CN111754423B - 高模gpu蒙皮平滑处理方法、装置及电子设备 - Google Patents

高模gpu蒙皮平滑处理方法、装置及电子设备 Download PDF

Info

Publication number
CN111754423B
CN111754423B CN202010503198.0A CN202010503198A CN111754423B CN 111754423 B CN111754423 B CN 111754423B CN 202010503198 A CN202010503198 A CN 202010503198A CN 111754423 B CN111754423 B CN 111754423B
Authority
CN
China
Prior art keywords
vector
vertex
compression
index
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.)
Active
Application number
CN202010503198.0A
Other languages
English (en)
Other versions
CN111754423A (zh
Inventor
蒋颂晟
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.)
Beijing Youzhuju Network Technology Co Ltd
Original Assignee
Beijing Youzhuju Network Technology Co Ltd
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 Beijing Youzhuju Network Technology Co Ltd filed Critical Beijing Youzhuju Network Technology Co Ltd
Priority to CN202010503198.0A priority Critical patent/CN111754423B/zh
Publication of CN111754423A publication Critical patent/CN111754423A/zh
Application granted granted Critical
Publication of CN111754423B publication Critical patent/CN111754423B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00Image enhancement or restoration
    • G06T5/70Denoising; Smoothing
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10Complex mathematical operations
    • G06F17/16Matrix or vector computation, e.g. matrix-matrix or matrix-vector multiplication, matrix factorization
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T1/00General purpose image data processing
    • G06T1/20Processor architectures; Processor configuration, e.g. pipelining

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Pure & Applied Mathematics (AREA)
  • Mathematical Optimization (AREA)
  • Mathematical Analysis (AREA)
  • Data Mining & Analysis (AREA)
  • Computational Mathematics (AREA)
  • Computing Systems (AREA)
  • Algebra (AREA)
  • Databases & Information Systems (AREA)
  • Software Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Compression Or Coding Systems Of Tv Signals (AREA)

Abstract

本公开实施例中提供了一种高模GPU蒙皮平滑处理方法、装置及电子设备,属于数据处理技术领域,该方法包括:获取在高模GPU中用于描述目标区域的索引向量、权重向量和原始顶点向量;选择所述索引向量或所述权重向量中的任一个作为压缩向量,对所述索引向量和所述权重向量执行压缩处理;将所述索引向量或所述权重向量中没有被选作为压缩向量的向量设置为补充顶点向量;基于所述压缩向量、所述原始顶点向量以及所述补充顶点向量,在所述高模GPU中生成所述目标区域的蒙皮图像。通过本公开的处理方案,能够在不增加存储空间的情况下,提高了高模GPU蒙皮图像的平滑度。

Description

高模GPU蒙皮平滑处理方法、装置及电子设备
技术领域
本公开涉及数据处理技术领域,尤其涉及一种高模GPU蒙皮平滑处理方法、装置及电子设备。
背景技术
数字图像处理就是利用计算机对图像信息进行加工以满足人的视觉心理或者应用需求的行为。实质上是一段能够被计算机还原显示和输出为一幅图像的数字码。图像作为人类感知世界的视觉基础,是人类获取信息、表达信息和传递信息的重要手段。
通过数字图像处理中的模式识别技术,可以将人眼无法识别的图像进行分类处理。通过计算机模式识别技术可以快速准确地检索、匹配和识别出各种东西。在计算机中,按照颜色和灰度的多少可以将图像分为二值图像、灰度图像、索引图像和真彩色RGB图像四种基本类型。大多数图像处理软件都支持这四种类型的图像。
在基于3D建模处理的图像中,对于高模蒙皮图像而言,其在GPU成像的过程中存在图像过渡不平滑的问题,影响高模蒙皮图像的显示观感。
发明内容
有鉴于此,本公开实施例提供一种高模GPU蒙皮平滑处理方法、装置及电子设备,以至少部分解决现有技术中存在的问题。
第一方面,本公开实施例提供了一种高模GPU蒙皮平滑处理方法,包括:
获取在高模GPU中用于描述目标区域的索引向量、权重向量和原始顶点向量,所述索引向量和所述权重向量具有相同的向量长度;
选择所述索引向量或所述权重向量中的任一个作为压缩向量,对所述索引向量和所述权重向量执行压缩处理,使得压缩后的索引向量值和权重向量值位于所述压缩向量中,所述索引向量值和所述权重向量值在所述压缩向量中占有不同的位数;
将所述索引向量或所述权重向量中没有被选作为压缩向量的向量设置为补充顶点向量,以便于在所述补充顶点向量中增加用于描述所述目标区域的顶点信息;
基于所述压缩向量、所述原始顶点向量以及所述补充顶点向量,在所述高模GPU中生成所述目标区域的蒙皮图像。
根据本公开实施例的一种具体实现方式,所述获取在高模GPU中用于描述目标区域的索引向量、权重向量和原始顶点向量,包括:
获取所述目标区域的表示对象;
查找与所述表示对象对应的索引向量和权重向量;
将查找到的所述索引向量和权重向量作为用于描述所述目标区域的索引向量和权重向量。
根据本公开实施例的一种具体实现方式,所述获取在高模GPU中用于描述目标区域的索引向量、权重向量和原始顶点向量,包括:
查找构成所述目标区域的一个或多个目标对象;
基于所述一个或多个目标对象的顶点坐标,构建所述原始顶点向量。
根据本公开实施例的一种具体实现方式,所述选择所述索引向量或所述权重向量中的任一个作为压缩向量,对所述索引向量和所述权重向量执行压缩处理,包括:
获取所述索引向量的所表示的向量值;
对所述向量值按照第一压缩算法进行压缩处理,得到第一压缩值;
将所述第一压缩值存储在所述压缩向量的第一存储区域。
根据本公开实施例的一种具体实现方式,所述选择所述索引向量或所述权重向量中的任一个作为压缩向量,对所述索引向量和所述权重向量执行压缩处理,还包括:
获取所述权重向量的所表示的权重值;
对所述权重值按照第二压缩算法进行压缩处理,得到第二压缩值;
将所述第二压缩值存储在所述压缩向量的第二存储区域。
根据本公开实施例的一种具体实现方式,所述将所述索引向量或所述权重向量中没有被选作为压缩向量的向量设置为补充顶点向量,包括:
基于所述目标区域以及描述所述目标区域的原始顶点向量,确定描述所述目标区域的原始顶点分布;
对所述原始顶点分布的情况,对所述目标区域进行顶点插值处理,形成补充顶点;
基于得到的补充顶点的值,形成所述补充顶点向量。
根据本公开实施例的一种具体实现方式,所述基于得到的补充顶点的值,形成所述补充顶点向量,包括:
对所述补充顶点的值进行第三压缩处理,以得到与所述补充顶点向量长度相同的第三压缩值;
将所述第三压缩值填充至所述补充顶点向量中。
根据本公开实施例的一种具体实现方式,所述基于所述压缩向量、所述原始顶点向量以及所述补充顶点向量,在所述高模GPU中生成所述目标区域的蒙皮图像,包括:
对所述压缩向量进行解压缩处理,形成第一解压结果;
基于所述第一解压结果,确定所述原始顶点向量和所述补充顶点向量在所述目标区域上分布的解压顶点;
基于所述解压顶点,确定所述目标区域的蒙皮图像。
第二方面,本公开实施例提供了一种高模GPU蒙皮平滑处理装置,包括:
获取模块,用于获取在高模GPU中用于描述目标区域的索引向量、权重向量和原始顶点向量,所述索引向量和所述权重向量具有相同的向量长度;
压缩模块,用于选择所述索引向量或所述权重向量中的任一个作为压缩向量,对所述索引向量和所述权重向量执行压缩处理,使得压缩后的索引向量值和权重向量值位于所述压缩向量中,所述索引向量值和所述权重向量值在所述压缩向量中占有不同的位数;
设置模块,用于将所述索引向量或所述权重向量中没有被选作为压缩向量的向量设置为补充顶点向量,以便于在所述补充顶点向量中增加用于描述所述目标区域的顶点信息;
生成模块,用于基于所述压缩向量、所述原始顶点向量以及所述补充顶点向量,在所述高模GPU中生成所述目标区域的蒙皮图像。
第三方面,本公开实施例还提供了一种电子设备,该电子设备包括:
至少一个处理器;以及,
与该至少一个处理器通信连接的存储器;其中,
该存储器存储有可被该至少一个处理器执行的指令,该指令被该至少一个处理器执行,以使该至少一个处理器能够执行前述第一方面或第一方面的任一实现方式中的高模GPU蒙皮平滑处理方法。
第四方面,本公开实施例还提供了一种非暂态计算机可读存储介质,该非暂态计算机可读存储介质存储计算机指令,该计算机指令用于使该计算机执行前述第一方面或第一方面的任一实现方式中的高模GPU蒙皮平滑处理方法。
第五方面,本公开实施例还提供了一种计算机程序产品,该计算机程序产品包括存储在非暂态计算机可读存储介质上的计算程序,该计算机程序包括程序指令,当该程序指令被计算机执行时,使该计算机执行前述第一方面或第一方面的任一实现方式中的高模GPU蒙皮平滑处理方法。
本公开实施例中的高模GPU蒙皮平滑处理方案,包括获取在高模GPU中用于描述目标区域的索引向量、权重向量和原始顶点向量,所述索引向量和所述权重向量具有相同的向量长度;选择所述索引向量或所述权重向量中的任一个作为压缩向量,对所述索引向量和所述权重向量执行压缩处理,使得压缩后的索引向量值和权重向量值位于所述压缩向量中,所述索引向量值和所述权重向量值在所述压缩向量中占有不同的位数;将所述索引向量或所述权重向量中没有被选作为压缩向量的向量设置为补充顶点向量,以便于在所述补充顶点向量中增加用于描述所述目标区域的顶点信息;基于所述压缩向量、所述原始顶点向量以及所述补充顶点向量,在所述高模GPU中生成所述目标区域的蒙皮图像。通过本公开的处理方案,在不增加系统存储空间资源的情况下,提高了高模GPU蒙皮平滑处理的效果。
附图说明
为了更清楚地说明本公开实施例的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本公开的一些实施例,对于本领域普通技术人员来讲,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它的附图。
图1为本公开实施例提供的一种高模GPU蒙皮平滑处理方法的流程图;
图2为本公开实施例提供的另一种高模GPU蒙皮平滑处理方法的流程图;
图3为本公开实施例提供的另一种高模GPU蒙皮平滑处理方法的流程图;
图4为本公开实施例提供的另一种高模GPU蒙皮平滑处理方法的流程图;
图5为本公开实施例提供的一种高模GPU蒙皮平滑处理装置的结构示意图;
图6为本公开实施例提供的电子设备示意图。
具体实施方式
下面结合附图对本公开实施例进行详细描述。
以下通过特定的具体实例说明本公开的实施方式,本领域技术人员可由本说明书所揭露的内容轻易地了解本公开的其他优点与功效。显然,所描述的实施例仅仅是本公开一部分实施例,而不是全部的实施例。本公开还可以通过另外不同的具体实施方式加以实施或应用,本说明书中的各项细节也可以基于不同观点与应用,在没有背离本公开的精神下进行各种修饰或改变。需说明的是,在不冲突的情况下,以下实施例及实施例中的特征可以相互组合。基于本公开中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本公开保护的范围。
需要说明的是,下文描述在所附权利要求书的范围内的实施例的各种方面。应显而易见,本文中所描述的方面可体现于广泛多种形式中,且本文中所描述的任何特定结构及/或功能仅为说明性的。基于本公开,所属领域的技术人员应了解,本文中所描述的一个方面可与任何其它方面独立地实施,且可以各种方式组合这些方面中的两者或两者以上。举例来说,可使用本文中所阐述的任何数目个方面来实施设备及/或实践方法。另外,可使用除了本文中所阐述的方面中的一或多者之外的其它结构及/或功能性实施此设备及/或实践此方法。
还需要说明的是,以下实施例中所提供的图示仅以示意方式说明本公开的基本构想,图式中仅显示与本公开中有关的组件而非按照实际实施时的组件数目、形状及尺寸绘制,其实际实施时各组件的型态、数量及比例可为一种随意的改变,且其组件布局型态也可能更为复杂。
另外,在以下描述中,提供具体细节是为了便于透彻理解实例。然而,所属领域的技术人员将理解,可在没有这些特定细节的情况下实践所述方面。
本公开实施例提供一种高模GPU蒙皮平滑处理方法。本实施例提供的高模GPU蒙皮平滑处理方法可以由一计算装置来执行,该计算装置可以实现为软件,或者实现为软件和硬件的组合,该计算装置可以集成设置在服务器、客户端等中。
参见图1,本公开实施例中的高模GPU蒙皮平滑处理方法,可以包括如下步骤:
S101,获取在高模GPU中用于描述目标区域的索引向量、权重向量和原始顶点向量,所述索引向量和所述权重向量具有相同的向量长度。
对于三维图像而言,蒙皮通常是在GPU中通过建模的方式形成,以人体的三维图像为例,可以通过蒙皮的方式构建人体的脸部皮肤、手部皮肤等。目标区域便是用来描述蒙皮形成的对象,目标区域可以是人体的脸部区域、嘴巴区域等。
目标区域在进行建模的过程中,需要通过多个定点来对其在三维空间中进行定位,用于对目标区域进行空间定位的向量便形成了原始定点向量。除此之外,用户对目标区域的位置进行索引的数值形成了索引向量,用于对目标区域的现实特性进行量化的数值形成了权重向量。索引向量、权重向量和原始顶点向量可以具有一定的向量长度,例如,他们可以是16bit字节长度的向量。
在获得了目标区域之后,可以根据该目标区域的标识等信息获取该目标区域所对应的索引向量、权重向量和原始顶点向量。
S102,选择所述索引向量或所述权重向量中的任一个作为压缩向量,对所述索引向量和所述权重向量执行压缩处理,使得压缩后的索引向量值和权重向量值位于所述压缩向量中,所述索引向量值和所述权重向量值在所述压缩向量中占有不同的位数。
对于一些特殊的目标区域,存在曲面变化较多的情况,此时原始顶点向量中的顶点数量不能够完全的描述目标区域内的曲面变化情况,而如果此时增加顶点向量,则会增加系统的存储容量,导致蒙图存储体积的增大。
为此,在不增大系统存储容量的情况下,选择所述索引向量或所述权重向量中的任一个作为压缩向量,压缩向量与所述索引向量或所述权重向量具有相同的向量长度(例如,16bit)。这样一来,将索引向量的值通过压缩的方式存储在该压缩向量的一部分存储位中,将权重向量的值通过压缩的方式存储在该压缩向量的另外一部分存储位中。通过将2个向量压缩成一个向量的方式,能够节省出一个存储向量的空间,从而利用节省下来的存储向量来存储更多顶点信息。
S103,将所述索引向量或所述权重向量中没有被选作为压缩向量的向量设置为补充顶点向量,以便于在所述补充顶点向量中增加用于描述所述目标区域的顶点信息。
通过所述索引向量或所述权重向量中没有被选作为压缩向量的向量设置为补充顶点向量,可以在补充顶点向量中增加该目标区域的补充顶点信息,例如,可以通过对原始顶点差值的方式,获取需要进行设置的补充顶点,再进一步的将补充顶点的信息填充到补充顶点向量中。
作为另外一种方式,还可以通过测量该目标区域曲面变化曲率的方式,将变化曲率比较大的、且原始顶点向量里面没有记录的点作为补充顶点,并将该补充顶点的信息填充到补充顶点向量里面。
S104,基于所述压缩向量、所述原始顶点向量以及所述补充顶点向量,在所述高模GPU中生成所述目标区域的蒙皮图像。
通过对压缩向量进行解压缩处理,能够获得目标区域相关的索引信息和权重信息,基于解压缩得到的该索引信息和权重信息,对原始顶点向量和补充顶点向量中的顶点进行还原设置,能够得到具有原始顶点和补充顶点共同描述的目标区域,从而使得目标区域的曲面更加的光滑,提高了目标区域的可观赏性。
通过上述实施例中的内容,能够通过压缩的方式来处理索引向量和权重向量,从而提高了目标区域的平滑度。
参见图2,根据本公开实施例的一种具体实现方式,所述获取在高模GPU中用于描述目标区域的索引向量、权重向量和原始顶点向量,包括:
S201,获取所述目标区域的表示对象。
目标区域可以通过表示对象的方式来进行表示,为此可以通过获取表示对象的方式来获取目标区域。表示对象可以采用目标ID的方式来进行,也可以采用其他类似的方式来进行描述。
S202,查找与所述表示对象对应的索引向量和权重向量。
S203,将查找到的所述索引向量和权重向量作为用于描述所述目标区域的索引向量和权重向量。
通过该实施例的方式,能够直击获取与目标区域相关的索引向量和权重向量。
根据本公开实施例的一种具体实现方式,所述获取在高模GPU中用于描述目标区域的索引向量、权重向量和原始顶点向量,包括:查找构成所述目标区域的一个或多个目标对象;基于所述一个或多个目标对象的顶点坐标,构建所述原始顶点向量。
参见图3,根据本公开实施例的一种具体实现方式,所述选择所述索引向量或所述权重向量中的任一个作为压缩向量,对所述索引向量和所述权重向量执行压缩处理,包括:
S301,获取所述索引向量的所表示的向量值。
S302,对所述向量值按照第一压缩算法进行压缩处理,得到第一压缩值。
可以采用多种压缩方式对向量值进行压缩处理,从而得到第一压缩值,以使得第一压缩值能够在压缩向量的部分存储位中进行存储。
S303,将所述第一压缩值存储在所述压缩向量的第一存储区域。
第一存储区域可以根据实际的需要来进行设置,例如对于16位的压缩向量而言,可以将压缩向量的前6位作为第一存储区域。当然,也可以根据实际的需要设置其他的存储位作为第一存储区域。
通过上述实施例中的内容,能够通过压缩索引向量的方式对索引向量进行存储。
类似的,根据本公开实施例的一种具体实现方式,所述选择所述索引向量或所述权重向量中的任一个作为压缩向量,对所述索引向量和所述权重向量执行压缩处理,还包括:获取所述权重向量的所表示的权重值;对所述权重值按照第二压缩算法进行压缩处理,得到第二压缩值;将所述第二压缩值存储在所述压缩向量的第二存储区域。
根据本公开实施例的一种具体实现方式,所述将所述索引向量或所述权重向量中没有被选作为压缩向量的向量设置为补充顶点向量,包括:基于所述目标区域以及描述所述目标区域的原始顶点向量,确定描述所述目标区域的原始顶点分布;对所述原始顶点分布的情况,对所述目标区域进行顶点插值处理,形成补充顶点;基于得到的补充顶点的值,形成所述补充顶点向量。
根据本公开实施例的一种具体实现方式,所述基于得到的补充顶点的值,形成所述补充顶点向量,包括:对所述补充顶点的值进行第三压缩处理,以得到与所述补充顶点向量长度相同的第三压缩值;将所述第三压缩值填充至所述补充顶点向量中。
参见图4,根据本公开实施例的一种具体实现方式,所述基于所述压缩向量、所述原始顶点向量以及所述补充顶点向量,在所述高模GPU中生成所述目标区域的蒙皮图像,包括:
S401,对所述压缩向量进行解压缩处理,形成第一解压结果。
可以对压缩向量中的值进行解压缩处理,得到压缩之前的索引向量值和权重向量值,解压之后的索引向量值和权重向量值构成了第一解压结果。
S402,基于所述第一解压结果,确定所述原始顶点向量和所述补充顶点向量在所述目标区域上分布的解压顶点。
通过第一解压结果,可以将原始顶点向量和补充顶点向量中的顶点合并在一起,共同构成了目标区域的曲面表示。
S403,基于所述解压顶点,确定所述目标区域的蒙皮图像。
通过对解压顶点描述的曲面进行数据填充的方式,能够确定目标区域的曲面所形成的蒙皮图像。
与上面的方法实施例相对应,参见图5,本公开实施例还提供了一种高模GPU蒙皮平滑处理装置50,包括:
获取模块501,用于获取在高模GPU中用于描述目标区域的索引向量、权重向量和原始顶点向量,所述索引向量和所述权重向量具有相同的向量长度;
压缩模块502,用于选择所述索引向量或所述权重向量中的任一个作为压缩向量,对所述索引向量和所述权重向量执行压缩处理,使得压缩后的索引向量值和权重向量值位于所述压缩向量中,所述索引向量值和所述权重向量值在所述压缩向量中占有不同的位数;
设置模块503,用于将所述索引向量或所述权重向量中没有被选作为压缩向量的向量设置为补充顶点向量,以便于在所述补充顶点向量中增加用于描述所述目标区域的顶点信息;
生成模块504,用于基于所述压缩向量、所述原始顶点向量以及所述补充顶点向量,在所述高模GPU中生成所述目标区域的蒙皮图像。
本实施例未详细描述的部分,参照上述方法实施例中记载的内容,在此不再赘述。
参见图6,本公开实施例还提供了一种电子设备60,该电子设备包括:
至少一个处理器;以及,
与该至少一个处理器通信连接的存储器;其中,
该存储器存储有可被该至少一个处理器执行的指令,该指令被该至少一个处理器执行,以使该至少一个处理器能够执行前述方法实施例中的高模GPU蒙皮平滑处理方法。
本公开实施例还提供了一种非暂态计算机可读存储介质,该非暂态计算机可读存储介质存储计算机指令,该计算机指令用于使该计算机执行前述方法实施例中的高模GPU蒙皮平滑处理方法。
本公开实施例还提供了一种计算机程序产品,该计算机程序产品包括存储在非暂态计算机可读存储介质上的计算程序,该计算机程序包括程序指令,当该程序指令被计算机执行时,使该计算机执行前述方法实施例中的的高模GPU蒙皮平滑处理方法。
下面参考图6,其示出了适于用来实现本公开实施例的电子设备60的结构示意图。本公开实施例中的电子设备可以包括但不限于诸如移动电话、笔记本电脑、数字广播接收器、PDA(个人数字助理)、PAD(平板电脑)、PMP(便携式多媒体播放器)、车载终端(例如车载导航终端)等等的移动终端以及诸如数字TV、台式计算机等等的固定终端。图6示出的电子设备仅仅是一个示例,不应对本公开实施例的功能和使用范围带来任何限制。
如图6所示,电子设备60可以包括处理装置(例如中央处理器、图形处理器等)601,其可以根据存储在只读存储器(ROM)602中的程序或者从存储装置608加载到随机访问存储器(RAM)603中的程序而执行各种适当的动作和处理。在RAM 603中,还存储有电子设备60操作所需的各种程序和数据。处理装置601、ROM 602以及RAM 603通过总线604彼此相连。输入/输出(I/O)接口605也连接至总线604。
通常,以下装置可以连接至I/O接口605:包括例如触摸屏、触摸板、键盘、鼠标、图像传感器、麦克风、加速度计、陀螺仪等的输入装置606;包括例如液晶显示器(LCD)、扬声器、振动器等的输出装置607;包括例如磁带、硬盘等的存储装置608;以及通信装置609。通信装置609可以允许电子设备60与其他设备进行无线或有线通信以交换数据。虽然图中示出了具有各种装置的电子设备60,但是应理解的是,并不要求实施或具备所有示出的装置。可以替代地实施或具备更多或更少的装置。
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装置609从网络上被下载和安装,或者从存储装置608被安装,或者从ROM602被安装。在该计算机程序被处理装置601执行时,执行本公开实施例的方法中限定的上述功能。
需要说明的是,本公开上述的计算机可读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。在本公开中,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。而在本公开中,计算机可读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介质,该计算机可读信号介质可以发送、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:电线、光缆、RF(射频)等等,或者上述的任意合适的组合。
上述计算机可读介质可以是上述电子设备中所包含的;也可以是单独存在,而未装配入该电子设备中。
上述计算机可读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该电子设备执行时,使得该电子设备:获取至少两个网际协议地址;向节点评价设备发送包括所述至少两个网际协议地址的节点评价请求,其中,所述节点评价设备从所述至少两个网际协议地址中,选取网际协议地址并返回;接收所述节点评价设备返回的网际协议地址;其中,所获取的网际协议地址指示内容分发网络中的边缘节点。
或者,上述计算机可读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该电子设备执行时,使得该电子设备:接收包括至少两个网际协议地址的节点评价请求;从所述至少两个网际协议地址中,选取网际协议地址;返回选取出的网际协议地址;其中,接收到的网际协议地址指示内容分发网络中的边缘节点。
可以以一种或多种程序设计语言或其组合来编写用于执行本公开的操作的计算机程序代码,上述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++,还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中,远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户计算机,或者,可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
附图中的流程图和框图,图示了按照本公开各种实施例的系统、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,该模块、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,框图和/或流程图中的每个方框、以及框图和/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。
描述于本公开实施例中所涉及到的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。其中,单元的名称在某种情况下并不构成对该单元本身的限定,例如,第一获取单元还可以被描述为“获取至少两个网际协议地址的单元”。
应当理解,本公开的各部分可以用硬件、软件、固件或它们的组合来实现。
以上所述,仅为本公开的具体实施方式,但本公开的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本公开揭露的技术范围内,可轻易想到的变化或替换,都应涵盖在本公开的保护范围之内。因此,本公开的保护范围应以权利要求的保护范围为准。

Claims (10)

1.一种高模GPU蒙皮平滑处理方法,其特征在于,包括:
获取在高模GPU中用于描述目标区域的索引向量、权重向量和原始顶点向量,所述索引向量和所述权重向量具有相同的向量长度;
选择所述索引向量或所述权重向量中的任一个作为压缩向量,对所述索引向量和所述权重向量执行压缩处理,使得压缩后的索引向量值和权重向量值位于所述压缩向量中,所述索引向量值和所述权重向量值在所述压缩向量中占有不同的位数;
将所述索引向量或所述权重向量中没有被选作为压缩向量的向量设置为补充顶点向量,以便于在所述补充顶点向量中增加用于描述所述目标区域的顶点信息;
基于所述压缩向量、所述原始顶点向量以及所述补充顶点向量,在所述高模GPU中生成所述目标区域的蒙皮图像,其中包括:
对所述压缩向量进行解压缩处理,形成第一解压结果;
基于所述第一解压结果,确定所述原始顶点向量和所述补充顶点向量在所述目标区域上分布的解压顶点;
基于所述解压顶点,确定所述目标区域的蒙皮图像。
2.根据权利要求1所述的方法,其特征在于,所述获取在高模GPU中用于描述目标区域的索引向量、权重向量和原始顶点向量,包括:
获取所述目标区域的表示对象;
查找与所述表示对象对应的索引向量和权重向量;
将查找到的所述索引向量和权重向量作为用于描述所述目标区域的索引向量和权重向量。
3.根据权利要求1所述的方法,其特征在于,所述获取在高模GPU中用于描述目标区域的索引向量、权重向量和原始顶点向量,包括:
查找构成所述目标区域的一个或多个目标对象;
基于所述一个或多个目标对象的顶点坐标,构建所述原始顶点向量。
4.根据权利要求1所述的方法,其特征在于,所述选择所述索引向量或所述权重向量中的任一个作为压缩向量,对所述索引向量和所述权重向量执行压缩处理,包括:
获取所述索引向量的所表示的向量值;
对所述向量值按照第一压缩算法进行压缩处理,得到第一压缩值;
将所述第一压缩值存储在所述压缩向量的第一存储区域。
5.根据权利要求4所述的方法,其特征在于,所述选择所述索引向量或所述权重向量中的任一个作为压缩向量,对所述索引向量和所述权重向量执行压缩处理,还包括:
获取所述权重向量的所表示的权重值;
对所述权重值按照第二压缩算法进行压缩处理,得到第二压缩值;
将所述第二压缩值存储在所述压缩向量的第二存储区域。
6.根据权利要求1所述的方法,其特征在于,所述将所述索引向量或所述权重向量中没有被选作为压缩向量的向量设置为补充顶点向量,包括:
基于所述目标区域以及描述所述目标区域的原始顶点向量,确定描述所述目标区域的原始顶点分布;
对所述原始顶点分布的情况,对所述目标区域进行顶点插值处理,形成补充顶点;
基于得到的补充顶点的值,形成所述补充顶点向量。
7.根据权利要求6所述的方法,其特征在于,所述基于得到的补充顶点的值,形成所述补充顶点向量,包括:
对所述补充顶点的值进行第三压缩处理,以得到与所述补充顶点向量长度相同的第三压缩值;
将所述第三压缩值填充至所述补充顶点向量中。
8.一种高模GPU蒙皮平滑处理装置,其特征在于,包括:
获取模块,用于获取在高模GPU中用于描述目标区域的索引向量、权重向量和原始顶点向量,所述索引向量和所述权重向量具有相同的向量长度;
压缩模块,用于选择所述索引向量或所述权重向量中的任一个作为压缩向量,对所述索引向量和所述权重向量执行压缩处理,使得压缩后的索引向量值和权重向量值位于所述压缩向量中,所述索引向量值和所述权重向量值在所述压缩向量中占有不同的位数;
设置模块,用于将所述索引向量或所述权重向量中没有被选作为压缩向量的向量设置为补充顶点向量,以便于在所述补充顶点向量中增加用于描述所述目标区域的顶点信息;
生成模块,用于基于所述压缩向量、所述原始顶点向量以及所述补充顶点向量,在所述高模GPU中生成所述目标区域的蒙皮图像,其中包括:
对所述压缩向量进行解压缩处理,形成第一解压结果;
基于所述第一解压结果,确定所述原始顶点向量和所述补充顶点向量在所述目标区域上分布的解压顶点;
基于所述解压顶点,确定所述目标区域的蒙皮图像。
9.一种电子设备,其特征在于,所述电子设备包括:
至少一个处理器;以及,
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行前述权利要求1-7中任一项所述的高模GPU蒙皮平滑处理方法。
10.一种非暂态计算机可读存储介质,该非暂态计算机可读存储介质存储计算机指令,该计算机指令用于使该计算机执行前述权利要求1-7中任一项所述的高模GPU蒙皮平滑处理方法。
CN202010503198.0A 2020-06-05 2020-06-05 高模gpu蒙皮平滑处理方法、装置及电子设备 Active CN111754423B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010503198.0A CN111754423B (zh) 2020-06-05 2020-06-05 高模gpu蒙皮平滑处理方法、装置及电子设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010503198.0A CN111754423B (zh) 2020-06-05 2020-06-05 高模gpu蒙皮平滑处理方法、装置及电子设备

Publications (2)

Publication Number Publication Date
CN111754423A CN111754423A (zh) 2020-10-09
CN111754423B true CN111754423B (zh) 2024-03-22

Family

ID=72674681

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010503198.0A Active CN111754423B (zh) 2020-06-05 2020-06-05 高模gpu蒙皮平滑处理方法、装置及电子设备

Country Status (1)

Country Link
CN (1) CN111754423B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113610805A (zh) * 2021-08-06 2021-11-05 云南白药集团上海健康产品有限公司 一种平滑度的确定方法、电子设备及可读存储介质

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105556571A (zh) * 2013-06-10 2016-05-04 索尼电脑娱乐公司 使用计算着色器作为顶点着色器的前端
US9990754B1 (en) * 2014-02-04 2018-06-05 Electronic Arts Inc. System for rendering using position based finite element simulation
US10096133B1 (en) * 2017-03-31 2018-10-09 Electronic Arts Inc. Blendshape compression system
CN109345615A (zh) * 2018-10-25 2019-02-15 网易(杭州)网络有限公司 蒙皮数据生成方法以及装置、电子设备及存储介质
CN110090440A (zh) * 2019-04-30 2019-08-06 腾讯科技(深圳)有限公司 虚拟对象显示方法、装置、电子设备及存储介质

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112437950A (zh) * 2018-05-22 2021-03-02 奇跃公司 用于对虚拟头像制作动画的骨架系统

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105556571A (zh) * 2013-06-10 2016-05-04 索尼电脑娱乐公司 使用计算着色器作为顶点着色器的前端
US9990754B1 (en) * 2014-02-04 2018-06-05 Electronic Arts Inc. System for rendering using position based finite element simulation
US10096133B1 (en) * 2017-03-31 2018-10-09 Electronic Arts Inc. Blendshape compression system
CN109345615A (zh) * 2018-10-25 2019-02-15 网易(杭州)网络有限公司 蒙皮数据生成方法以及装置、电子设备及存储介质
CN110090440A (zh) * 2019-04-30 2019-08-06 腾讯科技(深圳)有限公司 虚拟对象显示方法、装置、电子设备及存储介质

Also Published As

Publication number Publication date
CN111754423A (zh) 2020-10-09

Similar Documents

Publication Publication Date Title
CN106846497B (zh) 应用于终端的呈现三维地图的方法和装置
CN110413812B (zh) 神经网络模型的训练方法、装置、电子设备及存储介质
CN109754464B (zh) 用于生成信息的方法和装置
CN110378947B (zh) 3d模型重建方法、装置及电子设备
CN110288520B (zh) 图像美化方法、装置及电子设备
CN110069191B (zh) 基于终端的图像拖拽变形实现方法和装置
CN110298785A (zh) 图像美化方法、装置及电子设备
CN110288519A (zh) 图像美化方法、装置及电子设备
CN112308769B (zh) 图像合成方法、设备及存储介质
CN114693876B (zh) 数字人生成方法、装置、存储介质和电子设备
CN110555861B (zh) 光流计算方法、装置及电子设备
CN111754423B (zh) 高模gpu蒙皮平滑处理方法、装置及电子设备
CN114049403A (zh) 一种多角度三维人脸重建方法、装置及存储介质
CN110264430B (zh) 视频美化方法、装置及电子设备
CN117253008A (zh) 一种空间对象布局生成方法、装置、设备及存储介质
CN110264431A (zh) 视频美化方法、装置及电子设备
CN110069195B (zh) 图像拖拽变形方法和装置
CN110288552A (zh) 视频美化方法、装置及电子设备
CN114418835B (zh) 图像处理方法、装置、设备及介质
CN111696041B (zh) 图像处理方法、装置及电子设备
CN110555892B (zh) 多角度图像生成方法、装置及电子设备
CN110363860B (zh) 3d模型重建方法、装置及电子设备
CN114723600A (zh) 美妆特效的生成方法、装置、设备、存储介质和程序产品
CN110390717B (zh) 3d模型重建方法、装置及电子设备
CN111354070B (zh) 一种立体图形生成方法、装置、电子设备及存储介质

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