CN110490959A - 三维图像处理方法及装置、虚拟形象生成方法以及电子设备 - Google Patents
三维图像处理方法及装置、虚拟形象生成方法以及电子设备 Download PDFInfo
- Publication number
- CN110490959A CN110490959A CN201910750316.5A CN201910750316A CN110490959A CN 110490959 A CN110490959 A CN 110490959A CN 201910750316 A CN201910750316 A CN 201910750316A CN 110490959 A CN110490959 A CN 110490959A
- Authority
- CN
- China
- Prior art keywords
- target object
- object model
- distorted pattern
- point
- model
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 49
- 238000003672 processing method Methods 0.000 title claims abstract description 23
- 230000008859 change Effects 0.000 claims abstract description 135
- 238000012545 processing Methods 0.000 claims abstract description 25
- 210000000744 eyelid Anatomy 0.000 claims description 49
- 239000011159 matrix material Substances 0.000 claims description 35
- 230000009466 transformation Effects 0.000 claims description 35
- 238000003860 storage Methods 0.000 claims description 21
- 241000208340 Araliaceae Species 0.000 claims description 7
- 235000005035 Panax pseudoginseng ssp. pseudoginseng Nutrition 0.000 claims description 7
- 235000003140 Panax quinquefolius Nutrition 0.000 claims description 7
- 235000008434 ginseng Nutrition 0.000 claims description 7
- 238000005516 engineering process Methods 0.000 description 22
- 238000010586 diagram Methods 0.000 description 19
- 238000012546 transfer Methods 0.000 description 16
- 238000006073 displacement reaction Methods 0.000 description 15
- PXFBZOLANLWPMH-UHFFFAOYSA-N 16-Epiaffinine Natural products C1C(C2=CC=CC=C2N2)=C2C(=O)CC2C(=CC)CN(C)C1C2CO PXFBZOLANLWPMH-UHFFFAOYSA-N 0.000 description 12
- 230000006870 function Effects 0.000 description 10
- 241000282414 Homo sapiens Species 0.000 description 8
- 241001465754 Metazoa Species 0.000 description 7
- 238000013473 artificial intelligence Methods 0.000 description 7
- 230000015654 memory Effects 0.000 description 7
- 230000006854 communication Effects 0.000 description 6
- 230000014509 gene expression Effects 0.000 description 6
- 238000004891 communication Methods 0.000 description 5
- 238000004590 computer program Methods 0.000 description 5
- 238000004364 calculation method Methods 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 4
- 230000001815 facial effect Effects 0.000 description 3
- 230000008921 facial expression Effects 0.000 description 3
- 238000004519 manufacturing process Methods 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- NAWXUBYGYWOOIX-SFHVURJKSA-N (2s)-2-[[4-[2-(2,4-diaminoquinazolin-6-yl)ethyl]benzoyl]amino]-4-methylidenepentanedioic acid Chemical compound C1=CC2=NC(N)=NC(N)=C2C=C1CCC1=CC=C(C(=O)N[C@@H](CC(=C)C(O)=O)C(O)=O)C=C1 NAWXUBYGYWOOIX-SFHVURJKSA-N 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 230000015572 biosynthetic process Effects 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 230000005611 electricity Effects 0.000 description 2
- 230000005484 gravity Effects 0.000 description 2
- 210000003128 head Anatomy 0.000 description 2
- 230000005291 magnetic effect Effects 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012015 optical character recognition Methods 0.000 description 2
- 230000008447 perception Effects 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 230000000717 retained effect Effects 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 238000003786 synthesis reaction Methods 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 241000282412 Homo Species 0.000 description 1
- 241000406668 Loxodonta cyclotis Species 0.000 description 1
- 230000006978 adaptation Effects 0.000 description 1
- 230000003044 adaptive effect Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000003190 augmentative effect Effects 0.000 description 1
- 239000000470 constituent Substances 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 238000005520 cutting process Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 210000000887 face Anatomy 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 210000003127 knee Anatomy 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000029052 metamorphosis Effects 0.000 description 1
- 238000003058 natural language processing Methods 0.000 description 1
- 230000007935 neutral effect Effects 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 230000003014 reinforcing effect Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- 230000002194 synthesizing effect Effects 0.000 description 1
- 238000013519 translation Methods 0.000 description 1
- 239000011800 void material Substances 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T13/00—Animation
- G06T13/20—3D [Three Dimensional] animation
- G06T13/40—3D [Three Dimensional] animation of characters, e.g. humans, animals or virtual beings
-
- 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
- G06T17/20—Finite element generation, e.g. wire-frame surface description, tesselation
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Graphics (AREA)
- Geometry (AREA)
- Software Systems (AREA)
- Processing Or Creating Images (AREA)
Abstract
本公开提供一种三维图像处理方法及装置、虚拟形象生成方法以及电子设备,涉及图像处理技术领域,该方法包括:获取参考对象模型、参考对象变形模型以及目标对象模型;获取所述参考对象模型和所述目标对象模型之间的网格对应关系;确定所述参考对象变形模型相对于所述参考对象模型的不变点和变化点;根据所述参考对象模型和所述目标对象模型之间的网格对应关系以及所述参考对象变形模型相对于所述参考对象模型的不变点和变化点,获得目标对象变形模型相对于所述目标对象模型的不变点和变化点;根据所述目标对象变形模型相对于所述目标对象模型的不变点和变化点确定所述目标对象变形模型。本公开实施例提供的技术方案可以将变形前后的目标对象对齐。
Description
技术领域
本公开涉及图像处理技术领域,尤其涉及一种三维图像处理方法及装置、虚拟形象生成方法以及电子设备。
背景技术
近年来,人脸表情变形传递技术已广泛的应用于计算机动画、计算机游戏和计算机视觉领域。但是,根据现有的变形传递技术获得的目标对象变形模型与目标对象模型通常不能对齐(或分散在空间的各个地方),导致在使用根据相关变形传递技术获得的目标对象变形模型构建动画中的虚拟人物形象时,需要人工将各个目标对象变形模型对齐后,再根据对齐后的目标对象变形模型合成三维人物形象。该方法耗费了大量的人力物力,制作效率低。
因此,一种既能将参考对象变形模型和参考对象模型之间的变形传递到目标对象和目标对象变形模型之间,又能使得所述目标对象变形模型和所述目标对象模型对齐的方法,对于三维人物形象的自动合成非常重要。
需要说明的是,在上述背景技术部分公开的信息仅用于加强对本公开的背景的理解,因此可以包括不构成对本领域普通技术人员已知的现有技术的信息。
发明内容
有鉴于此,本公开实施例提供一种三维图像处理方法、装置及电子设备,既能够将参考对象变形模型相对于参考对象模型的变形传递到目标对象和目标对象变形模型之间,又能够将所述目标对象变形模型和所述目标对象模型对齐。
本公开的其他特性和优点将通过下面的详细描述变得显然,或部分地通过本公开的实践而习得。
根据本公开实施例的第一个方面,提出一种三维图像处理方法,该方法包括:获取参考对象模型、参考对象变形模型以及目标对象模型;获取所述参考对象模型和所述目标对象模型之间的网格对应关系;确定所述参考对象变形模型相对于所述参考对象模型的不变点和变化点;根据所述参考对象模型和所述目标对象模型之间的网格对应关系以及所述参考对象变形模型相对于所述参考对象模型的不变点和变化点,获得目标对象变形模型相对于所述目标对象模型的不变点和变化点;根据所述目标对象变形模型相对于所述目标对象模型的不变点和变化点确定所述目标对象变形模型。
在一些实施例中,根据所述参考对象模型和所述目标对象模型之间的网格对应关系以及所述参考对象变形模型相对于所述参考对象模型的不变点和变化点,获得目标对象变形模型相对于所述目标对象模型的不变点和变化点,包括:若所述参考对象模型的第i个网格与所述目标对象模型的第j个网格对应,则根据所述参考对象变形模型相对于所述参考对象模型的变化点判断所述目标对象变形模型的第j个网格上的顶点是否是变化点;若所述参考对象变形模型的第i个网格上的顶点存在变化点,则标记所述目标对象模型的第j个网格上的顶点为变化点,i和j为大于等于1的正整数。
在一些实施例中,根据所述目标对象变形模型相对于所述目标对象模型的不变点和变化点确定所述目标对象变形模型,包括:获取所述目标对象变形模型相对于所述目标对象模型的不变点信息和变化点信息;根据所述目标对象变形模型相对于所述目标对象模型的不变点信息和变化点信息确定所述目标对象变形模型。
在一些实施例中,获取所述目标对象变形模型相对于所述目标对象模型的变化点信息,包括:根据所述参考对象模型和所述参考对象变形模型确定第一变换矩阵;根据所述目标对象模型确定所述目标对象变形模型相对于所述目标对象模型的不变点信息;根据所述目标对象变形模型相对于所述目标对象模型的不变点信息确定第二变换矩阵;根据所述第一变换矩阵、所述第二变换矩阵以及所述目标对象模型,获得所述目标对象变形模型相对于所述目标对象模型的变化点信息。
在一些实施例中,获取所述参考对象模型和所述目标对象模型之间的网格对应关系,包括:获取所述参考对象模型和所述目标对象模型的关键点信息;根据所述参考对象模型和所述目标对象模型的关键点信息,将所述参考对象模型和所述目标对象模型对齐;根据对齐后的参考对象模型和目标对象模型确定所述参考对象模型和所述目标对象模型之间的网格对应关系。
在一些实施例中,所述参考对象变形模型相对于所述参考对象模型的变化点包括目标部位的点,所述目标部位包括第一边及其相对的第二边;其中,根据所述参考对象模型和所述目标对象模型之间的网格对应关系以及所述参考对象变形模型相对于所述参考对象模型的不变点和变化点,获得目标对象变形模型相对于所述目标对象模型的不变点和变化点,包括:获取所述目标对象变形模型的目标部位的第一边和第二边上的点,所述目标对象变形模型的目标部位的第一边上的点属于所述目标对象变形模型相对于所述目标对象模型的不变点;将所述目标对象变形模型的目标部位的第一边上的点的值对应赋值给所述目标对象变形模型的目标部位的第二边上的点;令所述目标对象变形模型的第二边上的点属于所述目标对象变形模型相对于所述目标对象模型的不变点,所述目标对象变形模型相对于所述目标对象模型的不变点用来确定所述目标对象变形模型,以使所述目标对象变形模型的目标部位闭合。
在一些实施例中,所述目标部位是眼皮部位;其中,根据所述参考对象模型和所述目标对象模型之间的网格对应关系以及所述参考对象变形模型相对于所述参考对象模型的不变点和变化点,获得目标对象变形模型相对于所述目标对象模型的不变点和变化点,包括:获取所述目标对象变形模型的眼皮部位的上、下眼皮边缘上的点,所述目标对象变形模型的目标部位的下眼皮边缘上的点属于所述目标对象变形模型相对于所述目标对象模型的不变点;将所述下眼皮边缘上的点的值对应赋值给所述上眼皮边缘上的点;令所述上眼皮边缘上的点属于所述目标对象变形模型相对于所述目标对象模型的不变点,所述目标对象变形模型相对于所述目标对象模型的不变点用来确定所述目标对象变形模型,以使所述目标对象变形模型的目标部位闭合。
根据本公开实施例的第二个方面,提出一种虚拟形象生成方法,该方法还包括:根据上述任一实施例所述的三维图像处理方法生成至少一个目标对象变形模型;根据所述至少一个目标对象变形模型生成所述虚拟形象。
根据本公开实施例的第三个方面,提出一种三维图像处理装置,该装置包括:图像处理模块、对应关系确定模块、第一不变点确定模块、第二不变点确定模块以及变形模型获取模块。
其中,所述图像获取模块可以配置为获取参考对象模型、参考对象变形模型以及目标对象模型;所述对应关系确定模块可以配置为获取所述参考对象模型和所述目标对象模型之间的网格对应关系;所述第一不变点确定模块可以配置为确定所述参考对象变形模型相对于所述参考对象模型的不变点和变化点;所述第二不变点确定模块可以配置为根据所述参考对象模型和所述目标对象模型之间的网格对应关系以及所述参考对象变形模型相对于所述参考对象模型的不变点和变化点,获得目标对象变形模型相对于所述目标对象模型的不变点和变化点;所述变形模型获取模块可以配置为根据所述目标对象变形模型相对于所述目标对象模型的不变点和变化点确定所述目标对象变形模型。
根据本公开实施例的第四个方面,提出一种电子设备,该电子设备包括:一个或多个处理器;存储装置,用于存储一个或多个程序,当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现上述任一项方法。
根据本公开实施例的第五个方面,提出一种计算机可读存储介质,其上存储有计算机程序,所述程序被处理器执行时实现如上述任一项方法。
本公开某些实施例提供的三维图像处理方法、装置及电子设备,一方面根据参考对象模型和参考对象变形模型,确定了所述参考对象变形模型相对于所述参考对象模型的不变点和变化点,即确定了所述参考对象变形模型相对于所述参考对象模型的变形信息;另一方面,根据所述参考对象模型和所述目标对象模型确定了所述参考对象模型和目标对象模型的网格对应关系,即确定了所述参考对象模型和所述目标对象模型之间的对应关系;再一方面,根据所述参考对象变形模型相对于所述参考对象模型的不变点和变化点以及所述参考对象模型和所述目标对象模型之间的网格对应关系,确定了目标对象变形模型相对于所述目标对象模型的不变点和变化点;然后根据所述目标对象变形模型相对于所述目标对象模型的不变点和变化点确定所述目标对象变形模型。本公开实施例提供的技术方案可以根据所述参考对象变形模型相对于所述参考对象模型的变形信息以及所述目标对象模型生成与所述目标对象模型对齐的目标对象变形模型,所述目标对象变形模型相对于目标对象模型的变形信息与所述参考对象变形模型相对于所述参考对象模型一致。此外,根据对齐后的目标对象变形模型可以自动生成虚拟形象,提高了虚拟形象的制作效率,减少了制作成本。
应当理解的是,以上的一般描述和后文的细节描述仅是示例性的,并不能限制本公开。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分,示出了符合本公开的实施例,并与说明书一起用于解释本公开的原理。下面描述的附图仅仅是本公开的一些实施例,对于本领域的普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1示出了应用于本公开实施例的三维图像处理方法、虚拟形象生成方法或三维图像处理装置的示例性系统架构的示意图。
图2是根据相关技术示出的一种变形传递的示意图。
图3是根据相关技术示出的一种目标对象模型和目标对象模型的对比图。
图4是根据一示例性实施例示出的一种三维图像处理方法的流程图。
图5是根据本公开实施例提供的三维图像处理方法获得的目标对象变形模型的示意图。
图6是图4中步骤S2在一示例性实施例中的流程图。
图7是根据示例性实施例示出的在目标对象模型和参考对象模型标注关键点的示意图。
图8是根据一示例性实施例示出的目标对象模型与参考对象模型的对应关系示意图。
图9是图4中步骤S4在一示例性实施例中的流程图。
图10是图4中步骤S5在一示例性实施例中的流程图。
图11是图10中步骤S51在一示例性实施例中的流程图。
图12是根据一示例性实施例示出的一种目标对象变形模型相对于所述目标对象模型的仿射变换矩阵。
图13是图4中步骤S4在另一示例性实施例中的流程图。
图14是根据一示例性实施例示出的一种未闭合眼皮部位的示意图。
图15是根据一示例性实施例示出的一种对上下眼皮进行等频分割的示意图。
图16是图4中步骤S4在又一示例性实施例中的流程图。
图17是根据一示例性实施例示出的一种目标对象变形模型的眼睛闭合成功前后的对比图。
图18是根据一示例性实施例示出的一种三维图像处理装置的框图。
图19是根据一示例性实施例示出的一种应用于三维图像处理装置的计算机系统的结构示意图。
具体实施方式
现在将参考附图更全面地描述示例实施例。然而,示例实施例能够以多种形式实施,且不应被理解为限于在此阐述的实施例;相反,提供这些实施例使得本公开将全面和完整,并将示例实施例的构思全面地传达给本领域的技术人员。在图中相同的附图标记表示相同或类似的部分,因而将省略对它们的重复描述。
所描述的特征、结构或特性可以以任何合适的方式结合在一个或更多实施方式中。在下面的描述中,提供许多具体细节从而给出对本公开的实施方式的充分理解。然而,本领域技术人员将意识到,可以实践本公开的技术方案而省略特定细节中的一个或更多,或者可以采用其它的方法、组元、装置、步骤等。在其它情况下,不详细示出或描述公知方法、装置、实现或者操作以避免模糊本公开的各方面。
附图仅为本公开的示意性图解,图中相同的附图标记表示相同或类似的部分,因而将省略对它们的重复描述。附图中所示的一些方框图不一定必须与物理或逻辑上独立的实体相对应。可以采用软件形式来实现这些功能实体,或在一个或多个硬件模块或集成电路中实现这些功能实体,或在不同网络和/或处理器装置和/或微控制器装置中实现这些功能实体。
附图中所示的流程图仅是示例性说明,不是必须包括所有的内容和步骤,也不是必须按所描述的顺序执行。例如,有的步骤还可以分解,而有的步骤可以合并或部分合并,因此实际执行的顺序有可能根据实际情况改变。
本说明书中,用语“一个”、“一”、“该”、“所述”和“至少一个”用以表示存在一个或多个要素/组成部分/等;用语“包含”、“包括”和“具有”用以表示开放式的包括在内的意思并且是指除了列出的要素/组成部分/等之外还可存在另外的要素/组成部分/等;用语“第一”、“第二”和“第三”等仅作为标记使用,不是对其对象的数量限制。
下面结合附图对本公开示例实施方式进行详细说明。
图1示出了应用于本公开实施例的三维图像处理方法、虚拟形象生成方法或三维图像处理装置的示例性系统架构的示意图。
如图1所示,系统架构100可以包括终端设备101、102、103,网络104和服务器105。网络104用以在终端设备101、102、103和服务器105之间提供通信链路的介质。网络104可以包括各种连接类型,例如有线、无线通信链路或者光纤电缆等等。
用户可以使用终端设备101、102、103通过网络104与服务器105交互,以接收或发送消息等。其中,终端设备101、102、103可以是具有显示屏并且支持网页浏览的各种电子设备,包括但不限于智能手机、平板电脑、膝上型便携计算机和台式计算机等等。
服务器105可以是提供各种服务的服务器,例如对用户利用终端设备101、102、103所进行操作的装置提供支持的后台管理服务器。后台管理服务器可以对接收到的请求等数据进行分析等处理,并将处理结果反馈给终端设备。
服务器105可例如获取参考对象模型、参考对象变形模型以及目标对象模型;服务器105可例如获取所述参考对象模型和所述目标对象模型之间的网格对应关系;服务器105可例如确定所述参考对象变形模型相对于所述参考对象模型的不变点和变化点;服务器105可例如根据所述参考对象模型和所述目标对象模型之间的网格对应关系以及所述参考对象变形模型相对于所述参考对象模型的不变点和变化点,获得目标对象变形模型相对于所述目标对象模型的不变点和变化点;服务器105可例如根据所述目标对象变形模型相对于所述目标对象模型的不变点和变化点确定所述目标对象变形模型。
应该理解,图1中的终端设备、网络和服务器的数目仅仅是示意性的,服务器105可以是一个实体的服务器,还可以为多个服务器组成,根据实际需要,可以具有任意数目的终端设备、网络和服务器。
本公开实施例中,人工智能(Artificial Intelligence,AI)是利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智能,感知环境、获取知识并使用知识获得最佳结果的理论、方法、技术及应用系统。换句话说,人工智能是计算机科学的一个综合技术,它企图了解智能的实质,并生产出一种新的能以人类智能相似的方式做出反应的智能机器。人工智能也就是研究各种智能机器的设计原理与实现方法,使机器具有感知、推理与决策的功能。
应该理解的是,人工智能技术是一门综合学科,涉及领域广泛,既有硬件层面的技术也有软件层面的技术。人工智能基础技术一般包括如传感器、专用人工智能芯片、云计算、分布式存储、大数据处理技术、操作/交互系统、机电一体化等技术。人工智能软件技术主要包括计算机视觉技术、语音处理技术、自然语言处理技术以及机器学习/深度学习等几大方向。
相关技术中,计算机视觉技术(Computer Vision,CV)计算机视觉是一门研究如何使机器“看”的科学,更进一步的说,就是指用摄影机和电脑代替人眼对目标进行识别、跟踪和测量等机器视觉,并进一步做图像处理,使电脑处理成为更适合人眼观察或传送给仪器检测的图像。作为一个科学学科,计算机视觉研究相关的理论和技术,试图建立能够从图像或者多维数据中获取信息的人工智能系统。计算机视觉技术通常包括图像处理、图像识别、图像语义理解、图像检索、OCR(Optical Character Recognition,光学字符识别)、视频处理、视频语义理解、视频内容/行为识别、三维物体重建、3D(3Dimensions,三维)技术、虚拟现实、增强现实、同步定位与地图构建等技术,还包括常见的人脸识别、指纹识别等生物特征识别技术。
图2是根据相关技术示出的一种变形传递的示意图。
变形传递是将参考对象变形模型相对于参考对象模型的变形克隆到与参考对象模型具有不同拓扑结构的目标对象模型上。本公开实施例中,Blendshape(混合变形)可以指的是基于FACS(Facial Action Coding System,面部动作编码系统)定义的人脸表情模型,每一个Blendshape都只有一处区域与中立的人脸表情(没有任何表情的人脸)不同(比如张嘴、微笑、闭眼等)。
如图2所述,每个参考对象变形模型203都可以是一个相对于参考对象模型201的Blendshape。
在一些实施例中,可以将所述参考对象变形模型203相对于所述参考对象模型201的变形,传递至目标对象变形模型204和目标对象模型203之间。例如,可以将第一参考对象变形模型2031相对于所述参考对象模型的变形(即:张嘴)传递至第一目标对象变形模型2041与所述目标对象模型202之间,以使所述第一目标对象变形模型2041相对于所述目标对象模型202之间的变形与所述第一个参考对象变形模型2031相对所述参考对象模型的变形相同。
在相关技术中,通过变形传递,可以将参考对象变形模型相对于参考对象模型的变形传递至目标对象变形模型和目标对象模型之间。但是,通过相关技术生成的目标对象变形模型通常无法与目标对象模型对齐。如图3所示,通过变形传递获得的目标对象变形模型302无法与所述目标对象模型301对齐(即所述目标对象变形模型302相对于所述目标对象模型301出现了偏离)。在实际工作中,如果使用未对齐的目标对象变形模型合成虚拟形象,则需要人工将多个目标对象变形模型对齐,极大地耗费了人力和成本。
图4是根据一示例性实施例示出的一种三维图像处理方法的流程图。本公开实施例所提供的方法可以由任意具备计算处理能力的电子设备处理,例如上述图1实施例中的服务器105和/或终端设备102、103,在下面的实施例中,以服务器105为执行主体为例进行举例说明,但本公开并不限定于此。
参照图4,本公开实施例提供的三维图像处理方法可以包括以下步骤。
在步骤S1中,获取参考对象模型、参考对象变形模型以及目标对象模型。
在一些实施例中,所述参考对象模型、所述参考对象变形模型以及所述目标对象模型可以是三维模型,该三维模型可以由很多个顶点组成,各个顶点之间有着固定的连接关系。其中,各个顶点在空间坐标系中具有三维坐标(x,y,z)。
在一些实施例中,所述参考对象变形模型是所述参考对象模型的变形模型,所以所述参考对象变形模型和所述参考对象模型可以具有相同的拓扑结构(即三维模型中的顶点个数以及顶点之间的连接关系完全相同)。在一些实施例中,所述目标对象模型和所述参考对象模型可以具有不同的拓扑结构,也可以具有相同的拓扑结构。
例如,参考对象模型可以是人脸,目标对象模型可以是与参考对象模型不同性别不同种族的人,也可以是与参考对象模型拓扑结构有很大差异的动物。
本公开实施例中,可以以参考对象为人脸、目标对象为与参考对象模型拓扑结构不同的人脸为例进行说明。
在一些实施例中,所述参考对象变形模型可以包括所述参考对象模型的一个表情的变形,如张嘴、微笑、闭眼等,也可以包括所述参考对象模型的多个表情的变形,如同时包括张嘴和闭眼或者同时包括张嘴、闭眼以及微笑等。应该理解的是,所述参考对象变形模型相对于所述参考对象模型的变形不仅包括表情的变形,还可以包括动作的变形、颜色的变形等。
本公开以参考变形模型相对于所述参考对象的变形中包括一个表情的变形为例进行说明,但应该理解的是,本公开对此不做限制。
在步骤S2中,获取所述参考对象模型和所述目标对象模型之间的网格对应关系。
在一些实施例中,所述参考对象模型和所述目标对象模型都可以由多个顶点组成,每个顶点之间又可以存在着一定的连接关系。通过所述参考对象模型和所述目标对象模型的顶点及其连接关系可以分别形成所述参考对象模型和所述目标对象的网格。在一些实施例中,所述参考对象模型(或所述目标对象模型)中的网格可以包括三角面片(由三个顶点组成)或四角面片(四个顶点组成)等,本公开对网格的具体形态不做限制。
在步骤S3中,确定所述参考对象变形模型相对于所述参考对象模型的不变点和变化点。
在一些实施例中,所述参考对象变形模型是所述参考对象模型的一个变形,所以所述参考对象变形模型和所述参考对象模型具有相同的拓扑结构。因此,将所述参考对象变形模型与所述参考对象模型对比后,就可以确定所述参考对象变形模型相对于所述参考对象模型的不变点和变化点以及所述不变点信息(如,不变点的坐标值)和变化点信息(如,变化点的坐标值)。
在步骤S4中,根据所述参考对象模型和所述目标对象模型之间的网格对应关系以及所述参考对象变形模型相对于所述参考对象模型的不变点和变化点,获得目标对象变形模型相对于所述目标对象模型的不变点和变化点。
在步骤S5中,根据所述目标对象变形模型相对于所述目标对象模型的不变点和变化点确定所述目标对象变形模型。
在一些实施例中,当所述目标对象变形模型相对于所述目标对象的不变点和变化点确定后,可以进一步的确定所述目标对象变形模型相对于所述目标对象的不变点信息和变化点信息。
在一些实施例中,可以在所述目标对象模型中保留上述不变点对应的信息,并用上述变化点信息替换所述目标对象模型中的原始信息,以形成所述目标对象模型的变形模型,即目标对象变形模型。
本公开实施例提供的三维图像处理方法,
一方面根据参考对象模型和参考对象变形模型,确定了所述参考对象变形模型相对于所述参考对象模型的不变点和变化点,即确定了所述参考对象变形模型相对于所述参考对象模型的变形信息;另一方面,根据所述参考对象模型和所述目标对象模型确定了所述参考对象模型和目标对象模型的网格对应关系,即确定了所述参考对象模型和所述目标对象模型之间的对应关系;再一方面,根据所述参考对象变形模型相对于所述参考对象模型的不变点和变化点以及所述参考对象模型和所述目标对象模型之间的网格对应关系,确定了目标对象变形模型相对于所述目标对象模型的不变点和变化点;然后根据所述目标对象变形模型相对于所述目标对象模型的不变点和变化点确定所述目标对象变形模型。本公开实施例提供的技术方案可以根据所述参考对象变形模型相对于所述参考对象模型的变形信息以及所述目标对象模型生成与所述目标对象模型对齐的目标对象变形模型,所述目标对象变形模型相对于目标对象模型的变形信息与所述参考对象变形模型相对于所述参考对象模型一致。此外,根据对齐后的目标对象变形模型可以自动生成虚拟形象,提高了虚拟形象的制作效率,减少了制作成本。
图5是根据本公开实施例提供的三维图像处理方法获得的目标对象变形模型的示意图。
如图5所示,左图示出了目标对象模型501以及根据相关技术获得的未对齐的目标对象变形模型502,右图示出了根据本公开实施例提供的三维图像处理方法获得的与所述目标对象模型对齐后的目标对象变形模型503。其中对齐后的目标对象变形模型503的网格区域表示所示目标对象变形模型503的不变点形成的图像,其它区域表示所述目标对象变形模型变化点形成的区域。
图6是图4中步骤S2在一示例性实施例中的流程图。本公开实施例中上述步骤S2可以进一步包括以下步骤。
在步骤S21中,获取所述参考对象模型和所述目标对象模型的关键点信息。
在一些实施例中,所述参考对象模型和所述目标对象模型可能是两个独立的模型,它们可能会互不相关,在空间中的位置也可能差了很远。例如,所述目标对象模型可能在原点(0,0,0)附近,所述参考对象模型可能在(-1000,-1000,-1000)附近。此外,所述目标对象参考模型和所述目标对象模型的大小也有可能不在一个数量级上(比如,一个头像模型可能是真实的人头的大小,另一个头像模型可能只有它的1%)。为了确定所述目标对象模型和所述参考对象头像的对应关系,需要将所述目标对象模型和所述参考对象模型对齐。因为所述目标对象模型和参考对象模型的拓扑结构可以不相同,所以本实施例中的将所述参考对象模型和所述目标对象模型对齐可以指的是一种粗对齐,例如将所述目标对象模型与所述参考对象模型对齐可以指的是将所述目标对象模型的重心及方向(例如,头顶的方向)与所述参考对象模型的重心方向对齐,也可以指的是将所述目标对象模型的鼻子与所述参考对象模型的鼻子对齐,本公开对此不做具体限制。
在一些实施例中,可以通过所述目标对象模型和参考对象模型的关键点信息将所述目标对象模型和所述参考对象模型对齐。
图7是根据示例性实施例示出的在目标对象模型和参考对象模型中进行关键点标注的示意图。
如图7所示,左上角图像代表了参考对象模型,右上角图像代表参考对象网格图像,左下角图像代表了目标对象模型,有下角图像代表了目标对象网格图像。
在一些实施例中,可以通过服务器、终端设备等可以进行关键点自动标注的电子设备在所述参考对象模型(或所述参考对象网格图像)、所述目标对象模型(或所述目标对象网格图像)中标注关键点,也可以通过人工在所述参考对象模型和所述目标对象模型中标注关键点。
如图7所示,701和702分别代表了所述参考对象模型中的关键点和所述目标对象模型中的关键点。需要注意的是,标注关键点时不仅要将图像中的主要部位标注出来,还要使所述目标对象模型中的关键点与参考对象模型中的关键点一一对应起来,即:如果在所述目标对象模型的鼻尖位置处标注了关键点,那么在参考对象模型的鼻尖位置处也要标准关键点;或者如果在所述目标对象的上眼皮位置处标注了五个关键点,那么在所述参考对象的上眼皮位置对应位置处标注五个关键点。
在步骤S22中根据所述参考对象模型和所述目标对象模型的关键点信息,将所述参考对象模型和所述目标对象模型对齐。
在一些实施例中,可以通过将所述参考对象模型的关键点和所述目标对象模型的关键点对应的对齐,以使所述目标对象和所述参考对象对齐。
在步骤S23中,根据对齐后的参考对象模型和目标对象模型确定所述参考对象模型和所述目标对象模型之间的网格对应关系。
在一些实施例中可以根据对齐后的所述参考对象模型的顶点生成如图7右上角所示的所述参考对象网格图像,其中所述参考对象网格图像包括多个三角面片。
在一些实施例中,可以对所述参考对象模型和所述目标对象模型中的三角面片分别进行编号处理。
在一些实施例中,可以将所述参考对象网格图像的三角面片与所述目标对象网格图像的三角面片对应起来,并获得所述目标对象模型与所述参考对象模型的对应关系。
图8是根据一示例性实施例示出的目标对象模型与参考对象模型的对应关系示意图。
如图8所示,其中3857代表所述目标对象模型与所述参考对象模型共有3857组对应的三角面片,下面每一行分别代表一组三角面片的对应关系。其中,第一组数据[7641,0,0.000015]代表所述参考对象模型中的第7641个三角面片与所述目标对象模型中的第0个三角形是对应的,两个三角形的距离(例如:欧式距离)是0.000015。
本实施例一方面通过关键点将所述目标对象模型和所述参考对象模型对齐,方便确定所述目标对象模型和所述参考对象模型之间的对应关系;另一方面,将对齐后的所述目标对象模型和所述参考对象模型通过三角面片进行网格化,并确定了所述目标对象模型的三角面片与所述参考对象模型三角面片的对应关系。其中,通过三角面片将模型网格化,不仅细化了模型的特征,还通过各个顶点之间的连接关系,将模型的不同特征联系起来,避免了特征之间的割离。
图9是图4中步骤S4在一示例性实施例中的流程图。如图9所示,本公开实施例中上述步骤S4可以进一步包括以下步骤。
在步骤S41中,若所述参考对象模型的第i个网格与所述目标对象模型的第j个网格对应,则根据所述参考对象变形模型相对于所述参考对象模型的变化点判断所述目标对象变形模型的第j个网格上的顶点是否是变化点。
在一些实施例中,将所述目标对象模型和所述参考对象模型网格化后,每个模型都可以包括多个网格(可例如是三角面片)。在一些实施例中可以对所述目标对象模型和所述参考对象模型中的网格进行标号,并对所述目标对象模型编号后的网格与所述参考对象编号后的网格进行对应,获取如图8所示的对应关系结果。
在一些实施例中,可以对每一个对应关系结果进行遍历,如果所述参考对象模型的第i个网格与所述目标对象模型的第j个网格对应,则根据所述参考对象变形模型相对于所述参考对象模型的变化点判断所述目标对象变形模型的第j个网格上的顶点是否是变化点。
在步骤S42中,若所述参考对象变形模型的第i个网格上的顶点存在变化点,则标记所述目标对象模型的第j个网格上的顶点为变化点,i和j为大于等于1的正整数。
例如,可以遍历如图8所示的每一对三角面片对应关系,以确定所述目标对象变形模型相对于所述目标对象模型的变化点(除了变化点之外的所有点都是不变点)。以第一对为例,可以首先判断一下所述参考对象变形模型相对于所述参考对象模型的第7641个三角面片上的三个点是否存在变化点;如果存在,那么所述目标对象变形模型的第0个三角面片上的三个顶点都是所述目标对象变形模型相对于所述目标对象模型的变化点。
本实施例可以严格、准确的找出所述目标对象变形模型相对于所述目标对象模型的变化点,以将所述目标对象变形模型相对于所述目标对象模型的变化点和不变点分开。
图10是图4中步骤S5在一示例性实施例中的流程图。如图10所示,本公开实施例中,上述步骤S5可以包括以下步骤。
在步骤S51中,获取所述目标对象变形模型相对于所述目标对象模型的不变点信息和变化点信息。
在一些实施例中,所述目标对象变形模型相对于所述目标对象模型的不变点信心和变化点信息指的是该不变点和变化点对应的三维坐标值。
在步骤S52中,根据所述目标对象变形模型相对于所述目标对象模型的不变点信息和变化点信息确定所述目标对象变形模型。
在一些实施例中,可以用所述目标对象变形模型相对于所述目标对象模型的变化点信息替换所述目标对象模型中该变化点对应的原始数据,以生成所述目标对象的变形模型,即所述目标对象变形模型。
图11是图10中步骤S51在一示例性实施例中的流程图。参考图11,本公开实施例中,上述步骤S51可以包括以下步骤。
在步骤S511中,根据所述参考对象模型和所述参考对象变形模型确定第一变换矩阵。
本公开实施例中,仿射变换指的是在几何中,一个向量空间在进行一次线性变换后再接上一个平移,以转换为另一个向量空间的过程。
在一些实施例中,因为所述参考对象变形模型和所述参考对象模型具有相同的拓扑结构,所以所述参考对象变形模型的三角面片与所述参考对象模型的三角面片可以是一一对应的,即所述参考对象变形模型的第j个三角面片与所述目标对象模型的第j个三角面片是对应的,j是大于等同于1小于等于所属目标对象模型的三角面片的个数的正整数。
在一些实施例中,可以使用v1、v2、v3(v代表一个三维坐向量[x,y,z])表示所述参考对象模型中第j个三角面片的三个顶点,然后定义一个全新的坐标点V=[v2-v1,v3-v1,v4-v1],其中 同时,对所述目标对象变形模型中的第j个三角面片也可以定义类似的坐标那么所述参考对象变形模型第j个三角面片和所述参考对象模型的第j个三角面片之间的仿射变换可以定义为
在一些实施例中,将所述参考对象变形模型相对于所述参考对象模型的变形传递给所述目标对象变形模型和所述目标对象模型之间,可以指的是将所述参考对象变形模型相对于所述参考对象模型的仿射变换关系传递至所述目标对象模型和所述目标对象变形模型之间。
在一些实施例中,可以假设所述参考对象模型第j个三角面片与所述目标对象模型的第n个三角面片对应,并且假设所述目标对象变形对象第n个三角面片与所述目标对象第n个三角面片的仿射变换为Tn。那么,在变形传递的基础上,可以认为所述参考对象变形模型第j个三角面片和所述参考对象模型的第j个三角面片之间的仿射变换Sj大致等于所述目标对象变形对象第n个三角面片与所述目标对象第n个三角面片的仿射变换为Tn,n是大于等同于1小于等于所属目标对象模型的三角面片的个数的正整数,j是大于等于1小于等于所述参考对象模型的三角面片的个数的正整数。
基于上述分析,可以通过公式(1)将上述变形传递过程展现出来。
其中,Ncorr代表所述参考对象模型与所述目标对象模型的对应三角面片的个数,k代表所述参考对象模型与所述目标对象模型的第k个对应三角面片,Sk代表所述参考对象变形模型中所述第k个三角面片相对于所述参考对象模型中的所述第k个三角面片之间的仿射变换,Ncoor和k都是大于等于1的正整数。应该理解的是,公式(1)中的F代表对矩阵Sk和Tk的差值结果计算F范数。
公式(1)将所述参考对象变形模型和所述参考对象模型之间的仿射变换与所述目标对象变形模型和所述目标对象模型之间的仿射变换的差值最小化(最优值对应上述差值应该接近于0),以将所述参考对象变形模型相对于所述参考对象模型的变形传递给所述目标对象模型和所述目标对象变形模型之间。
在一些实施例中,可以将上述公式(1)改写为公式(2)。
其中,c是所述第一变换矩阵,c代表所述参考对象模型的上述Ncorr个三角面片相对于所述参考对象变形模型的上述Ncorr个三角面片的仿射变换关系,A是一个大型的稀疏矩阵,是待求解的所述目标对象变形模型的顶点数据。可以理解的是,公式(2)中的下标2代表的是对矩阵之差(本实施例中,该矩阵之差是一个向量)求一个2-范数
在一些实施例中,可以以所述目标对象的第n个三角面片为例解释公式(2)中的矩阵A的求解过程。
在一些实施例中,可以用公式(3)表示所述目标对象变形模型的第n个三角面片:
其中,表示目标对象变形模型的第n个三角面片的三个顶点, 分别是顶点的三维坐标值。
在一实施例中,可以用公式(4)表示所述目标对象的第n个三角面片的逆矩阵:
其中,表示目标对象变形模型的第n个三角面片的三个顶点, 分别是顶点的三维坐标值,m00、m01….是矩阵变换之后的数据。
在一些实施例中,可以通过公式(5)确认所述目标对象变形模型相对于所述目标对象模型的仿射变换T:
其中,
在一些实施例中,可以将上述公式(5)改写为如公式(7)所示的矩阵形式,其中A是一个大型的稀疏矩阵,是待求解的所述目标对象变形模型的顶点数据。可以理解的是公式(7)中只列出了目标对象模型以及目标对象变形模型中的第n个三角面片的数据,其余数据使用均使用.省略。
根据公式(2)和公式(7),利用最小二乘法就可以将所述目标对象变形模型的顶点数据计算出来了。
在步骤S512中,根据所述目标对象模型确定所述目标对象变形模型相对于所述目标对象模型的不变点信息。
在一些实施例中,根据图4所示实施例中的步骤4可以确定所述参考对象变形模型相对于所述目标对象的不变点和变化点,其中可以保留所述目标对象模型中不变点的信息作为所述目标对象变形模型相对于所述目标对象模型的不变点信息。
在步骤S513中,根据所述目标对象变形模型相对于所述目标对象模型的不变点信息确定第二变换矩阵。
在一些实施例中,可以将公式(7)写成如图12所示的分块公式,其中xd代表所述目标对象变形模型相对于所述目标对象模型的不变点信息,属于已知信息,xu是所述目标对象变形模型相对于所述目标对象模型的变化点信息,属于待求信息。
根据公式(2)可以将图12所示公式改写为公式(8)。
在一些实施例中,上述公式(8)还可以变形为公式(9)、(10)。
Al*xu+Ar*xd=c (9)
Al*xu=c-Ar*xd (10)
在一些实施例中,Ar*xd是所述第二变换矩阵,其中xd代表的是已知的所述目标对象变形模型相对于所述目标对象模型的不变点信息,Ar是已知的稀疏矩阵系数。
在步骤S514中,根据所述第一变换矩阵、所述第二变换矩阵以及所述目标对象模型,获得所述目标对象变形模型相对于所述目标对象模型的变化点信息。
在一些实施例中,将所述第一变换矩阵c和所述第二变换矩阵代入上述公式(10),根据最小二乘法可以求出所述目标对象变形模型相对于所述目标对象模型的变化点信息xu。
本实施例中,根据所述参考对象变形模型和所述参考对象模型确定了所述第一变换矩阵,并根据所述目标对象变形模型相对于所述目标对象模型的不变点信息确定第二变换矩阵,然后根据所述第一变换矩阵和所述第二变换矩阵确定所述目标对象变形模型相对于所述目标对象模型的变化点信息。
图13是图4中步骤S4在另一示例性实施例中的流程图。
在一些实施例中,所述参考对象变形模型相对于所述参考对象模型的变化点包括目标部位的点,所述目标部位包括第一边及其相对的第二边。
在一些实施例中,所述目标部位可以是人脸模型中的眼皮或者其它模型中的可进行闭合的部位。需要注意的是,如果所述参考对象变形图形相对于所述参考对象模型的变化点包括目标部位,那么目标部位在闭合的过程中可以有一个边不动。
如图13所示,本公开实施例中,上述步骤S4还可以包括以下步骤。
在步骤S43中,获取所述目标对象变形模型的目标部位的第一边和第二边上的点,所述目标对象变形模型的目标部位的第一边上的点属于所述目标对象变形模型相对于所述目标对象模型的不变点。
在一些实施中,可以以如图14所示的眼皮部位为所述目标对象变形模型的目标部位为例进行上述第一边和第二边上的点的获取说明。其中所述目标对象变形模型的目标部位的第一边可以指的下眼皮,所述目标部位的第二边可以指的是下眼皮。可以理解的是,在眼睛闭合的过程中,该下眼皮部分的顶点不会发生变化。
如图15所示,可以根据预设点的个数在上眼皮边缘和下眼皮边缘进行等频分割,即在上眼皮边缘获取的点数与在下眼皮边缘获取的点数一致。
在步骤S44中,将所述目标对象变形模型的目标部位的第一边上的点的值对应赋值给所述目标对象变形模型的目标部位的第二边上的点。
在步骤S45中,令所述目标对象变形模型的第二边上的点属于所述目标对象变形模型相对于所述目标对象模型的不变点,所述目标对象变形模型相对于所述目标对象模型的不变点用来确定所述目标对象变形模型,以使所述目标对象变形模型的目标部位闭合。
在一些实施例中,可以令所述目标对象变形模型的第二边上的点属于所述目标对象变形模型相对于所述目标对象模型的不变点,并作为图12所示公式的不变点信息。然后,根据公式(10)求出所述目标对象变形模型相对于所述目标对象模型的变换点信息。
本实施例,令所述目标部位的第二边上的点成为不变点,并对应的使用所述目标部位第一边上的点为所述第二边上的点赋值,以使最后求出的目标对象变形模型的目标部位第一边上的点与第二边上的点的值对应相等,以使所述目标部位闭合。
图16是图4中步骤S4在又一示例性实施例中的流程图。
在一些实施例中,所述目标部位是眼皮部位;其中,根据所述参考对象模型和所述目标对象模型之间的网格对应关系以及所述参考对象变形模型相对于所述参考对象模型的不变点和变化点,获得目标对象变形模型相对于所述目标对象模型的不变点和变化点,包括以下步骤。
在步骤S46中,获取所述目标对象变形模型的眼皮部位的上、下眼皮边缘上的点,所述目标对象变形模型的目标部位的下眼皮边缘上的点属于所述目标对象变形模型相对于所述目标对象模型的不变点。
在步骤S47中,将所述下眼皮边缘上的点的值对应赋值给所述上眼皮边缘上的点。
在步骤S48中,令所述上眼皮边缘上的点属于所述目标对象变形模型相对于所述目标对象模型的不变点,所述目标对象变形模型相对于所述目标对象模型的不变点用来确定所述目标对象变形模型,以使所述目标对象变形模型的目标部位闭合。
在一些实施例中,可以保留所述目标对象中的不变点信息,然后使用上述求出的所述目标对象变形模型相对于所述目标对象模型的变化点信息替换所述变化点的原始数据,以生成所述目标对象模型的变形模型,即所述目标对象变形模型。
图17是根据本实施例示出的目标对象变形模型的眼睛闭合成功前后的对比图。
如图17所示,左图1701代表了根据相关技术获得的所述目标对象变形模型,在左图中1701所述目标对象变形模型的眼睛闭合并不成功;右图1702代表了根据本公开实施例获得的所述目标对象变形模型,在右图1702中所述目标对象变形模型的眼睛完全闭合。
本公开实施例,令所述眼皮部位的上眼皮边缘上的点成为不变点,并对应的使用所述变眼皮边缘上的点的值为所述上眼皮边缘上的点赋值,以使最后求出的目标对象变形模型的上眼皮边缘上的点与下眼皮边缘上的点对应相等,以使所述上眼皮和所述下眼皮闭合。
应该理解的是,虽然上述实施例以人眼闭合为例进行举例说明,但本公开并不限定于此,还可以适用于人的嘴巴闭合、动物的眼睛闭合、动物的嘴巴闭合等应用场景。
此外,虽然上述实施例中均以人脸变形传递为例进行说明,但本公开并不限定于此,也可以用于动物与动物之间、人与动物之间、动物与人之间、虚拟卡通人物与真实人物之间、虚拟游戏对象与虚拟游戏对象之间等等之间进行的变形传递。
本公开另外一些实施例中,还提供了了一种虚拟形象生成方法。该方法首先根据上述实施例提供的三维图像处理方法获得多个目标对象变形模型,然后根据上述多个目标对象变形模型生成所述虚拟形象,所述虚拟形象可以在计算机动画、计算机游戏或其它计算机视觉领域中使用。
例如,可以根据上述实施例提供的三维图像处理方法分别获得例如张嘴、闭眼等变形的目标对象变形模型;然后分别获取各个目标对象变形模型相对于所述目标对象模型的顶点的差值,并对各个目标对象变形模型相对于所述目标对象模型的顶点差值赋予权重;根据各个权重获得各个目标对象变形模型相对于所述目标对象的顶点差值的加权和;最后根据上述顶点差值的加权和以及所述目标对象模型的各个顶点确定所述虚拟形象,所述虚拟形象可以在计算机动画、计算机游戏或其它计算机视觉领域中使用。
本实施例提供的虚拟形象生成方法,根据不同的权重,将多个目标对象变形模型进行处理,可以自动合成包括各种表情的虚拟形象。本方法,相比于人工对多个目标对象进行对齐后再进行虚拟形象合成,极大地节约了人力和物力,提高了虚拟形象的合成效率。
图18是根据一示例性实施例示出的一种三维图像处理装置的框图。参照图18,本公开实施例提供的三维图像处理装置1800可以包括图像获取模块1801、对应关系确定模块1802、第一变点确定模块1803、第二变点确定模块1804以及变形模型获取模块1805。
其中,所述图像获取模块1801可以配置为获取参考对象模型、参考对象变形模型以及目标对象模型;所述对应关系确定模块1802可以配置为获取所述参考对象模型和所述目标对象模型之间的网格对应关系;所述第一不变点确定模块1803可以配置为确定所述参考对象变形模型相对于所述参考对象模型的不变点和变化点;所述第二不变点确定模块1804可以配置为根据所述参考对象模型和所述目标对象模型之间的网格对应关系以及所述参考对象变形模型相对于所述参考对象模型的不变点和变化点,获得目标对象变形模型相对于所述目标对象模型的不变点和变化点;所述变形模型获取模块1805可以配置为根据所述目标对象变形模型相对于所述目标对象模型的不变点和变化点确定所述目标对象变形模型。
在一些实施例中,所述第二不变点确定模块1804可以包括:顶点获取单元和变化点确定单元。
其中,所述顶点获取单元可以配置为若所述参考对象模型的第i个网格与所述目标对象模型的第j个网格对应,则根据所述参考对象变形模型相对于所述参考对象模型的变化点判断所述目标对象变形模型的第j个网格上的顶点是否是变化点;所述变化点确定单元可以配置为若所述参考对象变形模型的第i个网格上的顶点存在变化点,则标记所述目标对象模型的第j个网格上的顶点为变化点,i和j为大于等于1的正整数。
在一些实施例中,所述变形模型获取模块1805可以包括:变化点信息获取单元和变形模型获取单元。
其中,所述变化点信息获取单元可以配置为获取所述目标对象变形模型相对于所述目标对象模型的不变点信息和变化点信息;所述变形模型获取单元可以配置为根据所述目标对象变形模型相对于所述目标对象模型的不变点信息和变化点信息确定所述目标对象变形模型。
在一些实施例中,所述变化点信息获取单元可以包括:第一矩阵确定子单元、不变点确定子单元、第二矩阵确定子单元以及变化点信息获取子单元。
其中,所述第一矩阵确定子单元可以配置为根据所述参考对象模型和所述参考对象变形模型确定第一变换矩阵;所述不变点确定子单元可以配置为根据所述目标对象模型确定所述目标对象变形模型相对于所述目标对象模型的不变点信息;所述第二矩阵确定子单元可以配置为根据所述目标对象变形模型相对于所述目标对象模型的不变点信息确定第二变换矩阵;所述变化点信息获取子单元可以配置为根据所述第一变换矩阵、所述第二变换矩阵以及所述目标对象模型,获得所述目标对象变形模型相对于所述目标对象模型的变化点信息。
在一些实施例中,所述对应关系确定模块1802可以包括:关键点信息确定单元、对齐单元以及对应关系确定单元。
其中,所述关键点信息确定单元可以配置为获取所述参考对象模型和所述目标对象模型的关键点信息;所述对齐单元可以配置为根据所述参考对象模型和所述目标对象模型的关键点信息,将所述参考对象模型和所述目标对象模型对齐;所述对应关系确定单元可以配置为根据对齐后的参考对象模型和目标对象模型确定所述参考对象模型和所述目标对象模型之间的网格对应关系。
在一些实施例中,所述参考对象变形模型相对于所述参考对象模型的变化点包括目标部位的点,所述目标部位包括第一边及其相对的第二边。其中,所述第二不变点确定模块还可以包括:第一确定不变点单元、第一赋值单元以及第一变形模型确定单元。
其中,所述第一确定不变点单元可以配置为获取所述目标对象变形模型的目标部位的第一边和第二边上的点,所述目标对象变形模型的目标部位的第一边上的点属于所述目标对象变形模型相对于所述目标对象模型的不变点;所述第一赋值单元可以配置为将所述目标对象变形模型的目标部位的第一边上的点的值对应赋值给所述目标对象变形模型的目标部位的第二边上的点;所述第一变形模型确定单元可以配置为令所述目标对象变形模型的第二边上的点属于所述目标对象变形模型相对于所述目标对象模型的不变点,所述目标对象变形模型相对于所述目标对象模型的不变点用来确定所述目标对象变形模型,以使所述目标对象变形模型的目标部位闭合。
在另外一些实施例中,所述目标部位是眼皮部位;其中,所述第二不变点确定模块还可以包括:第二确定不变点单元、第二赋值单元以及第二变形模型确定单元。
其中,所述第二确定不变点但愿可以配置为获取所述目标对象变形模型的眼皮部位的上、下眼皮边缘上的点,所述目标对象变形模型的目标部位的下眼皮边缘上的点属于所述目标对象变形模型相对于所述目标对象模型的不变点;所述第二赋值单元可以配置为将所述下眼皮边缘上的点的值对应赋值给所述上眼皮边缘上的点;所述第二变形模型确定单元可以配置为令所述上眼皮边缘上的点属于所述目标对象变形模型相对于所述目标对象模型的不变点,所述目标对象变形模型相对于所述目标对象模型的不变点用来确定所述目标对象变形模型,以使所述目标对象变形模型的目标部位闭合。
由于本公开的示例实施例的三维图像处理装置1800的各个功能模块与上述三维图像处理方法的示例实施例的步骤对应,因此在此不再赘述。
在另外一些实施例中,本公开实施例还提供了一种虚拟形象生成装置,该虚拟形象生成装置可以包括:目标对象变形模型生成模块和虚拟形象生成模块。其中,所述目标对象变形模型生成模块可以配置为根据上述任一项实施例所示的三维图像处理方法生成至少一个目标对象变形模型;所述虚拟形象生成模块可以配置为根据所述至少一个目标对象变形模型生成所述虚拟形象。
由于本公开的示例实施例的虚拟形象生成装置的各个功能模块与上述虚拟形象生成方法的示例实施例的步骤对应,因此在此不再赘述。
下面参考图19,其示出了适于用来实现本申请实施例的终端设备的计算机系统1900的结构示意图。图19示出的终端设备仅仅是一个示例,不应对本申请实施例的功能和使用范围带来任何限制。
如图19所示,计算机系统1900包括中央处理单元(CPU)1901,其可以根据存储在只读存储器(ROM)1902中的程序或者从储存部分1908加载到随机访问存储器(RAM)1903中的程序而执行各种适当的动作和处理。在RAM 1903中,还存储有系统1900操作所需的各种程序和数据。CPU 1901、ROM 1902以及RAM 1903通过总线1904彼此相连。输入/输出(I/O)接口1905也连接至总线1904。
以下部件连接至I/O接口1905:包括键盘、鼠标等的输入部分1906;包括诸如阴极射线管(CRT)、液晶显示器(LCD)等以及扬声器等的输出部分1907;包括硬盘等的储存部分1908;以及包括诸如LAN卡、调制解调器等的网络接口卡的通信部分1909。通信部分1909经由诸如因特网的网络执行通信处理。驱动器1910也根据需要连接至I/O接口1905。可拆卸介质1911,诸如磁盘、光盘、磁光盘、半导体存储器等等,根据需要安装在驱动器1910上,以便于从其上读出的计算机程序根据需要被安装入储存部分1908。
特别地,根据本公开的实施例,上文参考流程图描述的过程可以被实现为计算机软件程序。例如,本公开的实施例包括一种计算机程序产品,其包括承载在计算机可读存储介质上的计算机程序,该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中,该计算机程序可以通过通信部分1909从网络上被下载和安装,和/或从可拆卸介质1911被安装。在该计算机程序被中央处理单元(CPU)1901执行时,执行本申请的系统中限定的上述功能。
需要说明的是,本申请所示的计算机可读存储介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本申请中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本申请中,计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读存储介质,该计算机可读存储介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读存储介质上包含的程序代码可以用任何适当的介质传输,包括但不限于:无线、电线、光缆、RF等等,或者上述的任意合适的组合。
附图中的流程图和框图,图示了按照本申请各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分,上述模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个接连地表示的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图或流程图中的每个方框、以及框图或流程图中的方框的组合,可以用执行规定的功能或操作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
描述于本申请实施例中所涉及到的模块和/或子模块和/或单元可以通过软件的方式实现,也可以通过硬件的方式来实现。所描述的模块和/或子模块和/或单元也可以设置在处理器中,例如,可以描述为:一种处理器包括发送单元、获取单元、确定单元和第一处理单元。其中,这些模块和/或子模块和/或单元的名称在某种情况下并不构成对该模块和/或子模块和/或单元本身的限定。
作为另一方面,本申请还提供了一种计算机可读存储介质,该计算机可读存储介质可以是上述实施例中描述的设备中所包含的;也可以是单独存在,而未装配入该设备中。上述计算机可读存储介质承载有一个或者多个程序,当上述一个或者多个程序被一个该设备执行时,使得该设备可实现功能包括:获取参考对象模型、参考对象变形模型以及目标对象模型;获取所述参考对象模型和所述目标对象模型之间的网格对应关系;确定所述参考对象变形模型相对于所述参考对象模型的不变点和变化点;根据所述参考对象模型和所述目标对象模型之间的网格对应关系以及所述参考对象变形模型相对于所述参考对象模型的不变点和变化点,获得目标对象变形模型相对于所述目标对象模型的不变点和变化点;根据所述目标对象变形模型相对于所述目标对象模型的不变点和变化点确定所述目标对象变形模型。
通过以上的实施方式的描述,本领域的技术人员易于理解,这里描述的示例实施方式可以通过软件实现,也可以通过软件结合必要的硬件的方式来实现。因此,本公开实施例的技术方案可以以软件产品的形式体现出来,该软件产品可以存储在一个非易失性存储介质(可以是CD-ROM,U盘,移动硬盘等)中,包括若干指令用以使得一台计算设备(可以是个人计算机、服务器、移动终端、或者智能设备等)执行根据本公开实施例的方法,例如图4的一个或多个所示的步骤。
此外,上述附图仅是根据本公开示例性实施例的方法所包括的处理的示意性说明,而不是限制目的。易于理解,上述附图所示的处理并不表明或限制这些处理的时间顺序。另外,也易于理解,这些处理可以是例如在多个模块中同步或异步执行的。
本领域技术人员在考虑说明书及实践这里公开的公开后,将容易想到本公开的其他实施例。本公开旨在涵盖本公开的任何变型、用途或者适应性变化,这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未申请的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的,本公开的真正范围和精神由权利要求指出。
应当理解的是,本公开并不限于这里已经示出的详细结构、附图方式或实现方法,相反,本公开意图涵盖包含在所附权利要求的精神和范围内的各种修改和等效设置。
Claims (10)
1.一种三维图像处理方法,其特征在于,包括:
获取参考对象模型、参考对象变形模型以及目标对象模型;
获取所述参考对象模型和所述目标对象模型之间的网格对应关系;
确定所述参考对象变形模型相对于所述参考对象模型的不变点和变化点;
根据所述参考对象模型和所述目标对象模型之间的网格对应关系以及所述参考对象变形模型相对于所述参考对象模型的不变点和变化点,获得目标对象变形模型相对于所述目标对象模型的不变点和变化点;
根据所述目标对象变形模型相对于所述目标对象模型的不变点和变化点确定所述目标对象变形模型。
2.根据权利要求1所述方法,其特征在于,根据所述参考对象模型和所述目标对象模型之间的网格对应关系以及所述参考对象变形模型相对于所述参考对象模型的不变点和变化点,获得目标对象变形模型相对于所述目标对象模型的不变点和变化点,包括:
若所述参考对象模型的第i个网格与所述目标对象模型的第j个网格对应,则根据所述参考对象变形模型相对于所述参考对象模型的变化点判断所述目标对象变形模型的第j个网格上的顶点是否是变化点;
若所述参考对象变形模型的第i个网格上的顶点存在变化点,则标记所述目标对象模型的第j个网格上的顶点为变化点,i和j为大于等于1的正整数。
3.根据权利要求1所述方法,其特征在于,根据所述目标对象变形模型相对于所述目标对象模型的不变点和变化点确定所述目标对象变形模型,包括:
获取所述目标对象变形模型相对于所述目标对象模型的不变点信息和变化点信息;
根据所述目标对象变形模型相对于所述目标对象模型的不变点信息和变化点信息确定所述目标对象变形模型。
4.根据权利要求3所述方法,其特征在于,获取所述目标对象变形模型相对于所述目标对象模型的变化点信息,包括:
根据所述参考对象模型和所述参考对象变形模型确定第一变换矩阵;
根据所述目标对象模型确定所述目标对象变形模型相对于所述目标对象模型的不变点信息;
根据所述目标对象变形模型相对于所述目标对象模型的不变点信息确定第二变换矩阵;
根据所述第一变换矩阵、所述第二变换矩阵以及所述目标对象模型,获得所述目标对象变形模型相对于所述目标对象模型的变化点信息。
5.根据权利要求1所述方法,其特征在于,获取所述参考对象模型和所述目标对象模型之间的网格对应关系,包括:
获取所述参考对象模型和所述目标对象模型的关键点信息;
根据所述参考对象模型和所述目标对象模型的关键点信息,将所述参考对象模型和所述目标对象模型对齐;
根据对齐后的参考对象模型和目标对象模型确定所述参考对象模型和所述目标对象模型之间的网格对应关系。
6.根据权利要求1所述方法,其特征在于,所述参考对象变形模型相对于所述参考对象模型的变化点包括目标部位的点,所述目标部位包括第一边及其相对的第二边;其中,根据所述参考对象模型和所述目标对象模型之间的网格对应关系以及所述参考对象变形模型相对于所述参考对象模型的不变点和变化点,获得目标对象变形模型相对于所述目标对象模型的不变点和变化点,包括:
获取所述目标对象变形模型的目标部位的第一边和第二边上的点,所述目标对象变形模型的目标部位的第一边上的点属于所述目标对象变形模型相对于所述目标对象模型的不变点;
将所述目标对象变形模型的目标部位的第一边上的点的值对应赋值给所述目标对象变形模型的目标部位的第二边上的点;
令所述目标对象变形模型的第二边上的点属于所述目标对象变形模型相对于所述目标对象模型的不变点,所述目标对象变形模型相对于所述目标对象模型的不变点用来确定所述目标对象变形模型,以使所述目标对象变形模型的目标部位闭合。
7.根据权利要求6所述方法,其特征在于,所述目标部位是眼皮部位;其中,根据所述参考对象模型和所述目标对象模型之间的网格对应关系以及所述参考对象变形模型相对于所述参考对象模型的不变点和变化点,获得目标对象变形模型相对于所述目标对象模型的不变点和变化点,包括:
获取所述目标对象变形模型的眼皮部位的上、下眼皮边缘上的点,所述目标对象变形模型的目标部位的下眼皮边缘上的点属于所述目标对象变形模型相对于所述目标对象模型的不变点;
将所述下眼皮边缘上的点的值对应赋值给所述上眼皮边缘上的点;
令所述上眼皮边缘上的点属于所述目标对象变形模型相对于所述目标对象模型的不变点,所述目标对象变形模型相对于所述目标对象模型的不变点用来确定所述目标对象变形模型,以使所述目标对象变形模型的目标部位闭合。
8.一种虚拟形象生成方法,其特征在于,还包括:
根据权利要求1-7任一项所述的三维图像处理方法生成至少一个目标对象变形模型;
根据所述至少一个目标对象变形模型生成所述虚拟形象。
9.一种三维图像处理装置,其特征在于,包括:
图像获取模块,配置为获取参考对象模型、参考对象变形模型以及目标对象模型;
对应关系确定模块,配置为获取所述参考对象模型和所述目标对象模型之间的网格对应关系;
第一不变点确定模块,配置为确定所述参考对象变形模型相对于所述参考对象模型的不变点和变化点;
第二不变点确定模块,配置为根据所述参考对象模型和所述目标对象模型之间的网格对应关系以及所述参考对象变形模型相对于所述参考对象模型的不变点和变化点,获得目标对象变形模型相对于所述目标对象模型的不变点和变化点;
变形模型获取模块,配置为根据所述目标对象变形模型相对于所述目标对象模型的不变点和变化点确定所述目标对象变形模型。
10.一种电子设备,其特征在于,包括:
一个或多个处理器;
存储装置,用于存储一个或多个程序,
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如权利要求1-8中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910750316.5A CN110490959B (zh) | 2019-08-14 | 2019-08-14 | 三维图像处理方法及装置、虚拟形象生成方法以及电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910750316.5A CN110490959B (zh) | 2019-08-14 | 2019-08-14 | 三维图像处理方法及装置、虚拟形象生成方法以及电子设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110490959A true CN110490959A (zh) | 2019-11-22 |
CN110490959B CN110490959B (zh) | 2024-01-30 |
Family
ID=68551035
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910750316.5A Active CN110490959B (zh) | 2019-08-14 | 2019-08-14 | 三维图像处理方法及装置、虚拟形象生成方法以及电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110490959B (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111714885A (zh) * | 2020-06-22 | 2020-09-29 | 网易(杭州)网络有限公司 | 游戏角色模型生成、角色调整方法、装置、设备及介质 |
CN112164143A (zh) * | 2020-10-23 | 2021-01-01 | 广州小马慧行科技有限公司 | 三维模型的构建方法、构建装置、处理器和电子设备 |
CN113744374A (zh) * | 2021-09-03 | 2021-12-03 | 浙江大学 | 一种基于表情驱动的3d虚拟形象生成方法 |
WO2023273113A1 (zh) * | 2021-06-30 | 2023-01-05 | 完美世界(北京)软件科技发展有限公司 | 表情模型的生成方法、装置、设备、程序和可读介质 |
CN111951360B (zh) * | 2020-08-14 | 2023-06-23 | 腾讯科技(深圳)有限公司 | 动画模型处理方法、装置、电子设备及可读存储介质 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2014174855A (ja) * | 2013-03-12 | 2014-09-22 | Casio Comput Co Ltd | 画像処理装置、画像処理方法及びプログラム |
CN107610209A (zh) * | 2017-08-17 | 2018-01-19 | 上海交通大学 | 人脸表情合成方法、装置、存储介质和计算机设备 |
CN109712080A (zh) * | 2018-10-12 | 2019-05-03 | 迈格威科技有限公司 | 图像处理方法、图像处理装置及存储介质 |
-
2019
- 2019-08-14 CN CN201910750316.5A patent/CN110490959B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2014174855A (ja) * | 2013-03-12 | 2014-09-22 | Casio Comput Co Ltd | 画像処理装置、画像処理方法及びプログラム |
CN107610209A (zh) * | 2017-08-17 | 2018-01-19 | 上海交通大学 | 人脸表情合成方法、装置、存储介质和计算机设备 |
CN109712080A (zh) * | 2018-10-12 | 2019-05-03 | 迈格威科技有限公司 | 图像处理方法、图像处理装置及存储介质 |
Non-Patent Citations (2)
Title |
---|
MILES DE LA HUNTY等: "《Linear Facial Expression TransferWith Active Appearance Models》" * |
王娟: "《基于形变模型的人脸三维重构与表情传递的研究》" * |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111714885A (zh) * | 2020-06-22 | 2020-09-29 | 网易(杭州)网络有限公司 | 游戏角色模型生成、角色调整方法、装置、设备及介质 |
CN111951360B (zh) * | 2020-08-14 | 2023-06-23 | 腾讯科技(深圳)有限公司 | 动画模型处理方法、装置、电子设备及可读存储介质 |
CN112164143A (zh) * | 2020-10-23 | 2021-01-01 | 广州小马慧行科技有限公司 | 三维模型的构建方法、构建装置、处理器和电子设备 |
WO2023273113A1 (zh) * | 2021-06-30 | 2023-01-05 | 完美世界(北京)软件科技发展有限公司 | 表情模型的生成方法、装置、设备、程序和可读介质 |
CN113744374A (zh) * | 2021-09-03 | 2021-12-03 | 浙江大学 | 一种基于表情驱动的3d虚拟形象生成方法 |
CN113744374B (zh) * | 2021-09-03 | 2023-09-22 | 浙江大学 | 一种基于表情驱动的3d虚拟形象生成方法 |
Also Published As
Publication number | Publication date |
---|---|
CN110490959B (zh) | 2024-01-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110599605B (zh) | 图像处理方法及装置、电子设备和计算机可读存储介质 | |
CN110490959A (zh) | 三维图像处理方法及装置、虚拟形象生成方法以及电子设备 | |
Wang et al. | Pixel2Mesh: 3D mesh model generation via image guided deformation | |
CN108961369B (zh) | 生成3d动画的方法和装置 | |
CN109255830A (zh) | 三维人脸重建方法和装置 | |
CN110390704A (zh) | 图像处理方法、装置、终端设备及存储介质 | |
JP2016218999A (ja) | ターゲット環境の画像内に表現されたオブジェクトを検出するように分類器をトレーニングする方法およびシステム | |
CN110136243A (zh) | 一种三维人脸重建方法及其系统、装置、存储介质 | |
CN116109798B (zh) | 图像数据处理方法、装置、设备及介质 | |
CN112950775A (zh) | 一种基于自监督学习的三维人脸模型重建方法及系统 | |
CN109872379A (zh) | 数据处理装置和方法 | |
CN110176072A (zh) | 细化用于将二维图像应用于三维模型的局部参数化 | |
CN112102480B (zh) | 图像数据处理方法、装置、设备以及介质 | |
CN109272543A (zh) | 用于生成模型的方法和装置 | |
CN108388889A (zh) | 用于分析人脸图像的方法和装置 | |
CN108537887A (zh) | 基于3d打印的草图与模型库三维视图匹配方法 | |
CN117218300B (zh) | 三维模型的构建方法、三维构建模型的训练方法及装置 | |
US20230342942A1 (en) | Image data processing method, method and apparatus for constructing digital virtual human, device, storage medium, and computer program product | |
CN115482557B (zh) | 人体图像生成方法、系统、设备及存储介质 | |
Jo et al. | Generative artificial intelligence and building design: early photorealistic render visualization of façades using local identity-trained models | |
CN114255328A (zh) | 一种基于单视图与深度学习的古文物三维重建方法 | |
CN117557699B (zh) | 动画数据生成方法、装置、计算机设备和存储介质 | |
Wang et al. | Synthesizing trees by plantons | |
Liu | Light image enhancement based on embedded image system application in animated character images | |
Zheng et al. | Construction of Knowledge Graph of 3D Clothing Design Resources Based on Multimodal Clustering Network |
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 |