CN112652057B - 生成人体三维模型的方法、装置、设备以及存储介质 - Google Patents
生成人体三维模型的方法、装置、设备以及存储介质 Download PDFInfo
- Publication number
- CN112652057B CN112652057B CN202011621722.0A CN202011621722A CN112652057B CN 112652057 B CN112652057 B CN 112652057B CN 202011621722 A CN202011621722 A CN 202011621722A CN 112652057 B CN112652057 B CN 112652057B
- Authority
- CN
- China
- Prior art keywords
- dimensional model
- human body
- pifu
- smpl
- vertex
- 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
- 238000000034 method Methods 0.000 title claims abstract description 60
- 210000000988 bone and bone Anatomy 0.000 claims abstract description 17
- 238000010586 diagram Methods 0.000 claims description 15
- 238000004590 computer program Methods 0.000 claims description 12
- 238000013507 mapping Methods 0.000 claims description 10
- 238000004422 calculation algorithm Methods 0.000 claims description 9
- 239000000284 extract Substances 0.000 claims description 8
- 230000006870 function Effects 0.000 claims description 8
- 230000011218 segmentation Effects 0.000 claims description 5
- 238000000605 extraction Methods 0.000 claims description 3
- 238000013473 artificial intelligence Methods 0.000 abstract description 3
- 238000013135 deep learning Methods 0.000 abstract description 2
- 238000004891 communication Methods 0.000 description 10
- 238000012545 processing Methods 0.000 description 8
- 238000004364 calculation method Methods 0.000 description 5
- 230000000694 effects Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 230000003993 interaction Effects 0.000 description 2
- 208000008589 Obesity Diseases 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 230000005484 gravity Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 230000000877 morphologic effect Effects 0.000 description 1
- 235000020824 obesity Nutrition 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000009877 rendering Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 238000000638 solvent extraction Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T13/00—Animation
- G06T13/20—3D [Three Dimensional] animation
- G06T13/40—3D [Three Dimensional] animation of characters, e.g. humans, animals or virtual beings
-
- 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
- G06F18/22—Matching criteria, e.g. proximity measures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T11/00—2D [Two Dimensional] image generation
- G06T11/003—Reconstruction from projections, e.g. tomography
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T3/00—Geometric image transformations in the plane of the image
- G06T3/06—Topological mapping of higher dimensional structures onto lower dimensional surfaces
- G06T3/067—Reshaping or unfolding 3D tree structures onto 2D planes
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
-
- 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
- G06V10/42—Global feature extraction by analysis of the whole pattern, e.g. using frequency domain transformations or autocorrelation
- G06V10/422—Global feature extraction by analysis of the whole pattern, e.g. using frequency domain transformations or autocorrelation for representing the structure of the pattern or shape of an object therefor
- G06V10/426—Graphical representations
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/60—Type of objects
- G06V20/64—Three-dimensional objects
- G06V20/647—Three-dimensional objects by matching two-dimensional images to three-dimensional objects
-
- 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
- G06V40/103—Static body considered as a whole, e.g. static pedestrian or occupant recognition
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2210/00—Indexing scheme for image generation or computer graphics
- G06T2210/56—Particle system, point based geometry or rendering
-
- 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
- G06T2219/2004—Aligning objects, relative positioning of parts
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Computer Graphics (AREA)
- Human Computer Interaction (AREA)
- Software Systems (AREA)
- Geometry (AREA)
- Data Mining & Analysis (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Bioinformatics & Computational Biology (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Image Analysis (AREA)
- Processing Or Creating Images (AREA)
Abstract
本申请公开了生成人体三维模型的方法、装置、设备以及存储介质,涉及人工智能技术领域,具体为深度学习和计算机视觉领域。该方法的一具体实施方式包括:接收单张人体图像,提取人体图像对应的SMPL人体三维模型和PIFu人体三维模型;将SMPL人体三维模型和PIFu人体三维模型进行匹配,得到匹配结果;基于匹配结果,确定与PIFu人体三维模型的顶点最接近的SMPL人体三维模型的顶点,得到PIFu人体三维模型的顶点和SMPL人体三维模型的各个骨骼点的绑定权重;输出可驱动人体三维模型。该实施方式降低了生成人体三维模型的成本,并提高了生成效率。
Description
技术领域
本申请实施例涉及计算机领域,具体涉及深度学习、计算机视觉等人工智能领域,尤其涉及生成人体三维模型的方法、装置、设备以及存储介质。
背景技术
传统方法中,为了获得一个高精度可驱动的人体三维(three dimensional,3D)模型,需要使用扫描设备对人体进行重建,并人工将3D模型的表面顶点和骨骼点进行绑定。
发明内容
本申请实施例提出了一种生成人体三维模型的方法、装置、设备以及存储介质。
第一方面,本申请实施例提出了一种生成人体三维模型的方法,包括:接收单张人体图像,提取人体图像对应的蒙皮多人线性SMPL 人体三维模型和像素对齐隐式函数PIFu人体三维模型;将SMPL人体三维模型和PIFu人体三维模型进行匹配,得到PIFu人体三维模型的顶点与SMPL人体三维模型的匹配结果;基于匹配结果,确定与PIFu 人体三维模型的顶点最接近的SMPL人体三维模型的顶点,得到PIFu 人体三维模型的顶点和SMPL人体三维模型的各个骨骼点的绑定权重;输出可驱动人体三维模型。
第二方面,本申请实施例提出了一种生成人体三维模型的装置,包括:提取模块,被配置成接收单张人体图像,提取人体图像对应的 SMPL人体三维模型和PIFu人体三维模型;匹配模块,被配置成将 SMPL人体三维模型和PIFu人体三维模型进行匹配,得到PIFu人体三维模型的顶点与SMPL人体三维模型的匹配结果;确定模块,被配置成基于匹配结果,确定与PIFu人体三维模型的顶点最接近的SMPL 人体三维模型的顶点,得到PIFu人体三维模型的顶点和SMPL人体三维模型的各个骨骼点的绑定权重;输出模块,被配置成输出可驱动人体三维模型。
第三方面,本申请实施例提出了一种电子设备,包括:至少一个处理器;以及与至少一个处理器通信连接的存储器;其中,存储器存储有可被至少一个处理器执行的指令,指令被至少一个处理器执行,以使至少一个处理器能够执行如第一方面中任一实现方式描述的方法。
第四方面,本申请实施例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,计算机指令用于使计算机执行如第一方面中任一实现方式描述的方法。
第五方面,本申请实施例提出了一种计算机程序产品,包括计算机程序,计算机程序在被处理器执行时实现如第一方面中任一实现方式描述的方法。
本申请实施例提供的生成人体三维模型的方法、装置、设备以及存储介质,首先接收单张人体图像,提取人体图像对应的SMPL人体三维模型和PIFu人体三维模型;之后将SMPL人体三维模型和PIFu 人体三维模型进行匹配,得到PIFu人体三维模型的顶点与SMPL人体三维模型的匹配结果;然后基于匹配结果,确定与PIFu人体三维模型的顶点最接近的SMPL人体三维模型的顶点,得到PIFu人体三维模型的顶点和SMPL人体三维模型的各个骨骼点的绑定权重;最后输出可驱动人体三维模型。本申请提供了一种基于单张图像生成可驱动人体三维模型的方法,降低了生成可驱动人体三维模型的成本,提高了生成可驱动人体三维模型的效率。
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
通过阅读参照以下附图所作的对非限制性实施例所作的详细描述,本申请的其它特征、目的和优点将会变得更明显。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是本申请可以应用于其中的示例性系统架构图;
图2是根据本申请的生成人体三维模型方法的一个实施例的流程图;
图3是根据本申请的生成人体三维模型方法的另一个实施例的流程图;
图4是对输出的可驱动人体三维模型的驱动效果图;
图5是图3所示的生成人体三维模型方法的匹配步骤的分解流程图;
图6是SMPL模型6个部分的2D投影图;
图7是PIFu模型的2D投影图;
图8是PIFu模型2D投影图的分割图;
图9是基于2D匹配结果生成的3D匹配结果图;
图10是根据本申请的生成人体三维模型装置的一个实施例的结构示意图;
图11是用来实现本申请实施例的生成人体三维模型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。
需要说明的是,在不冲突的情况下,本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。
图1示出了可以应用本申请的生成人体三维模型方法或生成人体三维模型装置的实施例的示例性系统架构100。
如图1所示,系统架构100可以包括终端设备101、102、103,网络104和服务器105。网络104用以在终端设备101、102、103和服务器105之间提供通信链路的介质。网络104可以包括各种连接类型,例如有线、无线通信链路或者光纤电缆等等。
用户可以使用终端设备101、102、103通过网络104与服务器105 交互,以接收或发送人体图像等。终端设备101、102、103上可以安装有各种客户端应用,例如拍摄软件等等。
终端设备101、102、103可以是硬件,也可以是软件。当终端设备101、102、103为硬件时,可以是各种电子设备,包括但不限于智能手机、平板电脑、膝上型便携计算机和台式计算机等等。当终端设备101、102、103为软件时,可以安装在上述电子设备中。其可以实现成多个软件或软件模块,也可以实现成单个软件或软件模块。在此不做具体限定。
服务器105可以提供各种服务。例如,服务器105可以对从终端设备101、102、103获取到的人体图像进行分析和处理,并生成处理结果(例如可驱动人体三维模型)。
需要说明的是,服务器105可以是硬件,也可以是软件。当服务器105为硬件时,可以实现成多个服务器组成的分布式服务器集群,也可以实现成单个服务器。当服务器105为软件时,可以实现成多个软件或软件模块(例如用来提供分布式服务),也可以实现成单个软件或软件模块。在此不做具体限定。
需要说明的是,本申请实施例所提供的生成人体三维模型的方法一般由服务器105执行,相应地,生成人体三维模型的装置一般设置于服务器105中。
应该理解,图1中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要,可以具有任意数目的终端设备、网络和服务器。在服务器105中存储有人体图像的情况下,系统架构100可以不设置终端设备101、102、103和网络104。此外,在终端设备101、102、103具备生成能力的情况下,本申请实施例所提供的生成人体三维模型的方法也可以由终端设备101、102、103执行,相应地,生成人体三维模型的装置也可以设置于终端设备101、102、103中。此时,系统架构100可以不设置网络104和服务器105。
继续参考图2,其示出了根据本申请的生成人体三维模型方法的一个实施例的流程200。该生成人体三维模型的方法包括以下步骤:
步骤201,接收单张人体图像,提取人体图像对应的蒙皮多人线性SMPL人体三维模型和像素对齐隐式函数PIFu人体三维模型。
在本实施例中,生成人体三维模型的方法的执行主体(例如图1 所示的服务器105)可以接收用户输入的单张人体图像,并提取人体图像对应的SMPL(Skinned Multi-Person Linear,蒙皮多人线性)人体三维模型和PIFu(Pixel-Aligned ImplicitFunction,像素对齐隐式函数) 人体三维模型。具体的,上述执行主体接收用户输入的单张人体图像,该图像可以为彩色人体全身照,将该人体图像输入至已有的SMPL人体3D模型和PIFu人体3D模型,从而获得与该人体图像相对应的 SMPL人体3D模型(以下简称SMPL模型)和PIFu人体3D模型(以下简称PIFu模型)。SMPL人体三维模型是一种参数化人体3D模型,该人体3D模型由72个姿态参数(控制人的姿势,共计24个骨骼点) 以及10个形态参数(控制人的形态,比如高矮胖瘦)来决定,生成的SMPL模型中有固定的6890个顶点,每个顶点都和人体骨骼点有一个预设的绑定关系。因此,SMPL模型可以看作是一个可驱动的人体3D 模型。与SMPL模型不同,PIFu人体三维模型是一种非参数化模型,能够直接生成包含衣服的较为准确的人体表面模型。
步骤202,将SMPL人体三维模型和PIFu人体三维模型进行匹配,得到PIFu人体三维模型的顶点与SMPL人体三维模型的匹配结果。
在本实施例中,上述执行主体可以将步骤201提取的SMPL模型和PIFu模型进行匹配,从而得到PIFu模型的顶点与SMPL模型的匹配结果。一方面,由于SMPL模型是一个可驱动的但是不能表达人体的衣物、头发等细节的模型,其基本上就是一个裸体人体的形象;另一方面,由于PIFu模型是一个不可驱动的模型,因为该模型上的点并没有和任何骨骼点绑定。所以,本实施例中将SMPL模型和PIFu模型进行匹配,最终获得一个可驱动的人体3D模型。具体的,可将SMPL 模型按照人的身体结构体征分为多个部分,再将SMPL模型和PIFu 模型都投影到二维(two dimensional,2D)平面上,得到相应的2D 投影图,基于2D投影图进行匹配,从而得到PIFu模型中的每个顶点与SMPL模型的各个部分的匹配结果。
步骤203,基于匹配结果,确定与PIFu人体三维模型的顶点最接近的SMPL人体三维模型的顶点,得到PIFu人体三维模型的顶点和 SMPL人体三维模型的各个骨骼点的绑定权重。
在本实施例中,上述执行主体可以基于上述匹配结果,确定与PIFu 模型的每个顶点最接近的SMPL模型的顶点,从而得到PIFu模型的每个顶点和SMPL模型的各个骨骼点的绑定权重。由于PIFu模型上的点并没有和任何骨骼点绑定,而无法对其进行驱动。所以,在得到PIFu 模型的每个顶点与SMPL模型的匹配结果之后,基于该匹配结果,可以通过计算PIFu模型的每个顶点与SMPL模型的所有顶点的距离,得到与PIFu模型的每个顶点最接近的SMPL模型的顶点,并取该最接近的SMPL模型的顶点的权重为该PIFu模型顶点的权重,从而得到PIFu 模型的每个顶点和SMPL模型的各个骨骼点的绑定权重。
步骤204,输出可驱动人体三维模型。
在本实施例中,上述执行主体可以输出可驱动人体三维模型,该可驱动人体三维模型包括PIFu人体三维模型、SMPL人体三维模型的各个骨骼点,以及PIFu人体三维模型的顶点和SMPL人体三维模型的各个骨骼点的绑定权重。基于上述步骤可以得到一个可驱动人体3D 模型,该可驱动人体3D模型包括PIFu模型,PIFu模型包含顶点和面片,其中,顶点指3D模型中物体表面的一个顶点,面片表示一个小的表面,面片是由几个顶点连接而成的;该可驱动人体3D模型还包括:SMPL模型的24个骨骼点;以及PIFu模型的每个顶点和SMPL 模型的各个骨骼点的绑定权重。在本实施例中,将PIFu模型的每个顶点与SMPL模型的各个骨骼点的进行绑定,从而实现对PIFu模型的驱动。
本申请实施例提供的生成人体三维模型的方法,首先接收单张人体图像,提取人体图像对应的SMPL人体三维模型和PIFu人体三维模型;之后将SMPL人体三维模型和PIFu人体三维模型进行匹配,得到 PIFu人体三维模型的顶点与SMPL人体三维模型的匹配结果;然后基于匹配结果,确定与PIFu人体三维模型的顶点最接近的SMPL人体三维模型的顶点,得到PIFu人体三维模型的顶点和SMPL人体三维模型的各个骨骼点的绑定权重;最后输出可驱动人体三维模型。本申请提供了一种基于单张图像生成可驱动人体三维模型的方法,降低了生成可驱动人体三维模型的成本,提高了生成可驱动人体三维模型的效率。
继续参考图3,其示出了根据本申请的生成人体三维模型方法的另一个实施例的流程300。该生成人体三维模型的方法包括以下步骤:
步骤301,接收单张人体图像,提取人体图像对应的SMPL模型和PIFu模型。
在本实施例中,该生成人体三维模型方法的执行主体可以接收用户输入的单张人体图像,并提取人体图像对应的SMPL模型和PIFu 模型。
步骤302,将SMPL模型分割为预定数目个部分。
在本实施例中,上述执行主体可以将SMPL模型分割为预定数目个部分,例如可以按照人的身体结构体征将SMPL模型分割为头、身体、左手、右手、左腿及右腿6个部分。将SMPL模型分割为预定数目个部分,并基于分割结果将SMPL模型和PIFu模型进行匹配,能使匹配结果更准确。
在本实施例的一些可选实现方式中,基于SMPL模型的顶点的位置将SMPL模型的顶点与SMPL模型的各个部分进行对应。由于SMPL 模型上的顶点在身体上的位置都是固定的,因此可以根据顶点的位置将其与SMPL模型的各个部分进行对应。
步骤303,将SMPL模型和PIFu模型进行匹配,得到PIFu模型的顶点与SMPL模型的匹配结果。
在本实施例中,上述执行主体可以将SMPL模型和PIFu模型进行匹配,从而得到PIFu模型的顶点与SMPL模型的匹配结果。将PIFu 模型上的每个顶点与SMPL模型的各个部分进行匹配,从而得到PIFu 模型上的每个顶点与SMPL模型的各个部分的匹配结果。
步骤304,分别计算PIFu模型和SMPL模型的各个部分内所有顶点坐标的平均值,得到PIFu模型和SMPL模型的各个部分的顶点均值。
在本实施例中,分别计算PIFu模型和SMPL模型的各个部分内所有顶点坐标的平均值,得到PIFu模型和SMPL模型的各个部分的顶点均值。具体为,对于各个部分内的所有顶点坐标算平均值,得到该部分的顶点均值,也是该部分的重心位置。
步骤305,将PIFu模型的各个部分的顶点和SMPL模型的各个部分的顶点分别减去对应的顶点均值,将PIFu模型和SMPL模型对齐到同一位置。
在本实施例中,将PIFu模型的各个部分的顶点和SMPL模型的各个部分的顶点分别减去对应的顶点均值,从而将PIFu模型和SMPL 模型对齐到同一位置。由于在步骤304已经得到PIFu模型和SMPL 模型的各个部分的顶点均值,在此基础上,对于PIFu模型和SMPL 模型的各个部分内的所有顶点,均减去该部分的顶点均值,从而将PIFu 模型和SMPL模型对齐到同一位置,也即对齐到(0,0,0)的位置,从而避免了PIFu模型和SMPL模型错位的情况的发生。
步骤306,基于匹配结果,确定与PIFu模型的顶点最接近的SMPL 模型的顶点,得到PIFu模型的顶点和SMPL模型的各个骨骼点的绑定权重。
在本实施例中,上述执行主体可以基于匹配结果,确定与PIFu模型的顶点最接近的SMPL模型的顶点,得到PIFu模型的顶点和SMPL 模型的各个骨骼点的绑定权重。
在本实施例的一些可选实现方式中,基于匹配结果,计算PIFu模型的顶点与对应的SMPL模型的顶点的距离,确定与PIFu模型的顶点最接近的SMPL模型的顶点。在已经得到PIFu模型的顶点与SMPL 模型的各个部分的匹配结果的基础上,计算PIFu模型的顶点与SMPL 模型的该顶点所在部分内的所有顶点的距离,从而确定与PIFu模型的顶点最接近的SMPL模型的顶点。
在本实施例的一些可选实现方式中,上述计算PIFu模型的顶点与对应的SMPL模型的顶点的距离为计算PIFu模型的顶点与对应的SMPL模型的顶点的欧式距离。在二维和三维空间中的欧氏距离就是两点之间的实际距离。
在本实施例的一些可选实现方式中,将最接近的SMPL模型的顶点的权重作为PIFu模型顶点的权重,得到PIFu模型的顶点和SMPL 模型的各个骨骼点的绑定权重。SMPL模型的顶点的权重是其本身自带的参数,指的是SMPL模型中的6890个顶点与24个骨骼点之间的绑定关系。本实施例中通过将最接近的SMPL模型的顶点的权重作为 PIFu模型顶点的权重,从而得到PIFu模型的每个顶点与24个骨骼点之间的绑定权重,通过绑定权重计算得到每个顶点的变换矩阵,从而对每个顶点进行驱动,使PIFu模型能够运动起来。
步骤307,输出可驱动人体三维模型。
在本实施例中,上述执行主体可以输出包括PIFu模型、SMPL模型的各个骨骼点,以及PIFu模型的顶点和SMPL模型的各个骨骼点的绑定权重的可驱动人体三维模型,对每个顶点进行驱动,能使PIFu模型运动起来,如图4所示,图4是对输出的可驱动人体三维模型的驱动效果图。
本申请实施例提供的生成人体三维模型方法,首先接收单张人体图像,提取人体图像对应的SMPL模型和PIFu模型;并将所述SMPL 模型分割为预定数目个部分;然后将SMPL人体三维模型和PIFu人体三维模型进行匹配,得到PIFu人体三维模型的顶点与SMPL人体三维模型的匹配结果;再分别计算PIFu模型和SMPL模型的各个部分内所有顶点坐标的平均值,得到PIFu模型和SMPL模型的各个部分的顶点均值;将PIFu模型的各个部分的顶点和SMPL模型的各个部分的顶点分别减去对应的顶点均值,将PIFu模型和SMPL模型对齐到同一位置;之后基于匹配结果,确定与PIFu模型的顶点最接近的SMPL模型的顶点,得到PIFu模型的顶点和SMPL模型的各个骨骼点的绑定权重;最后输出可驱动人体三维模型。本申请提供了一种基于单张图像生成可驱动人体三维模型的方法,降低了生成可驱动人体三维模型的成本,提高了生成可驱动人体三维模型的效率。
继续参考图5,其示出了图3所示的生成人体三维模型方法的匹配步骤的分解流程图500。该匹配步骤可以分解如下:
步骤501,将分割后的SMPL模型和PIFu模型投影在二维平面上,得到SMPL模型的各个部分的2D投影图和PIFu模型的2D投影图。
在本实施例中,将分割后的SMPL模型和PIFu模型投影在2D平面上,得到SMPL模型的各个部分的2D投影图和PIFu模型的2D投影图。具体的,采用默认的相机参数(也即正面投影),使用渲染的方式可以得到2D平面上的投影图。以将SMPL模型分割为头、身体、左手、右手、左腿和右腿6个部分为例,得到的SMPL模型6个部分的2D投影图如图6所示,如图6所示,从左上到右下依次为头部的 2D投影图、身体的2D投影图、左手的2D投影图、右手的2D投影图、左腿的2D投影图和右腿的2D投影图;以及得到的PIFu模型的 2D投影图如图7所示。
步骤502,将PIFu模型的二维投影图中的每个像素点与SMPL模型的各个部分的二维投影图进行匹配。
在本实施例中,上述执行主体可以将PIFu模型的2D投影图中的每个像素点与SMPL模型的各个部分的2D投影图进行匹配,保证匹配的准确性。
在本实施例的一些可选实现方式中,上述执行主体可以将PIFu模型的2D投影图中的与PIFu模型的顶点相对应的像素点与SMPL模型的各个部分的2D投影图进行匹配。
在本实施例的一些可选实现方式中,采用图割算法计算PIFu模型的2D投影图中的每个像素点与SMPL模型的各个部分的2D投影图的匹配结果,将PIFu模型的2D投影图中的每个像素点与SMPL模型的各个部分的2D投影图进行匹配,保证匹配结果的准确性。例如可采用Alpha expansion图割算法来计算,并采用现有的算法库来使用该算法(如python中的maxflow算法库)。采用Alpha expansion图割算法来计算的过程为:
假定PIFu模型2D投影图的分割图为Lpifu,如图8所示,图8示出了PIFu模型2D投影图的分割图,SMPL模型的各个部分的2D 投影图如图6所示,则可将优化目标表示为以下形式:
其中,
其中,p、q为PIFu模型2D投影图上的任意像素点,且p≠q;r 为SMPL模型各个部分的2D投影图上的任意像素点;U(Lpifu(p))表示p与r之间的相似性,V(Lpifu(p),Lpifu(q))表示Lpifu中的p与q 两点的平滑性。
步骤503,基于匹配后的PIFu模型的二维投影图与PIFu模型的映射关系,得到PIFu模型的顶点与SMPL模型的各个部分的匹配结果。
在本实施例中,上述执行主体可以基于匹配后的PIFu模型的2D 投影图与PIFu模型的映射关系,得到PIFu模型的每个顶点与SMPL 模型的各个部分的匹配结果。将匹配后的PIFu模型的2D投影图与 PIFu模型进行映射,基于该映射关系将PIFu模型的每个顶点与SMPL 模型的各个部分进行匹配,如图9所示,图9是基于2D匹配结果生成的3D匹配结果图。
本申请实施例提供的匹配方法,首先将分割后的SMPL模型和 PIFu模型投影在二维平面上,得到SMPL模型的各个部分的2D投影图和PIFu模型的2D投影图;然后将PIFu模型的二维投影图中的每个像素点与SMPL模型的各个部分的二维投影图进行匹配;最后基于匹配后的PIFu模型的二维投影图与PIFu模型的映射关系,得到PIFu 模型的顶点与SMPL模型的各个部分的匹配结果。本申请实施例提供的匹配方法,能够将SMPL模型和PIFu模型进行匹配,以使得基于该匹配结果得到PIFu模型的每个顶点与SMPL模型的各个骨骼点的绑定关系,从而使得PIFu模型动起来。
进一步参考图10,作为对上述各图所示方法的实现,本申请提供了一种生成人体三维模型装置的一个实施例,该装置实施例与图2所示的方法实施例相对应,该装置具体可以应用于各种电子设备中。
如图10所示,本实施例的生成人体三维模型的装置1000可以包括:提取模块1001、匹配模块1002、确定模块1003和输出模块1004。其中,提取模块1001,被配置成接收单张人体图像,提取人体图像对应的SMPL人体三维模型和PIFu人体三维模型;匹配模块1002,被配置成将SMPL人体三维模型和PIFu人体三维模型进行匹配,得到 PIFu人体三维模型的顶点与SMPL人体三维模型的匹配结果;确定模块1003,被配置成基于匹配结果,确定与PIFu人体三维模型的顶点最接近的SMPL人体三维模型的顶点,得到PIFu人体三维模型的顶点和SMPL人体三维模型的各个骨骼点的绑定权重;输出模块1004,被配置成输出可驱动人体三维模型。
在本实施例中,生成人体三维模型的装置1000中:提取模块1001、匹配模块1002、确定模块1003和输出模块1004的具体处理及其所带来的技术效果可分别参考图2对应实施例中的步骤201-204的相关说明,在此不再赘述。
在本实施例的一些可选的实现方式中,该生成人体三维模型的装置还包括:分割模块,被配置成将SMPL人体三维模型分割为预定数目个部分;对应模块,被配置成基于SMPL人体三维模型的顶点的位置将SMPL人体三维模型的顶点与SMPL人体三维模型的各个部分进行对应。
在本实施例的一些可选的实现方式中,匹配模块进一步配置成:投影子模块,被配置成将分割后的SMPL人体三维模型和PIFu人体三维模型投影在二维平面上,得到SMPL人体三维模型的各个部分的二维投影图和PIFu人体三维模型的二维投影图;匹配子模块,被配置成将PIFu人体三维模型的二维投影图中的每个像素点与SMPL人体三维模型的各个部分的二维投影图进行匹配;映射子模块,被配置成基于匹配后的PIFu人体三维模型的二维投影图与PIFu人体三维模型的映射关系,得到PIFu人体三维模型的顶点与SMPL人体三维模型的各个部分的匹配结果。
在本实施例的一些可选的实现方式中,匹配子模块进一步配置成:采用图割算法计算PIFu人体三维模型的二维投影图中的每个像素点与SMPL人体三维模型的各个部分的二维投影图的匹配结果,将PIFu 人体三维模型的二维投影图中的每个像素点与SMPL人体三维模型的各个部分的二维投影图进行匹配。
在本实施例的一些可选的实现方式中,该生成人体三维模型的装置还包括:计算模块,被配置成分别计算PIFu人体三维模型和SMPL 人体三维模型的各个部分内所有顶点坐标的平均值,得到PIFu人体三维模型和SMPL人体三维模型的各个部分的顶点均值;对齐模块,被配置成将PIFu人体三维模型的各个部分的顶点和SMPL人体三维模型的各个部分的顶点分别减去对应的顶点均值,将PIFu人体三维模型和 SMPL人体三维模型对齐到同一位置。
在本实施例的一些可选的实现方式中,确定模块进一步配置成:基于匹配结果,计算PIFu人体三维模型的顶点与对应的SMPL人体三维模型的顶点的距离,确定与PIFu人体三维模型的顶点最接近的 SMPL人体三维模型的顶点;将最接近的SMPL人体三维模型的顶点的权重作为PIFu人体三维模型顶点的权重,得到PIFu人体三维模型的顶点和SMPL人体三维模型的各个骨骼点的绑定权重。
在本实施例的一些可选的实现方式中,PIFu人体三维模型的顶点与对应的SMPL人体三维模型的顶点的距离为PIFu人体三维模型的顶点与对应的SMPL人体三维模型的顶点的欧式距离。
根据本申请的实施例,本申请还提供了一种电子设备、一种可读存储介质和一种计算机程序产品。
图11示出了可以用来实施本公开的实施例的示例电子设备1100 的示意性框图。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/ 或者要求的本公开的实现。
如图11所示,设备1100包括计算单元1101,其可以根据存储在只读存储器(ROM)1102中的计算机程序或者从存储单元1108加载到随机访问存储器(RAM)1103中的计算机程序,来执行各种适当的动作和处理。在RAM 1103中,还可存储设备1100操作所需的各种程序和数据。计算单元1101、ROM 1102以及RAM 1103通过总线1104 彼此相连。输入/输出(I/O)接口1105也连接至总线1104。
设备1100中的多个部件连接至I/O接口1105,包括:输入单元 1106,例如键盘、鼠标等;输出单元1107,例如各种类型的显示器、扬声器等;存储单元1108,例如磁盘、光盘等;以及通信单元1109,例如网卡、调制解调器、无线通信收发机等。通信单元1109允许设备1100通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
计算单元1101可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元1101的一些示例包括但不限于中央处理单元 (CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。计算单元1101执行上文所描述的各个方法和处理,例如生成人体三维模型的方法。例如,在一些实施例中,生成人体三维模型的方法可被实现为计算机软件程序,其被有形地包含于机器可读介质,例如存储单元1108。在一些实施例中,计算机程序的部分或者全部可以经由ROM 1102和/或通信单元1109而被载入和/或安装到设备1100上。当计算机程序加载到RAM 1103并由计算单元1101执行时,可以执行上文描述的生成人体三维模型的方法的一个或多个步骤。备选地,在其他实施例中,计算单元1101可以通过其他任何适当的方式(例如,借助于固件)而被配置为执行生成人体三维模型的方法。
本文中以上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、场可编程门阵列(FPGA)、专用集成电路 (ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、负载可编程逻辑设备(CPLD)、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。
用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器,使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行,作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本公开的上下文中,机器可读介质可以是有形的介质,其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备,或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
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。
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,本发公开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,只要能够实现本公开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,并不构成对本公开保护范围的限制。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。任何在本公开的精神和原则之内所作的修改、等同替换和改进等,均应包含在本公开保护范围之内。
Claims (17)
1.一种生成人体三维模型的方法,包括:
接收单张人体图像,提取所述人体图像对应的蒙皮多人线性SMPL人体三维模型和像素对齐隐式函数PIFu人体三维模型;
将所述SMPL人体三维模型和所述PIFu人体三维模型进行匹配,得到所述PIFu人体三维模型的顶点与所述SMPL人体三维模型的匹配结果;
基于所述匹配结果,确定与所述PIFu人体三维模型的顶点最接近的SMPL人体三维模型的顶点,将所述最接近的SMPL人体三维模型的顶点的权重作为所述PIFu人体三维模型的顶点的权重,得到所述PIFu人体三维模型的顶点和所述SMPL人体三维模型的各个骨骼点的绑定权重,其中,所述SMPL人体三维模型中顶点的权重表征顶点与各个骨骼点之间的绑定关系;
输出可驱动人体三维模型,其中,所述可驱动人体三维模型包括所述PIFu人体三维模型、所述SMPL人体三维模型的各个骨骼点,以及所述PIFu人体三维模型的顶点和所述SMPL人体三维模型的各个骨骼点的绑定权重。
2.根据权利要求1所述的方法,其中,在所述将所述SMPL人体三维模型和所述PIFu人体三维模型进行匹配之前,所述方法还包括:
将所述SMPL人体三维模型分割为预定数目个部分;
基于所述SMPL人体三维模型的顶点的位置将所述SMPL人体三维模型的顶点与所述SMPL人体三维模型的各个部分进行对应。
3.根据权利要求2所述的方法,其中,所述将所述SMPL人体三维模型和所述PIFu人体三维模型进行匹配,得到所述PIFu人体三维模型的顶点与所述SMPL人体三维模型的匹配结果,包括:
将分割后的SMPL人体三维模型和所述PIFu人体三维模型投影在二维平面上,得到所述SMPL人体三维模型的各个部分的二维投影图和所述PIFu人体三维模型的二维投影图;
将所述PIFu人体三维模型的二维投影图中的每个像素点与所述SMPL人体三维模型的各个部分的二维投影图进行匹配;
基于匹配后的PIFu人体三维模型的二维投影图与所述PIFu人体三维模型的映射关系,得到所述PIFu人体三维模型的顶点与所述SMPL人体三维模型的各个部分的匹配结果。
4.根据权利要求3所述的方法,其中,所述将所述PIFu人体三维模型的二维投影图中的每个像素点与所述SMPL人体三维模型的各个部分的二维投影图进行匹配,包括:
采用图割算法计算所述PIFu人体三维模型的二维投影图中的每个像素点与所述SMPL人体三维模型的各个部分的二维投影图的匹配结果,将所述PIFu人体三维模型的二维投影图中的每个像素点与所述SMPL人体三维模型的各个部分的二维投影图进行匹配。
5.根据权利要求3所述的方法,其中,在所述基于所述匹配结果,确定与所述PIFu人体三维模型的顶点最接近的SMPL人体三维模型的顶点之前,所述方法还包括:
分别计算所述PIFu人体三维模型和所述SMPL人体三维模型的各个部分内所有顶点坐标的平均值,得到所述PIFu人体三维模型和所述SMPL人体三维模型的各个部分的顶点均值;
将所述PIFu人体三维模型的各个部分的顶点和所述SMPL人体三维模型的各个部分的顶点分别减去对应的顶点均值,将所述PIFu人体三维模型和所述SMPL人体三维模型对齐到同一位置。
6.根据权利要求5所述的方法,其中,所述基于所述匹配结果,确定与所述PIFu人体三维模型的顶点最接近的SMPL人体三维模型的顶点,包括:
基于所述匹配结果,计算所述PIFu人体三维模型的顶点与对应的所述SMPL人体三维模型的顶点的距离,确定与所述PIFu人体三维模型的顶点最接近的SMPL人体三维模型的顶点。
7.根据权利要求6所述的方法,其中,所述PIFu人体三维模型的顶点与对应的所述SMPL人体三维模型的顶点的距离为所述PIFu人体三维模型的顶点与对应的所述SMPL人体三维模型的顶点的欧式距离。
8.一种生成人体三维模型的装置,包括:
提取模块,被配置成接收单张人体图像,提取所述人体图像对应的SMPL人体三维模型和PIFu人体三维模型;
匹配模块,被配置成将所述SMPL人体三维模型和所述PIFu人体三维模型进行匹配,得到所述PIFu人体三维模型的顶点与所述SMPL人体三维模型的匹配结果;
确定模块,被配置成基于所述匹配结果,确定与所述PIFu人体三维模型的顶点最接近的SMPL人体三维模型的顶点,将所述最接近的SMPL人体三维模型的顶点的权重作为所述PIFu人体三维模型的顶点的权重,得到所述PIFu人体三维模型的顶点和所述SMPL人体三维模型的各个骨骼点的绑定权重,其中,所述SMPL人体三维模型中顶点的权重表征顶点与各个骨骼点之间的绑定关系;
输出模块,被配置成输出可驱动人体三维模型,其中,所述可驱动人体三维模型包括所述PIFu人体三维模型、所述SMPL人体三维模型的各个骨骼点,以及所述PIFu人体三维模型的顶点和所述SMPL人体三维模型的各个骨骼点的绑定权重。
9.根据权利要求8所述的装置,其中,所述装置还包括:
分割模块,被配置成将所述SMPL人体三维模型分割为预定数目个部分;
对应模块,被配置成基于所述SMPL人体三维模型的顶点的位置将所述SMPL人体三维模型的顶点与所述SMPL人体三维模型的各个部分进行对应。
10.根据权利要求9所述的装置,其中,所述匹配模块进一步配置成:
投影子模块,被配置成将分割后的SMPL人体三维模型和所述PIFu人体三维模型投影在二维平面上,得到所述SMPL人体三维模型的各个部分的二维投影图和所述PIFu人体三维模型的二维投影图;
匹配子模块,被配置成将所述PIFu人体三维模型的二维投影图中的每个像素点与所述SMPL人体三维模型的各个部分的二维投影图进行匹配;
映射子模块,被配置成基于匹配后的PIFu人体三维模型的二维投影图与所述PIFu人体三维模型的映射关系,得到所述PIFu人体三维模型的顶点与所述SMPL人体三维模型的各个部分的匹配结果。
11.根据权利要求10所述的装置,其中,所述匹配子模块进一步配置成:
采用图割算法计算所述PIFu人体三维模型的二维投影图中的每个像素点与所述SMPL人体三维模型的各个部分的二维投影图的匹配结果,将所述PIFu人体三维模型的二维投影图中的每个像素点与所述SMPL人体三维模型的各个部分的二维投影图进行匹配。
12.根据权利要求10所述的装置,其中,所述装置还包括:
计算模块,被配置成分别计算所述PIFu人体三维模型和所述SMPL人体三维模型的各个部分内所有顶点坐标的平均值,得到所述PIFu人体三维模型和所述SMPL人体三维模型的各个部分的顶点均值;
对齐模块,被配置成将所述PIFu人体三维模型的各个部分的顶点和所述SMPL人体三维模型的各个部分的顶点分别减去对应的顶点均值,将所述PIFu人体三维模型和所述SMPL人体三维模型对齐到同一位置。
13.根据权利要求12所述的装置,其中,所述确定模块进一步配置成:
基于所述匹配结果,计算所述PIFu人体三维模型的顶点与对应的所述SMPL人体三维模型的顶点的距离,确定与所述PIFu人体三维模型的顶点最接近的SMPL人体三维模型的顶点。
14.根据权利要求13所述的装置,其中,所述PIFu人体三维模型的顶点与对应的所述SMPL人体三维模型的顶点的距离为所述PIFu人体三维模型的顶点与对应的所述SMPL人体三维模型的顶点的欧式距离。
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。
17.一种计算机程序产品,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权利要求1-7中任一项所述的方法。
Priority Applications (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011621722.0A CN112652057B (zh) | 2020-12-30 | 2020-12-30 | 生成人体三维模型的方法、装置、设备以及存储介质 |
EP21179408.6A EP3876204A3 (en) | 2020-12-30 | 2021-06-15 | Method and apparatus for generating human body three-dimensional model, device and storage medium |
US17/350,449 US20210312686A1 (en) | 2020-12-30 | 2021-06-17 | Method and apparatus for generating human body three-dimensional model, device and storage medium |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011621722.0A CN112652057B (zh) | 2020-12-30 | 2020-12-30 | 生成人体三维模型的方法、装置、设备以及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112652057A CN112652057A (zh) | 2021-04-13 |
CN112652057B true CN112652057B (zh) | 2024-05-07 |
Family
ID=75367682
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011621722.0A Active CN112652057B (zh) | 2020-12-30 | 2020-12-30 | 生成人体三维模型的方法、装置、设备以及存储介质 |
Country Status (3)
Country | Link |
---|---|
US (1) | US20210312686A1 (zh) |
EP (1) | EP3876204A3 (zh) |
CN (1) | CN112652057B (zh) |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113409430B (zh) * | 2021-06-01 | 2023-06-23 | 北京百度网讯科技有限公司 | 可驱动三维人物生成方法、装置、电子设备及存储介质 |
CN113379932B (zh) * | 2021-06-28 | 2024-01-09 | 北京百度网讯科技有限公司 | 人体三维模型的生成方法和装置 |
US20230281921A1 (en) * | 2022-03-01 | 2023-09-07 | Tencent America LLC | Methods of 3d clothed human reconstruction and animation from monocular image |
CN114998490B (zh) * | 2022-06-08 | 2023-03-17 | 北京百度网讯科技有限公司 | 一种虚拟对象生成方法、装置、设备及存储介质 |
CN117274449B (zh) * | 2023-11-15 | 2024-02-09 | 唯物(杭州)科技有限公司 | 一种基于模型生成骨骼的方法和系统 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20160110070A (ko) * | 2015-03-11 | 2016-09-21 | 삼성전자주식회사 | 전자 장치 및 그 제어 방법 |
CN109427007A (zh) * | 2018-09-17 | 2019-03-05 | 叠境数字科技(上海)有限公司 | 基于多视角的虚拟试衣方法 |
CN109859296A (zh) * | 2019-02-01 | 2019-06-07 | 腾讯科技(深圳)有限公司 | Smpl参数预测模型的训练方法、服务器及存储介质 |
WO2020140832A1 (zh) * | 2019-01-04 | 2020-07-09 | 北京达佳互联信息技术有限公司 | 人脸三维重建方法、装置、电子设备及存储介质 |
CN111401234A (zh) * | 2020-03-13 | 2020-07-10 | 深圳普罗米修斯视觉技术有限公司 | 三维人物模型构建方法、装置及存储介质 |
CN111445561A (zh) * | 2020-03-25 | 2020-07-24 | 北京百度网讯科技有限公司 | 虚拟对象的处理方法、装置、设备及存储介质 |
CN111968169A (zh) * | 2020-08-19 | 2020-11-20 | 北京拙河科技有限公司 | 动态人体三维重建方法、装置、设备和介质 |
CN112102470A (zh) * | 2020-08-18 | 2020-12-18 | 亿匀智行(深圳)科技有限公司 | 线性可微的参数化服装模型制作方法及其参数的优化方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10395411B2 (en) * | 2015-06-24 | 2019-08-27 | MAX-PLANCK-Gesellschaft zur Förderung der Wissenschaften e.V. | Skinned multi-person linear model |
-
2020
- 2020-12-30 CN CN202011621722.0A patent/CN112652057B/zh active Active
-
2021
- 2021-06-15 EP EP21179408.6A patent/EP3876204A3/en active Pending
- 2021-06-17 US US17/350,449 patent/US20210312686A1/en active Pending
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20160110070A (ko) * | 2015-03-11 | 2016-09-21 | 삼성전자주식회사 | 전자 장치 및 그 제어 방법 |
CN109427007A (zh) * | 2018-09-17 | 2019-03-05 | 叠境数字科技(上海)有限公司 | 基于多视角的虚拟试衣方法 |
WO2020140832A1 (zh) * | 2019-01-04 | 2020-07-09 | 北京达佳互联信息技术有限公司 | 人脸三维重建方法、装置、电子设备及存储介质 |
CN109859296A (zh) * | 2019-02-01 | 2019-06-07 | 腾讯科技(深圳)有限公司 | Smpl参数预测模型的训练方法、服务器及存储介质 |
CN111401234A (zh) * | 2020-03-13 | 2020-07-10 | 深圳普罗米修斯视觉技术有限公司 | 三维人物模型构建方法、装置及存储介质 |
CN111445561A (zh) * | 2020-03-25 | 2020-07-24 | 北京百度网讯科技有限公司 | 虚拟对象的处理方法、装置、设备及存储介质 |
CN112102470A (zh) * | 2020-08-18 | 2020-12-18 | 亿匀智行(深圳)科技有限公司 | 线性可微的参数化服装模型制作方法及其参数的优化方法 |
CN111968169A (zh) * | 2020-08-19 | 2020-11-20 | 北京拙河科技有限公司 | 动态人体三维重建方法、装置、设备和介质 |
Non-Patent Citations (3)
Title |
---|
ARCH: Animatable Reconstruction of Clothed Humans;Zeng Huang 等;2020 IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR);3090-3099 * |
Jetson Nano机器人目标跟踪的VR三维建模;李亨凡;张燕;;单片机与嵌入式系统应用(08);全文 * |
适用于单目视频的无标记三维人体运动跟踪;邹北骥;陈姝;彭小宁;史操;;计算机辅助设计与图形学学报(08);全文 * |
Also Published As
Publication number | Publication date |
---|---|
US20210312686A1 (en) | 2021-10-07 |
CN112652057A (zh) | 2021-04-13 |
EP3876204A2 (en) | 2021-09-08 |
EP3876204A3 (en) | 2022-05-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112652057B (zh) | 生成人体三维模型的方法、装置、设备以及存储介质 | |
CN113658309B (zh) | 三维重建方法、装置、设备以及存储介质 | |
CN114820905B (zh) | 虚拟形象生成方法、装置、电子设备及可读存储介质 | |
CN112562069B (zh) | 三维模型的构造方法、装置、设备和存储介质 | |
CN115409933B (zh) | 多风格纹理贴图生成方法及其装置 | |
CN113674421B (zh) | 3d目标检测方法、模型训练方法、相关装置及电子设备 | |
CN114511662A (zh) | 渲染图像的方法、装置、电子设备及存储介质 | |
CN112529097B (zh) | 样本图像生成方法、装置以及电子设备 | |
CN113870439A (zh) | 用于处理图像的方法、装置、设备以及存储介质 | |
CN111899159A (zh) | 用于变换发型的方法、装置、设备以及存储介质 | |
CN113379932B (zh) | 人体三维模型的生成方法和装置 | |
CN115965735B (zh) | 纹理贴图的生成方法和装置 | |
CN115375847B (zh) | 材质恢复方法、三维模型的生成方法和模型的训练方法 | |
EP4086853A2 (en) | Method and apparatus for generating object model, electronic device and storage medium | |
CN114581586A (zh) | 一种模型基底的生成方法、装置、电子设备及存储介质 | |
CN113643343B (zh) | 深度估计模型的训练方法、装置、电子设备及存储介质 | |
CN114758076A (zh) | 一种用于建立三维模型的深度学习模型的训练方法及装置 | |
CN113112398A (zh) | 图像处理方法和装置 | |
CN113838201B (zh) | 模型适配方法、装置、电子设备及可读存储介质 | |
CN114327346B (zh) | 显示方法、显示装置、电子设备以及存储介质 | |
CN113538644B (zh) | 人物动态视频生成方法、装置、电子设备以及存储介质 | |
CN114820908B (zh) | 虚拟形象生成方法、装置、电子设备和存储介质 | |
CN115953553B (zh) | 虚拟形象生成方法、装置、电子设备以及存储介质 | |
CN116206035B (zh) | 人脸重建方法、装置、电子设备以及存储介质 | |
CN112785524B (zh) | 一种人物图像的修复方法、装置及电子设备 |
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 |