CN112541963B - 三维虚拟形象生成方法、装置、电子设备和存储介质 - Google Patents

三维虚拟形象生成方法、装置、电子设备和存储介质 Download PDF

Info

Publication number
CN112541963B
CN112541963B CN202011240898.1A CN202011240898A CN112541963B CN 112541963 B CN112541963 B CN 112541963B CN 202011240898 A CN202011240898 A CN 202011240898A CN 112541963 B CN112541963 B CN 112541963B
Authority
CN
China
Prior art keywords
dimensional
face
model
processed
deformation
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
CN202011240898.1A
Other languages
English (en)
Other versions
CN112541963A (zh
Inventor
彭哲
鲍冠伯
刘玉强
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 CN202011240898.1A priority Critical patent/CN112541963B/zh
Publication of CN112541963A publication Critical patent/CN112541963A/zh
Priority to US17/473,529 priority patent/US11587300B2/en
Priority to JP2021174058A priority patent/JP7212741B2/ja
Application granted granted Critical
Publication of CN112541963B publication Critical patent/CN112541963B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • 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
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/16—Human faces, e.g. facial parts, sketches or expressions
    • G06V40/168—Feature extraction; Face representation
    • G06V40/171—Local features and components; Facial parts ; Occluding parts, e.g. glasses; Geometrical relationships
    • 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
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
    • 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
    • G06N3/08—Learning methods
    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
    • G06V10/443—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components by matching or filtering
    • G06V10/449—Biologically inspired filters, e.g. difference of Gaussians [DoG] or Gabor filters
    • G06V10/451—Biologically inspired filters, e.g. difference of Gaussians [DoG] or Gabor filters with interaction between the filter responses, e.g. cortical complex cells
    • G06V10/454—Integrating the filters into a hierarchical structure, e.g. convolutional neural networks [CNN]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/16—Human faces, e.g. facial parts, sketches or expressions
    • G06V40/161—Detection; Localisation; Normalisation
    • G06V40/165—Detection; Localisation; Normalisation using facial parts and geometric relationships
    • 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
    • G06T2219/2021—Shape modification

Abstract

本申请公开了三维虚拟形象生成方法、装置、电子设备和存储介质，涉及计算机视觉技术、深度学习和增强现实等人工智能领域。具体实现方案为：获取待处理人脸图片和三维参考模型；将待处理人脸图片输入已训练的神经网络，获取三维人脸模型、人脸属性信息和人脸形象信息；根据三维人脸模型对三维参考模型进行形变处理，获取三维形象模型；根据人脸属性信息和人脸形象信息对三维形象模型进行调整，获取目标虚拟形象。由此，通过选择人脸图片和三维参考模型，快速准确生成虚拟形象，操作简单便捷，提高三维虚拟形象生成效率和准确性，满足用户使用需求。

Description

三维虚拟形象生成方法、装置、电子设备和存储介质
技术领域
本申请涉及数据处理技术领域中的计算机视觉技术、深度学习和增强现实等人工智能领域，尤其涉及一种三维虚拟形象生成方法、装置、电子设备和存储介质。
背景技术
人工智能是研究使计算机来模拟人的某些思维过程和智能行为(如学习、推理、思考、规划等)的学科，既有硬件层面的技术也有软件层面的技术。人工智能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、大数据处理等技术；人工智能软件技术主要包括计算机视觉技术、语音识别技术、自然语言处理技术以及机器学习/深度学习、大数据处理技术、知识图谱技术等几个大方向。
通常虚拟形象目前在市场上的应用越来越广泛，虚拟形象上包含真人和卡通两种。相关技术中，需要用户自行编辑喜欢的虚拟形象，然而这个编辑过程比较繁琐，用户不满意则需要重新编辑，耗费大量的时间。
发明内容
本公开提供了一种三维虚拟形象生成方法、装置、电子设备和存储介质。
根据本公开的一方面，提供了一种三维虚拟形象生成方法，包括：
获取待处理人脸图片和三维参考模型；
将所述待处理人脸图片输入已训练的神经网络，获取三维人脸模型、人脸属性信息和人脸形象信息；
根据所述三维人脸模型对所述三维参考模型进行形变处理，获取三维形象模型；
根据所述人脸属性信息和人脸形象信息对所述三维形象模型进行调整，获取目标虚拟形象。
根据本公开的另一方面，提供了一种三维虚拟形象生成装置，包括：
第一获取模块，用于获取待处理人脸图片和三维参考模型；
第二获取模块，用于将所述待处理人脸图片输入已训练的神经网络，获取三维人脸模型、人脸属性信息和人脸形象信息；
处理模块，用于根据所述三维人脸模型对所述三维参考模型进行形变处理，获取三维形象模型；
调整模块，用于根据所述人脸属性信息和人脸形象信息对所述三维形象模型进行调整，获取目标虚拟形象。
根据第三方面，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上述实施例描述的三维虚拟形象生成方法。
根据第四方面，提出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上述实施例描述的三维虚拟形象生成方法。
根据第五方面，提供了一种计算机程序产品，包括计算机程序，所述计算机程序在被处理器执行时实现根据第一方面所述的三维虚拟形象生成方法。
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，不构成对本申请的限定。其中：
图1是根据本申请第一实施例的三维虚拟形象生成方法的流程示意图；
图2是根据本申请第二实施例的三维虚拟形象生成方法的流程示意图；
图3是根据本申请第三实施例的三维虚拟形象生成方法的流程示意图；
图4是根据本申请第四实施例的三维虚拟形象生成装置的结构示意图；
图5是根据本申请第五实施例的三维虚拟形象生成装置的结构示意图；
图6是用来实现本申请实施例的三维虚拟形象生成方法的电子设备的框图
具体实施方式
以下结合附图对本申请的示范性实施例做出说明，其中包括本申请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，而不会背离本申请的范围和精神。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。
下面参考附图描述本申请实施例的三维虚拟形象生成方法、装置、电子设备和存储介质。
在实际应用场景中，动漫、网络游戏中可以使用虚拟卡通形象来进行交互，需要用户自行编辑喜欢的虚拟形象，然而这个编辑过程比较繁琐，用户不满意则需要重新编辑，耗费大量的时间。
针对上述问题，本申请提出一种三维虚拟形象生成方法，获取待处理人脸图片和三维参考模型；将待处理人脸图片输入已训练的神经网络，获取三维人脸模型、人脸属性信息和人脸形象信息；根据三维人脸模型对三维参考模型进行形变处理，获取三维形象模型；根据人脸属性信息和人脸形象信息对三维形象模型进行调整，获取目标虚拟形象。由此，通过选择人脸图片和三维参考模型，快速准确生成虚拟形象，操作简单便捷，提高三维虚拟形象生成效率和准确性，满足用户使用需求。
具体地，图1是根据本申请第一实施例的三维虚拟形象生成方法的流程图，组织权限处理方法用于电子设备中，其中，电子设备可以为任一具有计算能力的设备，例如可以为个人电脑(Personal Computer，简称PC)、移动终端等，移动终端例如可以为手机、平板电脑、个人数字助理、穿戴式设备、车载设备等具有各种操作系统、触摸屏和/或显示屏的硬件设备比如智能电视、智能冰箱等。
如图1所示，该方法包括：
步骤101，获取待处理人脸图片和三维参考模型。
在本申请实施例中，待处理人脸图像指的是包括人脸的图像，获取待处理人脸图像的方式有很多种，具体可以根据应用场景选择设置，举例说明如下：
第一种示例，通过拍摄设备拍摄包括人脸场景，获取待处理人脸图片。
第二种示例，对视频进行截图或者分帧处理获取多张图片，选取包括人脸的图片作为待处理人脸图片。
第三种示例，直接获取包括人脸的图片作为待处理人脸图片。
在本申请实施例中，三维参考模型可以理解为已经预先通过三维模型构建网络或者模型等方式建立好的模型，可以直接提供给用户选择的三维参考模型，一般为多个不同类型的三维参考模型，比如可爱、漂亮等不同类型的三维参考模型。
步骤102，将待处理人脸图片输入已训练的神经网络，获取三维人脸模型、人脸属性信息和人脸形象信息。
在本申请实施例中，已训练的神经网络可以为卷积神经网络、循环神经网络等，具体可以根据应用场景需要选择设置，以及可以同时进行多任务神经网络，比如分类任务训练、回归任务训练等，其中，分类任务训练好的神经网络提取待处理人脸图片的发型类别和装饰物品等，以及回归任务训练好的神经网络提取待处理人脸图片的头发纹理颜色等。
在本申请实施例中，可以理解为预先训练神经网络，作为一种可能实现方式，获取大量人脸图片样本，对人脸图片样本进行人脸关键点(比如眼睛、嘴巴、鼻子和眉毛等)标定，将标定好的人脸图片样本进行三维人脸变形模型建模训练。
具体地，将人脸关键点的标注信息按照三维映射关系进行映射生成三维样本人脸模型，提取三维样本人脸模型对应的向量矩阵，根据向量矩阵构建人脸三维构建模型，根据三维样本人脸模型对人脸三维构建模型进行训练，获取包括预先建立的向量矩阵的人脸三维构建模型。
具体地，训练的时候建立三维人脸模型与输入人脸照片之间的透视投影关系(一一对应关系)。也就是说，训练好的神经网络训练，可以通过输入一张人脸照片，获取一个对应的人脸三维模型。
作为一种可能实现方式，通过已训练的神经网络提取待处理人脸图片的特征向量，根据特征向量和预先建立的向量矩阵，获取三维人脸模型。
还可以理解的是，该三维模型与人脸照片存在固定的透视投影关系(训练时设定的)。通过三维人脸模型可以获取预先设定的透视投影关系，可以确认人脸照片中人脸的面部区域，获取面部区域的一个像素值作为人脸纹理颜色，人脸纹理颜色可以作为人脸属性信息，即三维人脸模型的纹理信息。
在本申请实施例中，同样是对大量已经标定好的人脸照片进行训练，对不同的头发纹理颜色进行回归任务训练，并通过损失函数不断优化神经网络参数，获取已训练好的神经网络，通过已训练的神经网络提取待处理人脸图片的头发纹理颜色，头发纹理颜色可以作为人脸属性信息。
在本申请实施例中，同样是对大量已经标定好的人脸照片进行训练，对不同的发型、眼镜等装饰物品进行分类任务训练，并通过损失函数不断优化神经网络参数，获取已训练好的神经网络，通过已训练的神经网络提取待处理人脸图片的发型类别和装饰物品。
步骤103，根据三维人脸模型对三维参考模型进行形变处理，获取三维形象模型。
在本申请实施例中，根据三维人脸模型对三维参考模型进行形变处理，获取三维形象模型的方式有很多种，可以根据应用场景需要选择设置，举例说明如下：
作为一种可能实现方式，确定三维人脸模型的第一变形区域，以及三维参考模型的第二变形区域；其中，第一变形区域和第二变形区域为映射关系，标定第一变形区域的第一关键点和第二变形区域的第二关键点，控制第一关键点进行形变，以使第二关键点根据映射关系进行相对应的形变，生成三维形象模型。
具体地，确定变形区域(比如脸颊、嘴巴、眼睛、眉毛、鼻子等)，在三维人脸模型和三维参考模型与变形区域对应的关键点进行标定，根据三维人脸模型上标定关键点的形变，对三维参考模型上相应的关键点进行形变，使变形后的卡通形象在形状上与待处理人脸图片相似。
作为另一种可能实现方式，获取三维人脸模型和三维参考模型中各个关键点的一一对应关系，根据三维人脸模型的关键点(脸颊、嘴巴、眼睛、眉毛、鼻子等)调整三维参考模型的关键点生成三维形象模型。
其中，变形区域可以根据应用场景需求，预先设定一个或者多个变形区域，以及变形区域中的各个关键点，从而直接基于三维人脸模型对三维参考模型进行形变处理，进一步提高三维虚拟形象生成效率。
步骤104，根据人脸属性信息和人脸形象信息对三维形象模型进行调整，获取目标虚拟形象。
在本申请实施例中，人脸属性信息可以为面部区域的人脸纹理颜色和头发区域的发色纹理颜色，根据面部区域的人脸纹理颜色和头发区域的发色纹理颜色对三维形象模型对应的区域进行调整，使得虚拟形象的发色、肤色与待处理人脸图片的肤色、发色相似；以及人脸形象信息可以发型比如长卷发型、短发等、装饰物品比如眼镜、耳饰等，根据人脸形象信息继续对三维形象模型进行调整，以使虚拟形象的发型、装饰物品与待处理人脸图片的发型、装饰物品相似，得到目标虚拟形象。
也就是说，通过单张人脸图片生成虚拟形象(可以是卡通也可以是真人，根据三维参考模型确定)，首先需要对人脸图片进行三维建模得到人脸三维模型，然后基于该人脸三维模型，对三维参考模型进行形变，获取三维形象模型，根据人脸图片中对应人脸的纹理调整三维形象模型的纹理颜色，根据图片中人物的发型发色，调整三维形象模型的发型发色。
综上所述，本申请的三维虚拟形象生成方法，通过获取待处理人脸图片和三维参考模型；将待处理人脸图片输入已训练的神经网络，获取三维人脸模型、人脸属性信息和人脸形象信息；根据三维人脸模型对三维参考模型进行形变处理，获取三维形象模型；根据人脸属性信息和人脸形象信息对三维形象模型进行调整，获取目标虚拟形象。由此，通过选择人脸图片和三维参考模型，快速准确生成虚拟形象，操作简单便捷，提高三维虚拟形象生成效率和准确性，满足用户使用需求。
图2是根据本申请第二实施例的三维虚拟形象生成方法的流程图，如图2所示，该方法包括：
步骤201，获取待处理人脸图片和三维参考模型。
在本申请实施例中，待处理人脸图像指的是包括人脸的图像，获取待处理人脸图像的方式有很多种，具体可以根据应用场景选择设置，举例说明如下：
第一种示例，通过拍摄设备拍摄包括人脸场景，获取待处理人脸图片。
第二种示例，对视频进行截图或者分帧处理获取多张图片，选取包括人脸的图片作为待处理人脸图片。
第三种示例，直接获取包括人脸的图片作为待处理人脸图片。
在本申请实施例中，三维参考模型可以理解为已经预先通过三维模型构建网络或者模型等方式建立好的模型，可以直接提供给用户选择的三维参考模型，一般为多个不同类型的三维参考模型，比如可爱、漂亮等不同类型的三维参考模型。
步骤202，通过已训练的神经网络提取待处理人脸图片的特征向量，根据特征向量和预先建立的向量矩阵，获取三维人脸模型。
在本申请实施例中，已训练的神经网络可以理解为已训练好的人脸三维构建模型，对待处理人脸图片进行处理得到一维的特征向量，将特征向量和预先建立的向量矩阵的乘积的组合可以表示三维人脸模型。
步骤203，获取与三维人脸模型对应的透视投影关系，根据透视投影关系和待处理人脸图片，获取三维人脸模型的纹理信息。
在本申请实施例中，该三维模型与人脸照片存在固定的透视投影关系,通过三维人脸模型可以获取预先设定的透视投影关系，可以确认人脸照片中人脸的面部区域，获取一个像素值作为人脸纹理颜色，人脸纹理颜色可以作为人脸属性信息，即三维人脸模型的纹理信息。
在本申请实施例中，同样是对大量已经标定好的人脸照片进行训练，对不同的头发纹理颜色进行回归任务，并通过损失函数不断优化神经网络参数，获取已训练好的神经网络，通过已训练的神经网络提取待处理人脸图片的头发纹理颜色，头发纹理颜色可以作为人脸属性信息。
步骤204，通过已训练的神经网络提取待处理人脸图片的发型类别和装饰物品。
在本申请实施例中，同样是对大量已经标定好的人脸照片进行训练，对不同的发型、眼镜等装饰物品进行分类任务，并通过损失函数不断优化神经网络参数，获取已训练好的神经网络，通过已训练的神经网络提取所述待处理人脸图片的发型类别和装饰物品。
步骤205，确定三维人脸模型的第一变形区域，以及三维参考模型的第二变形区域；其中，第一变形区域和第二变形区域为映射关系，标定第一变形区域的第一关键点和第二变形区域的第二关键点。
步骤206，控制第一关键点进行形变，以使第二关键点根据映射关系进行相对应的形变，生成三维形象模型。
在本申请实施例中，第一变形区域和第二变形区域为映射关系，比如鼻子-鼻子、嘴巴-嘴巴等一一映射，确定变形区域(比如脸颊、嘴巴、眼睛、眉毛、鼻子等)后，在三维人脸模型和三维参考模型与变形区域对应的关键点进行标定，根据三维人脸模型上标定关键点的形变，对三维参考模型上相应的关键点进行形变，使变形后的卡通形象在形状上与待处理人脸图片相似。
步骤207，根据三维人脸模型的纹理信息、发型类别和装饰物品对三维形象模型进行调整，获取目标虚拟形象。
在本申请实施例中，人脸属性信息可以为面部区域的人脸纹理颜色和头发区域的发色纹理颜色，根据面部区域的人脸纹理颜色和头发区域的发色纹理颜色对三维形象模型对应的区域进行调整，使得虚拟形象的发色、肤色与待处理人脸图片的肤色、发色相似；以及人脸形象信息可以发型、装饰物品比如眼镜、耳饰等，根据人脸形象信息继续对三维形象模型进行调整，以使虚拟形象的发型、装饰物品与待处理人脸图片的发型、装饰物品相似，得到目标虚拟形象。
综上所述，本申请的三维虚拟形象生成方法，通过获取待处理人脸图片和三维参考模型，通过已训练的神经网络提取所述待处理人脸图片的特征向量，根据特征向量和预先建立的向量矩阵，获取三维人脸模型，获取与三维人脸模型对应的透视投影关系，根据透视投影关系和待处理人脸图片，获取三维人脸模型的纹理信息，通过已训练的神经网络提取待处理人脸图片的发型类别和装饰物品，确定三维人脸模型的第一变形区域，以及三维参考模型的第二变形区域；其中，第一变形区域和第二变形区域为映射关系，标定第一变形区域的第一关键点和第二变形区域的第二关键点，控制第一关键点进行形变，以使第二关键点根据映射关系进行相对应的形变，生成三维形象模型，根据三维人脸模型的纹理信息、发型类别和装饰物品对三维形象模型进行调整，获取目标虚拟形象。由此，通过选择人脸图片和三维参考模型，快速准确生成虚拟形象，操作简单便捷，提高三维虚拟形象生成效率和准确性，满足用户使用需求。
基于上述实施例的描述，在生成虚拟形象后，为了进一步满足用户需求，即通过驱动该虚拟形象可以满足用户的交互需求，具体结合图3进行详细描述。
图3是根据本申请第三实施例的三维虚拟形象生成方法的流程图，如图3所示，该方法包括：
步骤301，获取目标虚拟形象的多个目标动作，获取多个目标动作对应的多个变形系数。
步骤302，对多个变形系数进行线性叠加，生成目标驱动虚拟形象。
在本申请实施例中，确定目标动作(闭眼、开眼、点头等)后，选择目标动作对应的变形系数，对多个变形系数进行线性叠加，生成目标驱动虚拟形象。
可以理解为，动作是由一系列已经制作好的目标动作进行线性叠加生成的，只需要控制线性系数就能进行驱动。
举例而言，闭眼动作对应变形系数1，开眼动作对应变形系数2，变形系数1和变形系数2进行线性叠加得到目标驱动虚拟形象，即可以控制目标驱动虚拟形象进行驱动，实现目标虚拟形象从闭眼到开眼这个眨眼动作。
综上所述，本申请的三维虚拟形象生成方法，通过获取目标虚拟形象的多个目标动作，确定多个目标动作对应的多个变形系数，对多个变形系数进行线性叠加，生成目标驱动虚拟形象。由此，通过变形系数控制目标虚拟形象，满足用户的交互需求。
为了实现上述实施例，本申请还提出了一种三维虚拟形象生成装置。图4是根据本申请第四实施例的三维虚拟形象生成装置的结构示意图，如图4所示，该三维虚拟形象生成装置包括：第一获取模块401、第二获取模块402、处理模块403和调整模块404。
第一获取模块401，用于获取待处理人脸图片和三维参考模型。
第二获取模块402，用于将待处理人脸图片输入已训练的神经网络，获取三维人脸模型、、人脸属性信息和人脸形象信息。
处理模块403，用于根据三维人脸模型对三维参考模型进行形变处理，获取三维形象模型。
调整模块404，用于根据人脸属性信息和人脸形象信息对三维形象模型进行调整，获取目标虚拟形象。
在本申请的一个实施例中，第二获取模块402，具体用于：通过已训练的神经网络提取待处理人脸图片的特征向量；根据特征向量和预先建立的向量矩阵，获取三维人脸模型。
在本申请的一个实施例中，第二获取模块402，具体用于：获取与三维人脸模型对应的透视投影关系；根据透视投影关系和待处理人脸图片，获取三维人脸模型的纹理信息。
在本申请的一个实施例中，第二获取模块402，具体用于：通过已训练的神经网络提取所述待处理人脸图片的发型类别和装饰物品。
在本申请的一个实施例中，处理模块403，具体用于：确定三维人脸模型的第一变形区域，以及三维参考模型的第二变形区域；其中，第一变形区域和第二变形区域为映射关系；标定第一变形区域的第一关键点和第二变形区域的第二关键点；控制第一关键点进行形变，以使第二关键点根据映射关系进行相对应的形变，生成三维形象模型。
需要说明的是，前述对三维虚拟形象生成方法的解释说明，也适用于本发明实施例的三维虚拟形象生成装置，其实现原理类似，在此不再赘述。
综上所述，本申请的三维虚拟形象生成装置，通过获取待处理人脸图片和三维参考模型；将待处理人脸图片输入已训练的神经网络，获取三维人脸模型、人脸属性信息和人脸形象信息；根据三维人脸模型对三维参考模型进行形变处理，获取三维形象模型；根据人脸属性信息和人脸形象信息对三维形象模型进行调整，获取目标虚拟形象。由此，通过选择人脸图片和三维参考模型，快速准确生成虚拟形象，操作简单便捷，提高三维虚拟形象生成效率和准确性，满足用户使用需求。
基于上述实施例的描述，在生成虚拟形象后，为了进一步满足用户需求，即通过驱动该虚拟形象可以满足用户的交互需求，具体结合图5进行详细描述。
如图5所示，该三维虚拟形象生成装置包括：第一获取模块501、第二获取模块502、处理模块503和调整模块504、第三获取模块505、第四获取模块506、生成模块507。
其中，第一获取模块501、第二获取模块502、处理模块503和调整模块504与上述实施例的第一获取模块401、第二获取模块402、处理模块403和调整模块404相对应，具体参见上述装置实施例描述，此处不再详述。
第三获取模块505，用于获取目标虚拟形象的多个目标动作。
确定模块506，用于获取多个目标动作对应的多个变形系数。
生成模块507，用于对多个变形系数进行线性叠加，生成目标驱动虚拟形象。
综上所述，本申请的三维虚拟形象生成装置，通过获取目标虚拟形象的多个目标动作，确定多个目标动作对应的多个变形系数，对多个变形系数进行线性叠加，生成目标驱动虚拟形象。由此，通过变形系数控制目标虚拟形象，满足用户的交互需求。
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6所示，是根据本申请实施例的三维虚拟形象生成的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6所示，该电子设备包括：一个或多个处理器601、存储器602，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6中以一个处理器601为例。
存储器602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虚拟形象生成的方法。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虚拟形象生成的方法。
存储器602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虚拟形象生成的方法对应的程序指令/模块(例如，附图4所示的第一获取模块401、第二获取模块402、处理模块403和调整模块404)。处理器601通过运行存储在存储器602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虚拟形象生成方法。
存储器602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虚拟形象生成的电子设备的使用所创建的数据等。此外，存储器602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602可选包括相对于处理器601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虚拟形象生成的电子设备。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。
三维虚拟形象生成方法的电子设备还可以包括：输入装置603和输出装置604。处理器601、存储器602、输入装置603和输出装置604可以通过总线或者其他方式连接，图6中以通过总线连接为例。
输入装置603可接收输入的数字或字符信息，以及产生与三维虚拟形象生成的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604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，即本申请还提出了一种计算机程序，该计算机程序在被处理器执行时，实现上述实施例所描述的三维虚拟形象生成方法，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。其中，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，以解决了传统物理主机与VPS(VirtualPrivate Server虚拟专用服务器)服务中，存在的管理难度大，业务扩展性弱的缺陷。
根据本申请实施例的技术方案，通过获取待处理人脸图片和三维参考模型；将待处理人脸图片输入已训练的神经网络，获取三维人脸模型、人脸属性信息和人脸形象信息；根据三维人脸模型对三维参考模型进行形变处理，获取三维形象模型；根据人脸属性信息和人脸形象信息对三维形象模型进行调整，获取目标虚拟形象。由此，通过选择人脸图片和三维参考模型，快速准确生成虚拟形象，操作简单便捷，提高三维虚拟形象生成效率和准确性，满足用户使用需求。
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，本发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 (10)

1.一种三维虚拟形象生成方法，包括：
获取待处理人脸图片和三维参考模型；
将所述待处理人脸图片输入已训练的神经网络，获取三维人脸模型、人脸属性信息和人脸形象信息；
根据所述三维人脸模型对所述三维参考模型进行形变处理，获取三维形象模型；
根据所述人脸属性信息和人脸形象信息对所述三维形象模型进行调整，获取目标虚拟形象；
获取所述目标虚拟形象的多个目标动作；
获取所述多个目标动作对应的多个变形系数；
对所述多个变形系数进行线性叠加，生成目标驱动虚拟形象；
所述根据所述三维人脸模型对所述三维参考模型进行形变处理，获取三维形象模型，包括：
确定所述三维人脸模型的第一变形区域，以及所述三维参考模型的第二变形区域；其中，所述第一变形区域和所述第二变形区域为映射关系；
标定所述第一变形区域的第一关键点和所述第二变形区域的第二关键点；
控制所述第一关键点进行形变，以使所述第二关键点根据所述映射关系进行相对应的形变，生成三维形象模型。
2.如权利要求1所述的三维虚拟形象生成方法，所述将所述待处理人脸图片输入已训练的神经网络，获取三维人脸模型，包括：
通过已训练的神经网络提取所述待处理人脸图片的特征向量；
根据所述特征向量和预先建立的向量矩阵，获取所述三维人脸模型。
3.如权利要求2所述的三维虚拟形象生成方法，还包括：
获取与所述三维人脸模型对应的透视投影关系；
根据所述透视投影关系和所述待处理人脸图片，获取所述三维人脸模型的纹理信息。
4.如权利要求1所述的三维虚拟形象生成方法，所述将所述待处理人脸图片输入已训练的神经网络，获取人脸形象信息，包括：
通过已训练的神经网络提取所述待处理人脸图片的发型类别和装饰物品。
5.一种三维虚拟形象生成装置，包括：
第一获取模块，用于获取待处理人脸图片和三维参考模型；
第二获取模块，用于将所述待处理人脸图片输入已训练的神经网络，获取三维人脸模型、人脸属性信息和人脸形象信息；
处理模块，用于根据所述三维人脸模型对所述三维参考模型进行形变处理，获取三维形象模型；
调整模块，用于根据所述人脸属性信息和人脸形象信息对所述三维形象模型进行调整，获取目标虚拟形象；
第三获取模块，用于获取所述目标虚拟形象的多个目标动作；
第四获取模块，用于获取所述多个目标动作对应的多个变形系数；
生成模块，用于对所述多个变形系数进行线性叠加，生成目标驱动虚拟形象；
所述处理模块，具体用于：
确定所述三维人脸模型的第一变形区域，以及所述三维参考模型的第二变形区域；其中，所述第一变形区域和所述第二变形区域为映射关系；
标定所述第一变形区域的第一关键点和所述第二变形区域的第二关键点；
控制所述第一关键点进行形变，以使所述第二关键点根据所述映射关系进行相对应的形变，生成三维形象模型。
6.如权利要求5所述的三维虚拟形象生成装置，所述第二获取模块，具体用于：
通过已训练的神经网络提取所述待处理人脸图片的特征向量；
根据所述特征向量和预先建立的向量矩阵，获取所述三维人脸模型。
7.如权利要求6所述的三维虚拟形象生成装置，所述第二获取模块，具体用于：
获取与所述三维人脸模型设定的透视投影关系；
根据所述透视投影关系和所述待处理人脸图片，获取所述三维人脸模型的纹理信息。
8.如权利要求5所述的三维虚拟形象生成装置，所述第二获取模块，具体用于：
通过已训练的神经网络提取所述待处理人脸图片的发型类别和装饰物品。
9.一种电子设备，其特征在于，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1-4中任一项所述的方法。
10.一种存储有计算机指令的非瞬时计算机可读存储介质，其特征在于，所述计算机指令用于使所述计算机执行权利要求1-4中任一项所述的方法。
CN202011240898.1A 2020-11-09 2020-11-09 三维虚拟形象生成方法、装置、电子设备和存储介质 Active CN112541963B (zh)

Priority Applications (3)

Application Number Priority Date Filing Date Title
CN202011240898.1A CN112541963B (zh) 2020-11-09 2020-11-09 三维虚拟形象生成方法、装置、电子设备和存储介质
US17/473,529 US11587300B2 (en) 2020-11-09 2021-09-13 Method and apparatus for generating three-dimensional virtual image, and storage medium
JP2021174058A JP7212741B2 (ja) 2020-11-09 2021-10-25 ３次元アバタ生成方法、装置、電子機器及び記憶媒体

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011240898.1A CN112541963B (zh) 2020-11-09 2020-11-09 三维虚拟形象生成方法、装置、电子设备和存储介质

Publications (2)

Publication Number Publication Date
CN112541963A CN112541963A (zh) 2021-03-23
CN112541963B true CN112541963B (zh) 2023-12-26

Family

ID=75014111

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011240898.1A Active CN112541963B (zh) 2020-11-09 2020-11-09 三维虚拟形象生成方法、装置、电子设备和存储介质

Country Status (3)

Country Link
US (1) US11587300B2 (zh)
JP (1) JP7212741B2 (zh)
CN (1) CN112541963B (zh)

Families Citing this family (24)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113112580B (zh) * 2021-04-20 2022-03-25 北京字跳网络技术有限公司 一种虚拟形象的生成方法、装置、设备及介质
CN113436280A (zh) * 2021-07-26 2021-09-24 韦丽珠 一种基于信息采集的形象设计系统
CN113630646A (zh) * 2021-07-29 2021-11-09 北京沃东天骏信息技术有限公司 一种数据处理方法及装置、设备、存储介质
CN113674385B (zh) * 2021-08-05 2023-07-18 北京奇艺世纪科技有限公司 一种虚拟表情生成方法、装置、电子设备及存储介质
CN113808007B (zh) * 2021-09-16 2022-07-19 北京百度网讯科技有限公司 调整虚拟脸部模型的方法、装置、电子设备及存储介质
CN114049472A (zh) * 2021-11-15 2022-02-15 北京百度网讯科技有限公司 三维模型调整方法、装置、电子设备、介质
CN114239241B (zh) * 2021-11-30 2023-02-28 北京百度网讯科技有限公司 卡片的生成方法、装置及电子设备
CN114202597B (zh) * 2021-12-07 2023-02-03 北京百度网讯科技有限公司 图像处理方法及装置、设备、介质和产品
CN114327705B (zh) * 2021-12-10 2023-07-14 重庆长安汽车股份有限公司 车载助手虚拟形象自定义方法
CN114445528B (zh) * 2021-12-15 2022-11-11 北京百度网讯科技有限公司 虚拟形象生成方法、装置、电子设备及存储介质
CN114723888B (zh) * 2022-04-08 2023-04-07 北京百度网讯科技有限公司 三维发丝模型生成方法、装置、设备、存储介质及产品
CN115937964B (zh) * 2022-06-27 2023-12-15 北京字跳网络技术有限公司 姿态估计的方法、装置、设备和存储介质
CN115147508B (zh) * 2022-06-30 2023-09-22 北京百度网讯科技有限公司 服饰生成模型的训练、生成服饰图像的方法和装置
CN115147578B (zh) * 2022-06-30 2023-10-27 北京百度网讯科技有限公司 风格化三维人脸生成方法、装置、电子设备及存储介质
WO2024013951A1 (ja) * 2022-07-14 2024-01-18 富士通株式会社 生成プログラム、生成方法および情報処理装置
KR102486525B1 (ko) * 2022-07-20 2023-01-11 김병천 뉴럴 네트워크를 이용한 nft 발행 방법 및 장치
CN115311403B (zh) * 2022-08-26 2023-08-08 北京百度网讯科技有限公司 深度学习网络的训练方法、虚拟形象生成方法及装置
CN115222895B (zh) * 2022-08-30 2023-06-27 北京百度网讯科技有限公司 图像生成方法、装置、设备以及存储介质
CN115345980B (zh) * 2022-10-18 2023-03-24 北京百度网讯科技有限公司 个性化纹理贴图的生成方法及装置
CN115861543B (zh) * 2022-12-20 2023-12-29 北京百度网讯科技有限公司 三维虚拟形象生成方法、装置及电子设备
CN115661375B (zh) * 2022-12-27 2023-04-07 北京百度网讯科技有限公司 三维发型生成方法、装置、电子设备和存储介质
CN116152403A (zh) * 2023-01-09 2023-05-23 支付宝(杭州)信息技术有限公司 一种形象生成方法、装置、存储介质及电子设备
CN116433812B (zh) * 2023-06-08 2023-08-25 海马云（天津）信息技术有限公司 利用2d人脸图片生成虚拟人物的方法和装置
CN117078507A (zh) * 2023-08-18 2023-11-17 上海凌立健康管理股份有限公司 一种基于ai技术的虚拟数字人动态追溯监管方法与系统

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105118082A (zh) * 2015-07-30 2015-12-02 科大讯飞股份有限公司 个性化视频生成方法及系统
CN107045631A (zh) * 2017-05-25 2017-08-15 北京华捷艾米科技有限公司 人脸特征点检测方法、装置及设备
CN107292865A (zh) * 2017-05-16 2017-10-24 哈尔滨医科大学 一种基于二维图像处理的立体显示方法
CN108510437A (zh) * 2018-04-04 2018-09-07 科大讯飞股份有限公司 一种虚拟形象生成方法、装置、设备以及可读存储介质
CN110705094A (zh) * 2019-09-29 2020-01-17 深圳市商汤科技有限公司 柔性体仿真方法和装置、电子设备、计算机可读存储介质
CN110782515A (zh) * 2019-10-31 2020-02-11 北京字节跳动网络技术有限公司 虚拟形象的生成方法、装置、电子设备及存储介质
CN111354079A (zh) * 2020-03-11 2020-06-30 腾讯科技（深圳）有限公司 三维人脸重建网络训练及虚拟人脸形象生成方法和装置
CN111368137A (zh) * 2020-02-12 2020-07-03 百度在线网络技术（北京）有限公司 视频的生成方法、装置、电子设备及可读存储介质

Family Cites Families (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6975750B2 (en) * 2000-12-01 2005-12-13 Microsoft Corp. System and method for face recognition using synthesized training images
US9378576B2 (en) 2013-06-07 2016-06-28 Faceshift Ag Online modeling for real-time facial animation
US10095917B2 (en) * 2013-11-04 2018-10-09 Facebook, Inc. Systems and methods for facial representation
KR102285376B1 (ko) * 2015-12-01 2021-08-03 삼성전자주식회사 3d 얼굴 모델링 방법 및 3d 얼굴 모델링 장치
CN108229278B (zh) * 2017-04-14 2020-11-17 深圳市商汤科技有限公司 人脸图像处理方法、装置和电子设备
CN107844781A (zh) * 2017-11-28 2018-03-27 腾讯科技（深圳）有限公司 人脸属性识别方法及装置、电子设备及存储介质
CN111742351A (zh) 2018-02-23 2020-10-02 三星电子株式会社 用于生成包括通过与面部相对应的3d化身反映面部运动的3d化身的图像的电子设备及操作其的方法
CN108537881B (zh) * 2018-04-18 2020-04-03 腾讯科技（深圳）有限公司 一种人脸模型处理方法及其设备、存储介质
CN108985241B (zh) 2018-07-23 2023-05-02 腾讯科技（深圳）有限公司 图像处理方法、装置、计算机设备及存储介质
CN109344742B (zh) * 2018-09-14 2021-03-16 腾讯科技（深圳）有限公司 特征点定位方法、装置、存储介质和计算机设备
US10796482B2 (en) * 2018-12-05 2020-10-06 Snap Inc. 3D hand shape and pose estimation
US10650564B1 (en) 2019-04-21 2020-05-12 XRSpace CO., LTD. Method of generating 3D facial model for an avatar and related device

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105118082A (zh) * 2015-07-30 2015-12-02 科大讯飞股份有限公司 个性化视频生成方法及系统
CN107292865A (zh) * 2017-05-16 2017-10-24 哈尔滨医科大学 一种基于二维图像处理的立体显示方法
CN107045631A (zh) * 2017-05-25 2017-08-15 北京华捷艾米科技有限公司 人脸特征点检测方法、装置及设备
CN108510437A (zh) * 2018-04-04 2018-09-07 科大讯飞股份有限公司 一种虚拟形象生成方法、装置、设备以及可读存储介质
CN110705094A (zh) * 2019-09-29 2020-01-17 深圳市商汤科技有限公司 柔性体仿真方法和装置、电子设备、计算机可读存储介质
CN110782515A (zh) * 2019-10-31 2020-02-11 北京字节跳动网络技术有限公司 虚拟形象的生成方法、装置、电子设备及存储介质
CN111368137A (zh) * 2020-02-12 2020-07-03 百度在线网络技术（北京）有限公司 视频的生成方法、装置、电子设备及可读存储介质
CN111354079A (zh) * 2020-03-11 2020-06-30 腾讯科技（深圳）有限公司 三维人脸重建网络训练及虚拟人脸形象生成方法和装置

Non-Patent Citations (5)

* Cited by examiner, † Cited by third party
Title
How the gender of a victim character in a virtual scenario created to learn CPR protocol affects student nurses’ performance;Imma Boada;ScienceDirect;第162卷;233-241 *
Quantification Method for the Uncertainty of Matching Point Distribution on 3D Reconstruction;Yuxia Bian 等;ISPRS International Journal of Geo-Information;第9卷(第4期);187 *
基于三维动画的虚拟人物表情动作系统设计;熊伟;现代电子技术;第43卷(第20期);97-101 *
基于三维形变模型的多姿态人脸识别;尹宝才;张壮;孙艳丰;王成章;;北京工业大学学报(第03期);102-107 *
基于照片的三维虚拟人重建技术;周晓晶;赵正旭;;东南大学学报(自然科学版)(第04期);90-94 *

Also Published As

Publication number Publication date
JP2022020054A (ja) 2022-01-31
US20210407216A1 (en) 2021-12-30
US11587300B2 (en) 2023-02-21
JP7212741B2 (ja) 2023-01-25
CN112541963A (zh) 2021-03-23

Similar Documents

Publication Publication Date Title
CN112541963B (zh) 三维虚拟形象生成方法、装置、电子设备和存储介质
CN111652828B (zh) 人脸图像生成方法、装置、设备和介质
US20210390767A1 (en) Computing images of head mounted display wearer
TWI742079B (zh) 基於手勢的互動方法及裝置
US11736756B2 (en) Producing realistic body movement using body images
US10810797B2 (en) Augmenting AR/VR displays with image projections
CN111598818B (zh) 人脸融合模型训练方法、装置及电子设备
WO2016110199A1 (zh) 一种表情迁移方法、电子设备及系统
CN111563855B (zh) 图像处理的方法及装置
CN111833418A (zh) 动画交互方法、装置、设备以及存储介质
CN111860167B (zh) 人脸融合模型获取及人脸融合方法、装置及存储介质
KR102491140B1 (ko) 가상 아바타 생성 방법 및 장치
CN113362263B (zh) 变换虚拟偶像的形象的方法、设备、介质及程序产品
CN111294665B (zh) 视频的生成方法、装置、电子设备及可读存储介质
CN111968203B (zh) 动画驱动方法、装置、电子设备及存储介质
CN110688948A (zh) 视频中人脸性别变换方法、装置、电子设备和存储介质
CN110148191A (zh) 视频虚拟表情生成方法、装置及计算机可读存储介质
CN111709875A (zh) 图像处理方法、装置、电子设备及存储介质
Malleson et al. Rapid one-shot acquisition of dynamic VR avatars
CN111599002A (zh) 用于生成图像的方法和装置
JP7183414B2 (ja) 画像処理の方法及び装置
CN111899159B (zh) 用于变换发型的方法、装置、设备以及存储介质
CN111986263B (zh) 图像处理方法、装置、电子设备及存储介质
CN112381927A (zh) 图像生成的方法、装置、设备以及存储介质
CN111861954A (zh) 编辑人脸的方法、装置、电子设备和可读存储介质

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