CN111784828B - 三维模型的融合方法、装置及计算机可读存储介质 - Google Patents
三维模型的融合方法、装置及计算机可读存储介质 Download PDFInfo
- Publication number
- CN111784828B CN111784828B CN202010767943.2A CN202010767943A CN111784828B CN 111784828 B CN111784828 B CN 111784828B CN 202010767943 A CN202010767943 A CN 202010767943A CN 111784828 B CN111784828 B CN 111784828B
- Authority
- CN
- China
- Prior art keywords
- model
- auxiliary
- target
- points
- 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
Links
- 238000003860 storage Methods 0.000 title claims abstract description 27
- 238000007500 overflow downdraw method Methods 0.000 title claims abstract description 20
- 230000007704 transition Effects 0.000 claims abstract description 65
- 238000000034 method Methods 0.000 claims abstract description 40
- 238000005457 optimization Methods 0.000 claims description 46
- 230000004927 fusion Effects 0.000 claims description 42
- 238000013519 translation Methods 0.000 claims description 16
- 238000013473 artificial intelligence Methods 0.000 abstract description 12
- 210000003128 head Anatomy 0.000 description 32
- 239000011159 matrix material Substances 0.000 description 18
- 238000005516 engineering process Methods 0.000 description 14
- 210000001202 rhombencephalon Anatomy 0.000 description 12
- 238000010586 diagram Methods 0.000 description 10
- 238000012545 processing Methods 0.000 description 8
- 241001465754 Metazoa Species 0.000 description 3
- 238000010276 construction Methods 0.000 description 3
- 238000013461 design Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 210000000214 mouth Anatomy 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 230000015572 biosynthetic process Effects 0.000 description 2
- 210000000746 body region Anatomy 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000004590 computer program Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 239000007787 solid Substances 0.000 description 2
- 238000010146 3D printing Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 210000004556 brain Anatomy 0.000 description 1
- 210000005252 bulbus oculi Anatomy 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 210000001508 eye Anatomy 0.000 description 1
- 230000001815 facial effect Effects 0.000 description 1
- 238000007499 fusion processing Methods 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000005304 joining Methods 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000003058 natural language processing Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 210000000697 sensory organ Anatomy 0.000 description 1
- 238000013179 statistical model Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 230000001131 transforming effect Effects 0.000 description 1
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
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/50—Image enhancement or restoration using two or more images, e.g. averaging or subtraction
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/70—Denoising; Smoothing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10004—Still image; Photographic image
- G06T2207/10012—Stereo images
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20212—Image combination
- G06T2207/20221—Image fusion; Image merging
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T10/00—Road transport of goods or passengers
- Y02T10/10—Internal combustion engine [ICE] based vehicles
- Y02T10/40—Engine management systems
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Graphics (AREA)
- Software Systems (AREA)
- Geometry (AREA)
- Architecture (AREA)
- Computer Hardware Design (AREA)
- General Engineering & Computer Science (AREA)
- Processing Or Creating Images (AREA)
Abstract
本申请公开了一种三维模型的融合方法、装置及计算机可读存储介质,涉及人工智能领域。该方法包括:获取第一模型与第二模型,第一模型和第二模型均为三维模型;根据第一模型的拓扑和第二模型的拓扑,将第一模型与第二模型中的目标部分进行拼接,得到辅助模型;在辅助模型中,对目标部分中与第一模型的过渡区域进行非刚性形变,以平滑过渡区域,得到融合后的目标模型。本申请解决了模型的生成效率较低的问题。本申请用于融合三维模型。
Description
技术领域
本申请实施例涉及人工智能领域,特别涉及一种三维模型的融合方法、装置及计算机可读存储介质。
背景技术
随着人工智能(Artificial Intelligence,AI)技术的发展,对于三维模型(如头部模型或人体模型)的构建的需求越来越广。
示例地,头部模型中对于脸部区域的约束较大,而对其他区域(如后脑勺区域)的约束较小,也即是脸部区域需要较大程度的贴合设定的脸部形状,而其他区域的形成自由度较大。在构建头部模型时,设计人员可以仅设计人脸模型,然后将该人脸模型与已存在的后脑勺模型进行拼接。由于该人脸模型与后脑勺模型通常无法完全适配,直接拼接得到的模型中人脸到后脑勺的过渡区域会存在接缝,故通常需要美工人员通过计算机手动调整后脑勺模型的尺寸,并手动对该过渡区域进行处理,保证人脸到后脑勺的平滑过渡,进而得到头部模型。
然而,通过上述方式得到头部模型的过程中,需要耗费较多的时间资源和人力资源,故头部模型的生成效率较低。
发明内容
本申请实施例提供了一种三维模型的融合方法、装置及计算机可读存储介质,可以提高三维模型融合过程中的融合效率。所述技术方案如下:
一方面,提供了一种三维模型的融合方法,所述方法包括:
获取第一模型与第二模型,所述第一模型和所述第二模型均为三维模型;
根据所述第一模型的拓扑和所述第二模型的拓扑,将所述第一模型与所述第二模型中的目标部分进行拼接,得到辅助模型;
在所述辅助模型中,对所述目标部分中与所述第一模型的过渡区域进行非刚性形变,以平滑所述过渡区域,得到融合后的目标模型。
另一方面,提供了一种三维模型的融合装置,所述装置包括:
获取模块,用于获取第一模型与第二模型,所述第一模型和所述第二模型均为三维模型;
拼接模块,用于根据所述第一模型的拓扑和所述第二模型的拓扑,将所述第一模型与所述第二模型中的目标部分进行拼接,得到辅助模型;
形变模块,用于在所述辅助模型中,对所述目标部分中与所述第一模型的过渡区域进行非刚性形变,以平滑所述过渡区域,得到融合后的目标模型。
再一方面,提供了一种计算机设备,所述计算机设备包括处理器和存储器,所述存储器中存储有至少一条指令、至少一段程序、代码集或指令集,所述至少一条指令、所述至少一段程序、所述代码集或指令集由所述处理器加载并执行以实现如上述本申请实施例中任一所述的三维模型的融合方法。
又一方面,提供了一种计算机可读存储介质,所述存储介质中存储有至少一条指令、至少一段程序、代码集或指令集,所述至少一条指令、所述至少一段程序、所述代码集或指令集由所述处理器加载并执行以实现如上述本申请实施例中任一所述的三维模型的融合方法。
另一方面,提供了一种计算机程序产品,当所述计算机程序产品在计算机上运行时,使得计算机执行如上述本申请实施例中任一所述的三维模型的融合方法。
本申请实施例提供的技术方案带来的有益效果至少包括:
本申请中可以根据第一模型和第二模型的拓扑,先将第一模型与第二模型中的目标部分直接进行拼接,接着在得到的辅助模型中,对该目标部分中与第一模型的过渡区域进行非刚性形变。如此可以实现三维模型的自动融合,且保证融合后第一模型与第一部分的过渡区域平滑,因此可以在保证三维模型的融合质量的基础上,提高三维模型的融合效率。
附图说明
为了更清楚地说明本申请实施例中的技术方案,下面将对实施例描述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申请的一些实施例,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他的附图。
图1是本申请实施例提供的一种三维模型的融合方法的流程图;
图2是本申请实施例提供的另一种三维模型的融合方法的流程图;
图3是本申请实施例提供的一种第一模型的示意图;
图4是本申请实施例提供的一种第二模型的示意图;
图5是本申请实施例提供的一种辅助模型的示意图;
图6是本申请实施例提供的一种目标模型的示意图;
图7是本申请实施例提供的一种三维模型的融合装置的结构示意图;
图8是本申请实施例提供的一种服务器的结构框图。
具体实施方式
为使本申请的目的、技术方案和优点更加清楚,下面将结合附图对本申请实施方式作进一步地详细描述。
目前,人工智能技术的发展越来越快。人工智能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。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/交互系统以及机电一体化等技术。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。
随着人工智能技术的发展,对于三维模型的构建的需求越来越广。相关技术中可以基于自动捏脸算法应用三维形变模型(3D Morphable Model,3DMM)构建脸部模型或人体模型,3DMM是一种三维人脸统计模型。在自动捏脸算法中,通常存在约束的部分为脸部区域,而并不包括如后脑勺、口腔内部和肩膀等未知的约束。示例地,设计人员通过计算机基于3DMM对脸部模型进行创作后,计算机可以自动获取预先设定好的后脑模型。由于多个不同的脸部模型对应的后脑模型均相同,从而在自动捏脸算法中,后脑模型与脸部模型存在一定的不适配度,导致后脑与脸部的衔接之间存在不平滑的接缝,得到的头部模型的真实度较低。此时需要美工人员通过计算机人工手动对该接缝区域进行调节,才能得到真实度较高的头部模型,该模型的生成效率较低。
本申请以下实施例提供了一种三维模型的融合方法和装置,可以自动生成真实度较高的目标模型,进而提高模型的生成效率。本申请实施例中的三维模型指的是软件三维模型。
本申请实施例提供的三维模型的融合方法,可以由终端实现,也可以由服务器实现,还可以由终端和服务器协同实现。其中,终端包括智能手机、平板电脑、便携式膝上笔记本电脑、台式计算机、智能音箱以及智能可穿戴设备等终端中的至少一种,服务器可以是物理服务器,也可以是提供云计算服务的云服务器,且服务器可以实现为一台服务器,也可以是多个服务器构成的服务器集群或分布式系统。其中,当终端和服务器协同实现本申请实施例提供的方案时,终端和服务器可以通过有线或无线通信方式进行直接或间接连接,本申请实施例对此不加以限定。
图1是本申请实施例提供的一种三维模型的融合方法的流程图。如图1所示,该方法可以包括:
步骤101、获取第一模型与第二模型,第一模型和第二模型均为三维模型。
步骤102、根据第一模型的拓扑和第二模型的拓扑,将第一模型与第二模型中的目标部分进行拼接,得到辅助模型。
步骤103、在辅助模型中,对目标部分中与第一模型的过渡区域进行非刚性形变,以平滑过渡区域,得到融合后的目标模型。
示例地,本申请提供的方法可以用于游戏中的角色构建。这种情况下,该第一模型和第二模型可以均为游戏角色的部分模型,计算机对该第一模型和第二模型进行融合,得到的目标模型可以为游戏角色的整体模型或部分模型。如该游戏角色为人,第一模型可以为人体的头部模型,第二模型可以为人体的上半身模型,得到的目标模型也可以为人体的上半身模型。该方法也可以用于游戏场景中的其他物体的构建,如该其他物体包括植物、动物或建筑物等。
再示例地,本申请提供的方法可以用于对模型中的部分进行替换。如可以用给定的座椅模型替换某三维车辆模型中的座椅,得到新的三维车辆模型。这种情况下,第一模型为该给定的座椅模型,第二模型为该被替换座椅的三维车辆模型,对第一模型和第二模型融合得到的目标模型为该新的三维车辆模型。
再示例地,本申请提供的方法可以用于物体的仿真。例如可以根据第一模型和第二模型融合得到的目标模型进行三维打印,得到物体的实体模型。该物体包括人体、植物、动物、建筑物或其他任意物体(如车辆、容器或桌椅等)。如该物体为某植物,则第一模型和第二模型均可以为该植物的部分模型,目标模型可以为该植物的整体模型或部分模型。
又示例地,本申请提供的方法还可以用于工业制造领域。例如可以第一模型和第二模型的融合,对目标模型表示的实体进行调整。如第一模型为三维车辆模型中的车灯区域,第二模型为该三维车辆模型,通过对第二模型中的目标部分中与第一模型的过渡区域进行非刚性形变,可以对三维车辆模型中车灯区域与其他区域的过渡区域进行平滑,得到新的三维车辆模型(也即是目标模型)。进而可以根据该新的三维车辆模型对其表示的实体车辆的车灯处的结构进行调整,以得到与该新的三维车辆模型匹配的调整后的车辆。
可选地,本申请实施例中的第一模型可以为头部模型,第二模型中的目标部分可以包括肩膀区域和脖子区域,该脖子区域可以为目标部分中与第一模型的过渡区域,得到的目标模型可以为包括肩膀区域的头部模型。通过本申请实施例的方法可以保证该头部模型与肩膀区域之间平滑的过渡,保证融合后得到的包括头部和肩膀的目标模型的真实度较高,且无需人手动操作计算机以平滑头部与脖子之间的过渡区域,可以提高目标模型的生成效率。
综上所述,本申请实施例提供的三维模型的融合方法中,可以根据第一模型的拓扑和第二模型的拓扑,先将第一模型与第二模型中的目标部分直接进行拼接,接着在得到的辅助模型中,对该目标部分中与第一模型的过渡区域进行非刚性形变。如此可以实现三维模型的自动融合,且保证融合后第一模型与第一部分的过渡区域平滑,因此可以在保证三维模型的融合质量的基础上,提高三维模型的融合效率。
图2是本申请实施例提供的另一种三维模型的融合方法的流程图。本申请实施例以该方法应用于服务器为例进行解释说明,如图2所示,该方法可以包括:
步骤201、获取第一模型与第二模型。
本申请实施例中的第一模型和第二模型为三维模型。可选地,该第一模型和第二模型可以为物体的至少部分模型,如该物体包括:人物、植物、动物、建筑物或其他任意物体(如车辆、容器或桌椅等)。如第一模型与第二模型可以为人体的至少部分模型。可选地,该第一模型和第二模型可以为三维角色的至少部分模型,三维角色可以包括三维卡通角色、三维人物角色以及三维动漫角色等角色中的至少一种。
本申请实施例中,第一模型和第二模型可以皆为设计人员设计得到的模型;或,第一模型为设计人员设计得到的模型,而第二模型为针对不同的第一模型制作的统一的模型。示例地,服务器可以从终端获取第一模型,如设计人员通过终端将第一模型设计完毕后,可以将该第一模型从终端上传至服务器。第二模型可以是服务器中预先存储的,也可以是从终端上传至服务器的,本申请实施例对此不加以限定。
图3是本申请实施例提供的一种第一模型的示意图,图4是本申请实施例提供的一种第二模型的示意图。如图3所示,第一模型S1包括头部区域和部分脖子区域;如图4所示,第二模型S2包括头部区域、肩膀区域和脖子区域。该第一模型和第二模型均可以为设计人员设计得到的模型。第一模型和第二模型融合可以得到带肩膀的第一模型,相当于为该第一模型补全了肩膀。可选地,本申请实施例中第一模型也可以为脸部模型,该脸部模型可以仅包括脸部区域;第二模型可以为后脑模型,该后脑模型可以包括后脑区域和至少部分脸部区域;第二模型也可以为口腔模型、眼珠模型或其他模型,本申请实施例不做限定。可选地,第一模型和第二模型也可以为人体之外的其他物体的至少部分模型。示例地,第一模型可以为瓶子的瓶身模型,该第一模型仅包括瓶子的瓶身区域;第二模型可以为瓶子模型,该第二模型可以包括瓶身区域和瓶盖区域。将第一模型和第二模型融合可以为该第一模型补全瓶盖。
本申请实施例中,第一模型的至少部分区域可以与第二模型的部分区域重叠,且第二模型中存在与第一模型不重叠的区域。第一模型的至少部分区域与第二模型的部分区域重叠指的是:第一模型中的该至少部分区域与第二模型的该部分区域表示物体中的同一区域。需要说明的是,第一模型与第二模型的重叠部分可以具有引导作用,以引导服务器确定第二模型中与第一模型进行拼接的目标部分,该目标部分为第二模型中与第一模型不重叠的区域。服务器还可以根据第二模型中的该重叠部分与目标部分的连接关系,对第一模型与该目标部分进行拼接,如此可以降低第一模型与该目标部分的拼接难度,进而便于第一模型与第二模型的融合。
示例地,图3以第一模型S1包括完整的头部区域和与该头部区域连接的部分脖子区域,图4以第二模型S2包括完整的头部区域和脖子区域,第一模型S1的全部区域可以与第二模型S2的头部区域和部分脖子区域重叠为例。可选地,第二模型也可以仅包括与脖子区域连接的部分头部区域,此时第一模型的部分头部区域与该第二模型中的该部分头部区域重叠,第一模型中的部分脖子区域与该第二模型中部分脖子区域重叠。可选地,第二模型也可以仅包括脖子区域和肩膀区域。可选地,若第一模型仅包括完整的头部区域,则该第二模型S2也可以不包括头部区域,仅包括脖子区域与肩膀区域。
步骤202、根据第一模型的拓扑和第二模型的拓扑,将第一模型与第二模型中的目标部分进行拼接,得到辅助模型。
服务器在获取到第一模型与第二模型后,便可以根据该第一模型和第二模型,确定该第一模型的拓扑与第二模型的拓扑,模型的拓扑用于表示模型中各点的连接关系以及各点表示的位置。服务器还可以根据第一模型的拓扑与第二模型的拓扑,确定第一模型中的点与第二模型中的点的对应关系。第一模型与第二模型中相互对应的点表示人体中的同一位置,如第一模型中的点D1、D2和D3用于表示嘴角,第二模型中的点D4和D5用于表示嘴角,该第一模型中的点D1、D2和D3可以对应第二模型中的点D4和D5。
服务器可以根据第一模型中的点与第二模型中的点的对应关系,确定第一模型与第二模型的重叠区域,进而采用第一模型替换该第二模型中与第一模型重叠的区域,以实现第一模型与第二模型中的目标部分的拼接,得到辅助模型。此种拼接方式可以称为暴力拼接。该目标部分为第二模型中与第一模型重叠的部分之外的部分。需要说明的是,本申请实施例以该目标部分为第二模型中与第一模型重叠的部分之外的全部区域为例。可选地,也可以根据融合的需求,将第二模型中与第一模型重叠的部分之外的部分区域确定为目标部分,本申请实施例不做限定。
示例地,第一模型中的多个点与第二模型中的多个点对应,服务器可以确定该第一模型中的该多个点表示的区域与第二模型中的该多个点表示的区域重叠,进而采用第一模型替换第二模型中的该多个点。且服务器可以根据该重叠的区域确定第二模型中的目标部分,还可以根据第一模型的拓扑确定该第一模型的边缘的点所需连接的点,根据第二模型的拓扑确定该目标部分的边缘的点所需连接的点,进而服务器可以将第一模型的边缘的点与目标部分中对应的点连接,以将第一模型与第二模型中的目标部分进行拼接,得到辅助模型。
请继续参考图3和图4,第一模型S1中的点可以与第二模型S2中第一区域Q1中的点对应,该第一区域Q1包括第二模型S2中的头部区域和部分脖子区域,该第一区域Q1为第二模型S2中与第一模型S1重叠的区域。服务器可以采用第一模型S1直接替换第二模型S2中的该第一区域Q1,以将第一模型S1与第二模型S2中的目标部分Q2进行拼接,进而可以得到图5所示的辅助模型。图5示出了该辅助模型的正视图和左视图。
本申请实施例中,服务器可以根据模型融合的需求,可以确定第二模型的目标部分中的目标区域,该目标区域为待补充至第一模型的区域。可选地,服务器可以在获取到第一模型和第二模型之后,便确定该第二模型中的目标区域。该目标部分还包括该第一模型和该目标区域的过渡区域,该过渡区域用于连接该第一模型和该目标区域,该目标区域位于目标部分中过渡区域之外。该第一模型位于该过渡区域的一侧,该目标区域位于该过渡区域的另一侧。服务器可以在确定目标部分后,根据该目标区域确定该过渡区域,或者也可以在将第一模型与该目标部分拼接后,确定该过渡区域。示例地,请继续参考图4和图5,其中目标部分Q2可以包括目标区域Q21和过渡区域Q22,该目标区域Q21为第二模型S2的肩膀区域,该过渡区域Q22为第二模型S2中的脖子区域。
由图5可以看出,直接拼接第一模型与目标部分得到的辅助模型中存在接缝J,导致该辅助模型表示人体的真实性较差,本申请实施例采用下述步骤对该辅助模型进行进一步的处理,以使第一模型与目标区域平滑地过渡,提高该辅助模型表示人体的真实性。可选地,在对该辅助模型进行调整,以使第一模型与该目标区域可以平滑地过渡时,第一模型与该目标区域可以均固定,仅调节该第一模型与该目标区域之间的过渡区域。
步骤203、获取辅助模型中的点的坐标、辅助模型的拓扑、第一模型的第一权重系数、目标区域的第二权重系数、过渡区域的第三权重系数、第一模型的优化权重和该目标区域的优化权重,该目标区域位于目标部分中过渡区域之外。
服务器可以根据获取的第一模型和第二模型确定该第一模型和第二模型中的点的坐标,由于辅助模型由该第一模型和第二模型中的目标部分构成,故辅助模型中的点属于第一模型或第二模型,因此,服务器可以根据第一模型和第二模型中的点的坐标确定辅助模型中的点的坐标。辅助模型中的点的坐标包括:第一模型中的点的坐标、该目标区域中的点的坐标以及该过渡区域的点的坐标。
服务器可以根据第一模型的拓扑和第二模型的拓扑,确定该辅助模型的拓扑。该辅助模型的拓扑定义了辅助模型中的各个点之间的连接关系及调整关系。该辅助模型的拓扑可以用于指示将过渡区域中靠近第一模型的点向贴合第一模型的状态调整,使过渡区域中靠近目标区域的点向贴合目标区域的状态调整,且指示相连的点之间的调整方式相差尽可能小。
第一模型的优化权重用于指示辅助模型中第一模型的待调整的点的权重,该目标区域的优化权重用于指示辅助模型中该目标区域的待调整的点的权重。示例地,第一模型中每个待调整的点的权重用于指示该点对该第一模型的影响程度,该目标区域中每个待调整的点的权重用于指示该点对该目标区域的影响程度。如该第一模型中各个待调整的点的权重可以均相等,该目标区域中各个待调整的点的权重也可以均相等。或者,第一模型和目标区域中用于表示不同区域的点的权重可以不同,如第一模型中眼睛区域的点的权重可以大于脸部区域的点的权重。
辅助模型中任一部分的权重系数用于指示该任一部分对最终融合得到的目标模型的影响程度。该任一部分的权重系数也指示该部分的约束程度,某部分的权重系数越大表示对该部分的约束越大,该部分的可改变程度越小,在进行模型融合时该部分的形状需要较大程度地贴合该部分的原形状。本申请实施例中,该第一权重系数、第二权重系数和第三权重系数可以由计算机根据目标模型的形成要求自动生成,或者也可以由工作人员设定,本申请实施例不做限定。该过渡区域的第三权重系数也可以称为平滑项。
可选地,第一模型为头部模型,第二模型中的目标部分包括肩膀区域和脖子区域,该肩膀区域为目标区域,该脖子区域为过渡区域。可选地,头部区域也可以包括部分脖子区域,此时该过渡区域可以为目标部分中的部分脖子区域。由于人体模型中头部区域的五官对于人体模型的区分作用较大,且人体模型通过软件仿真运动时肩膀区域对于人体模型的运动状态有较大影响,而脖子区域通常作用较小,仅用于跟随头部及肩膀的运动而运动。因此,人体模型中对于头部区域和肩膀区域的约束较大,对于脖子区域的约束较小,故第一模型的该第一权重系数与该目标区域的第二权重系数可以较大,该过渡区域的第三权重系数可以较小。
本申请实施例中,第三权重系数小于第一权重系数,且第三权重系数小于第二权重系数。示例地,第一权重系数等于第二权重系数,第三权重系数小于或等于第一权重系数的1/100。如第一权重系数和第二权重系数均为1,第三权重系数为0.01;或者第一权重系数和第二权重系数均为1000,第三权重系数为1。可选地,第一权重系数、第二权重系数和第三权重系数可以根据对融合得到的目标模型的要求来进行适当调整,第三权重系数也可以大于第一权重系数的1/100,第三权重系数可以小于第一权重系数的1/10,第一权重系数与第二权重系数也可以不相等,本申请实施例不做限定。
本申请实施例中,辅助模型中的点的坐标、第一模型中的点的坐标、目标区域中的点的坐标、辅助模型的拓扑、第一模型的优化权重和目标区域的优化权重均可以采用矩阵的形式表示。示例地,辅助模型包括n个点,辅助模型中的点的数量较大,如n可以为2000、4000、10000或者其他值。辅助模型中的点的坐标可以为n行1列的矩阵,该矩阵中的每个元素表示辅助模型中一个点的坐标。第一模型中的点的坐标可以为p行1列的矩阵,该矩阵中的每个元素表示第一模型中一个点的坐标。目标区域中的点的坐标可以为q行1列的矩阵,该矩阵中的每个元素表示第一模型中一个点的坐标。该辅助模型的拓扑可以为n行n列的对角矩阵,该对角矩阵中每个元素表示一个点与其他点的连接关系以及调整关系。第一模型的优化权重可以为n行n列的对角矩阵,该对角矩阵中对角线上的每个元素表示辅助模型中一个点的权重,且该对角矩阵中可以仅第一模型中的点的权重不为0。待调整的点的权重不为0,故该第一模型的优化权重可以指示第一模型的待调整的点的权重。目标区域的优化权重也可以为n行n列的对角矩阵,该对角矩阵中对角线上的每个元素表示辅助模型中一个点的权重,且该对角矩阵中可以仅目标区域中的点的权重不为0,故该目标区域的优化权重可以指示目标区域的待调整的点的权重。
步骤204、根据辅助模型中的点的坐标、辅助模型的拓扑、第一权重系数、第二权重系数、第三权重系数、第一模型的优化权重和该目标区域的优化权重,确定使辅助模型的调整能量最小的辅助模型的目标调整值。
本申请实施例中,服务器可以根据辅助模型的优化公式,确定使辅助模型的调整能量最小的辅助模型的目标调整值。该优化公式为:
f=||w1*(a*X*V-A)||2+||w2*(b*X*V-B)||2+||w3*M*X||2,
其中,f表示辅助模型的调整能量,w1表示第一权重系数,w2表示第二权重系数,w3表示第三权重系数,a表示第一模型的优化权重,b表示目标区域的优化权重,X表示辅助模型的调整值,V表示辅助模型中的点的坐标A表示第一模型中的点的坐标,B表示目标区域中的点的坐标,M表示辅助模型的拓扑。
该辅助模型的调整能量也即是该辅助模型在调整时其中所有点的总改变量。该辅助模型的调整能量最小,可以保证辅助模型中各个连接的点之间的调整差别较小,进而可以保证辅助模型中各个区域之间的平滑过渡。
该辅助模型的调整值用于指示该辅助模型的调整方式。该辅助模型的调整指可以包括该辅助模型中各个点的调整值,每个点的调整值用于指示该点的调整方式。可选地,该辅助模型的调整值可以用n行n列的对角矩阵表示,该对焦矩阵中对角线上的每个元素表示辅助模型中一个点的调整值。每个点的调整值可以包括旋转值和平移值,点的旋转值用于指示该点的旋转方向以及旋转角度等参数,点的平移值用于指示该点的平移方向和平移距离等参数。可选地,每个点的调整值可以为一个4行4列的矩阵,其中前3行元素表示点的旋转值,最后一行元素表示点的平移值。
该优化公式中辅助模型的调整值X为未知量,服务器可以采用高斯牛顿法对该优化公式进行求解,以得到X的值,也即是得到辅助模型的目标调整值。示例地,服务器可以通过不断地变换X的值以确定能够使f最小的X的值。可选地,也可以将使f小于调整能量阈值的辅助模型的调整值,确定为辅助模型的目标调整值。若确定辅助模型的多个调整值均可以使f小于调整能量阈值,则可以将该多个调整值中的任一调整值确定为目标调整值,或者将该多个调整值中对应的f最小的调整值确定为目标调整值。
该优化公式中的||w3*M*X||2正则项,该正则项用于对该过渡区域的平滑程度进行控制。服务器可以通过对辅助模型的调整值X的调整,根据正则项对过渡区域的平滑程度进行控制。
步骤205、根据辅助模型的目标调整值对辅助模型中的点进行调整,以对过渡区域进行非刚性形变,平滑该过渡区域,得到融合后的目标模型。
服务器在确定辅助模型的目标调整值后,便确定了该辅助模型中各个点需要进行怎样的调整,才能得到目标区域与第一模型平滑过渡的目标模型,进而服务器便可以根据该辅助模型的目标调整值对辅助模型进行调整。
本申请实施例中,辅助模型的目标调整值包括辅助模型中的点的旋转值和平移值。服务器可以根据辅助模型中的点的旋转值对辅助模型中的点进行相应的旋转;根据辅助模型中的点的平移值对辅助模型中的点进行相应的平移,进而得到目标模型。需要说明的是,辅助模型的目标调整值中的点的调整值可以为0,也可以不为0。点的调整值中的旋转值和平移值也可以为0或者不为0。当目标调整值中某点的旋转值不为0时,表示需要对该点进行旋转;当目标调整值中某点的旋转值为0时,表示不需要对该点进行旋转。当目标调整值中某点的平移值不为0时,表示需要对该点进行平移;当目标调整值中某点的平移值为0时,表示不需要对该点进行平移。
可选地,辅助模型的目标调整值中过渡区域的调整值不为0,第一模型的点的调整值和目标区域的调整值均可以为0。进而服务器可以根据该目标调整值仅对过渡区域进行非刚性形变,平滑该过渡区域,得到融合后的目标模型。示例地,图6是本申请实施例以图3所示的模型为第一模型,以图4所示的模型为第二模型,进而对该两个模型进行融合得到的目标模型。且图6示出了该目标模型的正视图和左视图。由图6可看出融合后得到的该人体模型中头部区域与肩膀区域可以平滑地过渡。
综上所述,本申请实施例提供的三维模型的融合方法中,可以根据第一模型的拓扑和第二模型的拓扑,先将第一模型与第二模型中的目标部分直接进行拼接,接着在得到的辅助模型中,对该目标部分中与第一模型的过渡区域进行非刚性形变。如此可以实现三维模型的自动融合,且保证融合后第一模型与第一部分的过渡区域平滑,因此可以在保证三维模型的融合质量的基础上,提高三维模型的融合效率。
图7是本申请实施例提供的一种三维模型的融合装置的结构示意图。如图7所示,该三维模型的融合装置70可以包括:
获取模块701,用于获取第一模型与第二模型,第一模型和第二模型均为三维模型。
拼接模块702,用于根据第一模型的拓扑和第二模型的拓扑,将第一模型与第二模型中的目标部分进行拼接,得到辅助模型。
形变模块703,用于在辅助模型中,对目标部分中与第一模型的过渡区域进行非刚性形变,以平滑过渡区域,得到融合后的目标模型。
综上所述,本申请实施例提供的三维模型的融合装置中,可以根据第一模型的拓扑和第二模型的拓扑,先将第一模型与第二模型中的目标部分直接进行拼接,接着在得到的辅助模型中,对该目标部分中与第一模型的过渡区域进行非刚性形变。如此可以实现三维模型的自动融合,且保证融合后第一模型与第一部分的过渡区域平滑,因此可以在保证三维模型的融合质量的基础上,提高三维模型的融合效率。
可选地,形变模块703还可以用于:
获取辅助模型中的点的坐标、辅助模型的拓扑、第一模型的第一权重系数、目标区域的第二权重系数和过渡区域的第三权重系数,目标区域为目标部分中除过渡区域之外的区域;
根据辅助模型中的点的坐标、辅助模型的拓扑、第一权重系数、第二权重系数和第三权重系数,确定使辅助模型的调整能量最小的辅助模型的目标调整值;
根据辅助模型的目标调整值对辅助模型中的点进行调整。
可选地,辅助模型的目标调整值包括辅助模型中的点的旋转值和平移值;形变模块703还可以用于:
根据辅助模型中的点的旋转值对辅助模型中的点进行旋转;
根据辅助模型中的点的平移值对辅助模型中的点进行平移。
可选地,第一权重系数等于第二权重系数,第三权重系数小于或等于第一权重系数的1/100。
可选地,辅助模型中的点的坐标包括:第一模型中的点的坐标和目标区域中的点的坐标;形变模块703还可以应用于:
获取第一模型的优化权重和目标区域的优化权重,第一模型的优化权重用于指示辅助模型中第一模型的待调整的点的权重,目标区域的优化权重用于指示辅助模型中目标区域的待调整的点的权重;
根据辅助模型的优化公式,确定辅助模型的目标调整值,优化公式为:
f=||w1*(a*X*V-A)||2+||w2*(b*X*V-B)||2+||w3*M*X||2,
其中,f表示辅助模型的调整能量,w1表示第一权重系数,w2表示第二权重系数,w3表示第三权重系数,a表示第一模型的优化权重,b表示目标区域的优化权重,X表示辅助模型的调整值,V表示辅助模型中的点的坐标A表示第一模型中的点的坐标,B表示目标区域中的点的坐标,M表示辅助模型的拓扑。
可选地,形变模块703还可以用于:
采用高斯牛顿法对优化公式进行求解,以得到辅助模型的目标调整值。
可选地,第一模型与第二模型为人体的至少部分模型。
综上所述,本申请实施例提供的三维模型的融合装置中,可以根据第一模型的拓扑和第二模型的拓扑,先将第一模型与第二模型中的目标部分直接进行拼接,接着在得到的辅助模型中,对该目标部分中与第一模型的过渡区域进行非刚性形变。如此可以实现三维模型的自动融合,且保证融合后第一模型与第一部分的过渡区域平滑,因此可以在保证三维模型的融合质量的基础上,提高三维模型的融合效率。
需要说明的是:上述实施例提供的三维模型的融合装置,仅以上述各功能模块的划分进行举例说明,实际应用中,可以根据需要而将上述功能分配由不同的功能模块完成,即将设备的内部结构划分成不同的功能模块,以完成以上描述的全部或者部分功能。另外,上述实施例提供的三维模型的融合装置与三维模型的融合方法实施例属于同一构思,其具体实现过程详见方法实施例,这里不再赘述。
图8示出了本申请实施例提供的服务器的结构示意图。该具体来讲:
服务器800包括中央处理单元(Central Processing Unit,CPU)801、包括随机存取存储器(Random Access Memory,RAM)802和只读存储器(Read Only Memory,ROM)803的系统存储器804,以及连接系统存储器804和中央处理单元801的系统总线805。服务器800还包括帮助计算机内的各个器件之间传输信息的基本输入/输出系统(Input OutputSystem,I/O系统)806,和用于存储操作系统813、应用程序814和其他程序模块815的大容量存储设备807。
基本输入/输出系统806包括有用于显示信息的显示器808和用于用户输入信息的诸如鼠标、键盘之类的输入设备809。其中显示器808和输入设备809都通过连接到系统总线805的输入输出控制器810连接到中央处理单元801。基本输入/输出系统806还可以包括输入输出控制器810以用于接收和处理来自键盘、鼠标、或电子触控笔等多个其他设备的输入。类似地,输入输出控制器810还提供输出到显示屏、打印机或其他类型的输出设备。
大容量存储设备807通过连接到系统总线805的大容量存储控制器(未示出)连接到中央处理单元801。大容量存储设备807及其相关联的计算机可读介质为服务器800提供非易失性存储。也就是说,大容量存储设备807可以包括诸如硬盘或者紧凑型光盘只读存储器(Compact Disc Read Only Memory,CD-ROM)驱动器之类的计算机可读介质(未示出)。
不失一般性,计算机可读介质可以包括计算机存储介质和通信介质。计算机存储介质包括以用于存储诸如计算机可读指令、数据结构、程序模块或其他数据等信息的任何方法或技术实现的易失性和非易失性、可移动和不可移动介质。计算机存储介质包括RAM、ROM、可擦除可编程只读存储器(Erasable Programmable Read Only Memory,EPROM)、带电可擦可编程只读存储器(Electrically Erasable Programmable Read Only Memory,EEPROM)、闪存或其他存储设备,CD-ROM、数字通用光盘(Digital Versatile Disc,DVD)或其他光学存储、磁带盒、磁带、磁盘存储或其他磁性存储设备。当然,本领域技术人员可知计算机存储介质不局限于上述几种。上述的系统存储器804和大容量存储设备807可以统称为存储器。
根据本申请的各种实施例,服务器800还可以通过诸如因特网等网络连接到网络上的远程计算机运行。也即服务器800可以通过连接在系统总线805上的网络接口单元811连接到网络812,或者说,也可以使用网络接口单元811来连接到其他类型的网络或远程计算机系统(未示出)。
上述存储器还包括一个或者一个以上的程序,一个或者一个以上程序存储于存储器中,被配置由CPU执行。
本申请的实施例还提供了一种计算机设备,该计算手机设备包括处理器和存储器,该存储器中存储有至少一条指令、至少一段程序、代码集或指令集,至少一条指令、至少一段程序、代码集或指令集由处理器加载并执行以实现上述各方法实施例提供的三维模型的融合方法。
本申请的实施例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上存储有至少一条指令、至少一段程序、代码集或指令集,至少一条指令、至少一段程序、代码集或指令集由处理器加载并执行,以实现上述各方法实施例提供的三维模型的融合方法。
本申请的实施例还提供了一种计算机程序产品,当所述计算机程序产品在计算机上运行时,使得计算机执行如上述本申请实施例中任一所述的三维模型的融合方法。
可选地,该计算机可读存储介质可以包括:只读存储器(ROM,Read Only Memory)、随机存取记忆体(RAM,Random Access Memory)、固态硬盘(SSD,Solid State Drives)或光盘等。其中,随机存取记忆体可以包括电阻式随机存取记忆体(ReRAM,Resistance RandomAccess Memory)和动态随机存取存储器(DRAM,Dynamic Random Access Memory)。上述本申请实施例序号仅仅为了描述,不代表实施例的优劣。
本领域普通技术人员可以理解实现上述实施例的全部或部分步骤可以通过硬件来完成,也可以通过程序来指令相关的硬件完成,所述的程序可以存储于一种计算机可读存储介质中,上述提到的存储介质可以是只读存储器,磁盘或光盘等。
需要说明的是:本申请实施例提供的方法实施例能够与相应的装置实施例相互参考,本申请实施例对此不做限定。本申请实施例提供的方法实施例步骤的先后顺序能够进行适当调整,步骤也能够根据情况进行相应增减,任何熟悉本技术领域的技术人员在本申请揭露的技术范围内,可轻易想到变化的方法,都应涵盖在本申请的保护范围之内,因此不再赘述。
以上所述仅为本申请的可选实施例,并不用以限制本申请,凡在本申请的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本申请的保护范围之内。
Claims (12)
1.一种三维模型的融合方法,其特征在于,所述方法包括:
获取第一模型与第二模型,所述第一模型和所述第二模型均为三维模型;
根据所述第一模型的拓扑和所述第二模型的拓扑,将所述第一模型与所述第二模型中的目标部分进行拼接,得到辅助模型;
获取所述辅助模型中的点的坐标、所述辅助模型的拓扑、所述第一模型的第一权重系数、目标区域的第二权重系数和过渡区域的第三权重系数,所述目标区域位于所述目标部分中所述过渡区域之外,所述辅助模型中的点的坐标包括:所述第一模型中的点的坐标和所述目标区域中的点的坐标;
获取所述第一模型的优化权重和所述目标区域的优化权重,所述第一模型的优化权重用于指示所述辅助模型中所述第一模型的待调整的点的权重,所述目标区域的优化权重用于指示所述辅助模型中所述目标区域的待调整的点的权重;
根据所述辅助模型的优化公式,确定所述辅助模型的目标调整值,所述优化公式为:
f=||w1*(a*X*V-A)||2+||w2*(b*X*V-B)||2+||w3*M*X||2;
根据所述辅助模型的目标调整值对所述辅助模型中的点进行调整,以平滑所述过渡区域,得到融合后的目标模型;
其中,f表示所述辅助模型的调整能量,w1表示所述第一权重系数,w2表示所述第二权重系数,w3表示所述第三权重系数,a表示所述第一模型的优化权重,b表示所述目标区域的优化权重,X表示所述辅助模型的调整值,V表示所述辅助模型中的点的坐标,A表示所述第一模型中的点的坐标,B表示所述目标区域中的点的坐标,M表示所述辅助模型的拓扑。
2.根据权利要求1所述的方法,其特征在于,所述辅助模型的目标调整值包括所述辅助模型中的点的旋转值和平移值;所述根据所述辅助模型的目标调整值对所述辅助模型中的点进行调整,包括:
根据所述辅助模型中的点的旋转值对所述辅助模型中的点进行旋转;
根据所述辅助模型中的点的平移值对所述辅助模型中的点进行平移。
3.根据权利要求1所述的方法,其特征在于,所述第一权重系数等于所述第二权重系数,所述第三权重系数小于或等于所述第一权重系数的1/100。
4.根据权利要求1所述的方法,其特征在于,所述根据所述辅助模型的优化公式,确定所述辅助模型的目标调整值,包括:
采用高斯牛顿法对所述优化公式进行求解,以得到所述辅助模型的目标调整值。
5.根据权利要求1至4任一所述的方法,其特征在于,所述第一模型与所述第二模型为人体的至少部分模型。
6.一种三维模型的融合装置,其特征在于,所述装置包括:
获取模块,用于获取第一模型与第二模型,所述第一模型和所述第二模型均为三维模型;
拼接模块,用于根据所述第一模型的拓扑和所述第二模型的拓扑,将所述第一模型与所述第二模型中的目标部分进行拼接,得到辅助模型;
形变模块,用于获取所述辅助模型中的点的坐标、所述辅助模型的拓扑、所述第一模型的第一权重系数、目标区域的第二权重系数和过渡区域的第三权重系数,所述目标区域位于所述目标部分中所述过渡区域之外,所述辅助模型中的点的坐标包括:所述第一模型中的点的坐标和所述目标区域中的点的坐标;获取所述第一模型的优化权重和所述目标区域的优化权重,所述第一模型的优化权重用于指示所述辅助模型中所述第一模型的待调整的点的权重,所述目标区域的优化权重用于指示所述辅助模型中所述目标区域的待调整的点的权重;根据所述辅助模型的优化公式,确定所述辅助模型的目标调整值,所述优化公式为:f=||w1*(a*X*V-A)||2+||w2*(b*X*V-B)||2+||w3*M*X||2;根据所述辅助模型的目标调整值对所述辅助模型中的点进行调整,以平滑所述过渡区域,得到融合后的目标模型;
其中,f表示所述辅助模型的调整能量,w1表示所述第一权重系数,w2表示所述第二权重系数,w3表示所述第三权重系数,a表示所述第一模型的优化权重,b表示所述目标区域的优化权重,X表示所述辅助模型的调整值,V表示所述辅助模型中的点的坐标,A表示所述第一模型中的点的坐标,B表示所述目标区域中的点的坐标,M表示所述辅助模型的拓扑。
7.根据权利要求6所述的装置,其特征在于,所述辅助模型的目标调整值包括所述辅助模型中的点的旋转值和平移值;
所述形变模块,用于根据所述辅助模型中的点的旋转值对所述辅助模型中的点进行旋转;根据所述辅助模型中的点的平移值对所述辅助模型中的点进行平移。
8.根据权利要求6所述的装置,其特征在于,所述第一权重系数等于所述第二权重系数,所述第三权重系数小于或等于所述第一权重系数的1/100。
9.根据权利要求6所述的装置,其特征在于,所述形变模块,用于采用高斯牛顿法对所述优化公式进行求解,以得到所述辅助模型的目标调整值。
10.根据权利要求6-9任一所述的装置,其特征在于,所述第一模型与所述第二模型为人体的至少部分模型。
11.一种计算机设备,其特征在于,所述计算机设备包括处理器和存储器,所述存储器中存储有至少一条指令、至少一段程序、代码集或指令集,所述至少一条指令、所述至少一段程序、所述代码集或指令集由所述处理器加载并执行以实现如权利要求1至5任一所述的三维模型的融合方法。
12.一种计算机可读存储介质,其特征在于,所述存储介质中存储有至少一条指令、至少一段程序、代码集或指令集,所述至少一条指令、所述至少一段程序、所述代码集或指令集由处理器加载并执行以实现如权利要求1至5任一所述的三维模型的融合方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010767943.2A CN111784828B (zh) | 2020-08-03 | 2020-08-03 | 三维模型的融合方法、装置及计算机可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010767943.2A CN111784828B (zh) | 2020-08-03 | 2020-08-03 | 三维模型的融合方法、装置及计算机可读存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111784828A CN111784828A (zh) | 2020-10-16 |
CN111784828B true CN111784828B (zh) | 2023-11-10 |
Family
ID=72766184
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010767943.2A Active CN111784828B (zh) | 2020-08-03 | 2020-08-03 | 三维模型的融合方法、装置及计算机可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111784828B (zh) |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101266691A (zh) * | 2008-04-24 | 2008-09-17 | 浙江大学 | 一种任意拓扑的多边形网格模型融合方法 |
CN103049896A (zh) * | 2012-12-27 | 2013-04-17 | 浙江大学 | 三维模型的几何数据和纹理数据自动配准算法 |
CN103559374A (zh) * | 2013-11-25 | 2014-02-05 | 中国科学院自动化研究所 | 一种多子网格模型上进行面分裂型曲面细分的方法 |
CN103679816A (zh) * | 2013-12-30 | 2014-03-26 | 北京师范大学 | 一种面向刑侦的未知身源颅骨的计算机辅助面貌复原方法 |
CN105006016A (zh) * | 2015-05-21 | 2015-10-28 | 北京航空航天大学 | 一种贝叶斯网络约束的部件级三维模型构建方法 |
WO2015188684A1 (zh) * | 2014-06-12 | 2015-12-17 | 深圳奥比中光科技有限公司 | 三维模型重建方法与系统 |
EP3304492A1 (en) * | 2015-05-27 | 2018-04-11 | Imperial College of Science, Technology and Medicine | Modelling a three-dimensional space |
CN108056532A (zh) * | 2016-11-09 | 2018-05-22 | 耐克创新有限合伙公司 | 针织纺织品和鞋面及其制作方法 |
CN110807836A (zh) * | 2020-01-08 | 2020-02-18 | 腾讯科技(深圳)有限公司 | 三维人脸模型的生成方法、装置、设备及介质 |
WO2020097834A1 (zh) * | 2018-11-14 | 2020-05-22 | 北京比特大陆科技有限公司 | 一种特征处理方法及装置、存储介质及程序产品 |
CN111325823A (zh) * | 2020-02-05 | 2020-06-23 | 腾讯科技(深圳)有限公司 | 人脸纹理图像的获取方法、装置、设备及存储介质 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20150356704A1 (en) * | 2014-06-08 | 2015-12-10 | Yeda Research And Development Co. Ltd. | Good planar mappings and controlling singular values with semidefinite programming |
CN104978762B (zh) * | 2015-07-13 | 2017-12-08 | 北京航空航天大学 | 服装三维模型生成方法及系统 |
-
2020
- 2020-08-03 CN CN202010767943.2A patent/CN111784828B/zh active Active
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101266691A (zh) * | 2008-04-24 | 2008-09-17 | 浙江大学 | 一种任意拓扑的多边形网格模型融合方法 |
CN103049896A (zh) * | 2012-12-27 | 2013-04-17 | 浙江大学 | 三维模型的几何数据和纹理数据自动配准算法 |
CN103559374A (zh) * | 2013-11-25 | 2014-02-05 | 中国科学院自动化研究所 | 一种多子网格模型上进行面分裂型曲面细分的方法 |
CN103679816A (zh) * | 2013-12-30 | 2014-03-26 | 北京师范大学 | 一种面向刑侦的未知身源颅骨的计算机辅助面貌复原方法 |
WO2015188684A1 (zh) * | 2014-06-12 | 2015-12-17 | 深圳奥比中光科技有限公司 | 三维模型重建方法与系统 |
CN105006016A (zh) * | 2015-05-21 | 2015-10-28 | 北京航空航天大学 | 一种贝叶斯网络约束的部件级三维模型构建方法 |
EP3304492A1 (en) * | 2015-05-27 | 2018-04-11 | Imperial College of Science, Technology and Medicine | Modelling a three-dimensional space |
CN108056532A (zh) * | 2016-11-09 | 2018-05-22 | 耐克创新有限合伙公司 | 针织纺织品和鞋面及其制作方法 |
WO2020097834A1 (zh) * | 2018-11-14 | 2020-05-22 | 北京比特大陆科技有限公司 | 一种特征处理方法及装置、存储介质及程序产品 |
CN110807836A (zh) * | 2020-01-08 | 2020-02-18 | 腾讯科技(深圳)有限公司 | 三维人脸模型的生成方法、装置、设备及介质 |
CN111325823A (zh) * | 2020-02-05 | 2020-06-23 | 腾讯科技(深圳)有限公司 | 人脸纹理图像的获取方法、装置、设备及存储介质 |
Non-Patent Citations (2)
Title |
---|
具有直线结构保护的网格化图像拼接;何川;周军;;中国图象图形学报(第07期);全文 * |
基于ICP的非刚性曲面拟合方法;陈林伟;;现代计算机(专业版)(第08期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN111784828A (zh) | 2020-10-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10860838B1 (en) | Universal facial expression translation and character rendering system | |
KR102461376B1 (ko) | 학습기반 3d 모델 생성 장치 및 방법 | |
CN108961369B (zh) | 生成3d动画的方法和装置 | |
CN113628327B (zh) | 一种头部三维重建方法及设备 | |
WO2021232690A1 (zh) | 一种视频生成方法、装置、电子设备及存储介质 | |
JP7483301B2 (ja) | 画像処理及び画像合成方法、装置及びコンピュータプログラム | |
CN112257657B (zh) | 脸部图像融合方法及装置、存储介质、电子设备 | |
JP7129529B2 (ja) | 人工知能の使用による3dオブジェクトへのuvマッピング | |
JP2024501986A (ja) | 3次元顔再構築の方法、3次元顔再構築の装置、デバイスおよび記憶媒体 | |
Yu et al. | Regression-based facial expression optimization | |
CN111612897B (zh) | 三维模型的融合方法、装置、设备及可读存储介质 | |
CN115393486B (zh) | 虚拟形象的生成方法、装置、设备及存储介质 | |
JP2019091436A (ja) | 3d配置のタイプに応じた2d画像の分類 | |
CN114926530A (zh) | 用于生成三维姿态估计数据的计算机实现的方法、数据处理装置和计算机程序 | |
RU2671990C1 (ru) | Способ отображения трехмерного лица объекта и устройство для него | |
CN113763518A (zh) | 基于虚拟数字人的多模态无限表情合成方法及装置 | |
Wan et al. | Geodesic distance-based realistic facial animation using RBF interpolation | |
Topsakal et al. | Open-Source 3D morphing software for facial plastic surgery and facial landmark detection research and open access face data set based on deep learning (Artificial Intelligence) generated synthetic 3D models | |
CN111784828B (zh) | 三维模型的融合方法、装置及计算机可读存储介质 | |
CN115908664B (zh) | 人机交互的动画生成方法、装置、计算机设备、存储介质 | |
US20230342942A1 (en) | Image data processing method, method and apparatus for constructing digital virtual human, device, storage medium, and computer program product | |
US20240062495A1 (en) | Deformable neural radiance field for editing facial pose and facial expression in neural 3d scenes | |
CN116543080A (zh) | 基于根骨骼的动画处理方法及装置 | |
Cong et al. | LaserHuman: Language-guided Scene-aware Human Motion Generation in Free Environment | |
CN115023742A (zh) | 具有详细褶皱的面部网格变形 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
REG | Reference to a national code |
Ref country code: HK Ref legal event code: DE Ref document number: 40030066 Country of ref document: HK |
|
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |