CN110769261A - 一种三维动态序列模型的压缩编码方法 - Google Patents
一种三维动态序列模型的压缩编码方法 Download PDFInfo
- Publication number
- CN110769261A CN110769261A CN201910572619.2A CN201910572619A CN110769261A CN 110769261 A CN110769261 A CN 110769261A CN 201910572619 A CN201910572619 A CN 201910572619A CN 110769261 A CN110769261 A CN 110769261A
- Authority
- CN
- China
- Prior art keywords
- model
- control
- control point
- template model
- control points
- 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
- 238000000034 method Methods 0.000 title claims abstract description 34
- 230000006835 compression Effects 0.000 title claims abstract description 33
- 238000007906 compression Methods 0.000 title claims abstract description 33
- 238000013507 mapping Methods 0.000 claims abstract description 10
- 230000009466 transformation Effects 0.000 claims abstract description 4
- 238000005070 sampling Methods 0.000 claims description 4
- 239000011159 matrix material Substances 0.000 claims description 3
- 238000010606 normalization Methods 0.000 claims description 3
- 238000010845 search algorithm Methods 0.000 claims description 3
- 230000001131 transforming effect Effects 0.000 claims description 3
- 230000000694 effects Effects 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000012217 deletion Methods 0.000 description 2
- 230000037430 deletion Effects 0.000 description 2
- 230000003190 augmentative effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000006837 decompression Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 238000007654 immersion Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000009877 rendering Methods 0.000 description 1
- 230000008439 repair process Effects 0.000 description 1
- 238000010187 selection method Methods 0.000 description 1
- 238000013519 translation Methods 0.000 description 1
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
- H04N19/50—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using predictive coding
- H04N19/597—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using predictive coding specially adapted for multi-view video sequence encoding
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T15/00—3D [Three Dimensional] image rendering
- G06T15/005—General purpose rendering architectures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T15/00—3D [Three Dimensional] image rendering
- G06T15/04—Texture mapping
Abstract
本发明公开了一种三维动态序列模型的压缩编码方法,包括如下步骤:一.选取某帧序列模型作为模板模型M;二.对模板模型M设置一系列控制点构成的控制点点集N;三.利用函数,通过对控制点的变换,带动模板模型M的形变,将模板模型M对齐到目标模型,得到M’;四.记录每一帧控制点的姿态,用控制点的姿态来编码模型,实现压缩;五.统一模板模型M的贴图坐标UV,对贴图按视频压缩标准进行压缩。本发明压缩率和精细度可控,可根据实际需求调节模板模型的精度和控制点的数量,以达到不同的压缩率和精度。
Description
技术领域
本发明涉及一种编码方法,具体是一种三维动态序列模型的压缩编码方法。
背景技术
我们生活在三维世界中,人的信息获取90%以上都来自于双眼看到的三维影像。而受 限于现有的技术水平,我们的信息通信还是主要以二维数字媒体来进行,这极大的限制了 信息的传输效率。近年来,随着虚拟现实(virtualreality,VR)/增强现实(augmentedreality,AR)的发展,人们越来越不满足于传统的二维平面媒体,而更希望 能像真实世界一样从任意角度(free-viewpoint)去观察事物的演变。这样的方式更加直 观,形象和真实,也搭载着更多的信息量,让人更容易理解事物承载的信息。
为了实现向三维媒体转型的目标,许多学者和工程师投身于此,创造出一批批十分优 秀的作品,为虚拟世界创建了无数的三维动态模型。其中的翘楚,Collet等人结合多个深 度传感器和RBG相机,实现了高精度三维动态人/物重建,给观众提供了前所未有的沉浸 式观赏体验。
但这样振奋人心的成果后面,却隐含着一个巨大的挑战--如何减小动态模型的存储空 间。为了实现高沉浸感和高精度,三维动态数据里的每一帧,都是由一个密实的三维网格 模型和一张与之对应的高分辨率的贴图组成。这样的数据如果不压缩,就会导致即使是一 小段内容也会占用数以GB计的存储空间。例如,8i里的一段10秒的三维动态样片就会占 用2GB。这么大的数据量对于实时传输和用户端的存储都是很大的问题。虽然现存的视频 压缩标准能在一定程度上压缩贴图并有压缩网格模型的潜力,但这样的方法,往往忽略了 动态序列几何上的连续性和可压缩性,压缩比例和质量也常常不尽人意,且这样的方法需 要序列的几何拓扑一致。糟糕的是,动态模型常常是用多视角立体视觉 (multi-viewstereo,MVS)的方法来获取,帧与帧间的模型的几何拓扑差异十分大,这 非常不利用后续的压缩和其他编辑操作。
发明内容
本发明的目的在于提供一种三维动态序列模型的压缩编码方法,以解决上述背景技术 中提出的问题。
为实现上述目的,本发明提供如下技术方案:
一种三维动态序列模型的压缩编码方法,包括如下步骤:一.选取某帧序列模型作为 模板模型M;二.对模板模型M设置一系列控制点构成的控制点点集N;三.利用函数,通过对控制点的变换,带动模板模型M的形变,将模板模型M对齐到目标模型,得到M’; 四.记录每一帧控制点的姿态,用控制点的姿态来编码模型,实现压缩;五.统一模板模型 M的贴图坐标UV,对贴图按视频压缩标准进行压缩。
作为本发明进一步的方案:所述步骤一中模板模型M的选取方法为:从序列模型中选 取一帧无明显粘连、缺失、几何效果好的模型作为模板模型M或者直接选取第一帧作为模 板模型M,然后根据实际工程需求,对模板模型M进行修改。
作为本发明进一步的方案:所述根据实际工程需求,对模板模型M进行修改包括对精 细度、压缩率的修改。
作为本发明进一步的方案:所述步骤二中对控制点的采集采用均匀采样的方式,用欧 式距离或者测地距离进行控制点的选取和权重设置。
作为本发明进一步的方案:所述控制点的点集N的选取方法为:设定控制点间的间隔 范围di,以第一个顶点为起始点,按深度优先搜索算法遍历所有的顶点,每当某个顶点与 最新的控制点的测地距离大于di时,将此顶点加入点集N中。
作为本发明进一步的方案:通过调节di的大小来控制压缩率和精细程度,di越小,控制点越多、压缩率越小、精细度越高。
作为本发明进一步的方案:所述控制点的点集N的选取方法还包括:设定一个控制点 的控制范围dradius,dradius>di,其中表示第i个控制点,在 此范围中的顶点都会受到的影响,同时,计算出顶点v离的距离依据 将顶点v受控制点影响的权重设置为然后将所有顶点权重加起来 进行归一化处理。
作为本发明再进一步的方案:所述将模板模型M对齐到目标模型得到M’的方法为:定义一个损失函数,并运用高斯牛顿法来做非刚体形变将M形变为M’,损失函数定义为:
其中,λ皆代表对应的可调参数,n指M上的顶点个数,ψΤ是Tukey惩罚函数,ψH是Huber惩罚函数,vct表示从M优化来的点,nct是它对应的法向,vt是vct在目标模型上的 最近点,ε(i)表示受第i个控制点影响的周围的K个临近控制点集合,Ti和Tj分别表示关 键点的姿态矩阵,优化Ti和Tj,让模板模型M尽量和目标模型对齐,最终我 们可以得到形变后的与目标模型对齐的M’,和它对应的新姿态下的控制点点集N’。
与现有技术相比,本发明的有益效果是:1.压缩率和精细度可控:可根据实际需求调 节模板模型的精度和控制点的数量,以达到不同的压缩率和精度;2.适用性广:模型在动 态演变过程中,既可以是刚体变化,也可以是非刚体变化;3.序列模型可用于后续编辑工 作:本方法将统一序列模型的几何拓扑结构,在实现压缩的同时,也支持用户对序列模型 的批量编辑工作(如序列模型平滑操作,关键帧插值等等)。
附图说明
图1为本发明中模板模型M的控制点采样正视图。
图2为本发明中模板模型M的控制点采样侧视图。
图3为本发明中模板模型M的控制点采样后视图。
图4为本发明中目标模型M’的示意图。
图5为采用本发明方法编码解压后恢复的图形。
具体实施方式
下面对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅 仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技 术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范 围。
一种三维动态序列模型的压缩编码方法,包括如下步骤:
一.选取某帧序列模型作为模板模型M,可从序列模型中选取一帧无明显粘连,缺失,几何效果好的模型作为M(也可直接选取第一帧作为M),然后根据实际工程需求, 交给模型师进行修改,例如精细度要求较高,可让模型师对模型细节进行修缮,压缩率要 求高,则可让模型师进行减面操作;
二.对模板模型M设置一系列控制点构成的控制点点集N,在M上对N进行采集的 操作,常采用均匀采样,用欧式距离(L2 distance)或者测地距离(geodesicdistance) 进行控制点选取和权重设置。其中欧式距离对模板模型M的姿势比较敏感,需要M为“A” 或者“T”姿势才能得到比较好的结果。因此实际操作中常依据测地距离来进行控制点集N 的设置(后文所述距离如无特殊说明,皆表示测地距离)。
具体设置方法:
(a)控制点集N的选取:设定控制点间的间隔范围di,以第一个顶点为起始点, 按深度优先搜索算法(depth-firstsearch,DFS)遍历所有的顶点,每当顶点与最新的控 制点的测地距离大于di时,将此顶点加入点集N中。此步骤中,可通过调节di的大小来 控制压缩率和精细程度。di越小,控制点越多,压缩率越小,精细度越高。
(b)模型顶点受N影响的程度:因为后续操作中,需要用控制点集N来带动模型顶点的变化,因此需要计算出每个顶点受各个控制点的影响程度--也就是权重。此时,我 们需要再设定一个控制点(第i个控制点,)的控制范围 dradius(dradius>di),在此范围中的顶点都会受到的影响。同时,我们也能很容易 的计算出顶点v离的距离依据可将顶点v受控制点影响的权重设置 为一个顶点往往不只受一个控制点的影响,此时我们需要将所有权重加起 来进行归一化处理。
(c)控制点间的影响程度:控制点间权重,可表达为
三.利用函数,通过对控制点的变换,带动模板模型M的形变,将模板模型M对齐到目标模型,得到M’,经过步骤一和二可以得到一个设置好控制点的模板模型M,想用它 来表示其余的模型,则需要进行对齐(alignment)操作,也就是说想让M经过形变后, 尽可能的贴合目标模型T。动态模型中,物体的演变过程(特别是人体动态模型),常常 是非刚体的,所以简单的平移和旋转操作并不能实现我们的需求。在此过程中,我们定义 了一个损失函数(loss function),并运用高斯牛顿法(Gauss-Newton method)来做非 刚体形变将M形变为M’。损失函数定义为:
其中,λ皆代表对应的可调参数,n指M上的顶点个数。ψΤ是Tukey惩罚函数,ψH是Huber惩罚函数。vct表示从M优化来的点,nct是它对应的法向,vt是vct在目标模型T 上的最近点(L2距离)。Vnode是在(a)中采集的模板模型M上的m个控制点,是 第j个控制点的空间位置,ε(i)表示受第i个控制点影响的周围的K个临近控制点集合。 如2(c)所述是控制点间的权重。Ti和Tj分别表示关键点的姿态矩阵。我们优化目标就是优化Ti和Tj,让M尽量和目标模型T对齐。最终我们可以 得到形变后的与T对齐的M’,和它对应的新姿态下的控制点集N’。
四.记录每一帧控制点的姿态,用控制点的姿态来编码模型,实现压缩,经过步骤三 后,我们可以用M’来表达新一帧的模型。同时也得到了此帧下的N的新姿态N’。此时 的N’与M’是等价的,可相互转换的。因此,新一帧的模型则可表达为N’。
五.经过上述步骤,所有的序列模型都变成了与M相同的拓扑结构,意味着模型的贴 图坐标UV也可表示成一致的。如果知道序列模型的拍摄时的图片,则可用图片按相同的UVUV进行重贴图,如果不知道序列模型的拍摄时的图片,则可利用三维编辑软件(如maya)进行重渲染贴图,得到一致的新贴图后,我们则可对贴图序列按视频流压缩标准进行压缩。
对于本领域技术人员而言,显然本发明不限于上述示范性实施例的细节,而且在不背 离本发明的精神或基本特征的情况下,能够以其他的具体形式实现本发明。因此,无论从 哪一点来看,均应将实施例看作是示范性的,而且是非限制性的,本发明的范围由所附权 利要求而不是上述说明限定,因此旨在将落在权利要求的等同要件的含义和范围内的所有 变化囊括在本发明内。
此外,应当理解,虽然本说明书按照实施方式加以描述,但并非每个实施方式仅包含 一个独立的技术方案,说明书的这种叙述方式仅仅是为清楚起见,本领域技术人员应当将 说明书作为一个整体,各实施例中的技术方案也可以经适当组合,形成本领域技术人员可 以理解的其他实施方式。
Claims (8)
1.一种三维动态序列模型的压缩编码方法,其特征在于,包括如下步骤:一.选取某帧序列模型作为模板模型M;二.对模板模型M设置一系列控制点构成的控制点点集N;三.利用函数,通过对控制点的变换,带动模板模型M的形变,将模板模型M对齐到目标模型,得到M’;四.记录每一帧控制点的姿态,用控制点的姿态来编码模型,实现压缩;五.统一模板模型M的贴图坐标UV,对贴图按视频压缩标准进行压缩。
2.根据权利要求1所述的三维动态序列模型的压缩编码方法,其特征在于,所述步骤一中模板模型M的选取方法为:从序列模型中选取一帧模型作为模板模型M或者直接选取第一帧作为模板模型M,然后根据实际工程需求,对模板模型M的精细度、压缩率进行修改。
3.根据权利要求2所述的三维动态序列模型的压缩编码方法,其特征在于,所述步骤二中对控制点的采集采用均匀采样的方式,用欧式距离或者测地距离进行控制点的选取和权重设置。
4.根据权利要求3所述的三维动态序列模型的压缩编码方法,其特征在于,所述控制点的点集N的选取方法为:设定控制点间的间隔范围di,以第一个顶点为起始点,按深度优先搜索算法遍历所有的顶点,每当某个顶点与最新的控制点的测地距离大于di时,将此顶点加入点集N中。
5.根据权利要求4所述的三维动态序列模型的压缩编码方法,其特征在于,通过调节di的大小来控制压缩率和精细程度,di越小,控制点越多、压缩率越小、精细度越高。
8.根据权利要求7所述的三维动态序列模型的压缩编码方法,其特征在于,所述将模板模型M对齐到目标模型得到M’的方法为:定义一个损失函数,并运用高斯牛顿法来做非刚体形变将M形变为M’,损失函数定义为:
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910572619.2A CN110769261A (zh) | 2019-06-28 | 2019-06-28 | 一种三维动态序列模型的压缩编码方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910572619.2A CN110769261A (zh) | 2019-06-28 | 2019-06-28 | 一种三维动态序列模型的压缩编码方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110769261A true CN110769261A (zh) | 2020-02-07 |
Family
ID=69329294
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910572619.2A Pending CN110769261A (zh) | 2019-06-28 | 2019-06-28 | 一种三维动态序列模型的压缩编码方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110769261A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111354067A (zh) * | 2020-03-02 | 2020-06-30 | 成都偶邦智能科技有限公司 | 一种基于Unity3D引擎的多模型同屏渲染方法 |
CN114089833A (zh) * | 2021-11-23 | 2022-02-25 | 清华大学 | 一种虚拟现实身体所有权的量化方法、系统及电子设备 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102426712A (zh) * | 2011-11-03 | 2012-04-25 | 中国科学院自动化研究所 | 一种基于两幅图像的三维头部建模方法 |
CN103383778A (zh) * | 2013-07-03 | 2013-11-06 | 中国科学院计算技术研究所 | 一种三维卡通人脸生成方法和系统 |
CN104318606A (zh) * | 2014-09-12 | 2015-01-28 | 上海明穆电子科技有限公司 | 3d脸型变化方法及系统 |
CN104992441A (zh) * | 2015-07-08 | 2015-10-21 | 华中科技大学 | 一种面向个性化虚拟试衣的真实人体三维建模方法 |
US20160100198A1 (en) * | 2014-10-07 | 2016-04-07 | Canon Kabushiki Kaisha | Encoding apparatus and method of controlling the same |
CN109242954A (zh) * | 2018-08-16 | 2019-01-18 | 叠境数字科技(上海)有限公司 | 基于模板变形的多视角三维人体重建方法 |
-
2019
- 2019-06-28 CN CN201910572619.2A patent/CN110769261A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102426712A (zh) * | 2011-11-03 | 2012-04-25 | 中国科学院自动化研究所 | 一种基于两幅图像的三维头部建模方法 |
CN103383778A (zh) * | 2013-07-03 | 2013-11-06 | 中国科学院计算技术研究所 | 一种三维卡通人脸生成方法和系统 |
CN104318606A (zh) * | 2014-09-12 | 2015-01-28 | 上海明穆电子科技有限公司 | 3d脸型变化方法及系统 |
US20160100198A1 (en) * | 2014-10-07 | 2016-04-07 | Canon Kabushiki Kaisha | Encoding apparatus and method of controlling the same |
CN104992441A (zh) * | 2015-07-08 | 2015-10-21 | 华中科技大学 | 一种面向个性化虚拟试衣的真实人体三维建模方法 |
CN109242954A (zh) * | 2018-08-16 | 2019-01-18 | 叠境数字科技(上海)有限公司 | 基于模板变形的多视角三维人体重建方法 |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111354067A (zh) * | 2020-03-02 | 2020-06-30 | 成都偶邦智能科技有限公司 | 一种基于Unity3D引擎的多模型同屏渲染方法 |
CN111354067B (zh) * | 2020-03-02 | 2023-08-22 | 成都偶邦智能科技有限公司 | 一种基于Unity3D引擎的多模型同屏渲染方法 |
CN114089833A (zh) * | 2021-11-23 | 2022-02-25 | 清华大学 | 一种虚拟现实身体所有权的量化方法、系统及电子设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108921926B (zh) | 一种基于单张图像的端到端三维人脸重建方法 | |
CN108898630B (zh) | 一种三维重建方法、装置、设备和存储介质 | |
CN115082639B (zh) | 图像生成方法、装置、电子设备和存储介质 | |
CN107507253B (zh) | 基于高阶张量近似的多属性体数据压缩方法 | |
CN108600730B (zh) | 一种基于合成图像质量度量的远程绘制方法 | |
CN104658038A (zh) | 基于动作捕捉的三维数字内容智能制作方法及制作系统 | |
CN102592275A (zh) | 虚拟视点绘制方法 | |
CN106157354A (zh) | 一种三维场景切换方法及系统 | |
CN106683163B (zh) | 一种视频监控的成像方法及系统 | |
CN109191554A (zh) | 一种超分辨图像重建方法、装置、终端和存储介质 | |
CN110769261A (zh) | 一种三维动态序列模型的压缩编码方法 | |
CN116843841B (zh) | 基于网格压缩的大规模虚拟现实系统 | |
CN111612878A (zh) | 将静态照片制作成三维效果视频的方法及装置 | |
CN111028335B (zh) | 一种基于深度学习的点云数据的分块面片重建方法 | |
CN114004842A (zh) | “分形视距”纹理压缩与彩色多边形纹理集成的三维模型可视化方法 | |
CN109461197B (zh) | 一种基于球面uv和重投影的云实时绘制优化方法 | |
CN108986204B (zh) | 一种基于双重校准的全自动快速室内场景三维重建装置 | |
KR20060087631A (ko) | 3차원 삼각 메쉬의 기하 정보 데이터 단순 압축 및 해제 기술 | |
CN111161407A (zh) | 一种水下三维重建系统和方法 | |
CN114998503A (zh) | 一种基于实景三维的白模自动纹理构建方法 | |
CN113077545B (zh) | 一种基于图卷积的从图像中重建着装人体模型的方法 | |
CN116363290A (zh) | 一种用于大规模场景三维重建的纹理贴图生成方法 | |
CN113989434A (zh) | 一种人体三维重建方法及设备 | |
CN112927348A (zh) | 一种基于多视点rgbd相机高分辨率人体三维重建方法 | |
CN1556505A (zh) | 虚拟分形场景三维漫游系统 |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20200207 |