CN109891464B - 一种3d人体模型的建立方法和系统 - Google Patents
一种3d人体模型的建立方法和系统 Download PDFInfo
- Publication number
- CN109891464B CN109891464B CN201780061461.1A CN201780061461A CN109891464B CN 109891464 B CN109891464 B CN 109891464B CN 201780061461 A CN201780061461 A CN 201780061461A CN 109891464 B CN109891464 B CN 109891464B
- Authority
- CN
- China
- Prior art keywords
- human body
- model
- body model
- feature point
- data
- 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
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
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Computer Graphics (AREA)
- Geometry (AREA)
- Software Systems (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Processing Or Creating Images (AREA)
Abstract
一种3D人体模型的建立方法，包括：采集并储存3D人体数据(S101)；获取对该3D人体数据的特征点标记，并根据特征点的标记建立人体数据库(S102)；获取输入的任一初始3D人体模型，并根据所述人体数据库对所述初始3D人体模型进行调整，获取3D人体模型(S103)。该方式成本更低，建立3D人体模型的效率更高，可降低目前的3D人体扫描所得到的3D人体数据提供二次开发和编辑的门槛，并且可以用参数化变形的方式自动生成各种不同体型的人体数据，从而极大降低3D人体采集的成本和提高采集的效率，并且该技术方案可以应用到虚拟试衣，能够根据用户的体型自动生成与用户体型类似的3D虚拟人体。
Description
技术领域
本发明涉及图形技术领域，尤其涉及一种3D人体模型的建立方法和系统。
背景技术
随着计算机软硬件技术的发展，图像图形处理能力的加强，市场上建立了越来越多的3D模型，3D商品展示技术可以在网页中将商品以立体方式交互展示，消费者可以全方位观看商品特征，直观地了解商品信息，其效果和消费者直接面对商品相差无几，因此3D模型应用到了各行各业中。3D模型给用户提供更好的浏览方式、展示效果、吸引用户，提高用户的关注、互动、参与。
其中，3D人体模型是在计算机上建立立体的人体模型，以供展示或进行二次开发，模拟真实的应用。目前有多种3D人体模型的生成设备，可以将真人的人体3D数据扫描到计算机，然而现有的3D人体模型的建立存在缺点，所扫描的3D人体数据量过大，建立模型的成本较高，并且扫描的人体无法添加骨骼信息，从而无法绑定动作。
因此，如何提供一种成本较低、可自由变形的3D人体模型的建立方法和系统，成为本领域亟需解决的问题。
发明内容
本发明的目的是提供一种成本较低、可自由变形的3D人体模型的建立方法和系统。
本发明的目的是通过以下技术方案来实现的：
一种3D人体模型的建立方法，包括：
采集并储存3D人体数据；
获取对该3D人体数据的特征点标记，并根据特征点的标记建立人体数据库；
获取输入的任一初始3D人体模型，并根据所述人体数据库对所述初始3D人体模型进行调整，获取3D人体模型。
优选的，所述根据所述人体数据库对所述初始3D人体模型进行调整的步骤具体包括：
根据所述人体数据库中的标记的特征点对应的在初始3D人体模型上进行特征点匹配和标记。
优选的，所述获取输入的任一初始3D人体模型，并根据所述人体数据库对所述初始3D人体模型进行调整的步骤之后进一步包括：
获取输入的任一已标记特征点的3D人体公模，将该3D人体公模的已标记特征点调整为人体数据库的特征点。
优选的，所述采集并储存3D人体数据的步骤具体包括：
采集至少两个男性和两个女性的3D人体数据并储存。
优选的，所述获取对该3D人体数据的特征点标记的步骤中，每个人体中标记有70个特征点。
本发明公开一种3D人体模型的建立系统，包括：
采集模块，用于采集并储存3D人体数据；
数据处理模块，用于获取对该3D人体数据的特征点标记，并根据特征点的标记建立人体数据库；
匹配建立模块，用于获取输入的任一初始3D人体模型，并根据所述人体数据库对所述初始3D人体模型进行调整，获取3D人体模型。
优选的，所述匹配建立模块具体用于：
根据所述人体数据库中的标记的特征点对应的在初始3D人体模型上进行特征点匹配和标记。
优选的，所述匹配建立模块进一步用于：
获取输入的任一已标记特征点的3D人体公模，将该3D人体公模的已标记特征点调整为人体数据库的特征点。
优选的，所述采集模块具体用于：
采集至少两个男性和两个女性的3D人体数据并储存。
优选的，所述数据处理模块获取的特征点标记中，每个人体中标记有70个特征点。
本发明的3D人体模型的建立方法由于包括：采集并储存3D人体数据；获取对该3D人体数据的特征点标记，并根据特征点的标记建立人体数据库；获取输入的任一初始3D人体模型，并根据所述人体数据库对所述初始3D人体模型进行调整，获取3D人体模型。采用这种方式，就可以先采集人体数据，然后对采集的人体数据进行特征点标记，然后用带有特征点标记的人体数据对输入的初始3D人体模型进行特征点匹配，从而对初始3D人体模型进行参数变换，获取目标的3D人体模型，将公共人体模型的外形变成目标人体模型。该方式成本更低，建立3D人体模型的效率更高，并且获取的3D人体模型拥有骨骼信息，可绑定动作，并且能够进行二次编辑和开发，极大的方便了对3D人体模型的使用。
本发明提供的3D人体模型的建立方法，可降低目前的3D人体扫描所得到的3D人体数据提供二次开发和编辑的门槛，并且可以用参数化变形的方式自动生成各种不同体型的人体数据，从而极大降低3D人体采集的成本和提高采集的效率，并且该技术方案可以应用到虚拟试衣，能够根据用户的体型自动生成与用户体型类似的3D虚拟人体。
附图说明
图1是本发明实施例的一种3D人体模型的建立方法的流程图；
图2是本发明实施例的另一种3D人体模型的建立方法的流程图；
图3是本发明实施例的采集数据中人体姿势的示意图；
图4是本发明实施例的对所采集人体数据的特征点标记的示意图；
图5是本发明实施例的标记好特征点的人体数据库的示意图；
图6是本发明实施例的对人体数据库进行特征点匹配的示意图；
图7是本发明实施例的人体特征点自动标记的的示意图；
图8是本发明实施例的包含特征点标记的3D人体模型的示意图；
图9是本发明实施例的将3D人体公模人体公模进行参数化变形后的3D人体模型的示意图；
图10是本发明实施例的一种3D人体模型的建立系统的示意图。
具体实施方式
虽然流程图将各项操作描述成顺序的处理，但是其中的许多操作可以被并行地、并发地或者同时实施。各项操作的顺序可以被重新安排。当其操作完成时处理可以被终止，但是还可以具有未包括在附图中的附加步骤。处理可以对应于方法、函数、规程、子例程、子程序等等。
计算机设备包括用户设备与网络设备。其中，用户设备或客户端包括但不限于电脑、智能手机、PDA等；网络设备包括但不限于单个网络服务器、多个网络服务器组成的服务器组或基于云计算的由大量计算机或网络服务器构成的云。计算机设备可单独运行来实现本发明，也可接入网络并通过与网络中的其他计算机设备的交互操作来实现本发明。计算机设备所处的网络包括但不限于互联网、广域网、城域网、局域网、VPN网络等。
在这里可能使用了术语“第一”、“第二”等等来描述各个单元，但是这些单元不应当受这些术语限制，使用这些术语仅仅是为了将一个单元与另一个单元进行区分。这里所使用的术语“和/或”包括其中一个或更多所列出的相关联项目的任意和所有组合。当一个单元被称为“连接”或“耦合”到另一单元时，其可以直接连接或耦合到所述另一单元，或者可以存在中间单元。
这里所使用的术语仅仅是为了描述具体实施例而不意图限制示例性实施例。除非上下文明确地另有所指，否则这里所使用的单数形式“一个”、“一项”还意图包括复数。还应当理解的是，这里所使用的术语“包括”和/或“包含”规定所陈述的特征、整数、步骤、操作、单元和/或组件的存在，而不排除存在或添加一个或更多其他特征、整数、步骤、操作、单元、组件和/或其组合。
下面结合附图和较佳的实施例对本发明作进一步说明。
如图1所示，本实施例中公开一种3D人体模型的建立方法，包括：
S101、采集并储存3D人体数据；
S102、获取对该3D人体数据的特征点标记，并根据特征点的标记建立人体数据库；
S103、获取输入的任一初始3D人体模型，并根据所述人体数据库对所述初始3D人体模型进行调整，获取3D人体模型。.
采用这种方式，就可以先采集人体数据，然后对采集的人体数据进行特征点标记，然后用带有特征点标记的人体数据对输入的初始3D人体模型进行特征点匹配，从而对初始3D人体模型进行参数变换，获取目标的3D人体模型，将公共人体模型的外形变成目标人体模型。该方式成本更低，建立3D人体模型的效率更高，并且获取的3D人体模型拥有骨骼信息，可绑定动作，并且能够进行二次编辑和开发，极大的方便了对3D人体模型的使用。
本发明提供的3D人体模型的建立方法，可以降低目前的3D人体扫描所得到的3D人体数据提供二次开发和编辑的门槛，并且可以用参数化变形的方式自动生成各种不同体型的人体数据，从而极大降低3D人体采集的成本和提高采集的效率，并且该技术方案可以应用到虚拟试衣，能够根据用户的体型自动生成与用户体型类似的3D虚拟人体。
根据其中一个示例，所述根据所述人体数据库对所述初始3D人体模型进行调整的步骤具体包括：
根据所述人体数据库中的标记的特征点对应的在初始3D人体模型上进行特征点匹配和标记。
这样就可以将人体数据库中标记的特征点匹配到初始3D人体模型上，从而将匹配的特征点标记到初始3D人体模型上，给初始3D人体模型赋予参数，将初始3D人体模型参数化。
根据其中另一个示例，所述获取输入的任一初始3D人体模型，并根据所述人体数据库对所述初始3D人体模型进行调整的步骤之后进一步包括：
获取输入的任一已标记特征点的3D人体公模，将该3D人体公模的已标记特征点调整为人体数据库的特征点。
采用这种方式就可以将3D人体公模的参数重新调整，将人体模型数据库中的特征点标记到3D人体公模中，将3D人体公模参数化，从而保留骨骼信息，可绑定动作以及实现二次开发。
根据其中另一个示例，所述采集并储存3D人体数据的步骤具体包括：
采集至少两个男性和两个女性的3D人体数据并储存。
这样采集的样本更多，可获取更多的特征点，让人体数据库中的样本更加丰富，这样对获取的初始3D人体模型进行特征点匹配和标记时更加容易找到相接近的样本的3D人体数据，从而进行匹配和标记。本实施例中，可以取200个男性和200个女性的3D人体数据，不仅方便数据采集，而且采集的效率较高。
根据其中另一个示例，所述获取对该3D人体数据的特征点标记的步骤中，每个人体中标记有70个特征点。
本实施例中在人体上设置70个特征点进行标记，可覆盖人体的关键部件，从而在更加精确的模拟人体动作等，更加拟人化和真实化。当然本实施例中也可以设置其他数量的特征点，例如80个，66个，95个，108个等等。
本实施例中，在更加详细和具体的描述中，3D人体模型的建立方法包括：
首先构建3D人体数据库。本实施例中该数据库包含200个男性3D人体模型以及200个女性3D人体模型，然后对每个模型进行特征点的标记，本实施例中标记可以是在预设部位自动标记，也可以是手动对每个模型进行特征点的标记，手动标记更加精确。本实施例中每个人体标记70个特征点，当然也可以标记其他数量的特征点，考虑到效率问题，70个特征点较佳。
之后，利用机器人学习的方法，让系统学习上述3D人体数据库中的特征点标记，构建一个自动特征点标记系统，该系统是一个能够自动标记任意一个三维人体模型。本实施例中，对于输入的任一三维人体模型，
在处理过程，输入任意扫描的3D人体模型，然后利用特征点标记系统，自动给输入的3D人体模型进行特诊点标记。
最后，根据已经自动标记好特征点的3D人体，可以通过参数对该3D人体进行体型变形，或者能够将已有的3D人体公模(该公模也已经进行特征点标记)变形成该3D人体的体型，并且能够保留3D人体公模的骨骼信息，从而可以进行动作绑定。
具体的，结合图2所示，本实施例中3D人体模型的建立方法包括：
步骤S1：采集人体数据。本实施例中，可利用3D人体扫描仪，可一共采集200个男性人体以及200个女性人体的人体数据。采集的姿势和角度可参见图3所示，扫描时，人体摆出T-pose(两腿自然分开，与肩平齐，两胳膊水平抬起的姿势)，扫描过程固定姿势，穿紧身衣，不穿鞋。
步骤S2：获取对所采集人体数据的特征点标记。参见图4所示，本实施例中，可对所采集的400个(其中男女各200个)3D人体数据进行人工特征点标记，每个人体标记70个特征点。当然标记特征点的数量也可以是其他的，例如95、101个等。
步骤S3：构建包括特征点的人体数据库。本实施例中，参见图5所示，可构建一个包含400个人体模型(其中男女各200个)并且标记好特征点的人体数据库。
步骤S4：对人体数据库进行智能学习及特征点匹配。本实施例中，参见图6所示，可使用机器人或机器人系统对步骤S3中构建的人体数据库进行智能学习及特征点匹配。
步骤S5：获取人体特征点自动标记系统。本实施例中，参见图7所示，该人体特征点自动标记系统可以将输入的任一3D人体模型进行自动的特征点匹配和标记，从而将输入的任一3D人体模型改变其参数或将其重新参数化，从而方便改变3D人体模型动作、进行二次编辑和开发等操作。
步骤S6：输入任意的一个初始3D人体模型。
步骤S7：使用人体特征点自动标记系统，对输入的初始3D人体模型进行自动特征点标记。本实施例中，参见图8，通过对步骤6中初始3D人体模型进行自动特征点标记，从而输出一个包含特征点标记的3D人体模型，即参数化的3D人体模型。
步骤S8：输入一个已经标记好特征点的3D人体公模；
步骤S9：根据上述自动特征点标记后初始3D人体模型，将3D人体公模进行特征点标记，获取到3D人体模型。本实施例中，参见图9，根据步骤S7中输出的参数化的3D人体模型，将步骤S8中输入的3D人体公模进行参数化变形，从而获取到3D人体模型。
因此，本实施例中输出最新的3D人体模型，体型跟步骤S6中输入的3D人体体型一致，但是包含了骨骼信息，可以绑定动作以及实现二次开发。
根据本发明其中的一个实施例，如图10所示，公开一种3D人体模型的建立系统，包括：
采集模块201，用于采集并储存3D人体数据；
数据处理模块202，用于获取对该3D人体数据的特征点标记，并根据特征点的标记建立人体数据库；
匹配建立模块203，用于获取输入的任一初始3D人体模型，并根据所述人体数据库对所述初始3D人体模型进行调整，获取3D人体模型。
采用这种方式，就可以先采集人体数据，然后对采集的人体数据进行特征点标记，然后用带有特征点标记的人体数据对输入的初始3D人体模型进行特征点匹配，从而对初始3D人体模型进行参数变换，获取目标的3D人体模型，将公共人体模型的外形变成目标人体模型。该方式成本更低，建立3D人体模型的效率更高，并且获取的3D人体模型拥有骨骼信息，可绑定动作，并且能够进行二次编辑和开发，极大的方便了对3D人体模型的使用。
本发明提供的3D人体模型的建立方法，可以降低目前的3D人体扫描所得到的3D人体数据提供二次开发和编辑的门槛，并且可以用参数化变形的方式自动生成各种不同体型的人体数据，从而极大降低3D人体采集的成本和提高采集的效率，并且该技术方案可以应用到虚拟试衣，能够根据用户的体型自动生成与用户体型类似的3D虚拟人体。本实施例中采集模块201可以采用3D扫描仪进行扫描采集。
根据其中一个示例，所述匹配建立模块具体用于：
根据所述人体数据库中的标记的特征点对应的在初始3D人体模型上进行特征点匹配和标记。
这样就可以将人体数据库中标记的特征点匹配到初始3D人体模型上，从而将匹配的特征点标记到初始3D人体模型上，给初始3D人体模型赋予参数，将初始3D人体模型参数化。
根据其中另一个示例，所述匹配建立模块进一步用于：
获取输入的任一已标记特征点的3D人体公模，将该3D人体公模的已标记特征点调整为人体数据库的特征点。
采用这种方式就可以将3D人体公模的参数重新调整，将人体模型数据库中的特征点标记到3D人体公模中，将3D人体公模参数化，从而保留骨骼信息，可绑定动作以及实现二次开发。
根据其中另一个示例，所述采集模块具体用于：
采集至少两个男性和两个女性的3D人体数据并储存。
这样采集的样本更多，可获取更多的特征点，让人体数据库中的样本更加丰富，这样对获取的初始3D人体模型进行特征点匹配和标记时更加容易找到相接近的样本的3D人体数据，从而进行匹配和标记。本实施例中，可以取200个男性和200个女性的3D人体数据，不仅方便数据采集，而且采集的效率较高。
根据其中另一个示例，所述数据处理模块获取的特征点标记中，每个人体中标记有70个特征点。
本实施例中在人体上设置70个特征点进行标记，可覆盖人体的关键部件，从而在更加精确的模拟人体动作等，更加拟人化和真实化。当然本实施例中也可以设置其他数量的特征点，例如80个，66个，95个，108个等等。
以上内容是结合具体的优选实施方式对本发明所作的进一步详细说明，不能认定本发明的具体实施只局限于这些说明。对于本发明所属技术领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干简单推演或替换，都应当视为属于本发明的保护范围。
Claims (6)
1.一种3D人体模型的建立方法，其特征在于，包括：
采集并储存3D人体数据；
获取对该3D人体数据的特征点标记，并根据特征点的标记建立人体数据库；
利用机器人学习的方法，让系统学习所述人体数据库中的特征点标记，构建一个自动特征点标记系统；
获取输入的任一初始3D人体模型，并利用所述特征点标记系统自动给所述3D人体模型进行特征点标记，输出一个包含特征点标记的3D人体模型，即参数化的3D人体模型；
获取输入的任一已标记特征点的3D人体公模，根据所述参数化的3D人体模型，将所述3D人体公模进行参数化变形，从而获取到3D人体模型。
2.根据权利要求1所述的方法，其特征在于，所述采集并储存3D人体数据的步骤具体包括：
采集至少两个男性和两个女性的3D人体数据并储存。
3.根据权利要求1所述的方法，其特征在于，所述获取对该3D人体数据的特征点标记的步骤中，每个人体中标记有70个特征点。
4.一种3D人体模型的建立系统，其特征在于，包括：
采集模块，用于采集并储存3D人体数据；
数据处理模块，用于获取对该3D人体数据的特征点标记，并根据特征点的标记建立人体数据库；并利用机器人学习的方法，让系统学习所述人体数据库中的特征点标记，构建一个自动特征点标记系统；
匹配建立模块，用于获取输入的任一初始3D人体模型，并利用所述特征点标记系统自动给所述3D人体模型进行特征点标记，输出一个包含特征点标记的3D人体模型，即参数化的3D人体模型；并获取输入的任一已标记特征点的3D人体公模，根据所述参数化的3D人体模型，将所述3D人体公模进行参数化变形，从而获取到3D人体模型。
5.根据权利要求4所述的系统，其特征在于，所述采集模块具体用于：
采集至少两个男性和两个女性的3D人体数据并储存。
6.根据权利要求4所述的系统，其特征在于，所述数据处理模块获取的特征点标记中，每个人体中标记有70个特征点。
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| PCT/CN2017/070412 WO2018126435A1 (zh) | 2017-01-06 | 2017-01-06 | 一种3d人体模型的建立方法和系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN109891464A CN109891464A (zh) | 2019-06-14 |
| CN109891464B true CN109891464B (zh) | 2023-03-07 |
Family
ID=62788971
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201780061461.1A Active CN109891464B (zh) | 2017-01-06 | 2017-01-06 | 一种3d人体模型的建立方法和系统 |
Country Status (2)
| Country | Link |
|---|---|
| CN (1) | CN109891464B (zh) |
| WO (1) | WO2018126435A1 (zh) |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110838179B (zh) * | 2019-09-27 | 2024-01-19 | 深圳市三维人工智能科技有限公司 | 基于体测数据的人体建模方法、装置及电子设备 |
| CN114851565B (zh) * | 2022-04-12 | 2024-03-29 | 深圳市广德教育科技股份有限公司 | 一种使用3d打印技术制造试衣模特的方法 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102178530A (zh) * | 2011-01-24 | 2011-09-14 | 天津大学 | 基于三维点云数据的人体尺寸自动测量方法 |
| CN104679831A (zh) * | 2015-02-04 | 2015-06-03 | 腾讯科技（深圳）有限公司 | 一种匹配人体模型的方法及装置 |
| CN105551079A (zh) * | 2015-12-18 | 2016-05-04 | 朝克 | 一种个性化尺寸自调的3d人体模特的虚拟建模方法 |
Family Cites Families (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| GB201104312D0 (en) * | 2011-03-14 | 2011-04-27 | Bell Alexandra | Improved virtual try on simulation service |
| KR101778833B1 (ko) * | 2014-04-03 | 2017-09-26 | 한국전자통신연구원 | 3d 의류 모델 복원 방법 및 장치 |
| CN106296809B (zh) * | 2016-08-11 | 2019-02-26 | 湖南化身科技有限公司 | 一种组件式三维人像建模方法 |
-
2017
- 2017-01-06 CN CN201780061461.1A patent/CN109891464B/zh active Active
- 2017-01-06 WO PCT/CN2017/070412 patent/WO2018126435A1/zh active Application Filing
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102178530A (zh) * | 2011-01-24 | 2011-09-14 | 天津大学 | 基于三维点云数据的人体尺寸自动测量方法 |
| CN104679831A (zh) * | 2015-02-04 | 2015-06-03 | 腾讯科技（深圳）有限公司 | 一种匹配人体模型的方法及装置 |
| CN105551079A (zh) * | 2015-12-18 | 2016-05-04 | 朝克 | 一种个性化尺寸自调的3d人体模特的虚拟建模方法 |
Non-Patent Citations (2)
| Title |
|---|
| 个性化三维人体模型快速建模方法;毛天露 等;《计算机辅助设计与图形学学报》;20051030;第17卷(第10期);全文 * |
| 服装CAD中个性化三维人体建模;王栋等;《计算机系统应用》;20090815(第08期);摘要、正文第2页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN109891464A (zh) | 2019-06-14 |
| WO2018126435A1 (zh) | 2018-07-12 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Herbert et al. | A comparison of usefulness of 2D and 3D representations of urban planning | |
| Zhu et al. | An efficient human model customization method based on orthogonal-view monocular photos | |
| CN111968165B (zh) | 动态人体三维模型补全方法、装置、设备和介质 | |
| Wu et al. | ClothGAN: generation of fashionable Dunhuang clothes using generative adversarial networks | |
| CN107248353B (zh) | 一种解剖数据处理方法、装置及系统 | |
| CN109891464B (zh) | 一种3d人体模型的建立方法和系统 | |
| CN113379932B (zh) | 人体三维模型的生成方法和装置 | |
| CN111062260A (zh) | 一种面部整容推荐方案自动生成方法 | |
| CN107609487B (zh) | 一种用户头像的生成方法和装置 | |
| CN114612612A (zh) | 人体姿态估计方法及装置、计算机可读介质、电子设备 | |
| Brownridge et al. | Body scanning for avatar production and animation | |
| CN117765783A (zh) | 一种基于虚拟现实技术的智能化交互式培训系统 | |
| Barber et al. | Growing images: generating 3D digital models to investigate archaeological Moriori carvings on live trees | |
| Liu et al. | SCUT-AutoALP: A diverse benchmark dataset for automatic architectural layout parsing | |
| CN105303380A (zh) | 虚拟试衣系统 | |
| Kukuni | Industrial augmented reality as an approach for device identification within a manufacturing plant for property alteration purposes | |
| Samant et al. | Interior design using augmented reality | |
| Choi | Utilization of mixed reality tools in the design of wireless assistive products | |
| Ma et al. | Implementation of Object-oriented Design Technology and Deep Learning Algorithm in Interior Design CAD System | |
| Ristić et al. | Designing augmented reality application for interaction with smart environment | |
| CN108133195A (zh) | 针对可视媒体中形体动作内容的智能分析与视觉表达方法 | |
| Zheng et al. | Construction of knowledge graph of 3D clothing design resources based on multimodal clustering network | |
| Ju et al. | Architecture and Scene Restoration Using Multi-feature Fusion of Building Information | |
| Liu | Extraction of Visual Communication Design Elements Based on Machine Learning | |
| Counsell et al. | Evaluation of 3D visualisation in the virtual environmental planning systems project |
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 | ||
| TR01 | Transfer of patent right | ||
| TR01 | Transfer of patent right |
Effective date of registration: 20230407 Address after: 23C, Gongkan Building, No. 8 Keji South 8th Road, High tech Zone Community, Yuehai Street, Shenzhen City, Guangdong Province, 518000 Patentee after: Shenzhen Kelu Education Technology Co.,Ltd. Address before: 518000 room 2101, Xianjian science and technology building, Keji South 12th Road, Yuehai street, Nanshan District, Shenzhen, Guangdong Province Patentee before: SHENZHEN THREE D ARTIFICIAL INTELLIGENCE TECHNOLOGY Co.,Ltd. |