CN114549785A - 一种模型基底的生成方法、装置、电子设备及存储介质 - Google Patents
一种模型基底的生成方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN114549785A CN114549785A CN202210179199.3A CN202210179199A CN114549785A CN 114549785 A CN114549785 A CN 114549785A CN 202210179199 A CN202210179199 A CN 202210179199A CN 114549785 A CN114549785 A CN 114549785A
- Authority
- CN
- China
- Prior art keywords
- model
- mesh
- target
- value
- adjustment
- 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.)
- Pending
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
- G06T17/20—Finite element generation, e.g. wire-frame surface description, tesselation
-
- 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
Abstract
本公开提供了一种模型基底的生成方法、装置、电子设备、可读存储介质以及计算机程序产品,涉及增强现实、计算机视觉、深度学习等人工智能领域。具体实现方案为:基于标准模型以及目标标准模型基底,确定风格模型对应的模型调整程度,所述标准模型为预先生成的标准虚拟形象模型,所述目标标准模型基底为针对所述标准模型预先生成的符合目标需求的标准模型基底,所述风格模型为预先生成的具有目标风格的虚拟形象模型;根据所述模型调整程度对所述风格模型进行模型调整,生成符合所述目标需求的目标风格模型基底。该方案能够确保符合目标需求的目标风格模型基底具有目标风格,以及保障该目标风格模型基底具有正常的表现力。
Description
技术领域
本公开涉及人工智能领域,具体涉及计算机视觉和图像处理技术,具体可用于增强现实、计算机视觉、深度学习等人工智能领域。
背景技术
图像到三维虚拟形象(Photo-To-Avatar,PTA)作为一种常见的虚拟形象生成技术,能够基于用户图像生成针对该用户的个性化三维虚拟形象(avatar)。
在基于用户图像生成个性化三维虚拟形象过程中,需要利用用户图像以及已生成的模型基底来生成用户的个性化三维虚拟形象。因此,生成模型基底成为图像到三维虚拟形象技术的重要环节。
发明内容
本公开提供了提供一种模型基底的生成方法、装置、电子设备、可读存储介质以及计算机程序产品,以生成具有目标风格的目标风格模型基底。
根据本公开的一方面,提供了一种模型基底的生成方法,该方法可以包括以下步骤:
基于标准模型以及目标标准模型基底,确定风格模型对应的模型调整程度,标准模型为预先生成的标准虚拟形象模型,目标标准模型基底为针对标准模型预先生成的符合目标需求的标准模型基底,风格模型为预先生成的具有目标风格的虚拟形象模型;
根据模型调整程度对风格模型进行模型调整,生成符合目标需求的目标风格模型基底。
根据本公开的第二方面,提供了一种模型基底的生成装置,该装置可以包括:
模型调整程度确定单元,用于基于标准模型以及目标标准模型基底,确定风格模型对应的模型调整程度,标准模型为预先生成的标准虚拟形象模型,目标标准模型基底为针对标准模型预先生成的符合目标需求的标准模型基底,风格模型为预先生成的具有目标风格的虚拟形象模型;
模型调整单元,用于根据模型调整程度对风格模型进行模型调整,生成符合目标需求的目标风格模型基底。
根据本公开的另一方面,提供了一种电子设备,包括:
至少一个处理器;以及
与该至少一个处理器通信连接的存储器;其中,
该存储器存储有可被该至少一个处理器执行的指令,该指令被该至少一个处理器执行,以使该至少一个处理器能够执行本公开任一实施例中的方法。
根据本公开的另一方面,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,该计算机指令用于使计算机执行本公开任一实施例中的方法。
根据本公开的另一方面,提供了一种计算机程序产品,包括计算机程序/指令,其特征在于,该计算机程序/指令被处理器执行时实现本公开任一实施例中的方法。
本公开的技术,能够在确定出风格模型对应的模型调整程度的基础上,进一步利用该模型调整程度对风格模型进行模型调整,以生成符合目标需求的目标风格模型基底。由于风格模型为预先生成的具有目标风格的虚拟形象模型,在根据模型调整程度对风格模型进行模型调整来生成目标风格模型的情况下,能够确保该目标风格模型基底具有目标风格。
另外,由于模型调整程度是基于标准模型以及目标标准模型基底确定出的,从而能够保障目标风格模型基底具有正常的表现力。
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为本公开的实施例中提供一种模型基底的生成方法的流程图;
图2为本公开的实施例中提供的一种模型调整程度的确定方法的流程图;
图3为本公开的实施例中提供的一种模型变化值的确定方法的流程图;
图4为本公开的实施例中提供的一种模型调整程度的确定方法的流程图;
图5为本公开的实施例中提供的一种目标标准模型基底的示意图;
图6为本公开的实施例中提供的一种三维网格的示意图;
图7为本公开的实施例提供一种模型基底的生成装置的示意图;
图8为本公开的实施例提供的一种电子设备的示意图。
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。
本公开提供一种模型基底的生成方法,具体请参照图1,其为本公开的实施例提供一种模型基底的生成方法的流程图。图1所示的方法可以包括以下步骤:
步骤S101:基于标准模型以及目标标准模型基底,确定风格模型对应的模型调整程度,标准模型为预先生成的标准虚拟形象模型,目标标准模型基底为针对标准模型预先生成的符合目标需求的标准模型基底,风格模型为预先生成的具有目标风格的虚拟形象模型。
步骤S102:根据模型调整程度对风格模型进行模型调整,生成符合目标需求的目标风格模型基底。
本公开的实施例中提供的模型基底的生成方法,能够在确定出风格模型对应的模型调整程度的基础上,进一步利用该模型调整程度对风格模型进行模型调整,以生成符合目标需求的目标风格模型基底。由于风格模型为预先生成的具有目标风格的虚拟形象模型,在根据模型调整程度对风格模型进行模型调整来生成目标风格模型的情况下,能够确保该目标风格模型基底具有目标风格。
另外,由于模型调整程度是基于标准模型以及目标标准模型基底确定出的,从而能够保障目标风格模型基底具有正常的表现力。
此外,由于在生成目标风格模型基底的过程中,仅需要预先生成具有目标风格的风格模型,就能够根据模型调整程度对风格模型进行模型调整,来生成符合目标需求的目标风格模型基底,而无需花费大量的人力资源来自行设计具有目标风格的目标风格模型基底。因此,提高了具有目标风格的目标风格模型基底的生成效率。
本公开的实施例中,所谓标准虚拟形象模型是指不具有鲜明特点的虚拟形象模型,该标准虚拟形象模型用于展示目标对象的正常形象。其中,目标对象包括但不限于人、动物、甚至机器人。相应的,虚拟形象包括但不限于人的个性化三维虚拟形象、动物的个性化三维虚拟形象以及机器人的个性化三维虚拟形象。
本公开的实施例中,所谓标准模型基底是在标准模型基础上进一步生成的具有正常表现力的模型基底,所谓目标标准模型基底是具有正常表现力且符合目标需求的模型基底,用于展示目标对象在目标需求下的形象。
其中,目标需求为针对目标对象的五官特征或面部表情设置的需求,目标需求可以包括大眼睛、粗眉毛,张嘴巴表情、微笑表情或眨眼表情等中的至少一个。相应的,目标标准模型基底可以为具有大眼睛的标准模型基底,具有粗眉毛的标准模型基底,具有眨眼表情的标准模型基底,具有张嘴巴动作的标准模型基底,以及具有眨眼表情的标准模型基底。
目标风格对应于预设的鲜明特点。相应的,所谓风格模型是指具有鲜明特点的虚拟形象模型,用于展示目标对象在该鲜明特点下的形象。目标风格可以是指大眼睛小嘴,眨眼歪嘴等。
风格模型一般是相关设计人员通过用于虚拟形象模型设计的设计工具,针对目标风格进行模型设计得到的,风格模型还可以是通过其他模型生成方式预先生成的具有目标风格的虚拟形象模型。也就是说,本公开的实施例中对风格模型的生成方式不做具体限定。
所谓目标风格模型基底是在风格模型基础上进一步生成的模型基底,用于展示目标对象在目标需求下具有鲜明特点的形象。例如:在风格模型为大眼睛大嘴巴,目标需求为张嘴巴的情况下,目标风格模型基底可以为具有张嘴巴表情的大眼睛大嘴巴风格的基底模型。
需要说明的是,当目标对象为人时,在生成标准模型、目标标准模型基底、风格模型、目标风格模型基底以及生成个性化三维虚拟形象之前,都要获得相关目标对象的允许和授权。并且在上述过程中,如果涉及到用户个人信息的获取,存储和应用等,所涉及的用户个人信息的获取,存储和应用等,均应当符合相关法律法规的规定,且不违背公序良俗。
本公开的实施例中,模型调整程度用于表示对风格模型进行模型调整的过程中风格模型的形变程度。
本公开的实施例中,基于标准模型以及目标标准模型基底,确定风格模型对应的模型调整程度的具体实现方式可以如图2所示,图2为本公开的实施例中提供的一种模型调整程度的确定方法的流程图。图2所示的方法可以包括以下步骤:
步骤S201:确定目标标准模型基底相对于标准模型的模型变化值。
步骤S202:基于模型变化值以及目标需求,确定模型调整程度。
由于目标标准模型基底是具有正常表现力且符合目标需求的模型基底。因此,基于目标标准模型基底相对于标准模型的模型变化值,来确定模型调整程度,以对风格模型进行模型调整,能够确保生成的目标风格模型基底具有正常的表现力。
所谓模型变化值为目标标准模型基底相对于标准模型的形变值。该形变值用于表示目标标准模型基底相对于标准模型的形变程度。
本公开的实施例中,模型变化值的具体确定方式可以为:将标准模型以及目标标准模型基底输入到已训练的模型变化值获得模型中,获得模型变化值获得模型输出的模型变化值。
所谓模型变化值获得模型是采用样本模型、样本模型基底以及对应标注的真实模型变化值训练得到的神经网络模型。
本公开的实施例中,模型变化值的具体确定方式还可以如图3所示,图3为本公开的实施例中提供的一种模型变化值的确定方法的流程图。图3所示的方法可以包括以下步骤:
步骤S301:确定第一模型网格与第二模型网格之间网格顶点的位移值,第一模型网格为目标标准模型基底对应的三维网格,第二模型网格为标准模型对应的三维网格。
步骤S302:将位移值确定为模型变化值。
位移值能够表明第一模型网格的网格顶点相对于第二模型网格的网格顶点的位移程度,网格顶点的位移程度能够清楚简洁的表示出目标标准模型基底相对于标准模型的形变值。因此,将位移值确定为模型变化值,并根据模型变化值来确定模型调整程度,能够使模型调整程度更为简洁清楚,从而便于对风格模型进行模型调整。
所谓位移值可以是指第一模型网格中的各网格顶点与第二模型网格中的对应网格顶点之间网格顶点的位移值。
所谓位移值还可以是指目标网格区域中的各网格顶点与第二模型网格中的对应网格顶点之间网格顶点的位移值。其中,目标网格区域是根据目标需求在第一模型网格中预设的网格区域。例如:目标需求是眨眼,目标标准模型基底是具有眨眼表情的模型基底,此时,目标网格区域为眨眼表情在第一模型网格中对应的网格区域。
本公开的实施例中,基于模型变化值以及目标需求,确定模型调整程度的具体实现方式可以如图4所示,图4为本公开的实施例中提供的一种模型调整程度的确定方法的流程图。图4所示的方法可以包括以下步骤:
步骤S401:基于位移值以及目标需求,确定第三模型网格对应的网格顶点调整值,第三模型网格为风格模型对应的三维网格,第三模型网格中的网格顶点在模型调整过程中的位移程度。
步骤S402:将网格顶点调整值确定为模型调整程度。
由于网格顶点调整值用于表示对风格模型进行模型调整的过程中目标网格顶点的位移程度,在将网格顶点调整值确定为模型调整程度后,能够利用该网格顶点调整值,对第三模型网格的网格顶点进行调整,使第三模型网格发生网格形变,进而能够实现对风格模型的模型调整。并且通过调整网格顶点,来实现对风格模型的模型调整,能够使模型调整操作更为简单,从而能够提高目标风格模型基底的生成效率。
本公开的实施例中,所谓网格顶点调整值可以是指模型调整过程中第三模型网格中的各网格顶点的位移程度。
所谓网格顶点调整值还可以是指模型调整过程中指定网格区域中的各网格顶点的位移程度。其中指定网格是根据目标需求在第三模型网格中预设的网格区域。例如:目标需求是眨眼,目标标准模型基底是具有眨眼表情的模型基底,此时,指定网格区域为眨眼表情在第三模型网格中对应的网格区域。
本公开的实施例中,可以采用如下公式来基于网格顶点位移以及目标需求,确定第三模型网格对应的网格顶点调整值:
其中,f(Δx)用于表示全局目标优化函数,Δx在f(Δx)达到全局最小值的情况下用于表示网格顶点调整值,在f(Δx)未达到全局最小值的情况下用于表示待优化的网格顶点调整值,Δxi用于表示第三模型网格中第i个网格顶点对应的网格顶点调整值,Δxj用于表示第三模型网格中第j个网格顶点对应的网格顶点调整值,第j个网格顶点是与第i个网格顶点相邻的网格顶点,xi用于表示第一模型网格与第二模型网格之间第i个网格顶点的位移值,α为预先学习好的参数,α∈(0,1),minf(Δx),s.t.hk(x)=0用于表示在f(Δx)达到全局最小值的情况下hk(x)=0,hk(x)用于表示根据目标需求针对第三模型网格构建的约束函数。
本公开的实施例中,通过全局目标优化函数以及约束函数来求解网格顶点调整值,能够确保网格顶点调整值是生成符合目标需求的目标风格模型基底的最优值。进而能够提高目标风格模型基底的表现力。
所谓根据目标需求针对第三模型网格构建的约束函数的具体实现方式如下:
首先,根据目标需求,在第三网格模型中确定待约束的网格线,并确定待约束的网格线对应的待约束点。
具体请参照图5,图5为本公开的实施例中提供的一种目标标准模型基底的示意图。在目标需求为眨眼时,目标标准模型基底为具有眨眼表情的标准模型基底。以具有眨眼表情的标准模型基底为参照,可以确定生成的目标风格模型基底需要上眼皮与下眼皮之间的距离应当相邻。具体的,需要目标风格模型基底中上眼皮与下眼皮之间的第一距离,与图5中具有眨眼表情的标准模型基底中上眼皮与下眼皮之间的第二距离保持一致。
由于需要第一距离与第二距离保持一致,则需要在对风格模型进行模型调整,将第三模型网格形变成如图6所示的第四模型网格,图6为本公开的实施例中提供的一种三维网格的示意图。即需要网格线a与网格线b之间的距离,与第二模型网格中对应网格线之间的距离相等。也就是说,待约束的网格线为网格线a与网格线b。
其中,网格线a为网格顶点c所在的网格线b,网格线b为网格顶点c所在的网格线,网格线c为上眼皮拐点在第四模型网格对应的网格顶点,网格线d为下眼皮拐点在第四模型网格对应的网格顶点。
然后,根据目标需求,针对待约束的网格线构建约束函数。
例如,在目标需求为眨眼的情况下,需要网格线a与网格线b之间的距离与第二模型网格中对应网格线之间的距离相等。在此情况下,可以将距离相等这一距离约束作为约束条件,来构建约束函数。
本公开的实施例中,根据模型调整程度对风格模型进行模型调整,生成符合目标需求的目标风格模型基底的具体实现方式可以为:首先,基于模型调整程度,确定风格模型的模型形变值。然后,利用模型形变值,对风格模型进行模型变形,以获得目标风格模型基底。
基于模型调整程度来确定模型形变值,并利用该模型形变值,对风格模型进行模型变形,能够模型调整变得更为直观,从而能够简化模型的调整操作。
具体的,在将网格顶点调整值确定为模型调整程度的情况下,可以将第三模型网格中个网格顶点对应的网格顶点调整值,直接确定为风格模型的模型形变值,并通过调整网格顶点,来实现对风格模型的模型调整。从而能够使模型调整操作更为简单。
本公开的实施例中,可以针对风格需求,生成符合不同目标需求的多个目标风格模型基底。在生成符合不同目标需求的多个目标风格模型基底后,可以在获得待处理的面部图像的基础上,利用风格模型,以及符合不同目标需求的多个目标风格模型基底,生成与该面部图像对应的目标虚拟形象。
如图7所示,本公开的实施例提供一种模型基底的生成装置,该装置包括:
模型调整程度确定单元701,用于基于标准模型以及目标标准模型基底,确定风格模型对应的模型调整程度,标准模型为预先生成的标准虚拟形象模型,目标标准模型基底为针对标准模型预先生成的符合目标需求的标准模型基底,风格模型为预先生成的具有目标风格的虚拟形象模型;
模型调整单元702,用于根据模型调整程度对风格模型进行模型调整,生成符合目标需求的目标风格模型基底。
在一种实施方式中,模型调整程度确定单元701,可以包括:
第一变化值确定子单元,用于确定目标标准模型基底相对于标准模型的模型变化值;
第一调整程度确定子单元,用于基于模型变化值以及目标需求,确定模型调整程度。
在一种实施方式中,第一变化值确定子单元,可以包括:
位移值确定子单元,用于确定第一模型网格与第二模型网格之间网格顶点的位移值,第一模型网格为目标标准模型基底对应的三维网格,第二模型网格为标准模型对应的三维网格;
第二变化值确定子单元,用于将位移值确定为模型变化值。
在一种实施方式中,第一调整程度确定子单元,包括:
第一调整值确定子单元,用于基于位移值以及目标需求,确定第三模型网格对应的网格顶点调整值,第三模型网格为风格模型对应的三维网格,网格顶点调整值用于表示第三模型网格中的网格顶点在模型调整过程中的位移程度;
第二调整程度确定子单元,用于将网格顶点调整值确定为模型调整程度。
在一种实施方式中,第一调整值确定子单元,可以包括:第二调整值确定子单元,用于采用如下公式确定网格顶点调整值;
其中,f(Δx)用于表示全局目标优化函数,Δx在f(Δx)达到全局最小值的情况下用于表示网格顶点调整值,在f(Δx)未达到全局最小值的情况下用于表示待优化的网格顶点调整值,Δxi用于表示第三模型网格中第i个网格顶点对应的网格顶点调整值,Δxj用于表示第三模型网格中第j个网格顶点对应的网格顶点调整值,第j个网格顶点是与第i个网格顶点相邻的网格顶点,xi用于表示第一模型网格与第二模型网格之间第i个网格顶点的位移值,α为预先学习好的参数,α∈(0,1),minf(Δx),s.t.hk(x)=0用于表示在f(Δx)达到全局最小值的情况下hk(x)=0,hk(x)用于表示根据目标需求针对第三模型网格构建的约束函数。
在一种实施方式中,模型调整单元702,可以包括:
模型形变值确定子单元,用于基于模型调整程度,确定风格模型的模型形变值;
模型形变子单元,用于利用模型形变值,对风格模型进行模型变形,以获得目标风格模型基底。
本公开的技术方案中,所涉及的用户个人信息的获取,存储和应用等,均符合相关法律法规的规定,且不违背公序良俗。
根据本公开实施例,本公开还提供了一种电子设备和一种可读存储介质。
图8示出了可以用来实施本公开的实施例的示例电子设备800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8所示,设备800包括计算单元801,其可以根据存储在只读存储器(ROM)802中的计算机程序或者从存储单元808加载到随机访问存储器(RAM)803中的计算机程序,来执行各种适当的动作和处理。在RAM803中,还可存储设备800操作所需的各种程序和数据。计算单元801、ROM802以及RAM803通过总线804彼此相连。输入/输出(I/O)接口805也连接至总线804。
设备800中的多个部件连接至I/O接口805,包括:输入单元806,例如键盘、鼠标等;输出单元807,例如各种类型的显示器、扬声器等;存储单元808,例如磁盘、光盘等;以及通信单元809,例如网卡、调制解调器、无线通信收发机等。通信单元809允许设备800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801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801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801执行上文所描述的各个方法和处理,例如模型基底的生成方法。例如,在一些实施例中,模型基底的生成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808。在一些实施例中,计算机程序的部分或者全部可以经由ROM 802和/或通信单元809而被载入和/或安装到设备800上。当计算机程序加载到RAM 803并由计算单元801执行时,可以执行上文描述的模型基底的生成方法的一个或多个步骤。备选地,在其他实施例中,计算单元801可以通过其他任何适当的方式(例如,借助于固件)而被配置为执行模型基底的生成方法。
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模型基底的生成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。服务器可以是云服务器,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。
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 (15)
1.一种模型基底的生成方法,包括:
基于标准模型以及目标标准模型基底,确定风格模型对应的模型调整程度,所述标准模型为预先生成的标准虚拟形象模型,所述目标标准模型基底为针对所述标准模型预先生成的符合目标需求的标准模型基底,所述风格模型为预先生成的具有目标风格的虚拟形象模型;
根据所述模型调整程度对所述风格模型进行模型调整,生成符合所述目标需求的目标风格模型基底。
2.根据权利要求1所述的方法,其中,所述基于标准模型以及目标标准模型基底,确定风格模型对应的模型调整程度,包括:
确定所述目标标准模型基底相对于所述标准模型的模型变化值;
基于所述模型变化值以及所述目标需求,确定所述模型调整程度。
3.根据权利要求2所述的方法,其中,所述确定所述目标标准模型基底相对于所述标准模型的模型变化值,包括:
确定第一模型网格与第二模型网格之间网格顶点的位移值,所述第一模型网格为所述目标标准模型基底对应的三维网格,所述第二模型网格为所述标准模型对应的三维网格;
将所述位移值确定为所述模型变化值。
4.根据权利要求3所述的方法,其中,所述基于所述模型变化值以及所述目标需求,确定所述模型调整程度,包括:
基于所述位移值以及所述目标需求,确定第三模型网格对应的网格顶点调整值,所述第三模型网格为所述风格模型对应的三维网格,所述网格顶点调整值用于表示所述第三模型网格中的网格顶点在模型调整过程中的位移程度;
将所述网格顶点调整值确定为所述模型调整程度。
5.根据权利要求4所述的方法,其中,所述基于所述位移值以及所述目标需求,确定第三模型网格对应的网格顶点调整值,包括:采用如下公式确定所述网格顶点调整值;
其中,所述f(Δx)用于表示全局目标优化函数,Δx在f(Δx)达到全局最小值的情况下用于表示所述网格顶点调整值,在f(Δx)未达到全局最小值的情况下用于表示待优化的网格顶点调整值,所述Δxi用于表示所述第三模型网格中第i个网格顶点对应的网格顶点调整值,所述Δxj用于表示所述第三模型网格中第j个网格顶点对应的网格顶点调整值,所述第j个网格顶点是与所述第i个网格顶点相邻的网格顶点,所述xi用于表示所述第一模型网格与所述第二模型网格之间第i个网格顶点的位移值,α为预先学习好的参数,α∈(0,1),所述minf(Δx),s.t.hk(x)=0用于表示在f(Δx)达到全局最小值的情况下hk(x)=0,所述hk(x)用于表示根据所述目标需求针对所述第三模型网格构建的约束函数。
6.根据权利要求1-5任意一项所述的方法,其中,所述根据所述模型调整程度对所述风格模型进行模型调整,生成符合所述目标需求的目标风格模型基底,包括:
基于所述模型调整程度,确定所述风格模型的模型形变值;
利用所述模型形变值,对所述风格模型进行模型变形,以获得所述目标风格模型基底。
7.一种模型基底的生成装置,包括:
模型调整程度确定单元,用于基于标准模型以及目标标准模型基底,确定风格模型对应的模型调整程度,所述标准模型为预先生成的标准虚拟形象模型,所述目标标准模型基底为针对所述标准模型预先生成的符合目标需求的标准模型基底,所述风格模型为预先生成的具有目标风格的虚拟形象模型;
模型调整单元,用于根据所述模型调整程度对所述风格模型进行模型调整,生成符合所述目标需求的目标风格模型基底。
8.根据权利要求7所述的装置,其中,所述模型调整程度确定单元,包括:
第一变化值确定子单元,用于确定所述目标标准模型基底相对于所述标准模型的模型变化值;
第一调整程度确定子单元,用于基于所述模型变化值以及所述目标需求,确定所述模型调整程度。
9.根据权利要求8所述的装置,其中,所述第一变化值确定子单元,包括:
位移值确定子单元,用于确定第一模型网格与第二模型网格之间网格顶点的位移值,所述第一模型网格为所述目标标准模型基底对应的三维网格,所述第二模型网格为所述标准模型对应的三维网格;
第二变化值确定子单元,用于将所述位移值确定为所述模型变化值。
10.根据权利要求9所述的装置,其中,所述第一调整程度确定子单元,包括:
第一调整值确定子单元,用于基于所述位移值以及所述目标需求,确定第三模型网格对应的网格顶点调整值,所述第三模型网格为所述风格模型对应的三维网格,所述网格顶点调整值用于表示所述第三模型网格中的网格顶点在模型调整过程中的位移程度;
第二调整程度确定子单元,用于将所述网格顶点调整值确定为所述模型调整程度。
11.根据权利要求10所述的装置,其中,所述第一调整值确定子单元,包括:第二调整值确定子单元,用于采用如下公式确定所述网格顶点调整值;
其中,所述f(Δx)用于表示全局目标优化函数,Δx在f(Δx)达到全局最小值的情况下用于表示所述网格顶点调整值,在f(Δx)未达到全局最小值的情况下用于表示待优化的网格顶点调整值,所述Δxi用于表示所述第三模型网格中第i个网格顶点对应的网格顶点调整值,所述Δxj用于表示所述第三模型网格中第j个网格顶点对应的网格顶点调整值,所述第j个网格顶点是与所述第i个网格顶点相邻的网格顶点,所述xi用于表示所述第一模型网格与所述第二模型网格之间第i个网格顶点的位移值,α为预先学习好的参数,α∈(0,1),所述minf(Δx),s.t.hk(x)=0用于表示在f(Δx)达到全局最小值的情况下hk(x)=0,所述hk(x)用于表示根据所述目标需求针对所述第三模型网格构建的约束函数。
12.根据权利要求7-11任意一项所述的装置,其中,所述模型调整单元,包括:
模型形变值确定子单元,用于基于所述模型调整程度,确定所述风格模型的模型形变值;
模型形变子单元,用于利用所述模型形变值,对所述风格模型进行模型变形,以获得所述目标风格模型基底。
13.一种电子设备,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至6中任意一项所述的方法。
14.一种存储有计算机指令的非瞬时计算机可读存储介质,其中,所述计算机指令用于使计算机执行权利要求1至6中任意一项所述的方法。
15.一种计算机程序产品,包括计算机程序/指令,其中,该计算机程序/指令被处理器执行时实现权利要求1至6中任意一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210179199.3A CN114549785A (zh) | 2022-02-25 | 2022-02-25 | 一种模型基底的生成方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210179199.3A CN114549785A (zh) | 2022-02-25 | 2022-02-25 | 一种模型基底的生成方法、装置、电子设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114549785A true CN114549785A (zh) | 2022-05-27 |
Family
ID=81678870
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210179199.3A Pending CN114549785A (zh) | 2022-02-25 | 2022-02-25 | 一种模型基底的生成方法、装置、电子设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114549785A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115049799A (zh) * | 2022-06-14 | 2022-09-13 | 北京百度网讯科技有限公司 | 3d模型和虚拟形象的生成方法和装置 |
-
2022
- 2022-02-25 CN CN202210179199.3A patent/CN114549785A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115049799A (zh) * | 2022-06-14 | 2022-09-13 | 北京百度网讯科技有限公司 | 3d模型和虚拟形象的生成方法和装置 |
CN115049799B (zh) * | 2022-06-14 | 2024-01-09 | 北京百度网讯科技有限公司 | 3d模型和虚拟形象的生成方法和装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113643412B (zh) | 虚拟形象的生成方法、装置、电子设备及存储介质 | |
CN114549710A (zh) | 一种虚拟形象的生成方法、装置、电子设备及存储介质 | |
CN114842123B (zh) | 三维人脸重建模型训练和三维人脸形象生成方法及装置 | |
CN115049799B (zh) | 3d模型和虚拟形象的生成方法和装置 | |
CN112862933A (zh) | 用于优化模型的方法、装置、设备以及存储介质 | |
CN113963110B (zh) | 纹理图生成方法、装置、电子设备及存储介质 | |
CN115147265B (zh) | 虚拟形象生成方法、装置、电子设备和存储介质 | |
CN114792359A (zh) | 渲染网络训练和虚拟对象渲染方法、装置、设备及介质 | |
CN114723888A (zh) | 三维发丝模型生成方法、装置、设备、存储介质及产品 | |
CN115222879A (zh) | 一种模型减面处理方法、装置、电子设备及存储介质 | |
CN114549728A (zh) | 图像处理模型的训练方法、图像处理方法、装置及介质 | |
CN114494747A (zh) | 模型的训练方法、图像处理方法、装置、电子设备及介质 | |
CN114549785A (zh) | 一种模型基底的生成方法、装置、电子设备及存储介质 | |
CN113657396A (zh) | 训练方法、译文展示方法、装置、电子设备以及存储介质 | |
CN113380269A (zh) | 视频图像生成方法、装置、设备、介质和计算机程序产品 | |
CN113052962A (zh) | 模型训练、信息输出方法,装置,设备以及存储介质 | |
CN115359166B (zh) | 一种图像生成方法、装置、电子设备和介质 | |
CN112562043A (zh) | 图像处理方法、装置和电子设备 | |
CN115359171B (zh) | 虚拟形象处理方法、装置、电子设备和存储介质 | |
CN114078184B (zh) | 数据处理方法、装置、电子设备和介质 | |
CN115147306A (zh) | 图像处理方法、装置、电子设备和存储介质 | |
CN114581586A (zh) | 一种模型基底的生成方法、装置、电子设备及存储介质 | |
CN115082298A (zh) | 图像生成方法、装置、电子设备以及存储介质 | |
CN113112311A (zh) | 训练因果推断模型的方法、信息提示方法以装置 | |
CN113408304A (zh) | 文本翻译方法、装置、电子设备及存储介质 |
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 |