入的人体测量结果执行一次。实际上，在这样的实施例中，着装人体模型向测量结果空间矢量的转换可被预先计算。
但是一个替换的实施例中，测量结果空间的维度可由实际上用户提供的不同的人体测量结果的类型和数量来定义。在这样的替换的实施例中，如果用户仅提供少量的人体测量结果，则测量结果空间的维度就会相当小，因此，更多的测量结果空间矢量会相同或近似相同，从而导致如下判定，即对实际上由用户输入的人体测量结果来说，更多的着装人体模型是相同或近似相同的。此外，在这样的替换的实施例中，着装人体模型向测量结果空间矢量的转换可能没有必要被预先计算，因为可能无法预先知道用户将提供哪些人体测量结果。
一种用于比较测量结果空间矢量231、232、233、234、235和236的机制是主分量分析(PCA)。如本领域技术人员将会了解的，将PCA应用于测量结果空间矢量231、232、233、234、235和236会导致测量结果空间矢量231、232、233、234、235和236的缩减集合，该缩减集合已经清除了重复的矢量或近似重复的矢量，例如测量结果空间矢量231和236。其他实施例中，可将其他解析方法代替PCA应用于清除重复的或近似重复的测量结果空间矢量。例如，分类过滤器可同样被用于获得测量结果空间矢量232、233、234和235的缩减集合。
如图2的系统200所示，一旦获得测量结果空间矢量232、233、234和235的缩减集合，则可将该测量结果空间矢量的缩减集合和基于用户提供的人体测量结果的用户输入测量结果空间矢量240进行比较。如将对本领域技术人员显而易见的，用户输入测量结果空间矢量240可包括由用户例如通过如图1所示的示例性用户接口140和以上详细描述的用户接口提供的那些数量。但是，对于由用户提供的任何定性的人体部位，例如整体外形或各个部位的外形，可执行如以上详述的向定量测量结果的转换用以生成用户输入测量结果空间矢量240。为了确保用户输入测量结果空间矢量240和测量结果空间矢量232、233、234和235的缩减集合之间的一致性，可利用相同或等同的转换机制。一个实施例中，用户输入测量结果空间矢量240可被表示为测量结果空间矢量232、233、234和235的缩减集合中各个矢量的片段的组合。例如，如图2所示，可发现用户输入测量结果空间矢量240是以下各项的组合，75％测量结果空间矢量232，图2中表示为测量结果空间矢量242，5％测量结果空间矢量233，图2中表示为测量结果空间矢量243，19％测量结果空间矢量234，图2中表示为测量结果空间矢量244，1％测量结果空间矢量235，图2中表示为测量结果空间矢量245。另一实施例中，图2中未明示，来自测量结果空间矢量缩减集合的测量结果空间矢量的片段组合可具有更低的限制阈值，以便例如，测量结果空间矢量235的片段部分可降至0，而不是矢量245表示的1％。
一个实施例中，可基于最小均方误差(LSE)分析来确定可被求和的片段矢量242、243、244和245以包含用户输入测量结果空间矢量240。如本领域技术人员将会认识的，LSE分析能够在测量结果空间中标识出最接近用户输入测量结果空间矢量240的测量结果空间矢量的组合。如上，其他解析方法可同样被用于代替LSE以标识测量结果空间矢量的片段组合，该组合表示用户输入测量结果空间矢量240的至少一近似值。
因此，如图2的系统200所示，与已被确定为表示用户输入测量结果空间矢量240的片段测量结果空间矢量242、243、244和245相对应的着装人体模型，能以相同的片段比例求和以获得最适合的着装人体模型250。因此，图2所示示例中，最适合的着装人体模型250可通过求和以下各项被创建，75％着装人体模型132，图2中表示为着装人体模型252，5％着装人体模型133，图2中表示为着装人体模型253，19％着装人体模型134，图2中表示为着装人体模型254，1％着装人体模型135，图2中表示为着装人体模型255，其中着装人体模型132、133、134和135是对应于测量结果空间矢量242、243、244和245的着装人体模型，计算测量结果空间矢量242、243、244和245的片段总和以最好地表示用户输入测量结果空间矢量240。
转向图3，此处显示的流程图300示出用于基于用户提供的人体测量结果生成最适合人体模型的系列步骤。开始，如图所示，在步骤310初始化最适合的着装人体模型的生成。接下来，在步骤320，获得用户提供的人体测量结果，由那些已提供的人体测量结果可生成用户提供的测量结果空间矢量。在步骤330，为预先确定的人体模型集合中或虚拟人像数据库中的已知的现有的着装人体模型获取对应的人体测量结果。接着在步骤340，可以从由步骤330中获取的人体测量结果生成测量结果空间矢量。如前所示，一个实施例中，可在步骤310初始化最适合的着装人体模型的生成之前执行步骤330。可以与测量结果空间的维度是否依赖于步骤320中实际由用户提供的人体测量结果的类型和数量无关地执行预先计算。但是，在测量结果空间的维度独立于步骤320中实际由用户提供的人体测量结果的类型和数量的实施例中，在步骤340的测量结果空间矢量的生成，像步骤330中人体测量结果的获取一样，同样可以在步骤310初始化最适合的着装人体模型的生成之前执行。
已经在步骤340为现有的着装人体模型生成测量结果空间矢量之后，进程前进至步骤350，此处可移除在步骤340生成的那些测量结果空间矢量中重复的或近似重复的测量结果空间矢量。一个实施例中，在步骤350，使用PCA执行步骤340中生成的测量结果空间矢量的过滤。但是其他实施例中，如前所示，步骤350可使用其他分析方法以过滤步骤340中生成的测量结果空间矢量。
接下来在步骤360，在过滤步骤350之后，可利用剩余的测量结果空间矢量来查找他们最接近地表示步骤320生成的用户提供的测量结果空间矢量的片段组合。一个实施例中，在步骤360，使用LSE分析来执行最接近地表示用户提供的测量结果空间矢量的测量结果空间矢量片段组合的查找。但是其他实施例中，如前所示，在步骤360可使用其他分析方法用以获取最接近地表示用户提供的测量结果空间矢量的测量结果空间矢量片段组合。
在步骤370，通过在步骤360所计算出的片段组合中组合与测量结果空间矢量对应的着装人体模型来生成最适合的着装人体模型，所述测量结果空间矢量的片段组合在步骤360被计算。相关进程接着结束于步骤380。
上述描述参考了由运行于一个或多个计算设备上的计算机可执行指令执行的多个动作。转向图4，示出了一个示例性计算设备400。所述示例性计算设备400可以是图1上述和所示的计算设备110或120中的任意一个，或者任何其他类似的计算设备。
图4的示例性计算设备400可包括但不限于，一个或多个中央处理单元(CPU)420、系统存储器430和将包括该系统存储器在内的各种系统组件耦合至处理单元420的系统总线421。系统总线421可以是若干类型的总线结构中的任何一种，包括使用各种总线体系结构中的任何一种的存储器总线或存储器控制器、外围总线、以及局部总线。所示计算设备400可选地包括图形硬件，包括但不限于图形硬件接口490和显示设备491。包括图形硬件接口490和显示设备491的上述图形硬件可被用于不仅显示上述接口和着装人体模型，如果合适还可在某些实施例中执行以上详细描述的相关计算和处理中的部分或全部。
计算设备400通常还包括能够包括可由计算设备400访问的任何可用介质的计算机可读介质，并且包括易失性和非易失性介质以及可移动和不可移动介质两者。作为示例而非限制，计算机可读介质可以包括计算机存储介质和通信介质。计算机存储介质包括以用于存储诸如计算机可读指令、数据结构、程序模块或其它数据等信息的任何方法或技术来实现的介质。计算机存储介质包括但不限于，RAM、ROM、EEPROM、闪存或其它存储器技术、CD-ROM、数字多功能盘(DVD)或其它光盘存储、磁带盒、磁带、磁盘存储或其它磁性存储设备、或能用于存储所需信息且可以由计算设备400访问的任何其它介质。通信介质通常以诸如载波或其他传输机制等已调制数据信号来体现计算机可读指令、数据结构、程序模块或其他数据，并包括任意信息传送介质。作为示例而非限制，通信介质包括有线介质，如有线网络或直接线连接，以及诸如声学、RF、红外及其它无线介质之类的无线介质。上述中任一组合也应包括在计算机可读介质的范围之内。
系统存储器430包括易失性和/或非易失性存储器形式的计算机存储介质，如只读存储器(ROM)431和随机存取存储器(RAM)432。基本输入/输出系统433(BIOS)包含有助于诸如启动时在计算设备400中元件之间传递信息的基本例程，它通常存储在ROM 431中。RAM 432通常包含处理单元420可以立即访问和/或目前正在操作的数据和/或程序模块。作为示例而非限制，图4示出了操作系统434、其它程序模块435和程序数据436。
计算机系统400还可包括其它可移动/不可移动、易失性/非易失性计算机存储介质。仅仅作为示例，图4示出了对不可移动、非易失性磁性介质进行读写的硬盘驱动器441。可以与示例性计算设备一起使用的其它可移动/不可移动、易失性/非易失性计算机存储介质包括但不限于，磁带盒、闪存卡、数字多功能盘、数字录像带、固态RAM、固态ROM等等。硬盘驱动器441通常通过如接口440的不可移动存储器接口连接到系统总线421。
上文讨论并在图4中示出的驱动器及其相关联的计算机存储介质为计算设备400提供了对计算机可读指令、数据结构、程序模块和其它数据的存储。例如，在图4中，硬盘驱动器441被示为存储操作系统444、其它程序模块445和程序数据446。注意，这些组件可以与操作系统434、其它程序模块435和程序数据436相同，也可以与它们不同。操作系统444、其它程序模块445和程序数据446在这里被标注了不同的标号是为了说明至少它们是不同的副本。
此外，计算设400备可以使用对一个或多个远程计算机的逻辑连接在联网环境中工作。为简化说明，图4中显示的计算设备400连接到最初图1所示的网络190。网络190不限于任何特定网络或联网协议。相反，图4所描绘的逻辑连接是通用网络连接471，其可以是局域网(LAN)、广域网(WAN)或其他网络。计算设备400通过网络接口或适配器470连接到通用网络连接471，该网络接口或适配器进而连接到系统总线421。在联网环境中，相对于计算设备400或其部分或外围设备所描绘的程序模块可被存储在通过通用网络连接471通信地耦合到计算设备400的一个或多个其他计算设备的存储器中。可以理解，所示的网络连接是示例性的，且可以使用在计算设备之间建立通信链路的其他手段。
从以上描述中可以看出，已经提供了用于生成对应于用户提供的人体测量结果的最适合的着装人体模型的多种机制。鉴于此处所描述的主题的许多可能的方案，作为本发明，我们声明所有这样的实施方式都在下面的权利要求书以及又等效内容的范围和精神内。
Claims (9)
1.一种用于生成最适合的着装人体模型(250)的方法，所述方法包括：
从现有着装人体模型(131-136)中获取人体测量结果；
在测量结果空间中从已获取的现有着装人体模型(131-136)的人体测量结果来生成矢量(231-236)；
过滤已生成的矢量用以移除重复矢量；
在测量结果空间中从用户输入的人体测量结果来生成用户输入的矢量(240)；
计算已过滤的已生成矢量的片段组合，所述已过滤的已生成矢量(242-245)与测量结果空间中的所述已生成的用户输入的矢量(240)相匹配；以及
按照由所述片段定义的比例，组合对应于已过滤的已生成矢量(242-245)的现有着装人体模型(252-255)用以生成最适合的着装人体模型(250)，所述已过滤的已生成矢量的片段组合与已生成的用户输入的矢量相匹配。
2.如权利要求1所述的方法，其特征在于，还包括提供用户接口的步骤，用户通过所述接口输入所述用户输入的人体测量结果。
3.如权利要求1所述的方法，其特征在于，所述测量结果空间包括等同于潜在的用户输入的人体测量结果的多种类型的维度。
4.如权利要求1所述的方法，其特征在于，所述测量结果空间包括等同于用户实际提供的用户输入的人体测量结果的类型的维度。
5.如权利要求1所述的方法，其特征在于，使用主分量分析执行所述过滤。
6.如权利要求1所述的方法，其特征在于，所述过滤还移除实质上相互重复的矢量的集合中的至少一个矢量。
7.如权利要求1所述的方法，其特征在于，测量结果空间中，在已过滤的已生成矢量的片段组合和生成的用户输入的矢量之间，通过确定一最小均方误差来执行已过滤的已生成矢量的片段组合与生成的用户输入的矢量之间的匹配。
8.如权利要求1所述的方法，其特征在于，从现有着装人体模型中获取人体测量结果是在获得所述用户输入的人体测量结果之前执行的。
9.一种或多种包括用于执行如权利要求1所述的步骤的计算机可执行指令的计算机可读介质。
Applications Claiming Priority (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| US12/791,134 US20110296331A1 (en) | 2010-06-01 | 2010-06-01 | Generation of a best-fit rigged body model |
| US12/791,134 | 2010-06-01 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN102270358A true CN102270358A (zh) | 2011-12-07 |
Family
ID=45023201
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN2011101589819A Pending CN102270358A (zh) | 2010-06-01 | 2011-05-31 | 最适合的着装人体模型的生成 |
Country Status (2)
| Country | Link |
|---|---|
| US (1) | US20110296331A1 (zh) |
| CN (1) | CN102270358A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107194987A (zh) * | 2017-05-12 | 2017-09-22 | 西安蒜泥电子科技有限责任公司 | 对人体测量数据进行预测的方法 |
Families Citing this family (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US10748325B2 (en) * | 2011-11-17 | 2020-08-18 | Adobe Inc. | System and method for automatic rigging of three dimensional characters for facial animation |
| US9747495B2 (en) | 2012-03-06 | 2017-08-29 | Adobe Systems Incorporated | Systems and methods for creating and distributing modifiable animated video messages |
| US9613424B2 (en) | 2013-09-23 | 2017-04-04 | Beihang University | Method of constructing 3D clothing model based on a single image |
| CN103473806B (zh) * | 2013-09-23 | 2016-03-16 | 北京航空航天大学 | 一种基于单幅图像的服装三维模型构建方法 |
| US10474927B2 (en) * | 2015-09-03 | 2019-11-12 | Stc. Unm | Accelerated precomputation of reduced deformable models |
| US10559111B2 (en) | 2016-06-23 | 2020-02-11 | LoomAi, Inc. | Systems and methods for generating computer ready animation models of a human head from captured data images |
| WO2017223530A1 (en) | 2016-06-23 | 2017-12-28 | LoomAi, Inc. | Systems and methods for generating computer ready animation models of a human head from captured data images |
| US10198845B1 (en) | 2018-05-29 | 2019-02-05 | LoomAi, Inc. | Methods and systems for animating facial expressions |
| US11551393B2 (en) | 2019-07-23 | 2023-01-10 | LoomAi, Inc. | Systems and methods for animation generation |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1529866A (zh) * | 2001-05-11 | 2004-09-15 | 王克继 | 确认人类身体轮廓的方法 |
| US20060129360A1 (en) * | 2002-08-22 | 2006-06-15 | Daniel Ballin | Method and system for virtual object generation |
| CN101017575A (zh) * | 2007-02-15 | 2007-08-15 | 东华大学 | 基于人体部件模板和体形轮廓的三维虚拟人体自动生成方法 |
Family Cites Families (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US8659596B2 (en) * | 2008-11-24 | 2014-02-25 | Mixamo, Inc. | Real time generation of animation-ready 3D character models |
| US8700477B2 (en) * | 2009-05-26 | 2014-04-15 | Embodee Corp. | Garment fit portrayal system and method |
-
2010
- 2010-06-01 US US12/791,134 patent/US20110296331A1/en not_active Abandoned
-
2011
- 2011-05-31 CN CN2011101589819A patent/CN102270358A/zh active Pending
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1529866A (zh) * | 2001-05-11 | 2004-09-15 | 王克继 | 确认人类身体轮廓的方法 |
| US20060129360A1 (en) * | 2002-08-22 | 2006-06-15 | Daniel Ballin | Method and system for virtual object generation |
| CN101017575A (zh) * | 2007-02-15 | 2007-08-15 | 东华大学 | 基于人体部件模板和体形轮廓的三维虚拟人体自动生成方法 |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107194987A (zh) * | 2017-05-12 | 2017-09-22 | 西安蒜泥电子科技有限责任公司 | 对人体测量数据进行预测的方法 |
| CN107194987B (zh) * | 2017-05-12 | 2021-12-10 | 西安蒜泥电子科技有限责任公司 | 对人体测量数据进行预测的方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| US20110296331A1 (en) | 2011-12-01 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN102270358A (zh) | 最适合的着装人体模型的生成 | |
| CN107784504A (zh) | 客户回访事件的生成方法及终端设备 | |
| CN108876465A (zh) | 一种对商户进行经营模式分群的方法、装置和服务器 | |
| Rountree | Systems thinking—some fundamental aspects | |
| EP3219369B1 (en) | Behavior variability and complexity modeling using a construction toy | |
| Sobrinho et al. | Towards medical device certification: A colored petri nets model of a surface electrocardiography device | |
| Di Federico et al. | Linac: a smart environment simulator of human activities | |
| CN109740207A (zh) | 人体生物力信息获取方法、装置、计算机设备及存储介质 | |
| CN113345102A (zh) | 一种基于虚拟现实设备的多人教学辅助方法及系统 | |
| CN114360732A (zh) | 医疗数据分析方法、装置、电子设备及存储介质 | |
| JP2017215926A (ja) | 化粧品選別システム | |
| Butner et al. | Ghost hunting in the nonlinear dynamic machine | |
| Nocke et al. | Information visualization supporting modelling and evaluation tasks for climate models | |
| CN117973080B (zh) | 一种基于混合现实的飞行仿真模拟方法及系统 | |
| Thanh Le et al. | Mapping BPMN processes to organization centered multi-agent systems to help assess crisis models | |
| Maddumage et al. | R programming for Social Network Analysis-A Review | |
| Risandy et al. | Implementing scenario-based tests in design thinking process evaluation phase (Case study: Local grocery e-commerce) | |
| CN115828107B (zh) | 基于离线环境的模型训练方法及装置 | |
| Joshi et al. | Usability evaluations of an interactive, internet enabled human centered sanaviz geovisualization application | |
| Sauer | Development and application of enhanced, high-resolution physiological features in XCAT phantoms for use in virtual clinical trials | |
| Taheri et al. | Measuring the efficiency of inventive activities along inventive projects in R&D | |
| Distraction et al. | Check for updates A Lightweight Framework for Multi-device Integration and Multi-sensor Fusion to Explore | |
| El-Yaagoubi et al. | Statistical inference for dependence networks in topological data analysis | |
| Tobias et al. | VML Usability for Modelling TUI Scenarios-A Comparative Study | |
| Fernando et al. | TRAVEL ITINERARY RECOMMENDER SYSTEM USING MACHINE LEARNING ANALYSIS AND WEB APPLICATION DEVELOPMENT: A CASE OF BATAM CITY REGION |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| ASS | Succession or assignment of patent right |
Owner name: MICROSOFT TECHNOLOGY LICENSING LLC Free format text: FORMER OWNER: MICROSOFT CORP. Effective date: 20150722 |
|
| C41 | Transfer of patent application or patent right or utility model | ||
| TA01 | Transfer of patent application right |
Effective date of registration: 20150722 Address after: Washington State Applicant after: Micro soft technique license Co., Ltd Address before: Washington State Applicant before: Microsoft Corp. |
|
| C02 | Deemed withdrawal of patent application after publication (patent law 2001) | ||
| WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20111207 |