CN112396691A - 三维模型处理方法、装置、电子设备及存储介质 - Google Patents

三维模型处理方法、装置、电子设备及存储介质 Download PDF

Info

Publication number
CN112396691A
CN112396691A CN202011320645.5A CN202011320645A CN112396691A CN 112396691 A CN112396691 A CN 112396691A CN 202011320645 A CN202011320645 A CN 202011320645A CN 112396691 A CN112396691 A CN 112396691A
Authority
CN
China
Prior art keywords
target
dimensional model
model
target virtual
dimensional
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
Application number
CN202011320645.5A
Other languages
English (en)
Other versions
CN112396691B (zh
Inventor
应倩
赵晨
徐力
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 Baidu Netcom Science and Technology Co Ltd
Original Assignee
Beijing Baidu Netcom Science and 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 Baidu Netcom Science and Technology Co Ltd filed Critical Beijing Baidu Netcom Science and Technology Co Ltd
Priority to CN202011320645.5A priority Critical patent/CN112396691B/zh
Publication of CN112396691A publication Critical patent/CN112396691A/zh
Priority to US17/451,599 priority patent/US11610367B2/en
Application granted granted Critical
Publication of CN112396691B publication Critical patent/CN112396691B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

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
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B33—ADDITIVE MANUFACTURING TECHNOLOGY
    • B33Y—ADDITIVE MANUFACTURING, i.e. MANUFACTURING OF THREE-DIMENSIONAL [3-D] OBJECTS BY ADDITIVE DEPOSITION, ADDITIVE AGGLOMERATION OR ADDITIVE LAYERING, e.g. BY 3-D PRINTING, STEREOLITHOGRAPHY OR SELECTIVE LASER SINTERING
    • B33Y50/00—Data acquisition or data processing for additive manufacturing
    • 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
    • G06T17/10—Constructive solid geometry [CSG] using solid primitives, e.g. cylinders, cubes
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/045—Combinations of networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/047—Probabilistic or stochastic networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • G06N3/088—Non-supervised learning, e.g. competitive learning
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T15/00—3D [Three Dimensional] image rendering
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T15/00—3D [Three Dimensional] image rendering
    • G06T15/08—Volume rendering
    • 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
    • G06T2219/00—Indexing scheme for manipulating 3D models or images for computer graphics
    • G06T2219/20—Indexing scheme for editing of 3D models
    • G06T2219/2012—Colour editing, changing, or manipulating; Use of colour codes
    • 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
    • Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
    • Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Software Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Computing Systems (AREA)
  • Health & Medical Sciences (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • General Health & Medical Sciences (AREA)
  • Molecular Biology (AREA)
  • Biophysics (AREA)
  • Biomedical Technology (AREA)
  • Artificial Intelligence (AREA)
  • Mathematical Physics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Computational Linguistics (AREA)
  • Computer Graphics (AREA)
  • Geometry (AREA)
  • Probability & Statistics with Applications (AREA)
  • Chemical & Material Sciences (AREA)
  • Manufacturing & Machinery (AREA)
  • Materials Engineering (AREA)
  • Architecture (AREA)
  • Computer Hardware Design (AREA)
  • Processing Or Creating Images (AREA)

Abstract

本公开提供了一种三维模型处理方法、装置、电子设备及存储介质，涉及深度学习和增强现实等领域。具体实现方案为：基于目标模型模板，生成目标虚拟三维模型；基于图文信息以及预设网络，生成目标图片；基于所述目标虚拟三维模型以及所述目标图片，确定所述目标虚拟三维模型的叠加处理结果。

Description

三维模型处理方法、装置、电子设备及存储介质
技术领域
本公开涉及计算机技术领域。本公开尤其涉及深度学习和增强现实领域。
背景技术
传统的产品包装生产方式大多比较成熟，从设计，打版，印刷到量产，经历多个生产环节，涉及多个部门协同。一般产品包装设计的更新频率非常低，这是因为传统的包装设计过程中生产流程复杂并且周期较长，效率较低，并且设计以及生产的成本较高。
发明内容
本公开提供了一种三维模型处理方法、装置、电子设备及存储介质。
根据本公开的第一方面，提供了一种三维模型处理方法，包括：
基于目标模型模板，生成目标虚拟三维模型；
基于图文信息以及预设网络，生成目标图片；
基于所述目标虚拟三维模型以及所述目标图片，确定所述目标虚拟三维模型的叠加处理结果。
根据本公开的第二方面，提供了一种三维模型处理装置，包括：
模型处理模块，用于基于目标模型模板，生成目标虚拟三维模型；
图片生成模块，用于基于图文信息以及预设网络，生成目标图片；
合成模块，用于基于所述目标虚拟三维模型以及所述目标图片，确定所述目标虚拟三维模型的叠加处理结果。
根据本公开的第三方面，提供了一种电子设备，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方法。
根据本公开的第四方面，提供了一种存储有计算机指令的非瞬时计算机可读存储介质，所述计算机指令用于使所述计算机执行前述方法。
采用本申请，可以直接基于目标模型模板确定目标虚拟三维模型，并且基于模型进行目标图片的生成，再对两者结合得到最终的处理结果。如此，可以减少现有技术需要先进行模型打样再将设计的图片人工贴到打样出来的模型上的一系列复杂的流程，所带来的设计周期较长流程较为复杂等问题，提升了设计效率，并且由于本申请提供的处理均可以在电子设备直接完成，避免了现有技术中需要打样等处理所导致的设计成本较高的问题。
应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征，也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。
附图说明
附图用于更好地理解本方案，不构成对本公开的限定。其中：
图1是根据本公开实施例的三维模型处理方法流程示意图；
图2是根据本公开实施例的确定目标图片的处理流程示意图；
图3是根据本公开实施例的生成图片并对图片进行判别的处理流程示意图；
图4是根据本公开实施例的三维模型处理装置组成结构示意图；
图5是用来实现本公开实施例的三维模型处理方法的电子设备的框图。
具体实施方式
以下结合附图对本公开的示范性实施例做出说明，其中包括本公开实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本公开的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。
本公开实施例提供了一种三维模型处理方法，如图1所示，包括：
S101：基于目标模型模板，生成目标虚拟三维模型；
S102：基于图文信息以及预设网络，生成目标图片；
S103：基于所述目标虚拟三维模型以及所述目标图片，确定所述目标虚拟三维模型的叠加处理结果。
本发明实施例可以应用于电子设备，比如可以是智能手机、平板电脑、笔记本电脑、台式电脑等。进一步地，所述电子设备中可以安装或运行有目标应用，该目标应用可以是能够执行上述S101-S103步骤的应用。
需要指出的是，上述S101以及S102可以不区分先后顺序，可以先执行S101再执行S102，又或者，可以S101与S102同时执行，再或者，可以先执行S102再执行S101。
上述目标模型模板可以是从多个候选三维模型模板中选取出来的一个目标模型模板；或者，可以是从多个候选三维模型模板中选取出来的多个目标模型模板。
其中，所述多个候选三维模型模板可以是在电子设备中预先保存的多个候选三维模型模板。比如，所述多个候选三维模型模板可以是保存在电子设备的存储器中。
若目标模型模板为一个，基于所述目标模型模板，生成目标虚拟三维模型，可以包括：对所述目标模型模板进行参数调整，将调整后的目标模型模板作为所述目标虚拟三维模型。或者，若目标模型模板为多个，基于所述目标模型模板，生成目标虚拟三维模型，可以包括：对多个目标模型模板进行权重调整，将调整后的多个目标模型模板进行组合得到所述目标虚拟三维模型。
上述基于图文信息以及预设网络，生成目标图片，可以是将图文信息输入预设网络，得到所述预设网络输出的目标图片。
其中，所述图文信息可以包括有标识图片信息、文字信息等。所述标识图片信息可以具体是商标图片；所述文字内容可以包括有与目标对象相关的信息，比如可以包括目标对象的名称、目标对象的配方、目标对象的产地等等。这里，所述目标对象可以是本次所要生成的目标虚拟三维模型的叠加处理结果的产品。
所述预设网络可以是生成网络，具体可以是生成式对抗网络(GAN，GenerativeAdversarial Networks)。
基于所述目标虚拟三维模型以及所述目标图片，确定所述目标虚拟三维模型的叠加处理结果，可以是对所述目标虚拟三维模型以及目标图片进行三维渲染以及材质渲染，得到所述目标虚拟三维模型的叠加处理结果。具体来说，所述目标虚拟三维模型的叠加处理结果是目标虚拟三维模型的三维效果图。
进一步地，确定所述目标虚拟三维模型的叠加处理结果之后，还可以对目标虚拟三维模型的叠加处理结果进行预览；响应于打印指令，将所述目标虚拟三维模型的叠加处理结果发送至三维(3D，3Dimensions)打印机；相应的，三维打印机可以进行目标虚拟三维模型的叠加处理结果的打印输出。具体的，发送给三维打印机的为目标虚拟三维模型的三维效果图；相应的，三维打印机对该三维效果图进行打印并输出。
可见，通过采用上述方案，就可以基于目标模型模板生成虚拟三维模型，以及基于预设网络以及图文信息生成目标图片，最终基于目标虚拟三维模型以及目标图片得到目标虚拟三维模型的叠加处理结果。如此，可以在生成三维模型的结果的处理过程中的各个处理环节均可以在电子设备中完成直至最终得到目标虚拟三维模型的叠加处理结果作为设计结果，这样可以减少现有技术进行三维模型以及目标图片的合并的处理中，需要先进行模型打样再将设计的图片人工贴到打样出来的模型上的一系列流程，所带来的设计周期较长，流程较为复杂等问题，并且降低了设计成本。
本实施例上述基于目标模型模板，生成目标虚拟三维模型之前，还可以包括：响应于选取的目标形状类别，确定所述目标形状类别对应的候选三维模型模板；从所述目标形状类别对应的所述候选三维模型模板中选取所述目标模型模板；
所述基于目标模型模板，生成目标虚拟三维模型，包括：对所述目标模型模板进行权重调整，得到调整后的目标模型模板，根据所述调整后的所述目标模型模板生成所述目标虚拟三维模型。
本处理方式尤其适用于较复杂的外形的包装设计，可使用Blendshape(混合形状)进行表征，系统自动推荐产品模型。
也就是说，用户可以从预设的形状类别中选择所要使用的目标形状类别；基于所述目标形状类别，为用户展示所述目标形状类别所对应的一个或多个候选三维模型模板。
具体的，在电子设备中可以保存一个或多个候选三维模型模板，并且还保存有一个或多个预设的形状类别；相应的，在电子设备中还保存有每一个预设的形状类别所对应的候选三维模型模板；也就是说不同的预设的形状类别对应了不同的一个或多个候选三维模型模板。
其中，所述预设的形状类别可以根据实际情况进行设置，比如可以包括：饮料瓶类、洗发水类等等。
所述从所述目标形状类别对应的所述候选三维模型模板中选取所述目标模型模板，可以包括：从所述目标形状类别对应的所述一个或多个候选三维模型模板中选取一个或多个目标模型模板。比如，目标形状类别对应了10个候选三维模型模板，用户可以从中选取3个目标模型模板。
进一步地，选取一个或多个目标模型模板之后可以存在两种处理方式，一种处理方式是直接将所述第一或多个目标模型模板进行组合，得到目标虚拟三维模型。这种方式中，具体可以包括：响应于用户对所述一个或多个目标模型模板中每一个目标模型模板的操作，确定所述每一个目标模型模板的相对位置；基于每一个目标模型模板的相对位置对所述一个或多个目标模型模板进行组合。
举例来说，用户可以从10个候选三维模型模板中，选取3个作为目标模型模板，分别可以是目标模型模板1、目标模型模板2以及目标模型模板3；然后可以指定目标模型模板1的相对位置为上部分、目标模型模板2的相对位置是中间，目标模型模板3的相对位置在下面；将目标模型模板1、2、3按照各自分别对应的相对位置进行组合，可以得到组合后的目标虚拟三维模型。
选取一个或多个目标模型模板之后的另一种方式中，可以包括：对所述一个或多个目标模型模板进行权重调整，得到调整后的所述一个或多个目标模型模板，将调整后的所述一个或多个目标模型模板进行组合得到所述目标虚拟三维模型。
这种方式中，对所述一个或多个目标模型模板进行权重调整具体可以是：对所述一个或多个目标模型模板中的至少部分目标模型模板进行权重调整。
举例来说，多个目标模型模板中有长瓶颈模型模板、细腰模型模板、圆形瓶底模型模板，可以仅对其中的长瓶颈模型模板进行权重调整；比如若设置该长瓶颈模型的模板的权重加大，则长瓶颈模型的长度可以增加，则最终得到的三维模型模板的上部分可以比较长下部分可以比较短。还可以存在其他多种调整方式，本实施例不做穷举。
将上述调整后的目标模型模板按照各自的相对位置进行组合，得到目标虚拟三维模型。这里，确定每一个目标模型模板的相对位置的方式，可以包括：响应于用户对所述一个或多个目标模型模板中每一个目标模型模板的操作，确定所述每一个目标模型模板的相对位置；基于每一个目标模型模板的相对位置对所述一个或多个目标模型模板进行组合。
通过采用上述方案，可以基于目标形状类别确定候选三维模型模板，再从候选三维模型模板中选取目标模型模板，对目标模型模板进行权重调整后生成目标虚拟三维模型。如此，可以根据用户需要的目标形状类别为用户提供候选三维模型模板，进而可以灵活的选择目标模型模板，仅通过权重设置就可以实现对目标模型模板的调整，也可以降低三维模型的设计难度，提升三维模型的生成效率。
所述基于图文信息以及预设网络，生成目标图片，包括：对所述图文信息中的文字信息进行格式化处理，得到格式化处理后的文字信息；将所述图文信息中的标识图像信息以及所述格式化处理后的文字信息输入至所述预设网络，得到所述预设网络输出的N个图片；基于所述N个图片确定所述目标图片；其中，N为大于等于1的整数。
具体来说，所述图文信息中的文字信息可以包括有目标对象的名称、目标对象的配方、目标对象的组成成分等等；所述目标对象可以为产品。所述图文信息中的文字信息的获取方式可以包括：可以获取用户通过电子设备中的目标应用的输入操作界面中输入所述图文信息中的文字信息。
针对所述图文信息中的文字信息可以先进行格式化处理，得到格式化处理后的文字信息。具体的，其中所述格式化处理可以是基于预设的标准进行格式化处理。其中，所述预设的标准可以为国际标准或国家标准，可以包括有至少一种文字内容类型、不同文字内容类型所对应的位置；另外，还可以包括不同类型的文字内容所对应的字体、文字大小等等。
所述图文信息中的标识图像信息可以为目标对象的商标。该标识图像信息的获取方式可以是用户通过电子设备中的目标应用的预设标识图像中进行选择得到所述标识图像信息；或者，可以是用户将预先设计好的标识图像信息输入到电子设备直接作为该标识图像信息。所述标识图像信息可以包括用户所要在目标虚拟三维模型中添加的logo(商标)。
需要指出的是，除了上述图文信息之外，还可以包括：获取目标风格。也就是用户可以通过电子设备的目标应用设置本次设计的目标风格。这里，设置目标风格的方式可以包括：从一个或多个预设风格中选取当前所要使用的目标风格。举例来说，预设风格可以根据实际情况进行预设，比如，可以包括活泼、严肃、简单等预设风格。
将所述图文信息中的标识图像信息以及所述格式化处理后的文字信息输入至所述预设网络，得到所述预设网络输出的N个图片，其中，N可以为1或者可以为大于1的整数。若N大于1，则可以是N次将所述图文信息中的标识图像信息以及所述格式化处理后的文字信息输入至所述预设网络，分别得到所述预设网络每一次输出的图片，最终得到N个图片；或者，可以是一次性将所述图文信息中的标识图像信息以及所述格式化处理后的文字信息输入至所述预设网络，得到所述预设网络输出的N个图片。
需要指出的是，输入所述预设网络的除了所述图文信息中的标识图像信息以及所述格式化处理后的文字信息之外，还可以包括其他信息，这里，所述其他信息可以包括前述目标风格；所述将所述图文信息中的标识图像信息以及所述格式化处理后的文字信息输入至所述预设网络，得到所述预设网络输出的N个图片的处理中，具体可以为：
将所述图文信息中的标识图像信息、所述格式化处理后的文字信息以及所述目标风格输入至所述预设网络，得到所述预设网络输出的N个图片。
上述预设网络可以是生成网络，具体可以是生成式对抗网络(GAN，GenerativeAdversarial Networks)；该预设网络的输入为所述图文信息中的标识图像信息、所述格式化处理后的文字信息，输出为所述N个图片；或者，该预设网络的输入为所述图文信息中的标识图像信息、所述格式化处理后的文字信息以及所述目标风格，输出为所述N个图片。另外，上述预设网络可以是基于大量的已有图片训练得到的；所述已有图片可以是当前已有的产品的包装的图片。如此，由于结合大量已有图片对预设网络进行训练，可以实现通过预设网络进行图片学习，从而为最终使用预设网络进行图片生成具备更加成熟的设计风格。
基于所述N个图片确定所述目标图片的处理方式可以是，用户可以根据经验从N个图片中选取一个图片作为所述目标图片；或者可以是用户根据需求从N个图片中选取一个图片作为所述目标图片。
如此，可以对图文信息中的文字信息进行格式化处理，并且将格式化处理后的文字信息以及图文信息中的标识图像信息输入预设网络，直接得到预设网络输出的一个或多个图片，最终从一个或多个图片中确定目标图片。这样就减少人工对文字信息进行处理的繁琐工作，并且可以直接通过预设网络对输入的文字以及标识图像信息进行处理得到图片，能够提升生成目标图片的效率，也最终提升获取目标虚拟三维模型的叠加处理结果的处理效率。
针对上述处理中，所述基于所述N个图片确定所述目标图片，如图2所示，具体可以包括：
S201：将所述N个图片输入判别器，得到所述判别器输出的所述N个图片分别对应的判别结果；
S202：将所述N个图片中对应的判别结果为第一结果的M个图片作为M个候选图片；其中，M为大于等于1且小于等于N的整数；
S203：从所述M个候选图片中选取所述目标图片。
上述将所述N个图片输入判别器，得到所述判别器输出的所述N个图片分别对应的判别结果，可以是：
将所述N个图片中的第i个图片输入所述判别器，得到所述判别器输出的第i个图片的判别结果；i为大于等于1且小于等于N的整数。
其中，第i个图片可以为N个图片中的任意一个，由于针对每一个图片的处理均相同，因此不做一一赘述。
所述判别器可以是包含有预先设置的判别条件的判别器。
举例来说，判别器中的判别条件可以包括以下至少之一：
判断所述第i个图片是否满足其对应的产品类型的图片要求或图片规则，若满足则所述判别结果为第一结果，否则所述判别结果为第二结果；
判断所述第i个图片是否与预设的其他产品的图片相同，若不同，则所述判别结果为第一结果，否则所述判别结果为第二结果；其中，判断所述第i个图片是否与预设的其他产品的图片相同是为了确定所述第i个图片是否出现侵权的问题；
判断所述第i个图片中的文字信息和/或标识图像信息的位置是否满足预设位置要求，若满足，则所述判别结果为第一结果，否则所述判别结果为第二结果。
上述判别器所对应的判别条件中还可以根据实际情况进行设置，也就是可以不仅仅包含上述的判别条件，实际处理中可以更多或更少，这里不做穷举。
其中，所述判别结果可以包括第一结果以及第二结果，所述第一结果可以为真，所述第二结果可以为假；这里，所述判别结果的真或者假可以基于1或0来表示，比如1可以表征第一结果，即为真，0可以表征第二结果，即为假。
通过上述判别器可以得到N个图片分别对应的判别结果，基于N个图片分别对应的判别结果，从N个图片中筛选出来所述判别结果为第一结果的M个图片作为候选图片，比如，N为10，也就是将10个图片输入判别器，其中有3个图片的判别结果为第一结果即为真，7个图片的判别结果为第二结果即为假，将其中3个判别结果为第一结果的3个图片作为候选图片。
从所述M个候选图片中选取所述目标图片可以是用户从M个候选图片中任意选择一张作为目标图片。
另外，可以将所述N个图片中判别结果为第二结果的图片直接删除。
对上述得到目标图片的处理进行示例性的说明：用户先进入目标应用，在目标应用的操作界面中输入文字信息，比如可以包括产品名称；另外，用户还可以在操作界面中选择目标风格(如简约、奢华等)；还可以在操作界面中选择标识图像信息或添加自定义的标识图像信息。所述目标应用将文字信息、标识图像信息等不同内容，送入不同的算法模块中进行处理。具体的，对所述文字信息按国标等标准进行格式化处理，生成格式化处理后的文字信息；该文字信息中可以包括有如配方、营养成分等等内容。
将所述标识图像信息输入至GAN中，得到GAN生成图片；如图3所示，输入GAN的可以包含所述标识图像信息以及格式化处理后的文字信息；还可以包括其他信息只是本实施例不做穷举。
仍参见图3，将GAN生成的图片输入到判别器，得到判别器输出的判别结果。其中，GAN生成的图片由判别器对其进行判别得到判别结果。判别器具体的判别条件等等在前述实施例已经说明，这里不做赘述，另外，判别结果也在前述实施例说明了，这里不做重复说明。
参见图3需要说明的是，所述判别器可以是基于预设参考图片进行训练得到的，该预设参考图片可以是由大量真实设计师设计的现有包装图片进行训练。基于预设参考图片对所述判别器进行训练可以使得所述判别器学习到不同类的产品所对应的包装图片需要满足的要求或规则，和/或可以训练所述判别器得到图片中文字和/或标识图像所在的位置范围等等，这里不做穷举。
可见，通过采用上述方案，就可以基于判别器对预设网络生成的N个图片进行判别，进而得到每一个图片所对应的判别结果，从N个图片中选取判别结果为第一结果的M个候选图片，最终从M个候选图片中确定目标图片。如此可以通过判别器对预设网络生成的图片进行初步过滤，进而从中确定所要使用的目标图片，可以减少从预设网络中人工进行挑选的工作量，并且采用判别器对预设网络生成的图片进行过滤可以更加准确快速的排除部分图片，从而最终提升生成目标虚拟三维模型的叠加处理结果的处理效率。
需要补充说明的是，上述基于目标模型模板，生成目标虚拟三维模型，还可以存在另外的处理方式，具体包括：
从候选三维模型模板中，选取所述目标模型模板；基于模型相关参数对所述目标模型模板进行调整，得到所述目标虚拟三维模型。
这种处理方式尤其适用于简单的几何体形状的目标虚拟三维模型的生成。
其中，所述候选三维模型模板可以为电子设备中预先保存的一个或多个候选三维模型模板。所述电子设备中预先保存的候选三维模型模板的数量这里不做限定。举例来说，所述候选三维模型模板可以包括：圆柱形模型模板、立方体模型模板以及球形模型模板等等。
用户可以根据实际需求，从预设的一个或多个候选三维模型模板中选取一个候选三维模型模板作为目标模型模板。
进一步地，电子设备的目标应用还可以提供操作界面，以使得用户可以在该操作界面中进行参数设置或参数调整。在该操作界面中可以输入三维外形尺寸相关的目标参数。举例来说，在该操作界面中可以提供：半径、高度等三维外形尺寸相关的参数的输入框，用户可以在对应的输入框中输入所需要的目标参数。
基于用户输入的三维外形尺寸相关的目标参数对所述目标模型模板进行调整，该调整后的目标模型模板即为目标虚拟三维模型。
相应的，还可以采用以下方式进行目标图片的生成：基于图文信息生成目标图片。
具体的，对所述目标虚拟三维模型进行平面展开，得到所述目标虚拟三维模型的平面展开图；基于所述目标虚拟三维模型与所述平面展开图之间的几何对应关系，对所述图文信息进行变形处理得到变形处理后的所述图文信息，将所述变形处理后的所述图文信息添加至所述平面展开图得到所述目标图片。
其中，所述图文信息可以包括：标识图片信息、文字信息等。所述标识图片信息可以具体是商标图片；所述文字内容可以包括有与目标对象相关的信息，比如可以包括目标对象的名称、目标对象的配方、目标对象的产地等等。这里，所述目标对象可以是本次所要生成的目标虚拟三维模型的叠加处理结果的产品。
另外，所述图文信息中还可以包括其他图片信息，所述其他图片信息可以为从电子设备的素材库中的至少一个候选图片素材中选取的一个或多个图片信息。这里，所述电子设备维护的素材库可以是根据实际情况实时更新的。
示例性的，对于目标虚拟三维模型较为简单的几何体模型的情况，可直接根据目标虚拟三维模型进行平面展开得到目标虚拟三维模型的平面展开图，这里，所述平面展开可以为UV展开。在所述目标虚拟三维模型的平面展开图上，用户可从电子设备(具体可以是电子设备的目标应用)提供的素材库中拖拽素材作为目标素材，根据该用户视角下的所述目标虚拟三维模型与所述平面展开图之间的几何对应关系，将目标素材变形添加到所述目标虚拟三维模型的平面展开图中。另外，用户还可以输入图文信息，同样的，根据该用户视角下的所述目标虚拟三维模型与所述平面展开图之间的几何对应关系，将图文信息变形添加到所述目标虚拟三维模型的平面展开图上。最终得到目标图片。
如此，就提供了一种针对较简单的几何形状的模型的处理方式，具体为从候选三维模型模板中，选取所述目标模型模板；基于模型相关参数对所述目标模型模板进行调整，得到所述目标虚拟三维模型；如此，可以直接选取所需的目标模型模板，通过简单的相关参数的调整就可以得到目标虚拟三维模型，也能够减少现有技术中人为进行三维模型的绘制所带来的较为复杂的处理流程以及设计时间较长的问题，提升了设计效率。
在完成上述虚拟三维模型、以及包装贴图的生成之后，可以对虚拟三维模型以及包装贴图进行合成，最终得到三维包装效果图。具体的：
基于所述目标虚拟三维模型以及所述目标图片，确定所述目标虚拟三维模型的初始效果图；
基于目标材质相关参数对所述目标虚拟三维模型的初始效果图进行材质渲染，得到所述目标虚拟三维模型的效果图。
这里，基于所述目标虚拟三维模型以及所述目标图片，确定所述目标虚拟三维模型的初始效果图，可以是通过三维渲染来实现的，所述三维渲染可以是基于三维渲染引擎执行的处理。该三维渲染引擎可以是安装在本地的电子设备中，或者还可以是安装在云端的服务器中。
进一步地，所述三维渲染引擎可以包括但不限于：基于OpenGL、Metal、Vulkan等Graphic API的光栅化渲染引擎和基于RayTracing的实时或离线渲染引擎。
上述目标材质相关参数的获取方式可以包括：可以通过选择材质类型(塑料、金属、皮革、纸、玻璃、塑料、木头等等各种预设材质)来确定对应的目标材料相关参数；也就是在电子设备运行的目标应用中可以提供一个或多个候选材质类型，用户可以从一个或多个候选材质类型中选取其中之一作为目标材质，相应的，该目标材质可以对应默认的目标材质相关参数；
或，可以通过查找预设的材质参数表格来确定目标材质相关参数，然后将确定的所述目标材质相关参数输入电子设备运行的目标应用。
基于目标材质相关参数对所述目标虚拟三维模型的初始效果图进行材质渲染，具体可以是使用PBR(Physically Based Rendering，基于物理规则的渲染)渲染器(或称为PBR着色模型，或PBR着色网络)基于所述目标材质相关参数完成材质渲染，最终得到所述目标虚拟三维模型的效果图。
进一步地，针对上述目标虚拟三维模型的效果图还可以进一步结合光照参数进行预览，具体可以包括：基于光照参数，对所述目标虚拟三维模型的效果图。
这里，所述光照参数可以是默认光照参数、或者可以是设置的光照参数。
分别来说，所述默认光照参数可以是电子设备中目标应用的默认光照参数，比如，可以是目标应用中自带的环境光照以及至少一个方向的光源所形成的光照参数。举例来说，默认光照参数可以是电子设备的目标应用(或系统)自带的IBL(基于图像的光照，ImageBased Lighting)和/或至少一个固定方向的直接光源所对应的光照参数。
所述设置的光照参数，可以是：从至少一个候选光照类型中选取目标光照类型；针对选取的目标光照类型所对应的光照参数进行调整，得到调整后的光照参数。举例来说，用户选择电子设备的目标应用(或系统)提供的候选光照类型中的目标光照类型添加到当前的操作界面(或可以是添加到当前的预览界面的光照参数设置中)中，并调整目标光照类型所对应的光照强度、颜色方向等光照参数。
如此，可以自动的对目标虚拟三维模型以及目标图片进行三维渲染以及材质渲染，可以使得用户更加直观的看到当前设计的目标虚拟三维模型结合目标图片之后的效果，进而便于用户决定是否最终采用当前的目标虚拟三维模型以及目标图片，另外，由于设计过程中可以实时的对目标虚拟三维模型以及目标图片进行检查，可以降低出错率，如需要调整也能减少试错所带来的时间消耗，提升了设计效率。
基于所述目标虚拟三维模型以及所述目标图片，确定所述目标虚拟三维模型的初始效果图，可以存在两种处理方式，一种是在本地电子设备中完成，另一种是由云端的服务器完成，具体的，所述基于所述目标虚拟三维模型以及所述目标图片，确定所述目标虚拟三维模型的初始效果图，包括：
采用本地三维渲染引擎对所述目标虚拟三维模型以及所述目标图片合并进行三维渲染，得到所述目标虚拟三维模型的初始效果图；
或者，
将所述目标虚拟三维模型以及所述目标图片上传至设置有三维渲染引擎的服务器，获取所述设置有三维渲染引擎的服务器反馈的所述目标虚拟三维模型的初始效果图。
这里，无论三维渲染引擎安装在本地电子设备中还可以云端的服务器，所述三维渲染引擎均可以包括但不限于以下之一：基于OpenGL、Metal、Vulkan等Graphic API的光栅化渲染引擎、基于RayTracing的实时或离线渲染引擎。
由云端的服务器完成的处理中，可以将所述目标虚拟三维模型以及所述目标图片发送至云端的设置有三维渲染引擎的服务器，由云端的设置有三维渲染引擎的所述服务器通过三维渲染引擎进行三维渲染；本地电子设备可以接收云端的设置有三维渲染引擎的所述服务器反馈的三维渲染后的所述目标虚拟三维模型的初始效果图。上述由云端的服务器完成的处理过程中，还可以对当前处理得到的结果进行实时保存。
还需要说明的是，由云端的服务器完成的处理中，在本地的电子设备还可以展示云端的服务器的处理操作界面，通过该处理操作界面可以看到当前在云端的所述服务器的实时处理过程；另外，通过所述处理操作界面还可以进行在线编辑，比如，可以设置相关参数或者调整视角等处理，这里不做穷举。
通过采用以上方案，可以将三维渲染的处理放在服务器侧来执行，如此可以减少本地电子设备的处理资源的占用，并且由于服务器的计算以及处理能力大大高于本地电子设备，因此可以提升处理效率；另外，由于在云端的服务器进行三维渲染的处理还可以降低本地的软件安装的成本。
根据本申请的实施例，本申请还提供一种三维模型处理装置，如图4所示，包括：
模型处理模块401，用于基于目标模型模板，生成目标虚拟三维模型；
图片生成模块402，用于基于图文信息以及预设网络，生成目标图片；
合成模块403，用于基于所述目标虚拟三维模型以及所述目标图片，确定所述目标虚拟三维模型的叠加处理结果。
所述模型处理模块401，用于响应于选取的目标形状类别，确定所述目标形状类别对应的候选三维模型模板；从所述目标形状类别对应的所述候选三维模型模板中选取所述目标模型模板；以及
对所述目标模型模板进行权重调整，得到调整后的目标模型模板，根据所述调整后的所述目标模型模板生成所述目标虚拟三维模型。
所述图片生成模块402，用于对所述图文信息中的文字信息进行格式化处理，得到格式化处理后的文字信息；将所述图文信息中的标识图像信息以及所述格式化处理后的文字信息输入至所述预设网络，得到所述预设网络输出的N个图片；基于所述N个图片确定所述目标图片；其中，N为大于等于1的整数。
所述图片生成模块402，用于将所述N个图片输入判别器，得到所述判别器输出的所述N个图片分别对应的判别结果；将所述N个图片中对应的判别结果为第一结果的M个图片作为M个候选图片；其中，M为大于等于1且小于等于N的整数；从所述M个候选图片中选取所述目标图片。
所述模型处理模块401，用于从候选三维模型模板中，选取所述目标模型模板；基于模型相关参数对所述目标模型模板进行调整，得到所述目标虚拟三维模型。
所述合成模块403，用于基于所述目标虚拟三维模型以及所述目标图片，确定所述目标虚拟三维模型的初始效果图；基于目标材质相关参数对所述目标虚拟三维模型的初始效果图进行材质渲染，得到所述目标虚拟三维模型的效果图。
所述合成模块403，用于采用本地三维渲染引擎对所述目标虚拟三维模型以及所述目标图片合并进行三维渲染，得到所述目标虚拟三维模型的初始效果图；
或者，
将所述目标虚拟三维模型以及所述目标图片上传至设置有三维渲染引擎的服务器，获取所述设置有三维渲染引擎的服务器反馈的所述目标虚拟三维模型的初始效果图。
根据本申请的实施例，本申请还提供了一种电子设备和一种可读存储介质。
如图5所示，是根据本申请实施例的三维模型处理方法的电子设备的框图。电子设备旨在表示各种形式的数字计算机，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置，诸如，个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本申请的实现。
如图5所示，该电子设备包括：一个或多个处理器501、存储器502，以及用于连接各部件的接口，包括高速接口和低速接口。各个部件利用不同的总线互相连接，并且可以被安装在公共主板上或者根据需要以其它方式安装。处理器可以对在电子设备内执行的指令进行处理，包括存储在存储器中或者存储器上以在外部输入/输出装置(诸如，耦合至接口的显示设备)上显示GUI的图形信息的指令。在其它实施方式中，若需要，可以将多个处理器和/或多条总线与多个存储器和多个存储器一起使用。同样，可以连接多个电子设备，各个设备提供部分必要的操作(例如，作为服务器阵列、一组刀片式服务器、或者多处理器系统)。图5中以一个处理器501为例。
存储器502即为本申请所提供的非瞬时计算机可读存储介质。其中，所述存储器存储有可由至少一个处理器执行的指令，以使所述至少一个处理器执行本申请所提供的三维模型处理方法。本申请的非瞬时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计算机执行本申请所提供的三维模型处理方法。
存储器502作为一种非瞬时计算机可读存储介质，可用于存储非瞬时软件程序、非瞬时计算机可执行程序以及模块，如本申请实施例中的三维模型处理方法对应的程序指令/模块(例如，附图4所示的模型处理模块、图片生成模块、合成模块)。处理器501通过运行存储在存储器502中的非瞬时软件程序、指令以及模块，从而执行服务器的各种功能应用以及数据处理，即实现上述方法实施例中的三维模型处理方法。
存储器502可以包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需要的应用程序；存储数据区可存储根据三维模型处理的电子设备的使用所创建的数据等。此外，存储器502可以包括高速随机存取存储器，还可以包括非瞬时存储器，例如至少一个磁盘存储器件、闪存器件、或其他非瞬时固态存储器件。在一些实施例中，存储器502可选包括相对于处理器501远程设置的存储器，这些远程存储器可以通过网络连接至三维模型处理的电子设备。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
三维模型处理的电子设备还可以包括：输入装置503和输出装置504。处理器501、存储器502、输入装置503和输出装置504可以通过总线或者其他方式连接，图5中以通过总线连接为例。
输入装置503可接收输入的数字或字符信息，以及产生与电子设备的用户设置以及功能控制有关的键信号输入，例如触摸屏、小键盘、鼠标、轨迹板、触摸板、指示杆、一个或者多个鼠标按钮、轨迹球、操纵杆等输入装置。输出装置504可以包括显示设备、辅助照明装置(例如，LED)和触觉反馈装置(例如，振动电机)等。该显示设备可以包括但不限于，液晶显示器(LCD)、发光二极管(LED)显示器和等离子体显示器。在一些实施方式中，显示设备可以是触摸屏。
此处描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、专用ASIC(专用集成电路)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释，该可编程处理器可以是专用或者通用可编程处理器，可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令，并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
这些计算程序(也称作程序、软件、软件应用、或者代码)包括可编程处理器的机器指令，并且可以利用高级过程和/或面向对象的编程语言、和/或汇编/机器语言来实施这些计算程序。如本文使用的，术语“机器可读介质”和“计算机可读介质”指的是用于将机器指令和/或数据提供给可编程处理器的任何计算机程序产品、设备、和/或装置(例如，磁盘、光盘、存储器、可编程逻辑装置(PLD))，包括，接收作为机器可读信号的机器指令的机器可读介质。术语“机器可读信号”指的是用于将机器指令和/或数据提供给可编程处理器的任何信号。
为了提供与用户的交互，可以在计算机上实施此处描述的系统和技术，该计算机具有：用于向用户显示信息的显示装置(例如，CRT(阴极射线管)或者LCD(液晶显示器)监视器)；以及键盘和指向装置(例如，鼠标或者轨迹球)，用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈(例如，视觉反馈、听觉反馈、或者触觉反馈)；并且可以用任何形式(包括声输入、语音输入、或者触觉输入)来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如，作为数据服务器)、或者包括中间件部件的计算系统(例如，应用服务器)、或者包括前端部件的计算系统(例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如，通信网络)来将系统的部件相互连接。通信网络的示例包括：局域网(LAN)、广域网(WAN)和互联网。
计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器，又称为云计算服务器或云主机，是云计算服务体系中的一项主机产品，以解决传统物理主机与虚拟专用服务器(VPS)服务中，存在的管理难度大，业务扩展性弱的缺陷。服务器也可以为分布式系统的服务器，或者是结合了区块链的服务器。
根据本申请实施例的技术方案，可以直接基于目标模型模板确定目标虚拟三维模型，并且基于模型进行目标图片的生成，再对两者结合得到最终的处理结果。如此，可以减少现有技术需要先进行模型打样再讲设计的图片人工贴到打样出来的模型上的一系列复杂的流程，所带来的设计周期较长流程较为复杂等问题，提升了设计效率，并且由于本申请提供的处理均可以在电子设备直接完成，避免了现有技术中需要打样等处理所导致的设计成本较高的问题。
应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本申请中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行，只要能够实现本申请公开的技术方案所期望的结果，本文在此不进行限制。
上述具体实施方式，并不构成对本申请保护范围的限制。本领域技术人员应该明白的是，根据设计要求和其他因素，可以进行各种修改、组合、子组合和替代。任何在本申请的精神和原则之内所作的修改、等同替换和改进等，均应包含在本申请保护范围之内。

Claims (16)

1.一种三维模型处理方法，包括：
基于目标模型模板，生成目标虚拟三维模型；
基于图文信息以及预设网络，生成目标图片；
基于所述目标虚拟三维模型以及所述目标图片，确定所述目标虚拟三维模型的叠加处理结果。
2.根据权利要求1所述的方法，其中，所述方法还包括：
响应于选取的目标形状类别，确定所述目标形状类别对应的候选三维模型模板；从所述目标形状类别对应的所述候选三维模型模板中选取所述目标模型模板；
所述基于目标模型模板，生成目标虚拟三维模型，包括：对所述目标模型模板进行权重调整，得到调整后的目标模型模板，根据所述调整后的所述目标模型模板生成所述目标虚拟三维模型。
3.根据权利要求1所述的方法，其中，所述基于图文信息以及预设网络，生成目标图片，包括：
对所述图文信息中的文字信息进行格式化处理，得到格式化处理后的文字信息；将所述图文信息中的标识图像信息以及所述格式化处理后的文字信息输入至所述预设网络，得到所述预设网络输出的N个图片；基于所述N个图片确定所述目标图片；其中，N为大于等于1的整数。
4.根据权利要求3所述的方法，其中，所述基于所述N个图片确定所述目标图片，包括：
将所述N个图片输入判别器，得到所述判别器输出的所述N个图片分别对应的判别结果；
将所述N个图片中对应的判别结果为第一结果的M个图片作为M个候选图片；其中，M为大于等于1且小于等于N的整数；
从所述M个候选图片中选取所述目标图片。
5.根据权利要求1所述的方法，其中，所述基于目标模型模板，生成目标虚拟三维模型，包括：
从候选三维模型模板中，选取所述目标模型模板；基于模型相关参数对所述目标模型模板进行调整，得到所述目标虚拟三维模型。
6.根据权利要求1-5任一项所述的方法，其中，所述基于所述目标虚拟三维模型以及所述目标图片，确定所述目标虚拟三维模型的叠加处理结果，包括：
基于所述目标虚拟三维模型以及所述目标图片，确定所述目标虚拟三维模型的初始效果图；
基于目标材质相关参数对所述目标虚拟三维模型的初始效果图进行材质渲染，得到所述目标虚拟三维模型的效果图。
7.根据权利要求6所述的方法，其中，所述基于所述目标虚拟三维模型以及所述目标图片，确定所述目标虚拟三维模型的初始效果图，包括：
采用本地三维渲染引擎对所述目标虚拟三维模型以及所述目标图片合并进行三维渲染，得到所述目标虚拟三维模型的初始效果图；
或者，
将所述目标虚拟三维模型以及所述目标图片上传至设置有三维渲染引擎的服务器，获取所述设置有三维渲染引擎的服务器反馈的所述目标虚拟三维模型的初始效果图。
8.一种三维模型处理装置，包括：
模型处理模块，用于基于目标模型模板，生成目标虚拟三维模型；
图片生成模块，用于基于图文信息以及预设网络，生成目标图片；
合成模块，用于基于所述目标虚拟三维模型以及所述目标图片，确定所述目标虚拟三维模型的叠加处理结果。
9.根据权利要求8所述的装置，其中，所述模型处理模块，用于响应于选取的目标形状类别，确定所述目标形状类别对应的候选三维模型模板；从所述目标形状类别对应的所述候选三维模型模板中选取所述目标模型模板；以及
对所述目标模型模板进行权重调整，得到调整后的目标模型模板，根据所述调整后的所述目标模型模板生成所述目标虚拟三维模型。
10.根据权利要求8所述的装置，其中，所述图片生成模块，用于对所述图文信息中的文字信息进行格式化处理，得到格式化处理后的文字信息；将所述图文信息中的标识图像信息以及所述格式化处理后的文字信息输入至所述预设网络，得到所述预设网络输出的N个图片；基于所述N个图片确定所述目标图片；其中，N为大于等于1的整数。
11.根据权利要求10所述的装置，其中，所述图片生成模块，用于将所述N个图片输入判别器，得到所述判别器输出的所述N个图片分别对应的判别结果；将所述N个图片中对应的判别结果为第一结果的M个图片作为M个候选图片；其中，M为大于等于1且小于等于N的整数；从所述M个候选图片中选取所述目标图片。
12.根据权利要求8所述的装置，其中，所述模型处理模块，用于从候选三维模型模板中，选取所述目标模型模板；基于模型相关参数对所述目标模型模板进行调整，得到所述目标虚拟三维模型。
13.根据权利要求8-12任一项所述的装置，其中，所述合成模块，用于基于所述目标虚拟三维模型以及所述目标图片，确定所述目标虚拟三维模型的初始效果图；基于目标材质相关参数对所述目标虚拟三维模型的初始效果图进行材质渲染，得到所述目标虚拟三维模型的效果图。
14.根据权利要求13所述的装置，其中，所述合成模块，用于采用本地三维渲染引擎对所述目标虚拟三维模型以及所述目标图片合并进行三维渲染，得到所述目标虚拟三维模型的初始效果图；
或者，
将所述目标虚拟三维模型以及所述目标图片上传至设置有三维渲染引擎的服务器，获取所述设置有三维渲染引擎的服务器反馈的所述目标虚拟三维模型的初始效果图。
15.一种电子设备，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权利要求1-7中任一项所述的方法。
16.一种存储有计算机指令的非瞬时计算机可读存储介质，所述计算机指令用于使所述计算机执行权利要求1-7中任一项所述的方法。
CN202011320645.5A 2020-11-23 2020-11-23 三维模型处理方法、装置、电子设备及存储介质 Active CN112396691B (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN202011320645.5A CN112396691B (zh) 2020-11-23 2020-11-23 三维模型处理方法、装置、电子设备及存储介质
US17/451,599 US11610367B2 (en) 2020-11-23 2021-10-20 Three-dimensional model processing method, electronic device, and storage medium

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011320645.5A CN112396691B (zh) 2020-11-23 2020-11-23 三维模型处理方法、装置、电子设备及存储介质

Publications (2)

Publication Number Publication Date
CN112396691A true CN112396691A (zh) 2021-02-23
CN112396691B CN112396691B (zh) 2023-10-17

Family

ID=74606998

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011320645.5A Active CN112396691B (zh) 2020-11-23 2020-11-23 三维模型处理方法、装置、电子设备及存储介质

Country Status (2)

Country Link
US (1) US11610367B2 (zh)
CN (1) CN112396691B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116310213A (zh) * 2023-02-23 2023-06-23 北京百度网讯科技有限公司 三维物体模型的处理方法、装置、电子设备与可读存储介质
CN116681833A (zh) * 2023-06-06 2023-09-01 北京捷润科技有限公司 一种具有裸眼立体视觉效果的印刷品的制造方法及应用

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114953468B (zh) * 2022-06-08 2023-06-16 南京铖联激光科技有限公司 一种用于3d打印模型排版的方法
CN115344905B (zh) * 2022-10-19 2023-02-03 青岛艾德软件有限公司 基于三维模型自动生成二维工程图纸的方法及系统
CN116843833A (zh) * 2023-06-30 2023-10-03 北京百度网讯科技有限公司 三维模型生成方法、装置和电子设备
CN117521429A (zh) * 2024-01-08 2024-02-06 中国电建集团华东勘测设计研究院有限公司 弃渣场的三维模型设计方法、装置及电子设备

Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20150096266A1 (en) * 2013-10-07 2015-04-09 David A. Divine 3-D Printed Packaging
KR101746585B1 (ko) * 2015-12-28 2017-06-13 김은정 3차원 기념품 제공 방법 및 시스템
US20170232515A1 (en) * 2016-02-01 2017-08-17 Seurat Technologies, Inc. Additive Manufacturing Simulation System And Method
US20170253354A1 (en) * 2013-10-07 2017-09-07 Shay C. Colson 3-d printed package customization
CN109250233A (zh) * 2018-09-18 2019-01-22 珠海格力电器股份有限公司 待包装对象的包装方法及装置
CN110706315A (zh) * 2019-09-30 2020-01-17 广东博智林机器人有限公司 平面设计的布局生成方法、装置、电子设备及存储介质
US20200184530A1 (en) * 2018-12-07 2020-06-11 Decopac, Inc. Systems and Methods for Ordering and Preparation of Customized Comestibles
CN111325471A (zh) * 2020-02-27 2020-06-23 贵州省分析测试研究院 一种基于社会共治的白酒追溯与质量安全防护系统
US20200242201A1 (en) * 2019-01-24 2020-07-30 Autodesk, Inc. Computer-aided techniques for iteratively generating designs
CN111695471A (zh) * 2020-06-02 2020-09-22 北京百度网讯科技有限公司 虚拟形象生成方法、装置、设备以及存储介质
US20200349758A1 (en) * 2017-05-31 2020-11-05 Ethan Bryce Paulson Method and System for the 3D Design and Calibration of 2D Substrates

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
SG10201913030XA (en) * 2019-12-23 2020-11-27 Sensetime Int Pte Ltd Game stage switching method and apparatus, and storage medium

Patent Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20150096266A1 (en) * 2013-10-07 2015-04-09 David A. Divine 3-D Printed Packaging
US20170253354A1 (en) * 2013-10-07 2017-09-07 Shay C. Colson 3-d printed package customization
KR101746585B1 (ko) * 2015-12-28 2017-06-13 김은정 3차원 기념품 제공 방법 및 시스템
US20170232515A1 (en) * 2016-02-01 2017-08-17 Seurat Technologies, Inc. Additive Manufacturing Simulation System And Method
US20200349758A1 (en) * 2017-05-31 2020-11-05 Ethan Bryce Paulson Method and System for the 3D Design and Calibration of 2D Substrates
CN109250233A (zh) * 2018-09-18 2019-01-22 珠海格力电器股份有限公司 待包装对象的包装方法及装置
US20200184530A1 (en) * 2018-12-07 2020-06-11 Decopac, Inc. Systems and Methods for Ordering and Preparation of Customized Comestibles
US20200242201A1 (en) * 2019-01-24 2020-07-30 Autodesk, Inc. Computer-aided techniques for iteratively generating designs
CN110706315A (zh) * 2019-09-30 2020-01-17 广东博智林机器人有限公司 平面设计的布局生成方法、装置、电子设备及存储介质
CN111325471A (zh) * 2020-02-27 2020-06-23 贵州省分析测试研究院 一种基于社会共治的白酒追溯与质量安全防护系统
CN111695471A (zh) * 2020-06-02 2020-09-22 北京百度网讯科技有限公司 虚拟形象生成方法、装置、设备以及存储介质

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
XINRU ZHENG ET AL.: "Content-aware Generative Modeling of Graphic Design Layouts", 《ACM TRANS. GRAPH.》, pages 1 - 133 *

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116310213A (zh) * 2023-02-23 2023-06-23 北京百度网讯科技有限公司 三维物体模型的处理方法、装置、电子设备与可读存储介质
CN116310213B (zh) * 2023-02-23 2023-10-24 北京百度网讯科技有限公司 三维物体模型的处理方法、装置、电子设备与可读存储介质
CN116681833A (zh) * 2023-06-06 2023-09-01 北京捷润科技有限公司 一种具有裸眼立体视觉效果的印刷品的制造方法及应用
CN116681833B (zh) * 2023-06-06 2024-01-23 北京捷润科技有限公司 一种具有裸眼立体视觉效果的印刷品的制造方法及应用

Also Published As

Publication number Publication date
CN112396691B (zh) 2023-10-17
US20220044476A1 (en) 2022-02-10
US11610367B2 (en) 2023-03-21

Similar Documents

Publication Publication Date Title
CN112396691B (zh) 三维模型处理方法、装置、电子设备及存储介质
US10606533B2 (en) Editing an image on a medium using a template including attribute information of an object in the image
EP3920147A1 (en) Method and apparatus for generating virtual avatar, device, storage medium and computer program product
CN110619312B (zh) 定位元素数据的增强方法、装置、设备及存储介质
US11238623B2 (en) Automatic line drawing coloring program, automatic line drawing coloring apparatus, and graphical user interface program
CN112232315B (zh) 文本框检测方法、装置、电子设备和计算机存储介质
WO2017000898A1 (zh) 软件图标显示方法和装置
US20210174602A1 (en) Integrated rendering method for various extended reality modes and device having thereof
US10403040B2 (en) Vector graphics rendering techniques
US11714531B2 (en) Glyph-aware text selection
US10818050B2 (en) Vector graphic font character generation techniques
CN112035022B (zh) 阅读页样式生成方法和装置
CN111353532A (zh) 图像生成方法及装置、计算机可读存储介质、电子设备
KR102377554B1 (ko) 디스플레이 구동 장치 및 디스플레이 구동 방법
CN112927314A (zh) 一种图像数据处理方法、装置以及计算机设备
CN115756471A (zh) 一种页面代码生成方法、装置、电子设备及存储介质
JP7480076B2 (ja) コンテンツ作成システム及び方法
WO2022100095A1 (zh) 一种基于文字排版的手绘素材制作方法与装置
CN113038184B (zh) 数据处理方法、装置、设备及存储介质
CN106547891A (zh) 针对掌上显示设备的图片化文本信息的快速可视化方法
CN112035210A (zh) 用于输出颜色信息的方法、装置、设备和介质
US20230005195A1 (en) Free Form Radius Editing
US11854128B2 (en) Automated digital tool identification from a rasterized image
US20180276858A1 (en) Digital Ink Based Visual Components
KR101671365B1 (ko) 유사 액체화 포인트 군의 색상혼합 구현방법

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