CN105574912A - 一种自然语言转换为动画分镜头剧本数据的方法 - Google Patents
一种自然语言转换为动画分镜头剧本数据的方法 Download PDFInfo
- Publication number
- CN105574912A CN105574912A CN201510932191.XA CN201510932191A CN105574912A CN 105574912 A CN105574912 A CN 105574912A CN 201510932191 A CN201510932191 A CN 201510932191A CN 105574912 A CN105574912 A CN 105574912A
- Authority
- CN
- China
- Prior art keywords
- coupling
- complete sentence
- camera lens
- successful
- match
- 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
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T13/00—Animation
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Processing Or Creating Images (AREA)
Abstract
本发明公开了一种自然语言转换为动画分镜头剧本数据的方法,包括建立素材的关键字词的步骤,对自然语言进行完整句截取的步骤,完整句和关键字词的匹配步骤。通过本发明方法,能将各种不受限、无规则的自然语言,快速高效地生成能够完整的表达多个连续语义的、不同类型的分镜头剧本数据,避免了传统的自然语言由编剧人工转化为剧本,再由导演人工的将剧本转化为分镜头剧本,分镜头剧本再由原画师转换为动画数据的冗长过程,分类和匹配过程精准,避免人为失误,大幅度的提高了动画的制作效率。
Description
技术领域
本发明属于计算机动画技术领域,具体涉及一种将自然语言转换为动画分镜头剧本数据的方法。
背景技术
动画制作是一项应用广泛的技术,在广播电视、网络等领域有着普遍化的应用。在制作动画时,需要将剧本和画面分镜头构思,才能够创造出丰富合理的视觉效果。目前,动画分镜头剧本的生成还是依靠人工方式,由编剧将自然语言人工转化为受限语言,即剧本,再由导演人工的将剧本转化为分镜头剧本,分镜头剧本再由原画师转换为动画数据,整个过程十分费时费力,效率低下,且容易出错。
发明内容
为解决上述问题,本发明公开了一种动画分镜头剧本数据的转换方法,能够将自然语言,直接生成分镜头剧本数据,快速高效。
为了达到上述目的,本发明提供如下技术方案:
一种动画分镜头剧本数据的转换方法,包括如下步骤:
步骤A,建立素材的关键字词:按照分镜头表现内容不同,划分镜头类型;根据不同类型的分镜头的数据要求,建立每个类型分镜头中必需的参数;根据各项参数特点,建立各个属性特征;将素材按各参数下不同的属性特征建立各素材的多个关键字词;
步骤B,对自然语言进行完整句截取,得到一个个包含完整的语义和一定数量文字/符号的完整句;
步骤C,完整句和关键字词的匹配:依次对步骤B得到的完整句进行关键字词的匹配,匹配时,对每个完整句,按照分镜头类型的次序,分别做不同分镜头类型的各个参数的关键字词匹配,得到某种镜头类型中吻合度最高的素材的名称作为分镜头剧本数据。
进一步的,所述步骤C具体包括以下步骤:
按照次序进行多项匹配,如果匹配失败,再进行单项匹配,依次匹配每个完整句;
所述多项匹配包括以下步骤:
人物匹配:将所有人称代词和角色库中的每个角色的关键字与完整句中的文字做匹配,当匹配成功时根据角色数区分镜头类型是否为双人镜头;
动作表情匹配:当人物匹配成功时,将每个表情的关键词、每个动作的关键词与完整句中的字词做匹配,当匹配成功时区分镜头类型是否为动作镜头、特写镜头;
背景前景匹配:当人物匹配和动作表情匹配均成功时,再将背景库的每个背景的关键词与完整句中的字词做匹配;匹配成功,则选择该背景,否则无背景;再与前景库的每个前景的关键词做匹配;匹配成功,则选该前景;否则无前景;
所述单项匹配包括以下步骤:
情景匹配:把所有情景素材的关键词与句子中的字词做匹配,成功则选择该素材做情景镜头;
当情景关键词匹配失败时,还需进行单帧匹配:把单帧关键词与句子中的字词做匹配,成功则选择该素材做单帧镜头。
进一步的,在单项匹配步骤中,如果单帧关键词匹配也失败,则与所有的背景关键词做匹配,成功则需再做一次前景关键词匹配,都成功,则选择该背景、前景的素材做字幕镜头,否则做有背景无前景的字幕镜头。
进一步的,当步骤C中所有匹配均失败时,则做空白背景的字幕镜头。
进一步的,所述步骤A中镜头类型包括:双人动作镜头、动作镜头、特写镜头、情景镜头、单帧镜头、字幕镜头。
进一步的,所述步骤B中完整句截取的方法为:当自然语言中出现了句尾符号,且第一个文字/符号到该句尾符号的文字/字符总数小于一定数量,则截取该符号及其之前的文字/符号为一个完整句;当一定数量的文字/符号后还没有出现句尾符号,则从第一个文字/符号开始,一直截取到位于特定位置之间的第一个符号,作为一个完整句,令该完整句以符号结尾。
与现有技术相比,本发明具有如下优点和有益效果:
通过本发明方法,能将各种不受限、无规则的自然语言,快速高效地生成能够完整的表达多个连续语义的、不同类型的分镜头剧本数据,避免了传统的自然语言由编剧人工转化为剧本,再由导演人工的将剧本转化为分镜头剧本,分镜头剧本再由原画师转换为动画数据的冗长过程,分类和匹配过程精准,避免人为失误,大幅度的提高了动画的制作效率。
附图说明
图1为第一完整句对应的镜头类型、参数、素材名及最终得到的动画截图;
图2为第二完整句对应的镜头类型、参数、素材名及最终得到的动画截图;
图3为第三完整句对应的镜头类型、参数、素材名及最终得到的动画截图;
图4为第四完整句对应的镜头类型、参数、素材名及最终得到的动画截图;
图5为第五完整句对应的镜头类型、参数、素材名及最终得到的动画截图。
具体实施方式
以下将结合具体实施例对本发明提供的技术方案进行详细说明,应理解下述具体实施方式仅用于说明本发明而不用于限制本发明的范围。
本发明提供的将自然语言直接转换为动画分镜头剧本数据的方法,主要包括以下几个步骤:
步骤A,将动画中不同类型的分镜头的各项参数下的所有素材,按多个属性特征建立多个关键字词,本步骤具体包括以下几个分步骤:
1、首先按照分镜头表现内容不同,划分镜头类型。下表1中列出了几种分镜头类型示例,但不应作为本发明的限制,根据需要还可能划分出其他分镜头类型。
1、根据不同类型的分镜头的数据要求,建立每个类型分镜头中必需的参数。
3、根据各项参数特点,建立不同的属性特征。
上表中属性特征及其数量可以根据需要扩充。
4、将所有素材(素材是指可以用来制作动画的各种图片,可能包括背景、前景、人物、脸部表情、人物动作等等),按各参数下不同的属性特征建立多个关键字词,并将关键词存入数据库中。以下以部分素材样例为例,列出了其中各个关键字词,需要说明的是,这些关键字词并不作为本发明的限制。
步骤B,对自然语言进行包含完整的语义和一定数量文字/符号的句子截取。
本发明定义了完整句的含义,以完整句为单位对自然语言进行截取,在一个完整句截取之后,从该完整句结束后的第一个文字开始,再做下二个完整句的截取。完整句的截取规则如下:
当自然语言中出现了句尾符号(如:句号(。)、感叹号(!)、问号(?)、省略号(…)等表示一句结尾的符号),且第一个文字/符号到该句尾符号的文字/字符总数小于41,则该符号及其之前的文字/符号视为一个“完整句”进行截取。
当超过41个文字/符号后还没有出现句尾符号,则从第一个文字/符号开始,一直截取到位于第24到第41之间(包括处在第24和第41位置上的符号)出现的第一个符号(包含该符号),作为一个完整句进行截取,令该完整句以任意符号结尾。前述的41、24均为本例提出的优选值,这些数值可以根据需要改变。
根据以上规则,能够将自然语言划分成一个个“完整句”。
例如,针对以下自然语言“下雪了,三胖和谦哥还站在酒楼外跟大家挥手告别…郭德纲哭着跑了过来。德刚哭着:你们俩怎么搞到一起了?这时,天空电闪雷鸣…仿佛在说:无厘头草泥马呀”,经过截取后,得到以下几个完整句:
“下雪了,三胖和谦哥还站在酒楼外跟大家挥手告别…”
“郭德纲哭着跑了过来。”
“德刚哭着:你们俩怎么搞到一起了?”
“这时,天空电闪雷鸣…”
“仿佛在说:无厘头草泥马呀”
步骤C,把截取到的每个完整句,按照分镜头参数的常用性次序,分别做不同分镜头类型的各个参数的关键字词匹配,在满足某个类型分镜头参数匹配的基础上,将吻合度最高的素材名称,作为分镜头剧本的参数的对应数据。
具体地说,先按照角色、表情、动作、背景、前景次序,进行多项匹配,如果匹配失败,再进行单项匹配,依次对每个“完整句”中的每个字词进行匹配。上述次序可以根据需要进行调整。
在匹配过程中,如果有多个关键词均匹配成功,选用具有最高吻合度的素材,如具有最高吻合度的素材有多个则随机选择其中一个素材。一个素材关键词匹配成功的个数越多,则吻合度越高。具体的说,在同一完整句中,累计各关键词的匹配次数,计算各素材下关键词的匹配总次数,选择总次数最高的素材,当总次数最高的素材超过一个时,随机选择其中一个素材。本例提供了吻合度计算公式如下:
吻合度(W%)=关键词匹配成功个数(A)/关键词总数(B)*100%
多项匹配的过程如下:
首先进行人物匹配:将所有人称代词(我、你、他、她、我们、你们、他们等)和角色库(角色库中存储有:角色关联的五官、身体服饰的编码,角色的名称和关键字词)中的关键字与完整句中的文字做匹配。匹配成功是指库中具有与完整句中文字一致的记录。如果人称代词匹配成功,则选择最新角色(是指用户制作完成、最新放入角色库中的角色);如果角色库昵称匹配成功,或者两个都匹配成功,则选择角色库昵称的角色;两个或者两个以上的角色昵称匹配成功,则为双人镜头(本发明所指的双人镜头中可能包含两个及两个以上人数,并不限制人数为两人)。
针对前述完整句进行人物匹配后,第一个完整句中关于人物的字词有“三胖”、“谦哥”,在与角色库中的关键词匹配后,得到两个角色名称“金三胖”、“于谦”,因此选择双人镜头。第二个完整句中关于人物的字词有“郭德纲”,在与角色库中的关键词匹配后,得到角色名称“郭德纲”。第三个完整句中关于人物的字词有“德刚”,在与角色库中的关键词匹配后,得到角色名称“郭德纲”。第四个完整句和第五个完整句均未匹配到角色关键词。
其次进行动作表情匹配:在人称代词或角色库昵称匹配成功的情况下,再把表情关键词(说、笑、伤心、悲伤等表示表情的词语)、动作关键词(走、跑、站等描述动作的词语)与句子中的字词做匹配。如果表情关键词和动作关键词都匹配成功,则选择动作镜头,并采用匹配成功且吻合度最高的表情素材、动作素材;如果仅表情关键词匹配成功,则选择特写镜头,并采用匹配成功且吻合度最高的表情素材;如果仅动作关键词匹配成功,则选择动作镜头,并采用匹配成功且吻合度最高的动作素材,人物无表情。本步骤中选取的素材应是前述人物匹配步骤中匹配得到的人物下的相应素材。
针对前述完整句进行动作表情匹配,第一个完整句匹配到的表情关键词无,动作关键词有“挥”、“手”,因此选择动作镜头,并采用吻合度最高的“挥手”动作素材,由于第一个完整句为双人镜头,角色有金三胖和于谦,因此选择金三胖挥手素材和于谦挥手素材。第二个完整句匹配到的表情关键词为“哭”,动作关键词有“跑”、“来”,因此选择动作镜头,并选择吻合度最高的“伤心”表情素材和“跑过来”动作素材,由于第二个完整句中角色为郭德纲,因此选择郭德纲这一角色的“伤心”表情素材和“跑过来”动作素材。第三个完整句匹配到的表情关键词为“哭”,没有匹配到动作关键词,因此选择特写镜头,并选择吻合度最高的“伤心”表情素材,由于第二个完整句中角色为郭德纲,因此选择郭德纲这一角色的“伤心”表情素材。第四个完整句和第五个完整句均未匹配到动作表情关键词。
最后匹配背景前景关键词:在人称代词或角色库昵称、表情或动作关键词均匹配成功的情况下,再把背景库关键词(例如北京、城市、海边等)与句子中的字/词做匹配;匹配成功,则选择该背景;否则无背景(即背景为纯白)。再与前景关键词(例如下雨、下雪等)做匹配;匹配成功,则选该前景;否则无前景(即不叠加任何前景图片)。
针对前述完整句进行背景前景匹配,进行背景匹配时,第一个完整句匹配到的背景关键词为“酒楼”,因此选择“豪华酒楼”背景素材。第二、第三、第四个完整句均未匹配到背景关键词。进行前景匹配时,第一个完整句匹配到的前景关键词为“雪”、“下”,同时能够匹配到“下雨”和“下雪”素材,但因下雪吻合度较高,因此选择“下雪”背景素材。第二、第三、第四个完整句均未匹配到背景关键词。
在多项匹配过程中,第四、第五个完整句均未匹配到关键词,匹配失败,因此还需要进行单项匹配。单项匹配是按照情景、单帧、背景次序进行关键词的依次匹配。
情景匹配:把所有情景素材的关键词与句子中的字词做匹配,成功则选择该素材做情景镜头。
第四个完整句匹配到情景关键词“电”“闪”“雷”“鸣”,则选择“电闪雷鸣”素材做情景镜头。第五个完整句未匹配到情景关键字。
当情景关键词匹配失败时,还需进行单帧匹配:把单帧关键词与句子中的字/词做匹配,成功则选择该素材做单帧镜头。
第五个完整句匹配到单帧关键词“草泥马”,则选择“草泥马”素材做单帧镜头。
如果单帧关键词匹配也失败,则与所有的背景关键词做匹配,如背景匹配成功则需再进行一次前景关键词匹配,如前景也匹配成功,则选择该背景、前景的素材做字幕镜头,否则做有背景无前景的字幕镜头。
如果以上都匹配失败,则做空白背景的字幕镜头。
下表中列出多项单项匹配的不同结果对应的镜头类型:
上表中的成功指至少有一个字词与关键字词相同;失败即无任何一个字词与关键词相同;空白即指匹配成功与否均可。
经过上述步骤之后,能够得到各个完整句对应的镜头类型及其中需要用到的素材名称(素材及其关键字词已预先存入数据库),由此获得所有分镜头剧本数据。根据素材名称获取相应的素材后,将素材组合并加上文字即可得到合适的动画,素材组合时,需要将前景和背景叠加,并在其上加入人物动作和表情素材。各完整句对应的镜头类型、参数、素材名及最终得到的动画截图如图1~5所示。由于专利提交图片限制,图1~图5均为黑白图片,图片的形态不作为本发明的限制,在真正的动画制作过程中,也可以制作彩色动画。
本发明方案所公开的技术手段不仅限于上述实施方式所公开的技术手段,还包括由以上技术特征任意组合所组成的技术方案。应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也视为本发明的保护范围。
Claims (6)
1.一种自然语言转换为动画分镜头剧本数据的方法,其特征在于,包括如下步骤:
步骤A,建立素材的关键字词:按照分镜头表现内容不同,划分镜头类型;根据不同类型的分镜头的数据要求,建立每个类型分镜头中必需的参数;根据各项参数特点,建立各个属性特征;将素材按各参数下不同的属性特征建立各素材的多个关键字词;
步骤B,对自然语言进行完整句截取,得到一个个包含完整的语义和一定数量文字/符号的完整句;
步骤C,完整句和关键字词的匹配:依次对步骤B得到的完整句进行关键字词的匹配,匹配时,对每个完整句,按照分镜头类型的次序,分别做不同分镜头类型的各个参数的关键字词匹配,得到某种镜头类型中吻合度最高的素材的名称作为分镜头剧本数据。
2.根据权利要求1所述的自然语言转换为动画分镜头剧本数据的方法,其特征在于,所述步骤C具体包括以下步骤:
按照次序进行多项匹配,如果匹配失败,再进行单项匹配,依次匹配每个完整句;
所述多项匹配包括以下步骤:
人物匹配:将所有人称代词和角色库中的每个角色的关键字与完整句中的文字做匹配,当匹配成功时根据角色数区分镜头类型是否为双人镜头;
动作表情匹配:当人物匹配成功时,将每个表情的关键词、每个动作的关键词与完整句中的字词做匹配,当匹配成功时区分镜头类型是否为动作镜头、特写镜头;
背景前景匹配:当人物匹配和动作表情匹配均成功时,再将背景库的每个背景的关键词与完整句中的字词做匹配;匹配成功,则选择该背景,否则无背景;再与前景库的每个前景的关键词做匹配;匹配成功,则选该前景;否则无前景;
所述单项匹配包括以下步骤:
情景匹配:把所有情景素材的关键词与句子中的字词做匹配,成功则选择该素材做情景镜头;
当情景关键词匹配失败时,还需进行单帧匹配:把单帧关键词与句子中的字词做匹配,成功则选择该素材做单帧镜头。
3.根据权利要求2所述的自然语言转换为动画分镜头剧本数据的方法,其特征在于,在单项匹配步骤中,如果单帧关键词匹配也失败,则与所有的背景关键词做匹配,如背景匹配成功则需再进行一次前景关键词匹配,如前景也匹配成功,则选择该背景、前景的素材做字幕镜头,否则做有背景无前景的字幕镜头。
4.根据权利要求3所述的自然语言转换为动画分镜头剧本数据的方法,其特征在于,当步骤C中所有匹配均失败时,做空白背景的字幕镜头。
5.根据权利要求1~4中任意一项所述的自然语言转换为动画分镜头剧本数据的方法,其特征在于,所述步骤A中镜头类型包括:双人动作镜头、动作镜头、特写镜头、情景镜头、单帧镜头、字幕镜头。
6.根据权利要求1~4中任意一项所述的自然语言转换为动画分镜头剧本数据的方法,其特征在于,所述步骤B中完整句截取的方法为:当自然语言中出现了句尾符号,且第一个文字/符号到该句尾符号的文字/字符总数小于一定数量,则截取该符号及其之前的文字/符号为一个完整句;当一定数量的文字/符号后还没有出现句尾符号,则从第一个文字/符号开始,一直截取到位于特定位置之间的第一个符号,作为一个完整句,令该完整句以符号结尾。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510932191.XA CN105574912A (zh) | 2015-12-15 | 2015-12-15 | 一种自然语言转换为动画分镜头剧本数据的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510932191.XA CN105574912A (zh) | 2015-12-15 | 2015-12-15 | 一种自然语言转换为动画分镜头剧本数据的方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN105574912A true CN105574912A (zh) | 2016-05-11 |
Family
ID=55884998
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510932191.XA Pending CN105574912A (zh) | 2015-12-15 | 2015-12-15 | 一种自然语言转换为动画分镜头剧本数据的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105574912A (zh) |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107067450A (zh) * | 2017-04-21 | 2017-08-18 | 福建中金在线信息科技有限公司 | 一种视频的制作方法和装置 |
CN108090866A (zh) * | 2017-12-13 | 2018-05-29 | 重庆越畅汽车科技有限公司 | 基于照片转换为艺术照的方法、系统及设备 |
CN108122273A (zh) * | 2017-12-20 | 2018-06-05 | 浙江煮艺文化科技有限公司 | 一种数字动漫生成系统及方法 |
CN108847246A (zh) * | 2018-06-15 | 2018-11-20 | 上海与德科技有限公司 | 一种动画制作方法、装置、终端及可读介质 |
CN109118562A (zh) * | 2018-08-31 | 2019-01-01 | 百度在线网络技术(北京)有限公司 | 虚拟形象的讲解视频制作方法、装置以及终端 |
CN109783659A (zh) * | 2017-10-06 | 2019-05-21 | 迪斯尼企业公司 | 基于自然语言处理和2d/3d预可视化的自动化故事板 |
CN110930475A (zh) * | 2019-10-12 | 2020-03-27 | 北京字节跳动网络技术有限公司 | 漫画制作方法、系统、介质和电子设备 |
CN111353314A (zh) * | 2020-02-28 | 2020-06-30 | 长沙千博信息技术有限公司 | 一种用于动漫生成的故事文本语义分析方法 |
CN114567819A (zh) * | 2022-02-23 | 2022-05-31 | 中国平安人寿保险股份有限公司 | 视频生成方法、装置、电子设备及存储介质 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH09167251A (ja) * | 1995-12-14 | 1997-06-24 | Canon Inc | アニメーション生成装置及びその方法 |
CN101069213A (zh) * | 2004-11-30 | 2007-11-07 | 松下电器产业株式会社 | 场景修饰表现生成装置以及场景修饰表现生成方法 |
CN101375314A (zh) * | 2006-05-30 | 2009-02-25 | 松下电器产业株式会社 | 登场人物服饰决定装置、登场人物服饰决定方法以及登场人物服饰决定程序 |
CN102110304A (zh) * | 2011-03-29 | 2011-06-29 | 华南理工大学 | 一种基于素材引擎的漫画自动生成方法 |
CN102662961A (zh) * | 2012-03-08 | 2012-09-12 | 北京百舜华年文化传播有限公司 | 一种语义与图像匹配处理方法、装置及终端设备 |
-
2015
- 2015-12-15 CN CN201510932191.XA patent/CN105574912A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH09167251A (ja) * | 1995-12-14 | 1997-06-24 | Canon Inc | アニメーション生成装置及びその方法 |
CN101069213A (zh) * | 2004-11-30 | 2007-11-07 | 松下电器产业株式会社 | 场景修饰表现生成装置以及场景修饰表现生成方法 |
CN101375314A (zh) * | 2006-05-30 | 2009-02-25 | 松下电器产业株式会社 | 登场人物服饰决定装置、登场人物服饰决定方法以及登场人物服饰决定程序 |
CN102110304A (zh) * | 2011-03-29 | 2011-06-29 | 华南理工大学 | 一种基于素材引擎的漫画自动生成方法 |
CN102662961A (zh) * | 2012-03-08 | 2012-09-12 | 北京百舜华年文化传播有限公司 | 一种语义与图像匹配处理方法、装置及终端设备 |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107067450A (zh) * | 2017-04-21 | 2017-08-18 | 福建中金在线信息科技有限公司 | 一种视频的制作方法和装置 |
CN109783659A (zh) * | 2017-10-06 | 2019-05-21 | 迪斯尼企业公司 | 基于自然语言处理和2d/3d预可视化的自动化故事板 |
CN108090866A (zh) * | 2017-12-13 | 2018-05-29 | 重庆越畅汽车科技有限公司 | 基于照片转换为艺术照的方法、系统及设备 |
CN108090866B (zh) * | 2017-12-13 | 2021-08-10 | 重庆越畅汽车科技有限公司 | 基于照片转换为艺术照的方法、系统及设备 |
CN108122273A (zh) * | 2017-12-20 | 2018-06-05 | 浙江煮艺文化科技有限公司 | 一种数字动漫生成系统及方法 |
CN108847246A (zh) * | 2018-06-15 | 2018-11-20 | 上海与德科技有限公司 | 一种动画制作方法、装置、终端及可读介质 |
CN109118562A (zh) * | 2018-08-31 | 2019-01-01 | 百度在线网络技术(北京)有限公司 | 虚拟形象的讲解视频制作方法、装置以及终端 |
CN110930475A (zh) * | 2019-10-12 | 2020-03-27 | 北京字节跳动网络技术有限公司 | 漫画制作方法、系统、介质和电子设备 |
CN111353314A (zh) * | 2020-02-28 | 2020-06-30 | 长沙千博信息技术有限公司 | 一种用于动漫生成的故事文本语义分析方法 |
CN114567819A (zh) * | 2022-02-23 | 2022-05-31 | 中国平安人寿保险股份有限公司 | 视频生成方法、装置、电子设备及存储介质 |
CN114567819B (zh) * | 2022-02-23 | 2023-08-18 | 中国平安人寿保险股份有限公司 | 视频生成方法、装置、电子设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105574912A (zh) | 一种自然语言转换为动画分镜头剧本数据的方法 | |
Ive et al. | Distilling translations with visual awareness | |
Rastgoo et al. | Sign language production: A review | |
Li et al. | TGIF: A new dataset and benchmark on animated GIF description | |
CN112015949B (zh) | 视频生成方法和装置、存储介质及电子设备 | |
CN106650756B (zh) | 基于知识迁移的多模态循环神经网络的图像文本描述方法 | |
US11568637B2 (en) | UAV video aesthetic quality evaluation method based on multi-modal deep learning | |
CN110020437A (zh) | 一种视频和弹幕相结合的情感分析及可视化方法 | |
CN108170755A (zh) | 基于三元组深度网络的跨模态哈希检索方法 | |
Mao et al. | Training and evaluating multimodal word embeddings with large-scale web annotated images | |
Gallo et al. | Image and encoded text fusion for multi-modal classification | |
CN107832558B (zh) | 数字舞台创意场景智能生成方法 | |
Yang et al. | Learning to answer visual questions from web videos | |
Liu et al. | Documentclip: Linking figures and main body text in reflowed documents | |
CN113761105A (zh) | 文本数据处理方法、装置、设备以及介质 | |
Kumar et al. | A survey of evolution of image captioning techniques | |
Wang et al. | Wuju opera cultural creative products and research on visual image under VR technology | |
Zhang et al. | Multimodal video adapter for parameter efficient video text retrieval | |
CN115374189A (zh) | 基于区块链的食品安全溯源方法、装置及设备 | |
He et al. | Cameractrl: Enabling camera control for text-to-video generation | |
Xu et al. | Youku-mplug: A 10 million large-scale chinese video-language dataset for pre-training and benchmarks | |
Zhong et al. | Auxiliary bi-level graph representation for cross-modal image-text retrieval | |
Wang | A Brief Analysis of the Development of Chinese Virtual Idol Industry Empowered by 5G+ Motion Capture Technology——Taking the Virtual Idol Group A-SOUL as an Example | |
Fan et al. | Long-term recurrent merge network model for image captioning | |
Abdari et al. | Metaverse Retrieval: Finding the Best Metaverse Environment via Language |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20160511 |
|
RJ01 | Rejection of invention patent application after publication |