CN110163981A - 一种基于运动相似性的引导发丝提取方法 - Google Patents

一种基于运动相似性的引导发丝提取方法 Download PDF

Info

Publication number
CN110163981A
CN110163981A CN201910263689.XA CN201910263689A CN110163981A CN 110163981 A CN110163981 A CN 110163981A CN 201910263689 A CN201910263689 A CN 201910263689A CN 110163981 A CN110163981 A CN 110163981A
Authority
CN
China
Prior art keywords
hair
particle
guidance
grouping
weight
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.)
Withdrawn
Application number
CN201910263689.XA
Other languages
English (en)
Inventor
包永堂
崔宾阁
梁永全
李哲
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shandong University of Science and Technology
Original Assignee
Shandong University of Science and Technology
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Shandong University of Science and Technology filed Critical Shandong University of Science and Technology
Priority to CN201910263689.XA priority Critical patent/CN110163981A/zh
Publication of CN110163981A publication Critical patent/CN110163981A/zh
Withdrawn legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T19/00—Manipulating 3D models or images for computer graphics
    • G06T19/20—Editing of 3D images, e.g. changing shapes or colours, aligning objects or positioning parts

Landscapes

  • Engineering & Computer Science (AREA)
  • Architecture (AREA)
  • Computer Graphics (AREA)
  • Computer Hardware Design (AREA)
  • General Engineering & Computer Science (AREA)
  • Software Systems (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明属于头发的动态仿真和编辑技术领域，具体公开了一种基于运动相似性的引导发丝提取方法。其中，引导发丝提取方法包括如下步骤：s1.输入头发运动数据，建立一个图模型来反映头发发丝局部运动相似性；s2.通过定义最小化能量函数，将图模型分割成k个不相交的集合，进行头发发丝分组；s3.利用选择最大能量函数的发丝选择算法，从头发发丝分组中提取引导发丝。本发明方法利用发丝间的运动相似性提取引导发丝，用于建立时空邻域网络信息，从而应用于动态头发时空编辑，具有编辑速度快，效果逼真度高等优势。

Description

一种基于运动相似性的引导发丝提取方法
技术领域
本发明属于头发的动态仿真和编辑(即对头发运动数据进行编辑操作，提取引导发丝，应用于头发时空编辑)技术领域，特别涉及一种基于运动相似性的引导发丝提取方法。
背景技术
头发编辑是计算机图形学和虚拟现实领域重要的研究内容之一。目前，头发编辑主要有两种实现方式，一是基于几何的头发模型编辑方法，即通过编辑头发模型的外观生成新的发型；二是基于物理的头发编辑方法，即通过物理模拟的形式对头发模型进行编辑。
下面分别对以上两种头发编辑方法的原理及缺陷进行分析：
一、基于几何的头发模型编辑方法
基于草图的方式编辑生成发型是早期常用的头发模型编辑方法，通过设置不同的参数值编辑头发模型，为了简化发型表示，发束、簇、缕和圆柱模型常被用于表示多重头发的位置和形状，已有的工作如对比文献1至对比文献4所示。该类方法直接对头发几何模型进行编辑操作，从输入草图构建头发生长方向场，快速构建相对逼真的方向场，但只能编辑生成直发等相对简单的发型，并且只能处理静态发型，无法应用于动态头发编辑。
二、基于物理的头发编辑方法
基于物理的动态头发建模方法，通过求解复杂的物理方程以实现头发的运动建模。近期在该领域的研究内容如对比文献5至对比文献9所示。这些方法通过对边界条件的控制实现对建模结果的控制，建模过程不直观，难以直接获取与真实对应的头发运动结果。当前头发编辑面临的主要困难是使用简单的头发几何准确的初始化头发模型。
现有技术文献：
非专利文献
对比文献1：Chai M,Wang L,Weng Y,et al.Single-view hair modeling forportrait manipulation[J].ACM Trans.on Graphics,2012,31(4):116；
对比文献2：Fu H,Wei Y,Tai C L,et al.Sketching hairstyles[C].Proceedings of the 4th Eurographics Workshop on Sketch-Based Interfaces andModeling,2007.31–36；
对比文献3：Wang L,Yu Y,Zhou K,et al.Example-based hair geometrysynthesis[J].ACM Trans.on Graphics,2009,28(6):56；
对比文献4：Weng Y,Wang L,Li X,et al.Hair interpolation for portraitmorphing[J].Computer Graphics Forum，2013，32(7)：79-84；
对比文献5：Chai M，Zheng C，Zhou K.A reduced model for interactive hairs[J].Acm Transactions on Graphics，2014，33(4)：1-11；
对比文献6：C.Yuksel，S.Schaefer and J.Keyser.Hair meshes[J].ACMTransactions on Graphics(TOG)，Vol.28，no，2009，pp.166；
对比文献7：Derouet-Jourdan A，Bertails-Descoubes F，Thollot J.Floatingtangents for approximating spatial curves with G1 G1 piecewise helices[J].Computer Aided Geometric Design，2013，30(5)：490-520；
对比文献8：Wu K，Yuksel C.Real-time hair mesh simulation[C].ACMSIGGRAPH Symposium on Interactive 3d Graphics and Games.ACM，2016：59-64；
对比文献9：Chai M，Zheng C，Zhou K.Adaptive Skinning for InteractiveHair-Solid Simulation[J].IEEE Transactions on Visualization&ComputerGraphics，2016，23(7)：1725-1738。
发明内容
本发明的目的在于提出一种基于运动相似性的引导发丝提取方法，以便能够快速对头发运动数据进行分组，同时准确提取引导发丝，用于动态头发编辑。
本发明为了实现上述目的，采用如下技术方案：
一种基于运动相似性的引导发丝提取方法，包括如下步骤：
s1.输入头发运动数据，建立一个图模型来反映头发发丝局部运动相似性；
s2.通过定义最小化能量函数，将图模型分割成k个不相交的集合，进行头发发丝分组；
s3.利用选择最大能量函数的发丝选择算法，从头发发丝分组中提取引导发丝。
优选地，步骤s1具体为：
s1.1.建立图的基本拓扑结构，具体过程为：
s1.1.1.为所有头发在头发粒子级别上建立一个图，在图中每一个节点都代表了一个头发粒子，利用头发粒子间的接近程度初始化图的边；
s1.1.2.定义pi(f)表示头发粒子i在输入的第f帧中的位置，对于在第f帧中的每一个头发粒子i，在它的半径r范围内搜索附近的头发粒子j，并在两个头发粒子之间建立一条边；
在头发粒子i和j之间建立一条边的条件是：只要存在一帧f满足约束条件||pi(f)-pj(f)||2＜r，其中，半径r是一个距离阈值，代表允许头发粒子之间相互作用的距离；
s1.1.3.对于图中的每一条边，定义一个整数nij来统计头发粒子i和j之间满足上述约束条件的总帧数，其中，nij＝∑f∈Fδ(pi(f)，pj(f))，F表示头发运动数据的总帧数；
指示函数δ(pi(f)，pj(f))定义为：
s1.2.定义权重度量运动相似度，具体过程为：
s1.2.1.为每一条边eij定义一个权重wij来计算头发粒子i和j之间的运动相似度，对于第f帧中的头发粒子i，用和分别表示头发粒子i当前状态和静止状态的局部坐标；
s1.2.2.同时定义一个局部变换Bi(f)用来表示头发粒子从转换到的变换；
则权重wij被定义为：
其中，Cω是一个常数，确保权重wij总是一个整数；
s1.2.3.缩小图的规模，将单个头发发丝上的所有头发粒子节点收缩到一个图节点中。
优选地，步骤s2具体为：
s2.1.将图模型分割成k个不相交的集合{S1，S2，…，Sk}；
s2.2.最小化函数
其中，wab表示集合Sm和集合Sn中的头发粒子a和头发粒子b之间的权重；
s2.3.采用近似K-cut算法求解头发发丝分组。
优选地，步骤s3具体为：
定义选择最大能量函数
其中，G表示已经选择的引导头发集合，q表示一根正常的发丝，t表示一根在发丝q附近N(q)的引导发丝，wqt表示发丝q和引导发丝t之间的权重；
则提取引导发丝的过程具体为：
s3.1.在每个头发发丝分组中选择边的权重求和最大的那个节点；
s3.2.进行迭代操作，依次对每个头发发丝分组进行操作，并修复其他头发发丝分组；
s3.3.重复迭代直到引导头发集合G停止变化。
本发明具有如下优点：
如上所述，本发明方法利用发丝间的运动相似性提取引导发丝，用于建立时空邻域网络信息，从而应用于动态头发时空编辑，具有编辑速度快，效果逼真度高等优势。
附图说明
图1为本发明实施例中基于运动相似性的引导发丝提取方法的流程示意图。
图2为利用本发明实施例中方法生成的引导发丝提取结果示意图。
具体实施方式
下面结合附图以及具体实施方式对本发明作进一步详细说明：
如图1所示，一种基于运动相似性的引导发丝提取方法，包括如下步骤：
第一步：输入头发运动数据，建立一个图模型来反映头发发丝局部运动相似性。
该步骤包括两个过程：
一是建立图的基本拓扑结构，二是定义权重度量运动相似性。
其中，建立图的基本拓扑结构的具体过程为：
I.为所有头发在头发粒子级别而非发丝级别上建立一个图，在图中每一个节点都代表了一个头发粒子，利用头发粒子间的接近程度初始化图的边。
II.定义pi(f)表示头发粒子i在输入的第f帧中的位置，对于在第f帧中的每一个头发粒子i，在它的半径r范围内搜索附近的头发粒子j，并在两个头发粒子之间建立一条边。
头发粒子i和j之间建立一条边的条件是：只要存在一帧f满足约束条件||pi(f)-pj(f)||2＜r，其中，半径r是一个距离阈值，代表允许头发粒子之间相互作用的距离。
III.对于图中的每一条边，定义一个整数nij来统计头发粒子i和j之间满足上述约束条件的总帧数，nij＝∑f∈Fδ(pi(f)，pj(f))。
指示函数δ(pi(f)，pj(f))定义为：
为了能够使算法的效率更高，进一步对图中的数量小于距离阈值的边进行删减，即nij＜∈eF，在此方法中，F表示头发运动数据的总帧数，取∈e＝0.2。
其中，定义权重度量运动相似度，计算发丝间运动相似性的具体过程为：
I.为每一条边eij定义一个权重wij来计算头发粒子i和j之间的运动相似度，对于第f帧中的头发粒子i，用和分别表示头发粒子i当前状态和静止状态的局部坐标。
II.同时定义一个局部变换Bi(f)用来表示头发粒子从转换到的变换。
则权重wij被定义为：
其中，Cω是一个常数，确保权重wij总是一个整数。
III.缩小图的规模，将单个头发发丝上的所有头发粒子节点收缩到一个图节点中，同时，对被整合到一条边上的权值进行总结，并用它们的权值求和作为合成边的最终权重。
本发明实施例在发丝间运动相似性计算过程中(即上述第一步)，在头发粒子级别建立图的基本拓扑结构，并为每一条边建立权重度量运动相似度，不仅使得头发间的相似性计算准确，而且能够高效地建立头发运动数据得到时空邻居拓扑网络。
第二步：定义最小化能量函数，将图模型分割成k个不相交的集合，进行头发发丝分组。
该步骤具体包括以下三个过程：
I.将图模型分割成k个不相交的集合{S1，S2，…，Sk}。
II.最小化函数
其中，wab表示集合Sm和集合Sn中的头发粒子a和头发粒子b之间的权重。
III.采用近似K-cut算法求解头发发丝分组。当k在实验中是被指定的时，这是一个NP问题，本发明实施例采用近似K-cut算法进行求解，利于提高性能效率。
本发明实施例在上述第二步中，通过定义最小化能量函数，采用近似K-cut算法求解发丝分组，能够提高头发发丝分组的性能效率和效果准确性。
第三步：利用选择最大能量函数的发丝选择算法，从头发发丝分组中提取引导发丝。
该步骤具体包括以下三个过程：
在对头发发丝分组后，从每组中选择一根引导头发，它由一组连续移动的头发组成。通过提出一种选择最大能量函数的头发选择算法实现。
其中，G表示已经选择的引导头发集合，q表示一根正常的发丝，t表示一根在发丝q附近N(q)的引导发丝(即在图中存在一条边eqt)，wqt表示发丝q和引导发丝t之间的权重。
则提取引导发丝的过程具体为：
I.在每个头发发丝分组中选择边的权重求和最大的那个节点进行初始化，因为两个选择的节点可能是相互连接的，这些节点不能保证能量函数取最大值。
II.依次对每个头发发丝分组进行迭代操作，并修复其他头发发丝分组。
在遍历当前头发发丝分组中的每个节点时，计算该节点作为引导头发时的能量函数值，并选择导致能量值最大的节点作为引导头发节点，然后转到下一头发发丝分组。
III.由于在每次迭代中能量函数从不减少，该算法总是收敛并终止，因此，重复迭代直到引导头发集合G停止变化。
对于一个大规模的图，这种启发式算法是快速的，并产生合理的结果。
本发明实施例在提取引导发丝过程中使用一种选择最大能量函数的发丝选择算法，能够解决图模型中节点数量过大的问题，也能平衡计算成本和引导发丝提取的质量。
下面还给出了具体实验以验证本发明方法的有效性，如图2所示。其中，图2(a)为输入头发运动数据中的一帧，图2(b)为发丝分组结果，图2(c)为引导发丝提取结果。
由上述实验不难发现：
本发明能准确计算头发间的相似性，高效地建立头发运动数据得到时空邻居拓扑网络，同时还能有效地提取引导发丝，应用于动态头发时空编辑，效果逼真度高。
本实施例中方法主要应用于数字游戏、三维影视动画以及化妆广告、娱乐等领域。
当然，以上说明仅仅为本发明的较佳实施例，本发明并不限于列举上述实施例，应当说明的是，任何熟悉本领域的技术人员在本说明书的教导下，所做出的所有等同替代、明显变形形式，均落在本说明书的实质范围之内，理应受到本发明的保护。

Claims (4)

1.一种基于运动相似性的引导发丝提取方法，其特征在于，包括如下步骤：
s1.输入头发运动数据，建立一个图模型来反映头发发丝局部运动相似性；
s2.通过定义最小化能量函数，将图模型分割成k个不相交的集合，进行头发发丝分组；
s3.利用选择最大能量函数的发丝选择算法，从头发发丝分组中提取引导发丝。
2.根据权利要求1所述的基于运动相似性的引导发丝提取方法，其特征在于，
所述步骤s1具体为：
s1.1.建立图的基本拓扑结构，具体过程为：
s1.1.1.为所有头发在头发粒子级别上建立一个图，在图中每一个节点都代表一个头发粒子，利用头发粒子间的接近程度初始化图的边；
s1.1.2.定义pi(f)表示头发粒子i在输入的第f帧中的位置，对于在第f帧中的每一个头发粒子i，在它的半径r范围内搜索附近的头发粒子j，并在两个头发粒子之间建立一条边；
在头发粒子i和j之间建立一条边的条件是：只要存在一帧f满足约束条件||pi(f)-pj(f)||2＜r，其中，半径r是一个距离阈值，代表允许头发粒子之间相互作用的距离；
s1.1.3.对于图中的每一条边，定义一个整数nij来统计头发粒子i和j之间满足上述约束条件的总帧数，其中，nij＝∑f∈Fδ(pi(f)，pj(f))，F表示头发运动数据的总帧数；
指示函数δ(pi(f)，pj(f))定义为：
s1.2.定义权重度量运动相似度，具体过程为：
s1.2.1.为每一条边eij定义一个权重wij来计算头发粒子i和j就间的运动相似度，对于第f帧中的头发粒子i，用和分别表示头发粒子i当前状态和静止状态的局部坐标；
s1.2.2.同时定义一个局部变换Bi(f)用来表示头发粒子从转换到的变换；
则权重wij被定义为：
其中，Cω是一个常数，确保权重wij总是一个整数；
s1.2.3.缩小图的规模，将单个头发发丝上的所有头发粒子节点收缩到一个图节点中。
3.根据权利要求1所述的基于运动相似性的引导发丝提取方法，其特征在于，
所述步骤s2具体为：
s2.1.将图模型分割成k个不相交的集合{S1，S2，…，Sk}；
s2.2.最小化函数
其中，wab表示集合Sm和集合Sn中的头发粒子a和头发粒子b之间的权重；
s2.3.采用近似K-cut算法求解头发发丝分组。
4.根据权利要求1所述的基于运动相似性的引导发丝提取方法，其特征在于，
所述步骤s3具体为：
定义选择最大能量函数
其中，G表示已经选择的引导头发集合，q表示一根正常的发丝，t表示一根在发丝q附近N(q)的引导发丝，wqt表示发丝q和引导发丝t之间的权重；
则提取引导发丝的过程具体为：
s3.1.在每个头发发丝分组中选择边的权重求和最大的那个节点进行初始化；
s3.2.进行迭代操作，依次对每个头发发丝分组进行操作，并修复其他头发发丝分组；
s3.3.重复迭代直到引导头发集合G停止变化。
CN201910263689.XA 2019-04-03 2019-04-03 一种基于运动相似性的引导发丝提取方法 Withdrawn CN110163981A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910263689.XA CN110163981A (zh) 2019-04-03 2019-04-03 一种基于运动相似性的引导发丝提取方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910263689.XA CN110163981A (zh) 2019-04-03 2019-04-03 一种基于运动相似性的引导发丝提取方法

Publications (1)

Publication Number Publication Date
CN110163981A true CN110163981A (zh) 2019-08-23

Family

ID=67638830

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910263689.XA Withdrawn CN110163981A (zh) 2019-04-03 2019-04-03 一种基于运动相似性的引导发丝提取方法

Country Status (1)

Country Link
CN (1) CN110163981A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115294256A (zh) * 2022-08-16 2022-11-04 北京畅游创想软件技术有限公司 头发处理方法、装置、电子设备及计算机可读存储介质

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103942090A (zh) * 2014-04-11 2014-07-23 浙江大学 一种数据驱动的实时头发运动仿真方法

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103942090A (zh) * 2014-04-11 2014-07-23 浙江大学 一种数据驱动的实时头发运动仿真方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
YIJIE WU,YONGTANG BAO,YUE QI: ""Spatial-Temporal Editing for Dynamic Hair Data"", 《2017 INTERNATIONAL CONFERENCE ON VIRTUAL REALITY AND VISUALIZATION (ICVRV)》 *

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115294256A (zh) * 2022-08-16 2022-11-04 北京畅游创想软件技术有限公司 头发处理方法、装置、电子设备及计算机可读存储介质

Similar Documents

Publication Publication Date Title
Gkioxari et al. Mesh r-cnn
CN104933757B (zh) 一种基于款式描述符的三维服装建模方法
CN105006014B (zh) 虚拟衣物快速模拟试穿的实现方法及系统
CN106709975B (zh) 一种交互式三维人脸表情动画编辑方法、系统及扩展方法
CN107767453B (zh) 一种基于规则约束的建筑物lidar点云重构优化方法
CN102339475B (zh) 基于表面网格的快速毛发建模方法
CN106041928A (zh) 一种基于工件模型的机器人作业任务生成方法
CN105261062B (zh) 一种人物分段建模方法
CN104778736A (zh) 单视频内容驱动的服装三维动画生成方法
CN111369649B (zh) 一种基于高精度三维扫描模型的制作计算机蒙皮动画的方法
Xiong et al. Get3dhuman: Lifting stylegan-human into a 3d generative model using pixel-aligned reconstruction priors
CN103366402A (zh) 三维虚拟服饰的快速姿态同步方法
Sun et al. Human 3d avatar modeling with implicit neural representation: A brief survey
CN110163981A (zh) 一种基于运动相似性的引导发丝提取方法
CN105279788A (zh) 一种生成物体空间扫掠体的方法
Orbay et al. Sketch-based modeling of smooth surfaces using adaptive curve networks
Boukhayma et al. Video based animation synthesis with the essential graph
CN104537704A (zh) 一种鸟类躯干模型的羽毛实时动态生成方法
Pawaskar et al. Expression transfer: A system to build 3d blend shapes for facial animation
Men et al. En3d: An enhanced generative model for sculpting 3d humans from 2d synthetic data
Li et al. Animating cartoon faces by multi‐view drawings
Zhang et al. 3D design platform of virtual national costume based on digital nonlinear random matrix
DU et al. Terrain edge stitching based on least squares generative adversarial networks
Ozbay et al. ANovel APPROACH TO SMOOTHING ON 3D STRUCTURED ADAPTIVE MESH OF THE KINECT-BASED MODELS
Zhang et al. An improved collision detection algorithm for hair simulation study

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
WW01 Invention patent application withdrawn after publication
WW01 Invention patent application withdrawn after publication

Application publication date: 20190823