CN112862936B - 表情模型处理方法及装置、电子设备、存储介质 - Google Patents

表情模型处理方法及装置、电子设备、存储介质 Download PDF

Info

Publication number
CN112862936B
CN112862936B CN202110283147.6A CN202110283147A CN112862936B CN 112862936 B CN112862936 B CN 112862936B CN 202110283147 A CN202110283147 A CN 202110283147A CN 112862936 B CN112862936 B CN 112862936B
Authority
CN
China
Prior art keywords
vertex
expression model
fused
target
model
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
CN202110283147.6A
Other languages
English (en)
Other versions
CN112862936A (zh
Inventor
盘琪
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.)
Netease Hangzhou Network Co Ltd
Original Assignee
Netease Hangzhou Network 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 Netease Hangzhou Network Co Ltd filed Critical Netease Hangzhou Network Co Ltd
Priority to CN202110283147.6A priority Critical patent/CN112862936B/zh
Publication of CN112862936A publication Critical patent/CN112862936A/zh
Application granted granted Critical
Publication of CN112862936B publication Critical patent/CN112862936B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T13/00Animation
    • G06T13/203D [Three Dimensional] animation
    • G06T13/403D [Three Dimensional] animation of characters, e.g. humans, animals or virtual beings
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T15/003D [Three Dimensional] image rendering
    • G06T15/50Lighting effects
    • G06T15/55Radiosity

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Graphics (AREA)
  • Image Generation (AREA)

Abstract

本申请提供了一种表情模型处理方法及装置、电子设备、存储介质,该方法包括:获取待融合表情模型的标识和对应的融合权重,依据待融合表情模型的标识从预设顶点贴图中获取与待融合表情模型对应的多个第一顶点色,每个第一顶点色包括该待融合表情模型的顶点与源模型相应的顶点的顶点位置偏移量;依据待融合表情模型的融合权重和该待融合表情模型的第一顶点色中的顶点位置偏移量计算得到目标顶点的目标位置偏移量,依据目标位置偏移量和源模型生成目标表情模型;通过贴图作为载体,可以将单线程的任务分配到顶点着色器的流水线中,能够缩短表情动画的计算时间以及显存带宽消耗。

Description

表情模型处理方法及装置、电子设备、存储介质
技术领域
本申请涉及计算机技术领域,特别是涉及一种表情模型处理方法及装置、电子设备、存储介质。
背景技术
在游戏或者动画领域,虚拟角色的表情动画一般由骨骼动画或者顶点动画来实现。其中,顶点动画是在一个无表情的脸部模型网格的顶点中添加不同表情的动作数据,在动画过程中,根据不同表情的动作数据在无表情的脸部模型上重新计算顶点的位置和法线,从而实现表情动画的功能。
现有技术中的顶点动画主要依赖CPU来实现,CPU只能按照顺序进行顶点的计算,会带来比较大的计算资源的消耗,并且难以满足实时性的要求。
发明内容
鉴于上述问题,提出了本申请以便提供克服上述问题或者至少部分地解决上述问题的表情模型处理方法及装置、电子设备、存储介质,包括:
一种表情模型处理方法,所述方法包括:
获取待融合表情模型的标识和对应的融合权重;
依据所述待融合表情模型的标识从预设顶点贴图中获取对应的多个第一顶点色,每个第一顶点色包括所述待融合表情模型的顶点与源模型相应的顶点的顶点位置偏移量;
依据所述待融合表情模型的融合权重和所述顶点位置偏移量计算得到目标顶点的目标位置偏移量;
依据所述目标位置偏移量和所述源模型生成目标表情模型。
可选地,所述方法还包括:
依据所述待融合表情模型的标识从所述预设顶点贴图中获取对应的多个第二顶点色,每个第二顶点色包括所述待融合表情模型的顶点法线信息;
依据所述待融合表情模型的融合权重和所述顶点法线信息计算得到所述目标顶点的目标顶点法线信息;
依据所述目标顶点法线信息对所述目标表情模型进行渲染。
可选地,在所述获取待融合表情模型的标识和对应的融合权重的步骤之前,所述方法还包括:
获取多个基本表情模型和源模型;
计算每个基本表情模型的顶点与所述源模型相应的顶点的顶点位置偏移量;
将每个顶点的所述顶点位置偏移量存入对应的第一顶点色中;
将同一个基本表情模型的第一顶点色按照预设顺序存入预设第一贴图的对应像素中,生成第一顶点贴图;
将多个基本表情模型对应的第一顶点贴图按照预设顺序进行拼接,生成预设顶点贴图。
可选地,所述方法还包括:
获取每个基本表情模型的顶点法线信息;
将每个顶点法线信息存入对应的第二顶点色中;
将同一个基本表情模型的第二顶点色按照预设顺序存入预设第二贴图的对应像素中,生成第二顶点贴图;
将多个基本表情模型对应的第二顶点贴图按照预设顺序进行拼接后,再与所述预设顶点贴图拼接,以更新所述预设顶点贴图。
可选地,所述将每个顶点的所述顶点位置偏移量存入对应的第一顶点色中的步骤,包括:
获取每个所述顶点位置偏移量的方向偏移量,所述方向偏移量包括X方向偏移量、Y方向偏移量和Z方向偏移量;
从所有所述方向偏移量中确定绝对值最大的基础方向偏移量;
依据所述基础方向偏移量对所述顶点位置偏移量进行归一化处理;
将归一化处理后的所述顶点位置偏移量存入对应的第一顶点色中。
可选地,所述将每个顶点法线信息存入对应的第二顶点色中的步骤,包括:
对所述顶点法线信息进行归一化处理;
将归一化处理后的所述顶点法线信息存入对应的第二顶点色中。
可选地,所述待融合表情模型的标识是所述第一顶点贴图的序号;所述依据所述待融合表情模型的标识从预设顶点贴图中获取对应的多个第一顶点色的步骤,包括:
依据所述第一顶点贴图的序号从预设顶点贴图中确定所述待融合表情模型对应的第一顶点贴图;
从所述第一顶点贴图的像素中获取对应的多个顶点色信息,并依据所述顶点色信息进行还原计算得到对应的第一顶点色。
可选地,所述依据所述待融合表情模型的融合权重和所述顶点位置偏移量计算得到目标顶点的目标位置偏移量的步骤,包括:
计算每个待融合表情模型的融合权重和所述第一顶点色的顶点位置偏移量的乘积,得到第一目标位置偏移量;
当所述待融合表情模型为两个以上时,将两个以上所述待融合表情模型对应的第一目标位置偏移量叠加,得到目标顶点的目标位置偏移量。
可选地,所述依据所述目标位置偏移量和所述源模型生成目标表情模型的步骤,包括:
将所述目标位置偏移量和所述源模型对应的顶点的顶点位置进行叠加运算;
将所述叠加运算的结果更新为所述源模型对应的顶点的顶点位置,生成目标表情模型。
一种表情模型处理装置,所述装置包括:
第一获取模块,用于获取待融合表情模型的标识和对应的融合权重;
第二获取模块,用于依据所述待融合表情模型的标识从预设顶点贴图中获取对应的多个第一顶点色,每个第一顶点色包括所述待融合表情模型的顶点与源模型相应的顶点的顶点位置偏移量;
第一计算模块,用于依据所述待融合表情模型的融合权重和所述顶点位置偏移量计算得到目标顶点色的目标位置偏移量;
目标生成模块,用于依据所述目标位置偏移量和所述源模型生成目标表情模型。
可选地,所述装置还包括:
第三获取模块,用于依据所述待融合表情模型的标识从所述预设顶点贴图中获取对应的多个第二顶点色,每个第二顶点色包括所述待融合表情模型的顶点法线信息;
第二计算模块,用于依据所述待融合表情模型的融合权重和所述顶点法线信息计算得到所述目标顶点的目标顶点法线信息;
目标渲染模块,用于依据所述目标顶点法线信息对所述目标表情模型进行渲染。
可选地,所述装置还包括:
第四获取模块,用于获取多个基本表情模型和源模型;
第三计算模块,用于计算每个基本表情模型的顶点与所述源模型相应的顶点的顶点位置偏移量;
第一存储模块,用于将每个顶点的所述顶点位置偏移量存入对应的第一顶点色中;
第二存储模块,用于将同一个基本表情模型的第一顶点色按照预设顺序存入预设第一贴图的对应像素中,生成第一顶点贴图;
第一拼接模块,用于将多个基本表情模型对应的第一顶点贴图按照预设顺序进行拼接,生成预设顶点贴图。
可选地,所述装置还包括:
第五获取模块,用于获取每个基本表情模型的顶点法线信息;
第三存储模块,用于将每个顶点法线信息存入对应的第二顶点色中;
第四存储模块,用于将同一个基本表情模型的第二顶点色按照预设顺序存入预设第二贴图的对应像素中,生成第二顶点贴图;
第二拼接模块,用于将多个基本表情模型对应的第二顶点贴图按照预设顺序进行拼接后,再与所述预设顶点贴图拼接,以更新所述预设顶点贴图。
可选地,所述第一存储模块,包括:
第六获取模块,用于获取每个所述顶点位置偏移量的方向偏移量,所述方向偏移量包括X方向偏移量、Y方向偏移量和Z方向偏移量;
第一确定模块,用于从所有所述方向偏移量中确定绝对值最大的基础方向偏移量;
第一归一化模块,用于依据所述基础方向偏移量对所述顶点位置偏移量进行归一化处理;
偏移量存储模块,用于将归一化处理后的所述顶点位置偏移量存入对应的第一顶点色中。
可选地,所述第三存储模块,包括:
第二归一化模块,用于对所述顶点法线信息进行归一化处理;
法线存储模块,用于将归一化处理后的所述顶点法线信息存入对应的第二顶点色中。
可选地,所述待融合表情模型的标识是所述第一顶点贴图的序号;所述第二获取模块,包括:
第二确定模块,用于依据所述第一顶点贴图的序号从预设顶点贴图中确定所述待融合表情模型对应的第一顶点贴图;
第四计算模块,用于从所述第一顶点贴图的像素中获取对应的多个顶点色信息,并依据所述顶点色信息进行还原计算得到对应的第一顶点色。
可选地,所述目标生成模块,包括:
第五计算模块,用于计算每个待融合表情模型的融合权重和所述第一顶点色的顶点位置偏移量的乘积,得到第一目标位置偏移量;
第六计算模块,用于当所述待融合表情模型为两个以上时,将两个以上所述待融合表情模型对应的第一目标位置偏移量叠加,得到目标顶点的目标位置偏移量。
可选地,所述目标生成模块,包括:
第七计算模块,用于将所述目标位置偏移量和所述源模型对应的顶点的顶点位置进行叠加运算;
结果更新模块,用于将所述叠加运算的结果更新为所述源模型对应的顶点的顶点位置,生成目标表情模型。
一种电子设备,包括处理器、存储器及存储在所述存储器上并能够在所述处理器上运行的计算机程序,所述计算机程序被所述处理器执行时实现如上所述的表情模型处理方法的步骤。
一种计算机可读存储介质,所述计算机可读存储介质上存储计算机程序,所述计算机程序被处理器执行时实现如上所述的表情模型处理方法的步骤。
本申请具有以下优点:
在本申请的实施例中,通过获取待融合表情模型的标识和对应的融合权重,依据待融合表情模型的标识从预设顶点贴图中获取与待融合表情模型对应的多个第一顶点色,每个第一顶点色包括该待融合表情模型的顶点与源模型相应的顶点的顶点位置偏移量;依据待融合表情模型的融合权重和该待融合表情模型的第一顶点色中的顶点位置偏移量计算得到目标顶点的目标位置偏移量,依据目标位置偏移量和源模型生成目标表情模型。本申请实施例通过使用贴图作为载体,可以将单线程的任务分配到顶点着色器的流水线中,能够明显缩短表情动画的计算时间以及显存带宽消耗;同时,第一顶点色中包括顶点位置偏移量,通过存储和使用顶点位置偏移量来构建目标表情模型,可以减少数据量,进一步减少计算时间以及显存带宽消耗。
附图说明
为了更清楚地说明本申请的技术方案,下面将对本申请的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性的前提下,还可以根据这些附图获得其他的附图。
图1为本申请实施例的一种表情模型处理方法的步骤流程图;
图2为本申请实施例的一种表情模型处理方法的模型示意图;
图3为本申请实施例的一种表情模型处理方法的目标表情模型示意图;
图4为本申请实施例的一种表情模型处理方法的目标表情模型示意图;
图5为本申请实施例的一种表情模型处理方法的预设顶点贴图的示意图;
图6为本申请实施例的一种表情模型处理装置的结构框图。
具体实施方式
为使本申请的上述目的、特征和优点能够更加明显易懂,下面结合附图和具体实施方式对本申请作进一步详细的说明。显然,所描述的实施例是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。
参照图1,示出了本申请一实施例提供的一种表情模型处理方法,该方法可以应用于移动终端中,该移动终端可以包括智能手机、平板电脑、游戏机等电子设备。
在本申请实施例中,该方法具体可以包括如下步骤:
步骤101,获取待融合表情模型的标识和对应的融合权重;
步骤102,依据所述待融合表情模型的标识从预设顶点贴图中获取对应的多个第一顶点色,每个第一顶点色包括所述待融合表情模型的顶点与源模型相应的顶点的顶点位置偏移量;
步骤103,依据所述待融合表情模型的融合权重和所述顶点位置偏移量计算得到目标顶点的目标位置偏移量;
步骤104,依据所述目标位置偏移量和所述源模型生成目标表情模型。
本申请实施例通过获取待融合表情模型的标识和对应的融合权重,依据待融合表情模型的标识从预设顶点贴图中获取与待融合表情模型对应的多个第一顶点色,每个第一顶点色包括该待融合表情模型的顶点与源模型相应的顶点的顶点位置偏移量;依据待融合表情模型的融合权重和该待融合表情模型的第一顶点色中的顶点位置偏移量计算得到目标顶点的目标位置偏移量,依据目标位置偏移量和源模型生成目标表情模型。本申请实施例通过使用贴图作为载体,可以将单线程的任务分配到顶点着色器的流水线中,能够明显缩短表情动画的计算时间以及显存带宽消耗;同时,第一顶点色中包括顶点位置偏移量,通过存储和使用顶点位置偏移量来构建目标表情模型,可以减少数据量,进一步减少计算时间以及显存带宽消耗。
下面,将对本示例性实施例中表情模型处理方法作进一步地说明。
在步骤101中,获取待融合表情模型的标识和对应的融合权重。
其中,待融合表情模型可以指用于与其他表情模型融合得到目标表情模型的基本表情模型。在动画制作场景中,表情动画一般只录制源模型和基本表情模型,其中,源模型是指没有表情动作的模型,基本表情模型是指具有表情动作的模型。如图2所示,图2中的模型201没有表情动作,是源模型,模型202的表情动作为闭左眼,模型203的表情动作为闭右眼,因此,模型202和模型203都属于基本表情模型。一般而言,在动画制作之前,需要预先制作一个源模型和多个基本表情模型,同一个表情动作的基本表情模型可以只设计一个。
待融合表情模型可以是一个,也可以是两个以上,由实际使用场景决定。
待融合表情模型的标识是用来识别该待融合表情模型的记号。每个基本表情模型都有一个唯一对应的标识,该标识可以是基本表情模型的固有编号或名称,例如,可以将多个基本表情模型按照预设顺序进行排列,每个基本表情模型的序号作为基本表情模型的标识。
每一个待融合表情模型都有对应的融合权重,该融合权重可以用于表示对应的待融合表情模型对目标表情模型的影响程度。
本申请实施例中,在制作表情动画时,可以根据实际场景需求确定目标表情模型,根据已确定的目标表情模型可以得到融合成该目标表情模型的基本表情模型及对应的融合权重。
在步骤102中,依据所述待融合表情模型的标识从预设顶点贴图中获取对应的多个第一顶点色,每个第一顶点色包括所述待融合表情模型的顶点与源模型相应的顶点的顶点位置偏移量。
其中,预设顶点贴图是预先生成的,预设顶点贴图中的每一个像素都存储一个对应的顶点色的信息。在本实施例中,顶点色是顶点数据的一种,将预设顶点贴图的像素存储的包含顶点位置偏移量信息的顶点色定义为“第一顶点色”。第一顶点色具体包含的是待融合表情模型的顶点与源模型相应的顶点的顶点位置偏移量。
本申请实施例采用预设顶点贴图的像素存储顶点色的信息,是在表情动画的生成阶段,将顶点位置偏移量可视化的一种方式,通过贴图作为载体,可以实现着色器从贴图中直接读取顶点色的信息并设置在相应的顶点上。
在本申请实施例中,每一个基本表情模型都有相同的顶点数,且每个基本表情模型的顶点和源表情模型的顶点存在一一对应的关系,因此,每个基本表情模型对应的预设顶点贴图中的像素的数量是相同的。
通过待融合表情模型的标识可以唯一确定一个基本表情模型,然后从预设顶点贴图中获取存储该待融合表情模型的第一顶点色的所有像素,进而获取像素中存储的第一顶点色的信息。
本申请实施例中,第一顶点色包括待融合表情模型的顶点与源模型相应的顶点的顶点位置偏移量。具体地,每个第一顶点色中的RGB分量分别代表对应的待融合表情模型的顶点与源模型相应的顶点在XYZ方向的顶点位置偏移量。通过第一顶点色中的RGB分量可以确定待融合表情模型的顶点与源模型相应的顶点的顶点偏移量。
在步骤103中,依据所述待融合表情模型的融合权重和所述顶点位置偏移量计算得到目标顶点的目标位置偏移量。
其中,目标位置偏移量可以指目标表情模型的顶点的位置与源模型相应的顶点的位置的偏差。
在获取到每个待融合表情模型的顶点位置偏移量后,首先计算每个第一顶点色的顶点位置偏移量和对应待融合表情模型的融合权重的乘积,得到第一目标位置偏移量。
当待融合表情模型为一个时,该第一目标位置偏移量即为对应的目标顶点的目标位置偏移量。
当待融合表情模型不止一个时,还需要将多个待融合表情模型对应的第一目标位置偏移量叠加,得到目标顶点的目标位置偏移量。
在步骤104中,依据所述目标位置偏移量和所述源模型生成目标表情模型。
在计算得到每个目标顶点的目标位置偏移量后,即可以确定目标表情模型中每个顶点与源模型相应的顶点的偏移。通过该目标位置偏移量和源模型可以生成目标表情模型。
具体地,可以是将所述目标位置偏移量和所述源模型对应的顶点的顶点位置进行叠加运算;将所述叠加运算的结果更新为所述源模型对应的顶点的顶点位置中,生成目标表情模型。
也可以将源模型中的每个顶点按照对应的目标位置偏移量进行移动,得到移动后的目标顶点,由目标顶点构成的模型即为目标表情模型。
如图3示出了本申请实施例中由图2所示的源模型201和基本表情模型203融合后的目标表情模型,该目标表情模型中,基本表情模型203的融合权重为1。
再如图4示出了本申请实施例中由图2所示的源模型201和基本表情模型202以及基本表情模型203融合后的目标表情模型,该目标表情模型中,基本表情模型202和基本表情模型203的融合权重均为1。
在实际表情动画中,目标表情模型相对于源模型的改变一般是局部的,在本申请实施例中,未改变部分的顶点的顶点位置偏移量为0,对于顶点位置偏移量为0的顶点可以不执行计算过程,因此,相比于现有技术中,获得目标表情模型的过程中,需要将源模型中的每一个顶点的位置和待融合表情模型对应的顶点的位置进行计算的方式,本申请实施例可以大量减少计算量,进而缩短计算时间,节约计算资源。
进一步地,在本申请一可选实施例中,在生成目标表情模型后,还需要对目标表情模型进行渲染。
对目标表情模型进行渲染还与目标表情模型的顶点法线相关。因此,在本申请一可选实施例中,预设顶点贴图的像素还存储包含顶点法线信息的顶点色,将包含顶点法线信息的顶点色定义为“第二顶点色”。
因此,上述对目标表情模型进行渲染的步骤,可以包括:
依据所述待融合表情模型的标识从所述预设顶点贴图中获取对应的多个第二顶点色,每个第二顶点色包括所述待融合表情模型的顶点法线信息;
依据所述待融合表情模型的融合权重和所述顶点法线信息计算得到所述目标顶点的目标顶点法线信息;
依据所述目标顶点法线信息对所述目标表情模型进行渲染。
在本实施例中,目标顶点法线信息的计算与目标位置偏移量的计算过程类似。在获取到每个待融合表情模型的顶点法线信息后,首先将每个第二顶点色的顶点法线信息和对应待融合表情模型的融合权重相乘。
当待融合表情模型为一个时,该待融合表情模型的顶点法线信息和对应的融合权重的乘积结果即为对应的目标顶点的目标顶点法线信息。
当待融合表情模型不止一个时,还需要将多个待融合表情模型对应于源模型的相同顶点的顶点法线信息乘积结果叠加,叠加结果即为对应的目标顶点的目标顶点法线信息。
在得到目标顶点法线信息后,再将目标顶点法线信息与源模型对应的顶点法线信息进行叠加,并将叠加后的顶点法线信息作为目标表情模型的顶点法线信息。
依据目标表情模型的顶点法线信息对目标表情模型进行渲染。
进一步地,在本申请一可选实施例中,在步骤101之前,还包括:
构建预设顶点贴图。
在本申请实施例中,构建预设顶点贴图可以包括如下步骤:
获取多个基本表情模型和源模型;
计算每个基本表情模型的顶点与所述源模型相应的顶点的顶点位置偏移量;
将每个顶点的所述顶点位置偏移量存入对应的第一顶点色中;
将同一个基本表情模型的第一顶点色按照预设顺序存入预设第一贴图的对应像素中,生成第一顶点贴图;
将多个基本表情模型对应的第一顶点贴图按照预设顺序进行拼接,生成预设顶点贴图。
在具体实现中,首先获取多个基本表情模型和一个源模型,计算每个基本表情模型的顶点相对于源模型中对应顶点的顶点位置偏移d,该顶点位置偏移d可以分解为XYZ方向的方向偏移量并分别存入对应的第一顶点色的RGB通道中。
然后,将同一个基本表情模型的多个顶点对应的顶点色按照预设顺序存入预设第一贴图的对应像素中,生成第一顶点贴图;例如,可以事先对每个基本表情模型提供一个预设第一贴图,每个第一贴图的大小相同;每个基本表情模型的多个顶点可以按照从左到右,从上到下的顺序进行排序,再按照顺序依次与预设第一贴图中按照从左到右、从上到下的顺序的像素一一对应。然后将第一顶点色存入该对应的像素中,每个基本表情模型可以生成一个对应的第一顶点贴图。
作为一种示例,预设第一贴图的宽度为w,第一贴图的像素宽度为1024,当顶点序号从0开始,当顶点序号在0-1023之间的顶点分别对应第一行的像素,当顶点序号在1024-2047之间的顶点分别对应第二行的像素,以此类推,可以得到每个顶点对应的像素的位置,本申请实施例中,采用UV坐标来与像素的位置进行对应。
由于硬件原因,每个贴图的中心坐标和贴图的左上角坐标,在不同的系统里,采样出来的结果可能不一样,为了保证采样结果的准确性,本申请实施例将坐标设置在像素中心,每行像素的高度偏移sy=1/n,n表示第一顶点贴图的总行数。对应的坐标公式如下:
x=(i%w)*(1+0.5)*(1/w);
y=floor(i/w)*(1+0.5)*(1/n);
其中,%为取余操作,floor为求浮点数的整数部分的操作。
根据顶点的UV坐标可以确定与之对应的像素,然后将该顶点的第一顶点色存储到对应的像素中。
接着,将多个基本表情模型对应的第一顶点贴图按照预设顺序进行拼接,得到预设顶点贴图。例如,可以先将多个基本表情模型进行排序,该排序的顺序可以是随机的,也可以按照一定规律,例如,按照基本表情模型的表情动作的特征进行排序,并记录每个基本表情模型的序号,多个第一顶点贴图按照对应的基本表情模型的顺序进行拼接,得到合并贴图,该合并贴图即为预设顶点贴图。
本申请实施例构建的预设顶点贴图由多个基本表情模型对应的第一顶点贴图的拼接,可以减少美术资源的占用,以及可以提高贴图的加载速度。
进一步地,在本申请一可选实施例中,上述将每个顶点的所述顶点位置偏移量存入对应的第一顶点色中的步骤,还包括:
获取每个所述顶点位置偏移量的方向偏移量,所述方向偏移量包括X方向偏移量、Y方向偏移量和Z方向偏移量;
从所有所述方向偏移量中确定绝对值最大的基础方向偏移量;
依据所述基础方向偏移量对所述顶点位置偏移量进行归一化处理;
将归一化处理后的所述顶点位置偏移量存入对应的第一顶点色中。
由于RGB颜色值取值范围为[0,1],因此,需要对顶点位置偏移量进行归一化处理。在本实施例中,归一化处理之前,需要确定同一个基础表情模型中的第一顶点色的绝对值最大的基础方向偏移量,记为M;采用第一顶点色中的A通道存储基础方向偏移量M,A通道即为“Alpha通道”。根据M对顶点位置偏移量进行归一化处理,得到归一化后的顶点位置偏移量,记为dn=d/M,将处理后的顶点位置偏移量分别存入对应的第一顶点色的RGB通道中;其中,d表示原始顶点位置偏移量。
进一步地,在本申请一可选实施例中,上述构建预设顶点贴图的步骤,还包括:
获取每个基本表情模型的顶点法线信息;
将每个顶点法线信息存入对应的第二顶点色中;
将同一个基本表情模型的第二顶点色按照预设顺序存入预设第二贴图的对应像素中,生成第二顶点贴图;
将多个基本表情模型对应的第二顶点贴图按照预设顺序进行拼接后,再与所述预设顶点贴图拼接,以更新所述预设顶点贴图。
可选地,为了减少计算量,还可以在将顶点法线信息存入对应的第二顶点色之前对顶点法线信息进行归一化处理,将归一化处理后的顶点法线信息存入对应的第二顶点色中。
具体地,可以先确定每个基本表情模型的所有顶点法线向量在XYZ轴的方向分量,确定每个基本表情模型的顶点法线向量的最大方向分量,将该最大方向分量存储到A通道中,然后依据最大方向分量对每个顶点法线向量进行归一化处理,即每个顶点法线的每个方向分量都与该最大方向分量相除,得到的商存入对应的第二顶点色的RGB通道中。
在本申请一可选实施例中,预设顶点贴图如图5所示,预设顶点贴图由第一部分501和第二部分502拼接形成,其中,第一部分501由多个第一顶点贴图5011按照预设顺序拼接形成,第二部分502由多个第二顶点贴图5021按照相同的预设顺序拼接形成。第一顶点贴图5011中每个像素存储一个第一顶点色,具体存储形式可以是像素的RGB通道分别存储基本表情模型顶点与源表情模型对应顶点的归一化后的XYZ轴偏移,而像素的A通道存储的是基本表情模型中最大的方向偏移量;第二顶点贴图5021中每个像素存储一个第二顶点色,具体存储形式可以是像素的RGB通道分别存储基本表情模型顶点法线归一化后的XYZ分量,而像素的A通道存储的是基本表情模型中最大的法线分量;第一顶点色包含顶点位置偏移量,第二顶点色包含法线信息。
需要说明的是,在本申请其他可选实施例中,预设顶点贴图中的第一部分501和第二部分502还可以采用左右拼接的方式拼接形成预设顶点贴图,本申请实施例对此不做限制。
本申请实施例构建的预设顶点贴图由多个基本表情模型对应的第一顶点贴图以及第二顶点贴图拼接形成,可以减少美术资源的占用,以及可以提高贴图的加载速度。
采用上述方式构建的预设顶点贴图,本申请实施例中的待融合表情模型的标识可以是该待融合表情模型对应的第一顶点贴图在预设顶点贴图中的序号,上述依据所述待融合表情模型的标识从预设顶点贴图中获取对应的多个第一顶点色的步骤,包括:
依据所述第一顶点贴图的序号从预设顶点贴图中确定所述待融合表情模型对应的第一顶点贴图;
从所述第一顶点贴图的像素中获取对应的多个顶点色信息,并依据所述顶点色信息进行还原计算得到对应的第一顶点色。
作为一种示例,首先要确定预设顶点贴图中包含的第一顶点贴图的数量,假设基本表情模型共有F个,即第一顶点贴图的数量为F,当待融合表情模型的标识为fi时,即待融合表情模型对应的第一顶点贴图的序号为fi,实际采样的坐标y需要动态调整为y=y/F+fi/F,x保持不变,其中,x表示待融合表情模型的顶点在对应的第一顶点贴图中的X坐标,y表示待融合表情模型的顶点在对应的第一顶点贴图中的Y坐标;用i表示顶点在待融合表情模型的序号,采样c,cn贴图得到的信息为ci,cni,那么我们可以将其还原成原始数据:
ci.rgb=ci.rgb*2–1;
cni=cni*2–1;
其中,.rgb代表取数据的RGB分量,ci数据中的A通道中的信息不做处理,那么顶点着色器中的顶点位置P和法线N可以还原为:
P=ci.rgb*M;
N=cni;
最后将计算结果带入到上述步骤103即后续的步骤中进行处理,可以得到对应的目标表情模型。
本申请实施例通过获取待融合表情模型的标识和对应的融合权重,依据待融合表情模型的标识从预设顶点贴图中获取与待融合表情模型对应的多个第一顶点色,每个第一顶点色包括该待融合表情模型的顶点与源模型相应的顶点的顶点位置偏移量;依据待融合表情模型的融合权重和该待融合表情模型的第一顶点色中的顶点位置偏移量计算得到目标顶点的目标位置偏移量,依据目标位置偏移量和源模型生成目标表情模型。本申请实施例通过使用贴图作为载体,可以将单线程的任务分配到顶点着色器的流水线中,能够明显缩短表情动画的计算时间以及显存带宽消耗;同时,第一顶点色中包括顶点位置偏移量,通过存储和使用顶点位置偏移量来构建目标表情模型,可以减少数据量,进一步减少计算时间以及显存带宽消耗。
需要说明的是,对于方法实施例,为了简单描述,故将其都表述为一系列的动作组合,但是本领域技术人员应该知悉,本申请实施例并不受所描述的动作顺序的限制,因为依据本申请实施例,某些步骤可以采用其他顺序或者同时进行。其次,本领域技术人员也应该知悉,说明书中所描述的实施例均属于优选实施例,所涉及的动作并不一定是本申请实施例所必须的。
参照图6,示出了本申请的一种表情模型处理装置实施例的结构框图,在本申请实施例中,该装置可以包括如下模块:
第一获取模块601,用于获取待融合表情模型的标识和对应的融合权重;
第二获取模块602,用于依据所述待融合表情模型的标识从预设顶点贴图中获取对应的多个第一顶点色,每个第一顶点色包括所述待融合表情模型的顶点与源模型相应的顶点的顶点位置偏移量;
第一计算模块603,用于依据所述待融合表情模型的融合权重和所述顶点位置偏移量计算得到目标顶点色的目标位置偏移量;
目标生成模块604,用于依据所述目标位置偏移量和所述源模型生成目标表情模型。
可选地,所述装置还包括:
第三获取模块,用于依据所述待融合表情模型的标识从所述预设顶点贴图中获取对应的多个第二顶点色,每个第二顶点色包括所述待融合表情模型的顶点法线信息;
第二计算模块,用于依据所述待融合表情模型的融合权重和所述顶点法线信息计算得到所述目标顶点的目标顶点法线信息;
目标渲染模块,用于依据所述目标顶点法线信息对所述目标表情模型进行渲染。
可选地,所述装置还包括:
第四获取模块,用于获取多个基本表情模型和源模型;
第三计算模块,用于计算每个基本表情模型的顶点与所述源模型相应的顶点的顶点位置偏移量;
第一存储模块,用于将每个顶点的所述顶点位置偏移量存入对应的第一顶点色中;
第二存储模块,用于将同一个基本表情模型的第一顶点色按照预设顺序存入预设第一贴图的对应像素中,生成第一顶点贴图;
第一拼接模块,用于将多个基本表情模型对应的第一顶点贴图按照预设顺序进行拼接,生成预设顶点贴图。
可选地,所述装置还包括:
第五获取模块,用于获取每个基本表情模型的顶点法线信息;
第三存储模块,用于将每个顶点法线信息存入对应的第二顶点色中;
第四存储模块,用于将同一个基本表情模型的第二顶点色按照预设顺序存入预设第二贴图的对应像素中,生成第二顶点贴图;
第二拼接模块,用于将多个基本表情模型对应的第二顶点贴图按照预设顺序进行拼接后,再与所述预设顶点贴图拼接,以更新所述预设顶点贴图。
可选地,所述第一存储模块,包括:
第六获取模块,用于获取每个所述顶点位置偏移量的方向偏移量,所述方向偏移量包括X方向偏移量、Y方向偏移量和Z方向偏移量;
第一确定模块,用于从所有所述方向偏移量中确定绝对值最大的基础方向偏移量;
第一归一化模块,用于依据所述基础方向偏移量对所述顶点位置偏移量进行归一化处理;
偏移量存储模块,用于将归一化处理后的所述顶点位置偏移量存入对应的第一顶点色中。
可选地,所述第三存储模块,包括:
第二归一化模块,用于对所述顶点法线信息进行归一化处理;
法线存储模块,用于将归一化处理后的所述顶点法线信息存入对应的第二顶点色中。
可选地,所述待融合表情模型的标识是所述第一顶点贴图的序号;所述第二获取模块602,包括:
第二确定模块,用于依据所述第一顶点贴图的序号从预设顶点贴图中确定所述待融合表情模型对应的第一顶点贴图;
第四计算模块,用于从所述第一顶点贴图的像素中获取对应的多个顶点色信息,并依据所述顶点色信息进行还原计算得到对应的第一顶点色。
可选地,所述目标生成模块604,包括:
第五计算模块,用于计算每个待融合表情模型的融合权重和所述第一顶点色的顶点位置偏移量的乘积,得到第一目标位置偏移量;
第六计算模块,用于当所述待融合表情模型为两个以上时,将两个以上所述待融合表情模型对应的第一目标位置偏移量叠加,得到目标顶点的目标位置偏移量。
可选地,所述目标生成模块604,包括:
第七计算模块,用于将所述目标位置偏移量和所述源模型对应的顶点的顶点位置进行叠加运算;
结果更新模块,用于将所述叠加运算的结果更新为所述源模型对应的顶点的顶点位置,生成目标表情模型。
对于装置实施例而言,由于其与方法实施例基本相似,所以描述的比较简单,相关之处参见方法实施例的部分说明即可。
本申请实施例还公开了电子设备,包括处理器、存储器及存储在所述存储器上并能够在所述处理器上运行的计算机程序,所述计算机程序被所述处理器执行时实现如上所述的表情模型处理方法的步骤。
本申请实施例还公开了计算机可读存储介质,所述计算机可读存储介质上存储计算机程序,所述计算机程序被处理器执行时实现如上所述的表情模型处理方法的步骤。
本说明书中的各个实施例均采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同相似的部分互相参见即可。
本领域内的技术人员应明白,本申请实施例的实施例可提供为方法、装置、或计算机程序产品。因此,本申请实施例可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本申请实施例可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请实施例是参照根据本申请实施例的方法、终端设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理终端设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理终端设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理终端设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理终端设备上,使得在计算机或其他可编程终端设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程终端设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
尽管已描述了本申请实施例的优选实施例,但本领域内的技术人员一旦得知了基本创造性概念,则可对这些实施例做出另外的变更和修改。所以,所附权利要求意欲解释为包括优选实施例以及落入本申请实施例范围的所有变更和修改。
最后,还需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者终端设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者终端设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者终端设备中还存在另外的相同要素。
以上对本申请所提供的一种表情模型处理方法、一种表情模型处理装置、电子设备和存储介质,进行了详细介绍,本文中应用了具体个例对本申请的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本申请的方法及其核心思想;同时,对于本领域的一般技术人员,依据本申请的思想,在具体实施方式及应用范围上均会有改变之处,综上所述,本说明书内容不应理解为对本申请的限制。

Claims (11)

1.一种表情模型处理方法,其特征在于,所述方法包括:
获取待融合表情模型的标识和对应的融合权重;
依据所述待融合表情模型的标识从预设顶点贴图中获取对应的多个第一顶点色,每个第一顶点色包括所述待融合表情模型的顶点与源模型相应的顶点的顶点位置偏移量;
依据所述待融合表情模型的融合权重和所述顶点位置偏移量计算得到目标顶点的目标位置偏移量;
依据所述目标位置偏移量和所述源模型生成目标表情模型;
所述方法还包括:
依据所述待融合表情模型的标识从所述预设顶点贴图中获取对应的多个第二顶点色,每个第二顶点色包括所述待融合表情模型的顶点法线信息;
依据所述待融合表情模型的融合权重和所述顶点法线信息计算得到所述目标顶点的目标顶点法线信息;
依据所述目标顶点法线信息对所述目标表情模型进行渲染。
2.根据权利要求1所述的方法,其特征在于,在所述获取待融合表情模型的标识和对应的融合权重的步骤之前,所述方法还包括:
获取多个基本表情模型和源模型;
计算每个基本表情模型的顶点与所述源模型相应的顶点的顶点位置偏移量;
将每个顶点的所述顶点位置偏移量存入对应的第一顶点色中;
将同一个基本表情模型的第一顶点色按照预设顺序存入预设第一贴图的对应像素中,生成第一顶点贴图;
将多个基本表情模型对应的第一顶点贴图按照预设顺序进行拼接,生成预设顶点贴图。
3.根据权利要求2所述的方法,其特征在于,所述方法还包括:
获取每个基本表情模型的顶点法线信息;
将每个顶点法线信息存入对应的第二顶点色中;
将同一个基本表情模型的第二顶点色按照预设顺序存入预设第二贴图的对应像素中,生成第二顶点贴图;
将多个基本表情模型对应的第二顶点贴图按照预设顺序进行拼接后,再与所述预设顶点贴图拼接,以更新所述预设顶点贴图。
4.根据权利要求3所述的方法,其特征在于,所述将每个顶点的所述顶点位置偏移量存入对应的第一顶点色中的步骤,包括:
获取每个所述顶点位置偏移量的方向偏移量,所述方向偏移量包括X方向偏移量、Y方向偏移量和Z方向偏移量;
从所有所述方向偏移量中确定绝对值最大的基础方向偏移量;
依据所述基础方向偏移量对所述顶点位置偏移量进行归一化处理;
将归一化处理后的所述顶点位置偏移量存入对应的第一顶点色中。
5.根据权利要求4所述的方法,其特征在于,所述将每个顶点法线信息存入对应的第二顶点色中的步骤,包括:
对所述顶点法线信息进行归一化处理;
将归一化处理后的所述顶点法线信息存入对应的第二顶点色中。
6.根据权利要求4所述的方法,其特征在于,所述待融合表情模型的标识是所述第一顶点贴图的序号;所述依据所述待融合表情模型的标识从预设顶点贴图中获取对应的多个第一顶点色的步骤,包括:
依据所述第一顶点贴图的序号从预设顶点贴图中确定所述待融合表情模型对应的第一顶点贴图;
从所述第一顶点贴图的像素中获取对应的多个顶点色信息,并依据所述顶点色信息进行还原计算得到对应的第一顶点色。
7.根据权利要求6所述的方法,其特征在于,所述依据所述待融合表情模型的融合权重和所述顶点位置偏移量计算得到目标顶点的目标位置偏移量的步骤,包括:
计算每个待融合表情模型的融合权重和所述第一顶点色的顶点位置偏移量的乘积,得到第一目标位置偏移量;
当所述待融合表情模型为两个以上时,将两个以上所述待融合表情模型对应的第一目标位置偏移量叠加,得到目标顶点的目标位置偏移量。
8.根据权利要求7所述的方法,其特征在于,所述依据所述目标位置偏移量和所述源模型生成目标表情模型的步骤,包括:
将所述目标位置偏移量和所述源模型对应的顶点的顶点位置进行叠加运算;
将所述叠加运算的结果更新为所述源模型对应的顶点的顶点位置,生成目标表情模型。
9.一种表情模型处理装置,其特征在于,所述装置包括:
第一获取模块,用于获取待融合表情模型的标识和对应的融合权重;
第二获取模块,用于依据所述待融合表情模型的标识从预设顶点贴图中获取对应的多个第一顶点色,每个第一顶点色包括所述待融合表情模型的顶点与源模型相应的顶点的顶点位置偏移量;
第一计算模块,用于依据所述待融合表情模型的融合权重和所述顶点位置偏移量计算得到目标顶点色的目标位置偏移量;
目标生成模块,用于依据所述目标位置偏移量和所述源模型生成目标表情模型;
所述装置还包括:
第三获取模块,用于依据所述待融合表情模型的标识从所述预设顶点贴图中获取对应的多个第二顶点色,每个第二顶点色包括所述待融合表情模型的顶点法线信息;
第二计算模块,用于依据所述待融合表情模型的融合权重和所述顶点法线信息计算得到所述目标顶点的目标顶点法线信息;
目标渲染模块,用于依据所述目标顶点法线信息对所述目标表情模型进行渲染。
10.一种电子设备,其特征在于,包括处理器、存储器及存储在所述存储器上并能够在所述处理器上运行的计算机程序,所述计算机程序被所述处理器执行时实现如权利要求1至8中任一项所述的表情模型处理方法的步骤。
11.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质上存储计算机程序,所述计算机程序被处理器执行时实现如权利要求1至8中任一项所述的表情模型处理方法的步骤。
CN202110283147.6A 2021-03-16 2021-03-16 表情模型处理方法及装置、电子设备、存储介质 Active CN112862936B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110283147.6A CN112862936B (zh) 2021-03-16 2021-03-16 表情模型处理方法及装置、电子设备、存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110283147.6A CN112862936B (zh) 2021-03-16 2021-03-16 表情模型处理方法及装置、电子设备、存储介质

Publications (2)

Publication Number Publication Date
CN112862936A CN112862936A (zh) 2021-05-28
CN112862936B true CN112862936B (zh) 2023-08-08

Family

ID=75994906

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110283147.6A Active CN112862936B (zh) 2021-03-16 2021-03-16 表情模型处理方法及装置、电子设备、存储介质

Country Status (1)

Country Link
CN (1) CN112862936B (zh)

Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2002039371A2 (en) * 2000-11-03 2002-05-16 Koninklijke Philips Electronics N.V. Estimation of facial expression intensity using a bidirectional star topology hidden markov model
JP2008281418A (ja) * 2007-05-10 2008-11-20 Mitsubishi Heavy Ind Ltd 位置姿勢推定方法
CN108985241A (zh) * 2018-07-23 2018-12-11 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
CN110782529A (zh) * 2019-10-24 2020-02-11 重庆灵翎互娱科技有限公司 一种基于三维人脸实现眼球转动效果的方法和设备
CN111465965A (zh) * 2017-07-28 2020-07-28 北奥拜勃工作室有限公司 用于实时复杂角色动画和交互性的系统和方法
CN111462283A (zh) * 2020-03-27 2020-07-28 厦门梦加网络科技股份有限公司 大量相同角色动画播放方法、介质、设备及装置
CN111563417A (zh) * 2020-04-13 2020-08-21 华南理工大学 一种基于金字塔结构卷积神经网络的人脸表情识别方法
CN111784808A (zh) * 2020-07-04 2020-10-16 北京中科深智科技有限公司 一种基于交叉映射的面部动画构建方法
CN111882631A (zh) * 2020-07-24 2020-11-03 上海米哈游天命科技有限公司 一种模型渲染方法、装置、设备及存储介质
CN112150594A (zh) * 2020-09-23 2020-12-29 网易(杭州)网络有限公司 表情制作的方法、装置和电子设备

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP3625201B2 (ja) * 2001-10-24 2005-03-02 株式会社コナミコンピュータエンタテインメントスタジオ 3次元モデル変形プログラム、3次元モデル変形方法及びビデオゲーム装置
CN107657651B (zh) * 2017-08-28 2019-06-07 腾讯科技(上海)有限公司 表情动画生成方法和装置、存储介质及电子装置

Patent Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2002039371A2 (en) * 2000-11-03 2002-05-16 Koninklijke Philips Electronics N.V. Estimation of facial expression intensity using a bidirectional star topology hidden markov model
JP2008281418A (ja) * 2007-05-10 2008-11-20 Mitsubishi Heavy Ind Ltd 位置姿勢推定方法
CN111465965A (zh) * 2017-07-28 2020-07-28 北奥拜勃工作室有限公司 用于实时复杂角色动画和交互性的系统和方法
CN108985241A (zh) * 2018-07-23 2018-12-11 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
CN110782529A (zh) * 2019-10-24 2020-02-11 重庆灵翎互娱科技有限公司 一种基于三维人脸实现眼球转动效果的方法和设备
CN111462283A (zh) * 2020-03-27 2020-07-28 厦门梦加网络科技股份有限公司 大量相同角色动画播放方法、介质、设备及装置
CN111563417A (zh) * 2020-04-13 2020-08-21 华南理工大学 一种基于金字塔结构卷积神经网络的人脸表情识别方法
CN111784808A (zh) * 2020-07-04 2020-10-16 北京中科深智科技有限公司 一种基于交叉映射的面部动画构建方法
CN111882631A (zh) * 2020-07-24 2020-11-03 上海米哈游天命科技有限公司 一种模型渲染方法、装置、设备及存储介质
CN112150594A (zh) * 2020-09-23 2020-12-29 网易(杭州)网络有限公司 表情制作的方法、装置和电子设备

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
基于Candide-3模型的人脸表情动画系统设计与实现;张泽强;邓军祥;易法令;;福建电脑(02);第9-11页 *

Also Published As

Publication number Publication date
CN112862936A (zh) 2021-05-28

Similar Documents

Publication Publication Date Title
CN112933597B (zh) 图像处理方法、装置、计算机设备及存储介质
CN109754464B (zh) 用于生成信息的方法和装置
CN111161398B (zh) 一种图像生成方法、装置、设备及存储介质
CN108958462A (zh) 一种虚拟对象的展示方法及装置
CN109635639B (zh) 交通标识的位置检测方法、装置、设备和存储介质
CN112669429A (zh) 图像扭曲渲染方法及装置
CN109816792A (zh) 一种三维场景中的定位方法及装置
CN110458954B (zh) 一种等高线生成方法、装置及设备
CN110895823A (zh) 一种三维模型的纹理获取方法、装置、设备及介质
CN112862936B (zh) 表情模型处理方法及装置、电子设备、存储介质
CN110111364A (zh) 运动检测方法、装置、电子设备及存储介质
CN109308394A (zh) 一种三维水电预埋图的生成方法、装置、设备及存储介质
CN112927340A (zh) 一种不依赖于机械摆放的三维重建加速方法、系统及设备
CN110533777B (zh) 三维人脸图像修正方法、装置、电子设备和存储介质
CN112907451A (zh) 图像处理方法、装置、计算机设备和存储介质
WO2020098566A1 (zh) 三维建模的方法、设备及计算机可读存储介质
CN117078888A (zh) 虚拟角色的服装生成方法、装置、介质及电子设备
JP2021157404A (ja) 学習データ生成方法、学習データ生成装置、及び、プログラム
CN110378948A (zh) 3d模型重建方法、装置及电子设备
CN111429549B (zh) 路线图像的生成方法、装置及存储介质
Englert et al. Enhancing the ar experience with machine learning services
CN115457206A (zh) 三维模型生成方法、装置、设备及存储介质
CN110363860B (zh) 3d模型重建方法、装置及电子设备
CN114627149A (zh) 时空轨迹模拟方法、装置、电子设备及计算机存储介质
CN113856202A (zh) 游戏数据编辑方法、装置、编辑器、可读介质和设备

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