CN114611168A - 设计需求数据的处理方法、装置、存储介质和处理器 - Google Patents

设计需求数据的处理方法、装置、存储介质和处理器 Download PDF

Info

Publication number
CN114611168A
CN114611168A CN202011395609.5A CN202011395609A CN114611168A CN 114611168 A CN114611168 A CN 114611168A CN 202011395609 A CN202011395609 A CN 202011395609A CN 114611168 A CN114611168 A CN 114611168A
Authority
CN
China
Prior art keywords
product
model
dimensional
image
label
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
Application number
CN202011395609.5A
Other languages
English (en)
Inventor
王雨桐
马菲莹
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.)
Alibaba Group Holding Ltd
Original Assignee
Alibaba Group Holding 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 Alibaba Group Holding Ltd filed Critical Alibaba Group Holding Ltd
Priority to CN202011395609.5A priority Critical patent/CN114611168A/zh
Publication of CN114611168A publication Critical patent/CN114611168A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/10—Geometric CAD
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q30/00—Commerce
    • G06Q30/06—Buying, selling or leasing transactions
    • G06Q30/0601—Electronic shopping [e-shopping]
    • G06Q30/0621—Item configuration or customization
    • 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
    • G06F2113/00—Details relating to the application field
    • G06F2113/12—Cloth
    • 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
    • G06T2210/16—Cloth

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Geometry (AREA)
  • Business, Economics & Management (AREA)
  • Accounting & Taxation (AREA)
  • Finance (AREA)
  • Computer Graphics (AREA)
  • Mathematical Analysis (AREA)
  • Pure & Applied Mathematics (AREA)
  • Computer Hardware Design (AREA)
  • Evolutionary Computation (AREA)
  • General Engineering & Computer Science (AREA)
  • Mathematical Optimization (AREA)
  • Computational Mathematics (AREA)
  • Software Systems (AREA)
  • Development Economics (AREA)
  • Economics (AREA)
  • Marketing (AREA)
  • Strategic Management (AREA)
  • General Business, Economics & Management (AREA)
  • Processing Or Creating Images (AREA)

Abstract

本发明公开了一种设计需求数据的处理方法、装置、存储介质和处理器。其中，该方法包括：获取待设计对象的设计需求，并基于设计需求搜集素材图像；采用产品分类模型分析素材图像，获取用于标注待设计对象的设计元素的产品图像标签；基于产品图像标签，获取与待设计对象关联的三维产品模型。本发明解决了对设计需求数据的处理效率低的技术问题。

Description

设计需求数据的处理方法、装置、存储介质和处理器
技术领域
本发明涉及数据处理领域，具体而言，涉及一种设计需求数据的处理方法、装置、存储介质和处理器。
背景技术
目前，在进行与设计需求有关的数据处理时，设计人员通常需要自行浏览大量流行趋势门户网站进行当季流行素材的搜集，随后结合自身理解抽象出流行理念，最终以设计手稿或实体样本来完成产品设计的最终物化呈现。
但是，上述方法受限于设计素材的数量和设计师们艺术素养的差异性，他们对流行元素的理解往往是主观片面的，并不能真实反映市场整体的流行走向；另外，由于行业间信息差异引发了沟通成本，实体产品制作带来了时间和原材料成本，极大地拖延了设计师们对市场的快反能力。
因而，现有技术中通过人为设计来完成对目标对象提出的设计需求，导致设计内容进行数字化转换的过程效率低，从而存在对设计需求数据的处理效率低的技术问题。
针对上述的对设计需求数据的处理效率低的技术问题，目前尚未提出有效的解决方案。
发明内容
本发明实施例提供了一种设计需求数据的处理方法、装置、存储介质和处理器，以至少解决对设计需求数据的处理效率低的技术问题。
根据本发明实施例的一个方面，提供了一种设计需求数据的处理方法。该方法可以包括：获取待设计对象的设计需求，并基于设计需求搜集素材图像；采用产品分类模型分析素材图像，获取用于标注待设计对象的设计元素的产品图像标签；基于产品图像标签，获取与待设计对象关联的三维产品模型。
根据本发明实施例的一个方面，提供了另一种设计需求数据的处理方法。该方法可以包括：通过调用第一接口获取待设计对象的设计需求，并基于设计需求搜集素材图像，其中，第一接口包括：第一参数，第一参数的参数值为设计需求；采用产品分类模型分析素材图像，获取用于标注待设计对象的设计元素的产品图像标签；基于产品图像标签，获取与待设计对象关联的三维产品模型；通过调用第二接口输出三维产品模型，其中，第二接口包括：第二参数，第二参数的参数值为三维产品模型。
根据本发明实施例的一个方面，提供了另一种设计需求数据的处理方法。该方法可以包括：在电商平台获取待设计对象的设计需求，并基于设计需求搜集电商素材图像；采用产品分类模型分析电商素材图像，获取用于标注待设计对象的设计元素的电商图像标签；基于电商图像标签，获取与待设计对象关联的三维电商模型。
根据本发明实施例的另一方面，还提供了一种设计需求数据的处理装置。该装置可以包括：第一获取单元，用于获取待设计对象的设计需求，并基于设计需求搜集素材图像；第二获取单元，用于采用产品分类模型分析素材图像，获取用于标注待设计对象的设计元素的产品图像标签；第三获取单元，用于基于产品图像标签，获取与待设计对象关联的三维产品模型。
根据本发明实施例的另一方面，还提供了一种计算机可读存储介质。该计算机可读存储介质包括存储的程序，其中，在程序被处理器运行时控制计算机可读存储介质所在设备执行本发明实施例的设计需求数据的处理方法。
根据本发明实施例的另一方面，还提供了一种处理器。该处理器用于运行程序，其中，程序被处理器运行时执行本发明实施例的设计需求数据的处理方法。
根据本发明实施例的另一方面，还提供了一种设计需求数据的处理系统。该系统包括：处理器；存储器，与处理器相连接，用于为处理器提供处理以下处理步骤的指令：获取待设计对象的设计需求，并基于设计需求搜集素材图像；采用产品分类模型分析素材图像，获取用于标注待设计对象的设计元素的产品图像标签；基于产品图像标签，获取与待设计对象关联的三维产品模型。
在该实施例的设计需求数据的处理方法中，获取待设计对象的设计需求，并基于设计需求搜集素材图像；采用产品分类模型分析素材图像，获取用于标注待设计对象的设计元素的产品图像标签；基于产品图像标签，获取与待设计对象关联的三维产品模型。也就是说，本申请利用产品分类模型分析基于设计需求搜索到的素材图像，获取用于标注待设计对象的设计元素的产品图像标签，进而基于产品图像标签实现获取与待设计对象关联的三维产品模型的目的，有助于设计师对设计元素有更准确的把控，为产品对象的设计方案提供保障，并且基于产品图像标签实现获取与待设计对象关联的三维产品模型能够帮助设计师快速看到三维产品模型，减少实体打样的时间和原材料成本，降低沟通成本，加速设计师对市场潮流的快速反应，解决了对设计需求数据的处理效率低的技术问题，达到了提高对设计需求数据的处理效率的技术效果。
附图说明
此处所说明的附图用来提供对本发明的进一步理解，构成本申请的一部分，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：
图1是根据本发明实施例的一种用于实现设计需求数据的处理方法的计算机终端(或移动设备)的硬件结构框图；
图2是根据本发明实施例的一种设计需求数据的处理方法的流程图；
图3是根据本发明实施例的一种基于智能流行趋势分析的三维服饰生成方案的示意图；
图4是根据本发明实施例的一种自研图像标注网站完成图像的示意图；
图5是根据本发明实施例的一种色彩空间的图像数据可视化的示意图；
图6是根据本发明实施例的一种色彩空间服饰图像浏览的示意图；
图7是根据本发明实施例的一种组件缝合算法流程的示意图；
图8是根据本发明实施例的一种基于服饰图像标签的三维模型检索和组件拼接结果的示意图；
图9是根据本发明实施例的一种三维服饰模型生成与可视化渲染的示意图；
图10是根据本发明实施例的一种设计需求数据的处理装置的示意图；
图11是根据本发明实施例的一种计算机终端的结构框图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分的实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本发明保护的范围。
需要说明的是，本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
首先，在对本申请实施例进行描述的过程中出现的部分名词或术语适用于如下解释：
三维服饰(3D garment)，通过三维建模技术创建的虚拟服饰，通常表现形式为三角网格和四边形网格，需要通过渲染算法进行可视化；
服饰组件(block)，是带有语义信息的服饰组成部分，通常由二维版片缝合得到，它们是本方案服饰生成算法中替换、重组、变形的最小单元；
版型(style)，服饰的整体裁剪形状；
面料(fabric)，服饰的制作材料，它定义了三维服饰的内在物理属性，如棉、麻、丝绸、帆布等；
辅料(accessory)，在服饰设计中起到修饰作用的材料，如拉链、纽扣、里料等；
纹理(texture)，三维服饰的重要视觉属性，它描述了服饰的颜色、表面花纹、图案等信息；
材质(material)，面料在三维服饰的上的材料和质感体现，它描述了面料织物表面的花色纹理、凹凸、光感等细节属性。
实施例1
根据本发明实施例，还提供了一种设计需求数据的处理方法的实施例，需要说明的是，在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行，并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。
本申请实施例一所提供的方法实施例可以在移动终端、计算机终端或者类似的运算装置中执行。图1是根据本发明实施例的一种用于实现设计需求数据的处理方法的计算机终端(或移动设备)的硬件结构框图。如图1所示，计算机终端10(或移动设备10)可以包括一个或多个(图中采用102a、102b，……，102n来示出)处理器102(处理器102可以包括但不限于微处理器MCU或可编程逻辑器件FPGA等的处理装置)、用于存储数据的存储器104、以及用于通信功能的传输模块106。除此以外，还可以包括：显示器、输入/输出接口(I/O接口)、通用串行总线(USB)端口(可以作为I/O接口的端口中的一个端口被包括)、网络接口、电源和/或相机。本领域普通技术人员可以理解，图1所示的结构仅为示意，其并不对上述电子装置的结构造成限定。例如，计算机终端10还可包括比图1中所示更多或者更少的组件，或者具有与图1所示不同的配置。
应当注意到的是上述一个或多个处理器102和/或其他数据处理电路在本文中通常可以被称为“数据处理电路”。该数据处理电路可以全部或部分的体现为软件、硬件、固件或其他任意组合。此外，数据处理电路可为单个独立的处理模块，或全部或部分的结合到计算机终端10(或移动设备)中的其他元件中的任意一个内。如本申请实施例中所涉及到的，该数据处理电路作为一种处理器控制(例如与接口连接的可变电阻终端路径的选择)。
存储器104可用于存储应用软件的软件程序以及模块，如本发明实施例中的设计需求数据的处理方法对应的程序指令/数据存储装置，处理器102通过运行存储在存储器104内的软件程序以及模块，从而执行各种功能应用以及数据处理，即实现上述的应用程序的设计需求数据的处理方法。存储器104可包括高速随机存储器，还可包括非易失性存储器，如一个或者多个磁性存储装置、闪存、或者其他非易失性固态存储器。在一些实例中，存储器104可进一步包括相对于处理器102远程设置的存储器，这些远程存储器可以通过网络连接至计算机终端10。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。
传输装置106用于经由一个网络接收或者发送数据。上述的网络具体实例可包括计算机终端10的通信供应商提供的无线网络。在一个实例中，传输装置106包括一个网络适配器(Network Interface Controller，NIC)，其可通过基站与其他网络设备相连从而可与互联网进行通讯。在一个实例中，传输装置106可以为射频(Radio Frequency，RF)模块，其用于通过无线方式与互联网进行通讯。
显示器可以例如触摸屏式的液晶显示器(LCD)，该液晶显示器可使得用户能够与计算机终端10(或移动设备)的用户界面进行交互。
此处需要说明的是，在一些可选实施例中，上述图1所示的计算机设备(或移动设备)可以包括硬件元件(包括电路)、软件元件(包括存储在计算机可读介质上的计算机代码)、或硬件元件和软件元件两者的结合。应当指出的是，图1仅为特定具体实例的一个实例，并且旨在示出可存在于上述计算机设备(或移动设备)中的部件的类型。
在图1所示的运行环境下，本申请提供了如图2所示的视频中图像的处理方法。需要说明的是，该实施例的视频中图像的处理方法可以由图1所示实施例的移动终端执行。
图2是根据本发明实施例的一种设计需求数据的处理方法的流程图。如图2所示，该设计需求数据的处理方法可以包括以下步骤：
步骤S202，获取待设计对象的设计需求，并基于设计需求搜集素材图像。
在本发明上述步骤S202提供的技术方案中，待设计对象可以为服装行业中待设计的服饰，获取待设计对象的设计需求，该设计需求也即在设计对象时所需要满足的要素，可以基于设计需求来搜索与该设计需求有关的海量的素材图像，该素材图像可以为流行素材数据，用于作为数据分析的素材，可以包括流行图像数据和三维(3D)服饰模型数据，其中，流行图像数据也即图像数据资源，可以包括服饰图像数据。
可选地，该实施例在基于设计需求搜集素材图像时，可以是基于设计需求利用网络爬虫来搜集素材图像，可以利用网络爬虫有针对性地对时装秀场、时尚杂志、社交网络、时尚博文等网站上进行素材图像的收集，从而得到海量的流行图像数据；该实施例还可以从合作客户和设计师获得3D服饰模型数据，可以包括男装、女装中的大部分常见品类(包括T恤、卫衣、裤子、半身裙、连衣裙、外套等)。
可选地，该实施例可以使用跨平台计算机视觉和机器学习软件库(opencv)完成对上述素材图像的读取、存储、尺寸放缩和格式转换等。
步骤S204，采用产品分类模型分析素材图像，获取用于标注待设计对象的设计元素的产品图像标签。
在本发明上述步骤S204提供的技术方案中，在基于设计需求搜集素材图像之后，可以采用产品分类模型分析素材图像，获取用于标注待设计对象的设计元素的产品图像标签，其中，设计元素可以包括如下至少之一：颜色素材、材料素材和版型素材。
在该实施例中，产品分类模型可以为产品分类网络，用于对获取到的素材图像进行分析，以获取用于标注待设计对象的设计元素的产品图像标签，该产品图像标签用于对产品对象进行多维度的描述，可以为流行元素标签，可以为服饰组件标签(服饰图像标签)，比如，为版型、花色、类别等服饰基础属性，品牌、季节等商品属性以及成交量等售卖属性等用于对服饰进行多维度的描述的产品图像标签。可选地，该实施例可以采用数据驱动的方式从海量的素材图像中抽取设计元素，该设计元素可以为流行的设计元素，产品分类模型可以以颜色空间为侧重点，对素材图像进行主色分析，可以是基于深度学习分割网络(UNet)的服饰分割技术对获取到的素材图像进行分析，得到素材图像中较纯净的服饰区域，从而尽可能地避免素材图像的背景和人体肤色对服饰主色分析所带来的噪声影响；该实施例的产品分类模型还可以针对素材图像中的服饰区域，通过柱状图对服饰区域进行像素颜色统计，并取得排名靠前的颜色作为服饰主色调，比如，将排列前5的颜色(Top5)作为服饰主色调。
步骤S206，基于产品图像标签，获取与待设计对象关联的三维产品模型。
在本发明上述步骤S206提供的技术方案中，在获取用于标注待设计对象的设计元素的产品图像标签之后，可以基于产品图像标签，获取与待设计对象关联的三维产品模型。
在该实施例中，当产品对象自身具有纹理多样和多褶皱的特性时，则从素材图像直接生成三维产品模模型是十分困难且不稳定的，它们会对产品对象的三维信息的估计带来不确定的噪声影响，从而导致深度估计不准确。为了解决上述问题，该实施例可以采用基于产品图像标签的三维产品模型检索生成算法来实现三维产品模型的生成，可以基于产品图像标签检索和生成与待设计对象关联的三维产品模型，该三维产品模型可以为三维服饰模型。
可选地，该实施例可以基于组件模型的三维产品模型生成算法，通过最近点迭代算法(Iterative Closest Point，简称为ICP)、最近点最远距离采样和泊松重建实现对三维产品组件模型的拼接，从而生成新的三维产品模型。该算法可以使得三维产品模型具有多样性的生成能力，从而相当于提供了一种自有模型数据库的自扩充方法。
可选地，当产品对象为服饰，三维产品模型为三维服饰模型时，可以积累1000个常见的三维服饰模型，并且通过产品图像标签检索建立素材图像和三维服饰模型之间的关联关系，从而实现以素材图像检索三维服饰模型的目的，还可以通过泊松重建来进一步实现新的三维服饰模型的生成。
本申请通过上述步骤S202至步骤S206，获取待设计对象的设计需求，并基于设计需求搜集素材图像；采用产品分类模型分析素材图像，获取用于标注待设计对象的设计元素的产品图像标签；基于产品图像标签，获取与待设计对象关联的三维产品模型。也就是说，本申请利用产品分类模型分析基于设计需求搜索到的素材图像，获取用于标注待设计对象的设计元素的产品图像标签，进而基于产品图像标签实现获取与待设计对象关联的三维产品模型的目的，有助于设计师对设计元素有更准确的把控，为产品对象的设计方案提供保障，并且基于产品图像标签实现获取与待设计对象关联的三维产品模型能够帮助设计师快速看到三维产品模型，减少实体打样的时间和原材料成本，降低沟通成本，加速设计师对市场潮流的快速反应，解决了对设计需求数据的处理效率低的技术问题，达到了提高对设计需求数据的处理效率的技术效果。
下面对该实施例的上述设计需求数据的处理方法进行进一步介绍。
作为一种可选的实施方式，步骤S206，基于产品图像标签，获取与待设计对象关联的三维产品模型，包括：将产品图像标签与三维产品模型数据库中的各个三维产品模型的标签分别进行相似度计算；基于计算结果，从三维产品模型数据库中获取相似度最高的三维产品模型，其中，相似度最高的三维产品模型为与待设计对象关联的三维产品模型。
在该实施例中，在实现基于产品图像标签，获取与待设计对象关联的三维产品模型时，可以先将产品图像标签与三维产品模型数据库中的各个三维产品模型的标签分别进行相似度计算，可以是将产品图像标签与三维产品模型数据库中的各个三维产品模型的标签分别进行余弦相似度(cosine similarity)计算，得到计算结果，比如，若产品图像标签表示为向量I＝(I1，I2，...In)，三维产品模型数据库中的各个三维产品模型的标签表示为向量M＝(M1，M2，...Mn)，则相似度可以计算为Sim＝I·M/||I||||M||’其中“·”用于表示为向量的内积，||·||用于表示向量的模。在得到上述计算结果之后，可以从三维产品模型数据库中获取标签与产品图像标签相似度最高的三维产品模型，进而将该相似度最高的三维产品模型确定为与待设计对象关联的三维产品模型。
可选地，三维产品模型数据库中的各个三维产品模型的标签对于产品对象的特征的描述程度是不同的，比如，产品对象为服饰，性别、品类、衣长等描述了服饰的显著特征，而纹理、面料等则描述服饰的细节特征。因而，该实施例为三维产品模型数据库中的各个三维产品模型的标签定义了不同的权重w＝(w1，w2，...wn)，且∑k∈[1，n]ωk＝1，可以将权重带入到上述余弦相似度的公式中，则得到带权重的余弦相似度公式为Sim＝(wI·wM)/||wI||||wM||°
作为一种可选的实施方式，在将产品图像标签与三维产品模型数据库中的各个三维产品模型的标签分别进行相似度计算之前，该方法还包括：创建三维产品模型数据库；将三维产品模型数据库中的标签与预存的产品图像标签进行关联；将三维产品模型数据库中的各个三维产品模型按照标签进行组件分割，得到多个组件模型；将多个组件模型的可缝合点进行标注，其中，每个组件作为三维产品模型进行检索和重组的最小单元。
在该实施例中，在将产品图像标签与三维产品模型数据库中的各个三维产品模型的标签分别进行相似度计算之前，创建三维产品模型数据库，该三维产品模型数据库包括了多个三维产品模型的标签，可以为三维服饰模型数据库。该实施例将三维产品模型数据库中的标签与预存的产品图像标签进行关联，该预存的产品图像标签可以为预存的二维产品图像的标签，比如，为二维服饰图像标签，可以将三维服饰模型数据库中的标签与二维服饰图像标签相关联，也即，三维服饰模型具有与二维服饰图像相同的标签属性，因此具有标签可比性。
在将三维产品模型数据库中的标签与预存的产品图像标签进行关联之后，可以将三维产品模型数据库中的各个三维产品模型按照标签进行组件分割，从而得到多个组件模型，这些组件模型将成为三维产品模型检索、重组的最小基元，进而对这些组件模型的可缝合点进行标注。其中，组件模型可以为服饰组件，也可以称为三维服饰组件模型。
当设计师选择灵感设计图像时，算法会通过深度学习网络(DeepFashion网络)获取产品图像标签，并依据产品图像标签的内容检索三维产品模型数据库的相关三维产品模型和组件模型，并从中选择标签与产品图像标签相似度最高的三维产品模型返回给设计师。
作为一种可选的实施方式，在将多个组件模型的可缝合点进行标注之前，该方法还包括：获取每个组件模型的坐标变换矩阵，其中，每个组件模型的坐标变换矩阵构成重网格化的三维产品组件模型；将每个组件变换到预定位置，获取每个组件模型的坐标位置；基于每个组件模型的坐标位置，确定任意两个或多个组件之间的可缝合点。
在该实施例中，在将多个组件模型的可缝合点进行标注之前，可以先获取每个组件模型的坐标变换矩阵，可以是通过ICP计算得到每个组件模型的坐标变换矩阵，该每个组件模型的坐标变换矩阵可以用于构成重网格化的三维产品组件模型，可以利用坐标变换矩阵将每个组件模型变换到预定位置，也即，变换到合适的位置，进而获取每个组件模型的坐标位置，基于每个组件模型的坐标位置，确定任意两个或多个组件之间的可缝合点。由于组件模型之间的缝合点数量会存在不一致的情况，该实施例通过寻找到最近可缝合点的最远距离来对缝合点进行采样，从而保证可缝合点数量的一致性，进而建立缝合点之间的对应关系。可选地，该实施例给定缝合线L＝{v0，v1，…vm}和L′＝{v0′，v1′，…vn′}，且m＜n。对于缝合点vi∈L，在L′上可以找到距离vi距离小于到L上其它缝合点的集合A＝{vi′，vj′，…vp′}，按照缝合点在L′上的自然序号选择序号最大的点作为L′上的采样点。
为了保证组件模型融合边界处网格的均匀性，该实施例采用对重采样后的组件模型的网格进行重网格化。该实施例可以采用增量重网格化算法，可以以组件模型的三维网格作为输入，按照以下步骤执行：1)设定组件模型的目标网格的边长e，并将缝合点上的边标记为固定边；2)在网格中所有大于4/3e的边中心插入新的顶点，并分裂与该边相关的三角形；3)删除网格中所有小于4/5 e的边，并融合与该边相关的三角形；4)删除网格中度超过6的顶点；5)为了保证重采样后网格的平滑性，可以沿法线方向在切平面上更新所有顶点的位置坐标，得到新坐标p′＝q+nnT(p-q)，其中，q为顶点p的余弦拉普拉斯坐标，n为该点的法向量，nT为n的转置；6)重复上述步骤2)-5)多次，直到网格足够平滑，可选地，依据经验该实施例重复上述算法5次，可以得到重网格化的组件模型。
可选地，该实施例有组件模型A和组件模型B，且相互对应的缝合点为VA＝(v1，v2，…，vn)和VB＝(v1，v2，…，vn)，则可以通过求解线性方程arg minV′||L(V′)-δ||+||VA-VB||来完成组件模型A和组件模型B的缝合，其中，V′用于表示重建后组件模型A的顶点位置坐标，L(·)用于表示顶点坐标拉普拉斯算子，δ用于表示目标顶点拉普拉斯坐标。
作为一种可选的实施方式，任意两个组件间的缝合采用泊松重建，使得缝合处具备平滑特征。
可选地，该实施例的任意两个组件模型之间的缝合可以采用泊松重建，用以保证缝合处的平滑性。
作为一种可选的实施方式，在步骤S202，基于设计需求搜集素材图像之后，该方法还包括：对素材图像的主色调进行隐空间编码，降低素材图像的显示维度；基于降低后的显示维度，将素材图像在屏幕空间中进行可视化处理，其中，降低显示维度后的素材图像的图像数据在屏幕空间中按照数据量以及色彩分布进行聚类。
在该实施例中，为了方便设计师在色彩空间自由浏览相关设计，在基于设计需求搜集素材图像之后，可以先确定素材图像的主色调，对素材图像的主色调进行隐空间编码，降低素材图像的显示维度，比如，将素材图像的主色调从15维空间R15降低到2维空间R2，基于降低后的显示维度，将素材图像在屏幕空间中进行可视化处理。
举例而言，每张图像共有5个主颜色，分别记为ci∈[1，5]＝(ri，gi，bi)，因此，可以写作15维向量v15＝(c1，c2，c3，c4，c5)。通过主成分分析(Principal Component Analysis，简称为PCA)进行降维，得到v2＝PCA(v15)，且v2＝(x，y)代表了屏幕空间坐标，也代表了高维空间中的一幅流行图像，从而达到将素材图像在屏幕空间中进行可视化处理的目的。
在该实施例中，设计师可以在屏幕空间框选感兴趣的区域按照主色自由浏览流行素材图像，从而可以极大地节约了设计师在全空间内无目的搜索设计素材的时间成本。需要说明的是，经PCA降维后的素材图像据会在屏幕空间按照其数据量的多少、图像数据中色彩分布的多样性呈现出聚类的特性，进而为设计师显式地提供了全域数据中流行色彩信息。
作为一种可选的实施方式，在步骤S204，采用产品分类模型分析素材图像之前，该方法还包括：获取产品样本素材，其中，产品样本素材包括：产品图像和产品设计模型；采用属性标签对产品样本素材进行标注，其中，属性标签包括如下至少之一：产品属性和交易属性；采用神经网络模型对产品图像和对应的属性标签进行训练，生成产品分类模型，其中，产品分类模型用于对待分析的对象标注对应的属性标签。
在该实施例中，在采用产品分类模型分析素材图像之前，可以获取产品样本素材，该产品样本素材可以包括：产品图像和产品设计模型，其中，产品图像可以为流行图像数据，产品设计模型可以为服饰模型，该实施例采用属性标签对产品样本素材进行标注，该属性标签包括如下至少之一：产品属性和交易属性，其中，产品属性可以为产品的基础属性，交易属性可以为产品的商品属性和售卖属性。可选地，该实施例可以从产品样本素材的属性来源、场景维度方面定义了产品的基础属性、售卖属性和场景信息等属性标签。其中，基础属性是产品作为实体物体本身所带有的客观描述信息；商品属性的属性标签为产品作为商品在售卖场景下的相关策略信息；售卖信息的属性标签则描述了产品在售卖过程中所产生的营销与市场相关的动态数据。
举例而言，该实施例的属性标签为服饰流行标签，可以如表1所示。
表1服饰流行标签表
Figure BDA0002814976770000111
该实施例的上述服饰流行标签表是针对产品图像为服饰图像和产品设计模型为三维服饰模型所定义的。需要说明的是，该实施例的三维服饰模型可以仅具备产品属性。
可选地，当产品图像为服饰图像时，该实施例可以从服饰的产品属性，商品属性和售卖属性上定义17个精细化的属性标签，来对服饰图像进行多维度的描述。
可选地，该实施例为了算法的可拓展性，可以首先通过自研图像标注网站完成产品图像和对应的属性标签的收集，然后可以采用神经网络模型对产品图像和对应的属性标签进行训练，比如，使用DeepFashion2网络对产品图像和对应的属性标签进行训练，生成上述产品分类模型，用来对待分析的对象标注对应的属性标签，也即，处理新数据的标注工作。
作为一种可选的实施方式，在步骤S206，获取与待设计对象关联的三维产品模型之后，该方法还包括：从预存的纹理数据库中选择与产品图像标签相似度最高的纹理作为三维产品模型的纹理；基于三维产品模型的纹理，对三维产品模型进行可视化渲染。
在该实施例中，预存的纹理数据库也即自有纹理数据库，可以具有不同三维产品模型的纹理。该实施例可以在获取与待设计对象关联的三维产品模型之后，可以依据设计师选择的灵感图像，从素材图像中扣取一部分图像作为参照，并可以以图搜的方式从预存的纹理数据库中，选择与待设计对象的产品图像标签相似度最高的纹理作为三维产品模型的纹理，进而基于三维产品模型的纹理，对三维产品模型进行可视化渲染，还可以进一步结合材质等表观信息对三维产品模型进行可视化渲染。可选地，该实施例通过threejs插件对三维产品模型完成可视化渲染，从而增强设计师对设计理念的体感，辅助他们更精准地把握市场和客户的真实诉求，加快产品设计流程，降低时间和原料成本，实现为产品数字化设计提效的目标。
作为一种可选的示例，通过调用第一接口获取待设计对象的设计需求，并基于设计需求搜集素材图像，其中，第一接口包括：第一参数，第一参数的参数值为设计需求；采用产品分类模型分析素材图像，获取用于标注待设计对象的设计元素的产品图像标签；基于产品图像标签，获取与待设计对象关联的三维产品模型；通过调用第二接口输出三维产品模型，其中，第二接口包括：第二参数，第二参数的参数值为三维产品模型。
在该实施例中，上述第一接口可以是服务器与客户端之间进行数据交互的接口，客户端可以将待设计对象的设计需求数据传入第一接口，作为第一接口的一个参数，实现待设计对象的设计需求数据上传至服务器的目的。
在该实施例中，服务器通过第一接口获取待设计对象的设计需求，该设计需求也即在设计对象时所需要满足的要素，服务器可以基于设计需求来搜索与该设计需求有关的海量的素材图像。
可选地，该实施例的服务器在基于设计需求搜集素材图像时，可以是基于设计需求利用网络爬虫来搜集素材图像。可选地，该实施例可以使用跨平台计算机视觉和opencv完成对上述素材图像的读取、存储、尺寸放缩和格式转换等。
在服务器基于设计需求搜集素材图像之后，可以采用产品分类模型分析素材图像，获取用于标注待设计对象的设计元素的产品图像标签，其中，设计元素可以包括如下至少之一：颜色素材、材料素材和版型素材。其中，产品分类模型可以为产品分类网络，用于对获取到的素材图像进行分析，以获取用于标注待设计对象的设计元素的产品图像标签，该产品图像标签用于对产品对象进行多维度的描述。可选地，该实施例可以采用数据驱动的方式从海量的素材图像中抽取设计元素，该设计元素可以为流行的设计元素，产品分类模型可以以颜色空间为侧重点，对素材图像进行主色分析。
在服务器获取用于标注待设计对象的设计元素的产品图像标签之后，可以基于产品图像标签，获取与待设计对象关联的三维产品模型。该实施例可以采用基于产品图像标签的三维产品模型检索生成算法来实现三维产品模型的生成，可以基于产品图像标签检索和生成与待设计对象关联的三维产品模型，该三维产品模型可以为三维服饰模型。
可选地，该实施例的服务器可以基于组件模型的三维产品模型生成算法，通过ICP、最近点最远距离采样和泊松重建实现对三维产品组件模型的拼接，从而生成新的三维产品模型。
该实施例的第二接口可以是服务器与客户端之间进行数据交互的接口，服务器可以将三维产品模型数据传入第二接口，作为第二接口的一个参数，实现服务器将三维产品模型下发至客户端的目的。
下面从电商场景对本发明实施例的设计需求数据的处理方法进行介绍。
作为另一种可选的示例，在电商平台获取待设计对象的设计需求，并基于设计需求搜集电商素材图像；采用产品分类模型分析电商素材图像，获取用于标注待设计对象的设计元素的电商图像标签；基于电商图像标签，获取与待设计对象关联的三维电商模型。
在该实施例中，用户可以在电商平台输入待设计对象的设计需求，从而可以在电商平台中获取待设计对象的设计需求，其中，电商平台可以为综合电商平台，也可以为垂直品类的电商平台。其中，待设计对象可以为电商平台中待设计的对象，获取待设计对象的设计需求，该设计需求也即在设计对象时所需要满足的要素，可以基于设计需求来搜索与该设计需求有关的海量的电商素材图像，该电商素材图像可以为流行的电商素材图像数据，可以是电商图片。
可选地，该实施例在基于设计需求搜集素材图像时，可以是基于设计需求利用网络爬虫来搜集上述电商素材图像，从而得到海量的流行电商素材图像数据；该实施例还可以从合作客户和设计师获得电商素材图像。
可选地，该实施例可以使用跨平台计算机视觉和机器学习软件库(opencv)完成对上述电商素材图像的读取、存储、尺寸放缩和格式转换等。
在基于设计需求搜集电商素材图像之后，可以采用产品分类模型分析电商素材图像，获取用于标注待设计对象的设计元素的电商图像标签，其中，设计元素可以包括如下至少之一：颜色素材、材料素材和版型素材。
在该实施例中，产品分类模型可以为产品分类网络，用于对获取到的电商素材图像进行分析，以获取用于标注待设计对象的设计元素的电商图像标签，该电商图像标签用于对电商对象进行多维度的描述，可以为流行的电商元素标签。可选地，该实施例可以采用数据驱动的方式从海量的电商素材图像中抽取设计元素，该设计元素可以为流行的电商设计元素，产品分类模型可以以颜色空间为侧重点，对电商素材图像进行主色分析。
在获取用于标注待设计对象的设计元素的电商图像标签之后，可以基于电商图像标签，获取与待设计对象关联的三维电商模型。该实施例可以采用基于电商图像标签的三维电商模型检索生成算法来实现三维电商模型的生成，可以基于电商图像标签检索和生成与待设计对象关联的三维电商模型。
可选地，该实施例可以基于组件模型的三维电商模型生成算法，通过ICP、最近点最远距离采样和泊松重建实现对三维产品组件模型的拼接，从而生成新的三维电商模型。该算法可以使得三维电商模型具有多样性的生成能力，从而相当于提供了一种自有模型数据库的自扩充方法。
该实施例的设计需求数据的处理方法为一种基于智能流行趋势分析的三维产品模型的生成算法。流行趋势一直是引导产品设计方案的风向标。该实施例的算法框架能够用数据驱动的方式从海量的素材图像中抽取流行的设计元素，可以通过深度学习算法对素材图像进行理解，辅助设计师有目的的在素材图像的全域中进行自由浏览，并获得相关流行趋势数据，有助于设计师对流行的设计元素有更准确地把控，为设计方案的时尚性和潮流性提供保障；另外，该实施例基于产品图像标签的三维产品模型检索生成算法，能够帮助设计师快速看到待设计对象的样本，减少实体打样的时间和原材料成本，降低沟通成本，加速设计师对市场潮流的快速反应；进一步地，该实施例是一个结合图像视觉理解和三维产品模型生成的创新流程框架，具有现有趋势分析门户网站和三维设计软件均不具备的能力；该实施例的基于组件模型的三维产品模型的生成算法，可以是通过ICP、最近点最远距离采样和泊松重建实现对组件模型的拼接，从而生成新的三维产品模型，该算法可以作为三维产品模型多样性的生成能力，提供了一种自有模型数据库的自扩充方法，从而该实施例通过上述方法解决了对设计需求数据的处理效率低的技术问题，达到了提高对设计需求数据的处理效率的技术效果。
实施例2
下面结合优选的实施方式对本发明的技术方案进行举例说明，具体以待设计对象为服饰进行举例说明。
5G时代的到来极大程度上加速了人工智能(AI)赋能下的传统制造业朝向更高效、智能的方向发展。紧随时代的浪潮，服装行业也开始探求如何充分利用深度学习的强大数据分析计算能力实现整个行业的数字化转型，从而实现对瞬息万变的市场供需的快速反应。服饰设计作为整个快反链路的源头，其是否能够精准把握时代诉求、高效低成本地生成设计方案，着实起到了举足轻重的作用。
当前，服饰设计正处于数字化程度尚未成熟的阶段，设计师们通常需要自行浏览大量流行趋势门户网站进行当季流行素材的搜集，随后结合自身理解抽象出流行理念，最终以设计手稿或实体样衣来完成服饰设计的最终物化呈现。然而，受限于设计师人工搜集设计素材的不完整性，以及设计师自身设计素养的差异性，每个人对于流行趋势的理解和阐释都存在较强的主观性，因此并不能如实反映市场整体的趋势走向和客户的真实诉求。另外，由于行业间信息的差异性引发了沟通成本，实体样衣的制作带来了时间成本和原材料成本。一件服饰从概念设计到设计定稿的周期通常需要30天左右，这对于设计理念低成本具象化是十分不友好的，从而从源头上极大地拖延了服饰行业对市场的快反能力。
面向专业设计师的三维服饰设计软件旨在以三维服饰的形式快速展示出设计师们的设计理念，从而减少样衣制作带来的生产成本和时间成本。它们支持设计师自由指定三维服饰各个版片的纹理和面料材质，从而能够直观地反馈出不同纹理、面料材质在三维服饰上的表现效果。部分软件还提供3D人体扫描和真实布料参数测量功能，旨在提供三维服饰合身定制、真实感物理仿真和渲染功能。
面向非专业人士的在线服饰个性化定制平台旨在以三维服饰的形式直接为用户提供视觉反馈。目前，支持用户对一些日常三维服饰进行部件替换、个性化logo贴图和纹理材质替换等个性化编辑操作。
时尚趋势门户网站旨在为设计师提供服饰设计资源素材的门户平台，涵盖独立设计师作品、时装周秀场等高清图片和时尚杂志书籍，从色彩、面料、款式、纹理印花等方面为设计师提供当下流形素材，用以激发他们的设计灵感。
相关技术还收集了近4000场时装设计秀场图像，对其进行颜色分析和色版组织，为设计师提供按照颜色空间浏览时尚设计，并从而汲取设计灵感的便捷服务。然而，该方案仅仅提供图像浏览功能，并且图像标签仅仅包含了服饰品牌、设计师和年份等少量维度，并未对服饰细节进行理解，更不具备三维服饰模型生成能力，因此在加速设计流程上能够起到的作用也是十分有限的。
上述相关技术针对现有趋势分析解决方案，往往仅起到罗列设计素材的作用，并未对数据进行深入挖掘从而生成具体的流行元素标签；服饰设计类软件都侧重于面向设计师提供从二维服饰裁片到三维服饰的建模生成能力，还尚未涉足如何将流行元素融入到设计过程本身，而是将流行元素的阐释移交给了设计师。
因此，该实施例提出了一种基于智能流行趋势分析的三维服饰设计与生成方案，旨在为设计师提供从抽象流行趋势标签智能生成三维服饰样衣的自动化流程。以互联网上海量流行服饰图像作为数据分析素材，该实施例可以首先利用DeepFashion深度学习网络对作为服饰图像的素材图像进行分析，获取设计元素的服饰图像标签；然后通过服饰配色方案分析辅以PCA降维构建色彩空间，并以色彩做为趋势分析的主方向；接着将服饰图像标签与三维服饰模型进行关联，基于服饰图像标签完成以图检索三维服饰模型和组件模型的能力，并通过服饰组件拼接、重组实现三维服饰模型的生成，辅以纹理、材质等表观信息，通过渲染完成三维服饰模型的可视化，从而增强设计师对设计理念的体感，辅助他们更精准地把握市场和客户的真实诉求，加快服饰设计流程，降低时间和原料成本，实现为服饰数字化设计提效的目标。
该实施例在流行趋势分析上可以采取颜色作为主要流行趋势，对服饰本身进行理解，可以借助DeepFashion深度学习能力通过16个精细化标签从版型、花色、类别等服饰基础属性，品牌、季节等商品属性以及成交量等售卖属性对服饰进行多维度的描述，并建立服饰图像标签与三维服饰模型标签之间的关联关系，从而实现以图搜索三维服饰模型及组件并生成设计三维模型的能力，这些是现有趋势网站均不具备的能力。
下面对该实施例的上述方法进行进一步介绍。
图3是根据本发明实施例的一种基于智能流行趋势分析的三维服饰生成方案的示意图。如图3所示，可以先获取海量服饰图像数据，也即，进行流行素材数据获取，然后制定需要分析的流行元素标签和进行主色提取，其中，流行元素标签可以包括女装、连衣裙、淑女风、短款、修身、纯色、春夏标签；再进行色彩隐空间降维可视化，也即，进行流行色版隐空间编码；进行图像三维服饰模型检索与组件拼接生成；最后进行三维服饰模型的可视化渲染。
下面对该实施例的流行素材数据获取进行介绍。
该实施例使用的素材图像可以包括两类：流行图像数据和3D服饰模型数据。首先，可以利用网络爬虫有针对性地对时装秀场、时尚杂志、社交网络、时尚博文等网站上进行数据收集，得到海量图像数据资源；从合作客户和设计师获得3D服饰模型数据，涵盖男装、女装中的大部分常见品类(包括T恤、卫衣、裤子、半身裙、连衣裙、外套等)。
下面对该实施例的分析素材图像进行介绍。
该实施例的分析素材图像可以为流行元素分析，可以对素材图像制定需要分析的流行元素标签。在流行元素方面，该实施例可以以颜色空间为侧重点，对素材图像进行主色分析。其中，可以用到的关键技术可以为：1)基于UNet的服饰分割技术，旨在得到素材图像中较纯净的服饰区域，尽可能避免背景和人体肤色对服饰主色分析带来的噪声影响；2)针对服饰区域，通过柱状图进行像素颜色统计，并取得Top5颜色作为服饰主色调。
该实施例可以从素材图像的属性来源、场景维度方面定义了服饰的基础属性、售卖属性和场景信息。其中，基础属性是服饰作为实体物体本身所带有的客观描述信息；商品属性为服饰作为商品在售卖场景下的相关策略信息；售卖信息则描述了服饰在售卖过程中所产生的营销与市场相关的动态数据。该实施例为服饰图像和3D服饰模型定义了如表1所示的描述标签，需要说明的是，3D服饰模型仅具备基础属性标签。
为了算法的可拓展性，该实施例可以首先通过自研图像标注网站完成图像基础属性标签的收集。图4是根据本发明实施例的一种自研图像标注网站完成图像的示意图。如图4所示，通过自研图像标注网站完成图像基础属性标签的收集，比如，性别、品类、款式、领型、衣长、袖长、松紧、纹理、图样、季节、风格、细节、面料等基础属性标签。可选地，该实施例可以在自研图像标注网站上设置从第几个标签开始读取，进而确定读取到的标签为需要收集的标签。
在完成图像基础属性标签收集之后，可以使用DeepFashion2网络对图像及标签进行训练，获得分类网络，通过该分类网络用来处理新数据的标注工作。
下面对该实施例的流行色版隐空间编码进行介绍。
图5是根据本发明实施例的一种色彩空间的图像数据可视化的示意图。如图5所示该，为了方便设计师在色彩空间自由浏览相关设计，可以对图像数据的主色调进行隐空间编码，即将其从15维空间R15降低到2维空间R2，从而在屏幕空间进行可视化。可选地，每张图像共有5个主颜色可以分别记为ci∈[1，5]＝(ri，gi，bi)，因此，可以写作15维向量v15＝(c1，c2，c3，c4，c5)。通过PCA降维，得到v2＝PCA(v15)，且v2＝(x，y)代表了屏幕空间坐标，也代表了高维空间中的一幅流行图像。
图6是根据本发明实施例的一种色彩空间服饰图像浏览的示意图。如图6所示，设计师可以在屏幕空间框选感兴趣的区域按照主色自由浏览流行图像数据，从而极大地节约了设计师在全空间内无目的搜索设计素材的时间成本。需要说明的是，该实施例在进行PCA降维后的图像数据会在屏幕空间按照其数据量的多少、图像数据中色彩分布的多样性呈现出聚类的特性，进而为设计师显式地提供了全域数据中流行色彩信息。
下面对该实施例的基于图像的三维服饰模型检索与生成进行介绍。
从素材图像直接生成三维服饰模型是十分困难且不稳定的，其主要原因在于服饰自身具有纹理多样和多褶皱的特性，它们会对服饰三维信息的估计带来不确定的噪声影响，从而导致深度估计的不准确。为了解决上述问题，该实施例采用基于服饰图像标签的三维服饰模型检索生成算法实现基于图像的三维服饰模型生成。具体来说，首先，将二维服饰图像标签与自有三维服饰模型数据库中的标签相关联，即三维服饰模型具有与二维服饰图像相同的标签属性，因次具有标签可比性；随后，该实施例将三维服饰模型按照标签进行组件模型的分割，并对组件模型的可缝合点进行标注。这些组件模型将成为三维服饰模型检索、重组的最小基元。当设计师选择灵感设计图像时，算法会通过DeepFashion网络获取服饰图像标签，并依据服饰图像标签的内容检索三维服饰模型数据库中的相关模型和组件模型，并从中选择最相似的三维服饰模型返回给设计师。
该实施例的三维服饰模型与图像的相似度可以是通过标签的匹配程度量化的，该方案可以采用余弦相似度(cosine similarity)。若服饰图像标签表示为向量I＝(I1，I2，…，In)，三维服饰模型标签表示为向量M＝(M1，M2，…，Mn)，则相似度可以计算为Sim＝I·M/||I||||M||，其中，“·”用于表示向量的内积，“||·||”用于表示向量的模。然而，每个三维服饰模型标签对于服饰特征的描述程度是不同的，比如，性别、品类、衣长等描述了服饰的显著特征，而如纹理、面料等则描述服饰的细节特征，因此设计师对服饰描述的重点特征为这些三维服饰模型标签定义了不同的权重ω＝(ω1，ω2，…，ωn)，且∑k∈[1，n]ωk＝1。该实施例可以将权重带入到上述余弦相似度公式，则得到带权重的余弦相似度Sim＝(wI·wM)/||wI||||wM||°
此外，该实施例也支持服饰组件模型的检索与拼接。图7是根据本发明实施例的一种组件缝合算法流程的示意图。如图7所示，(a)用于表示服饰组件模型，该实施例可以首先通过ICP计算得到服饰组件模型的坐标变换矩阵，将组件变换到合适的位置，图7(b)。然而，组件间的缝合点数量会存在不一致的情况。此时，该实施例通过寻找到最近可缝合点的最远距离对缝合点进行采样，从而保证可缝合点数量的一致性，进而建立缝合点间的对应关系，如图7(c)。可选地，该受伤了给定缝合线L＝{v0，v1，…vm}和L′＝{v0′，v1′，…vn′}，且m＜n。对于点vi∈L，在L′上可以找到距离vi距离小于到L上其它点的集合A＝{vi′，vj′，…vp′}，按照点在L′上的自然序号选择序号最大的点作为L′上的采样点。为了保证组件融合边界处网格的均匀性，该实施例可以采用对重采样后的组件网格进行重网格化，如图7(d)。
可选地，该实施例可以采用增量重网格化算法，以服饰组件模型的三维网格作为输入，可以按照如下6个步骤执行：1)设定服饰组件模型网格目标的边长e，并将缝合点上的边标记为固定边；2)在网格中所有大于4/3 e的边中心插入新的顶点，并分裂与该边相关的三角形；3)删除网格中所有小于4/5 e的边，并融合与该边相关的三角形；4)删除网格中度超过6的顶点；5)为了保证重采样后网格的平滑性，沿法线方向在切平面上更新所有顶点的位置坐标，得到新坐标p′＝q+nnT(p-q)，其中，q为顶点p的余弦拉普拉斯坐标，n为该点的法向量，nT为n的转置；6)可以重复上述步骤2)-5)多次，直到网格足够平滑，依据经验本方案重复上述算法5次，得到重网格化的三维服饰组件模型。服饰组件模型间的缝合采用泊松重建用以保证缝合处的平滑性，如图7(e)，进而进行服饰组件模型的融合，得到组件融合结果，比如，得到图7(f)。
举例而言，若有服饰组件模型A和B，且相互对应的缝合点为VA＝(v1，v2，…，vn)和VB＝(v1，v2，…，vn)，则可以通过求解线性方程arg minv′||L(V′)-δ||+||VA-VB||完成服饰组件模型A和B的缝合，其中，V′为重建后服饰组件模型A的顶点位置坐标，L(·)为顶点坐标拉普拉斯算子，δ为目标顶点拉普拉斯坐标。
图8是根据本发明实施例的一种基于服饰图像标签的三维模型检索和组件拼接结果的示意图。如图8所示，基于服饰图像标签的三维服饰模型检索和组件拼接结果的生成算法能够帮助设计师快速看到虚拟三维样衣，减少实体打样的时间和原材料成本，降低沟通成本，加速设计师对市场潮流的快速反应。
下面对该实施例的服饰纹理检索的方法进行进一步介绍。
图9是根据本发明实施例的一种三维服饰模型生成与可视化渲染的示意图。如图9所示，该实施例可以依据设计师选择的灵感图像，从服饰图像中扣取一部分图像作为参照，并用图搜的方式从自有纹理数据库中选择最相似的纹理作为三维服饰模型的纹理。结合自有材质库，通过threejs完成三维服饰模型可视化渲染。
相比于简单图像颜色分析而言，该实施例更加侧重于对更多服饰属性进行理解，并以三维服饰模型生成作为算法的输出和侧重点。可选地，该实施例从服饰的基础属性，商品属性和售卖属性上定义了多个精细化标签对服饰图像进行多维度的描述。此外，该实施例还可以积累近1000个常见三维服饰模型，并且通过基础属性标签建立图像和三维服饰模型的关联关系，从而实现以图检索三维服饰模型，并通过泊松重建实现新三维服饰模型生成。上述方法为现有趋势均无法实现的。
该实施例的方法为基于智能流行趋势分析的三维服饰生成算法框架，流行趋势是一直是引导服饰设计方案的风向标。该实施例的算法框架的提出能够用数据驱动的方式从海量流行服饰图像中抽取流行元素(以颜色空间为例)，通过深度学习算法对服饰图像进行理解，辅助设计师有目的的在服饰图像全域中进行自由浏览，并获得相关流行趋势数据，有助于设计师对流行元素有更准确地把控，为设计方案的时尚性和潮流性提供保障；另外，该实施例基于图像标签的三维服饰模型检索生成算法能够帮助设计师快速看到虚拟三维样衣，减少实体打样的时间和原材料成本，降低沟通成本，加速设计师对市场潮流的快速反应。进一步地，该实施例是一个结合图像视觉理解和三维服饰模型生成的创新流程框架，具有现有趋势分析门户网站和三维设计软件均不具备的能力。
该实施例基于组件模型的三维服饰模型生成算法，是通过ICP、最近点最远距离采样和泊松重建实现对三维服饰组件模型的拼接，从而生成新的三维服饰模型。该算法可以作为三维服饰模型多样性的生成能力，且提供了一种自有模型数据库的自扩充方法。
需要说明的是，对于前述的各方法实施例，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，本发明并不受所描述的动作顺序的限制，因为依据本发明，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，所涉及的动作和模块并不一定是本发明所必须的。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到根据上述实施例的方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质(如ROM/RAM、磁碟、光盘)中，包括若干指令用以使得一台终端设备(可以是手机，计算机，服务器，或者网络设备等)执行本发明各个实施例所述的方法。
实施例3
根据本发明实施例，还提供了一种用于实施上述设计需求数据的处理方法的设计需求数据的处理装置。
图10是根据本发明实施例的一种设计需求数据的处理装置的示意图。如图10所示，该设计需求数据的处理装置100可以包括：第一获取单元101、第二获取单元102和第三获取单元103。
第一获取单元101，用于获取待设计对象的设计需求，并基于设计需求搜集素材图像。
第二获取单元102，用于采用产品分类模型分析素材图像，获取用于标注待设计对象的设计元素的产品图像标签。
第三获取单元103，用于基于产品图像标签，获取与待设计对象关联的三维产品模型。
此处需要说明的是，上述第一获取单元101、第二获取单元102和第三获取单元103分别对应于实施例1的步骤S202至步骤S206，三个单元与对应的步骤所实现的实例和应用场景相同，但不限于上述实施例1所公开的内容。需要说明的是，上述单元作为装置的一部分可以运行在实施例1提供的计算机终端10中。
在该实施例的设计需求数据的处理装置中，本用产品分类模型分析基于设计需求搜索到的素材图像，获取用于标注待设计对象的设计元素的产品图像标签，进而基于产品图像标签实现获取与待设计对象关联的三维产品模型的目的，有助于设计师对设计元素有更准确的把控，为产品对象的设计方案提供保障，并且基于产品图像标签实现获取与待设计对象关联的三维产品模型能够帮助设计师快速看到三维产品模型，减少实体打样的时间和原材料成本，降低沟通成本，加速设计师对市场潮流的快速反应，解决了对设计需求数据的处理效率低的技术问题，达到了提高对设计需求数据的处理效率的技术效果。
实施例4
本发明的实施例可以提供一种设计需求数据的处理，该设计需求数据的处理包括计算机终端，该计算机终端可以是计算机终端群中的任意一个计算机终端设备。可选地，在本实施例中，上述计算机终端也可以替换为移动终端等终端设备。
可选地，在本实施例中，上述计算机终端可以位于计算机网络的多个网络设备中的至少一个网络设备。
在本实施例中，上述计算机终端可以执行应用程序的设计需求数据的处理方法中以下步骤的程序代码：获取待设计对象的设计需求，并基于设计需求搜集素材图像；采用产品分类模型分析素材图像，获取用于标注待设计对象的设计元素的产品图像标签；基于产品图像标签，获取与待设计对象关联的三维产品模型。
可选地，图11是根据本发明实施例的一种计算机终端的结构框图。如图11所示，该计算机终端A可以包括：一个或多个(图中仅示出一个)处理器112、存储器114、以及传输装置116。
其中，传输装置，用于获取待设计对象的设计需求。其中，存储器可用于存储软件程序以及模块，如本发明实施例中的设计需求数据的处理方法和装置对应的程序指令/模块，处理器通过运行存储在存储器内的软件程序以及模块，从而执行各种功能应用以及数据处理，即实现上述的设计需求数据的处理方法。存储器可包括高速随机存储器，还可以包括非易失性存储器，如一个或者多个磁性存储装置、闪存、或者其他非易失性固态存储器。在一些实例中，存储器可进一步包括相对于处理器远程设置的存储器，这些远程存储器可以通过网络连接至计算机终端A。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。
处理器可以通过传输装置调用存储器存储的信息及应用程序，以执行下述步骤：获取待设计对象的设计需求，并基于设计需求搜集素材图像；采用产品分类模型分析素材图像，获取用于标注待设计对象的设计元素的产品图像标签；基于产品图像标签，获取与待设计对象关联的三维产品模型。
可选地，上述处理器还可以执行如下步骤的程序代码：将产品图像标签与三维产品模型数据库中的各个三维产品模型的标签分别进行相似度计算；基于计算结果，从三维产品模型数据库中获取相似度最高的三维产品模型，其中，相似度最高的三维产品模型为与待设计对象关联的三维产品模型。
可选地，上述处理器还可以执行如下步骤的程序代码：在将产品图像标签与三维产品模型数据库中的各个三维产品模型的标签分别进行相似度计算之前，创建三维产品模型数据库；将三维产品模型数据库中的标签与预存的产品图像标签进行关联；将三维产品模型数据库中的各个三维产品模型按照标签进行组件分割，得到多个组件模型；将多个组件模型的可缝合点进行标注，其中，每个组件作为三维产品模型进行检索和重组的最小单元。
可选地，上述处理器还可以执行如下步骤的程序代码：在将多个组件模型的可缝合点进行标注之前，获取每个组件模型的坐标变换矩阵，其中，每个组件模型的坐标变换矩阵构成重网格化的三维产品组件模型；将每个组件变换到预定位置，获取每个组件模型的坐标位置；基于每个组件模型的坐标位置，确定任意两个或多个组件之间的可缝合点。
可选地，上述处理器还可以执行如下步骤的程序代码：在基于设计需求搜集素材图像之后，对素材图像的主色调进行隐空间编码，降低素材图像的显示维度；基于降低后的显示维度，将素材图像在屏幕空间中进行可视化处理，其中，降低显示维度后的素材图像的图像数据在屏幕空间中按照数据量以及色彩分布进行聚类。
可选地，上述处理器还可以执行如下步骤的程序代码：在采用产品分类模型分析素材图像之前，获取产品样本素材，其中，产品样本素材包括：产品图像和产品设计模型；采用属性标签对产品样本素材进行标注，其中，属性标签包括如下至少之一：产品属性和交易属性；采用神经网络模型对产品图像和对应的属性标签进行训练，生成产品分类模型，其中，产品分类模型用于对待分析的对象标注对应的属性标签。
可选地，上述处理器还可以执行如下步骤的程序代码：在获取与待设计对象关联的三维产品模型之后，从预存的纹理数据库中选择与产品图像标签相似度最高的纹理作为三维产品模型的纹理；基于三维产品模型的纹理，对三维产品模型进行可视化渲染。
作为一种可选的示例，处理器可以通过传输装置调用存储器存储的信息及应用程序，以执行下述步骤：通过调用第一接口获取待设计对象的设计需求，并基于设计需求搜集素材图像，其中，第一接口包括：第一参数，第一参数的参数值为设计需求；采用产品分类模型分析素材图像，获取用于标注待设计对象的设计元素的产品图像标签；基于产品图像标签，获取与待设计对象关联的三维产品模型；通过调用第二接口输出三维产品模型，其中，第二接口包括：第二参数，第二参数的参数值为三维产品模型。
作为另一种可选的示例，处理器可以通过传输装置调用存储器存储的信息及应用程序，以执行下述步骤：在电商平台获取待设计对象的设计需求，并基于设计需求搜集电商素材图像；采用产品分类模型分析电商素材图像，获取用于标注待设计对象的设计元素的电商图像标签；基于电商图像标签，获取与待设计对象关联的三维电商模型。
采用本发明实施例，提供了一种设计需求数据的处理方法。通过获取待设计对象的设计需求，并基于设计需求搜集素材图像；采用产品分类模型分析素材图像，获取用于标注待设计对象的设计元素的产品图像标签；基于产品图像标签，获取与待设计对象关联的三维产品模型。也就是说，本申请利用产品分类模型分析基于设计需求搜索到的素材图像，获取用于标注待设计对象的设计元素的产品图像标签，进而基于产品图像标签实现获取与待设计对象关联的三维产品模型的目的，有助于设计师对设计元素有更准确的把控，为产品对象的设计方案提供保障，并且基于产品图像标签实现获取与待设计对象关联的三维产品模型能够帮助设计师快速看到三维产品模型，减少实体打样的时间和原材料成本，降低沟通成本，加速设计师对市场潮流的快速反应，解决了对设计需求数据的处理效率低的技术问题，达到了提高对设计需求数据的处理效率的技术效果。
本领域普通技术人员可以理解，图11所示的结构仅为示意，计算机终端A也可以是智能手机(如Android手机、iOS手机等)、平板电脑、掌声电脑以及移动互联网设备(MobileInternet Devices，MID)、PAD等终端设备。图11其并不对上述计算机终端A的结构造成限定。例如，计算机终端A还可包括比图11中所示更多或者更少的组件(如网络接口、显示装置等)，或者具有与图11所示不同的配置。
本领域普通技术人员可以理解上述实施例的各种方法中的全部或部分步骤是可以通过程序来指令终端设备相关的硬件来完成，该程序可以存储于一计算机可读存储介质中，存储介质可以包括：闪存盘、只读存储器(Read-Only Memory，ROM)、随机存取器(RandomAccess Memory，RAM)、磁盘或光盘等。
实施例5
本发明的实施例还提供了一种计算机可读存储介质。可选地，在本实施例中，上述计算机可读存储介质可以用于保存上述实施例一所提供的设计需求数据的处理方法所执行的程序代码。
可选地，在本实施例中，上述计算机可读存储介质可以位于计算机网络中计算机终端群中的任意一个计算机终端中，或者位于移动终端群中的任意一个移动终端中。
可选地，在本实施例中，计算机可读存储介质被设置为存储用于执行以下步骤的程序代码：获取待设计对象的设计需求，并基于设计需求搜集素材图像；采用产品分类模型分析素材图像，获取用于标注待设计对象的设计元素的产品图像标签；基于产品图像标签，获取与待设计对象关联的三维产品模型。
可选地，在本实施例中，计算机可读存储介质被设置为存储用于执行以下步骤的程序代码：将产品图像标签与三维产品模型数据库中的各个三维产品模型的标签分别进行相似度计算；基于计算结果，从三维产品模型数据库中获取相似度最高的三维产品模型，其中，相似度最高的三维产品模型为与待设计对象关联的三维产品模型。
可选地，在本实施例中，计算机可读存储介质被设置为存储用于执行以下步骤的程序代码：在将产品图像标签与三维产品模型数据库中的各个三维产品模型的标签分别进行相似度计算之前，创建三维产品模型数据库；将三维产品模型数据库中的标签与预存的产品图像标签进行关联；将三维产品模型数据库中的各个三维产品模型按照标签进行组件分割，得到多个组件模型；将多个组件模型的可缝合点进行标注，其中，每个组件作为三维产品模型进行检索和重组的最小单元。
可选地，在本实施例中，计算机可读存储介质被设置为存储用于执行以下步骤的程序代码：在将多个组件模型的可缝合点进行标注之前，获取每个组件模型的坐标变换矩阵，其中，每个组件模型的坐标变换矩阵构成重网格化的三维产品组件模型；将每个组件变换到预定位置，获取每个组件模型的坐标位置；基于每个组件模型的坐标位置，确定任意两个或多个组件之间的可缝合点。
可选地，在本实施例中，计算机可读存储介质被设置为存储用于执行以下步骤的程序代码：在基于设计需求搜集素材图像之后，对素材图像的主色调进行隐空间编码，降低素材图像的显示维度；基于降低后的显示维度，将素材图像在屏幕空间中进行可视化处理，其中，降低显示维度后的素材图像的图像数据在屏幕空间中按照数据量以及色彩分布进行聚类。
可选地，在本实施例中，计算机可读存储介质被设置为存储用于执行以下步骤的程序代码：在采用产品分类模型分析素材图像之前，获取产品样本素材，其中，产品样本素材包括：产品图像和产品设计模型；采用属性标签对产品样本素材进行标注，其中，属性标签包括如下至少之一：产品属性和交易属性；采用神经网络模型对产品图像和对应的属性标签进行训练，生成产品分类模型，其中，产品分类模型用于对待分析的对象标注对应的属性标签。
可选地，在本实施例中，计算机可读存储介质被设置为存储用于执行以下步骤的程序代码：在获取与待设计对象关联的三维产品模型之后，从预存的纹理数据库中选择与产品图像标签相似度最高的纹理作为三维产品模型的纹理；基于三维产品模型的纹理，对三维产品模型进行可视化渲染。
作为一种可选的示例，计算机可读存储介质被设置为存储用于执行以下步骤的程序代码：通过调用第一接口获取待设计对象的设计需求，并基于设计需求搜集素材图像，其中，第一接口包括：第一参数，第一参数的参数值为设计需求；采用产品分类模型分析素材图像，获取用于标注待设计对象的设计元素的产品图像标签；基于产品图像标签，获取与待设计对象关联的三维产品模型；通过调用第二接口输出三维产品模型，其中，第二接口包括：第二参数，第二参数的参数值为三维产品模型。
作为另一种可选的示例，计算机可读存储介质被设置为存储用于执行以下步骤的程序代码：在电商平台获取待设计对象的设计需求，并基于设计需求搜集电商素材图像；采用产品分类模型分析电商素材图像，获取用于标注待设计对象的设计元素的电商图像标签；基于电商图像标签，获取与待设计对象关联的三维电商模型。
上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。
在本发明的上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见其他实施例的相关描述。
在本申请所提供的几个实施例中，应该理解到，所揭露的技术内容，可通过其它的方式实现。其中，以上所描述的装置实施例仅仅是示意性的，例如所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，单元或模块的间接耦合或通信连接，可以是电性或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可为个人计算机、服务器或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。

Claims (14)

1.一种设计需求数据的处理方法，其特征在于，包括：
获取待设计对象的设计需求，并基于所述设计需求搜集素材图像；
采用产品分类模型分析所述素材图像，获取用于标注所述待设计对象的设计元素的产品图像标签；
基于所述产品图像标签，获取与所述待设计对象关联的三维产品模型。
2.根据权利要求1所述的方法，其特征在于，基于所述产品图像标签，获取与所述待设计对象关联的三维产品模型，包括：
将所述产品图像标签与三维产品模型数据库中的各个三维产品模型的标签分别进行相似度计算；
基于计算结果，从三维产品模型数据库中获取相似度最高的三维产品模型，其中，所述相似度最高的三维产品模型为与所述待设计对象关联的三维产品模型。
3.根据权利要求2所述的方法，其特征在于，在将所述产品图像标签与三维产品模型数据库中的各个三维产品模型的标签分别进行相似度计算之前，所述方法还包括：
创建所述三维产品模型数据库；
将所述三维产品模型数据库中的标签与预存的产品图像标签进行关联；
将所述三维产品模型数据库中的各个三维产品模型按照标签进行组件分割，得到多个组件模型；
将所述多个组件模型的可缝合点进行标注，其中，每个所述组件作为所述三维产品模型进行检索和重组的最小单元。
4.根据权利要求3所述的方法，其特征在于，在将所述多个组件模型的可缝合点进行标注之前，所述方法还包括：
获取每个组件模型的坐标变换矩阵，其中，每个组件模型的坐标变换矩阵构成重网格化的三维产品组件模型；
将每个所述组件变换到预定位置，获取每个所述组件模型的坐标位置；
基于每个所述组件模型的坐标位置，确定任意两个或多个组件之间的所述可缝合点。
5.根据权利要求4所述的方法，其特征在于，任意两个组件间的缝合采用泊松重建，使得缝合处具备平滑特征。
6.根据权利要求1所述的方法，其特征在于，在基于所述设计需求搜集素材图像之后，所述方法还包括：
对所述素材图像的主色调进行隐空间编码，降低所述素材图像的显示维度；
基于降低后的显示维度，将所述素材图像在屏幕空间中进行可视化处理，其中，降低所述显示维度后的所述素材图像的图像数据在所述屏幕空间中按照数据量以及色彩分布进行聚类。
7.根据权利要求1至6中任意一项所述的方法，其特征在于，在采用产品分类模型分析所述素材图像之前，所述方法还包括：
获取产品样本素材，其中，所述产品样本素材包括：产品图像和产品设计模型；
采用属性标签对所述产品样本素材进行标注，其中，所述属性标签包括如下至少之一：产品属性和交易属性；
采用神经网络模型对所述产品图像和对应的属性标签进行训练，生成所述产品分类模型，其中，所述产品分类模型用于对待分析的对象标注对应的属性标签。
8.根据权利要求1所述的方法，其特征在于，在获取与所述待设计对象关联的三维产品模型之后，所述方法还包括：
从预存的纹理数据库中选择与所述产品图像标签相似度最高的纹理作为所述三维产品模型的纹理；
基于所述三维产品模型的纹理，对所述三维产品模型进行可视化渲染。
9.一种设计需求数据的处理方法，其特征在于，包括：
通过调用第一接口获取待设计对象的设计需求，并基于所述设计需求搜集素材图像，其中，所述第一接口包括：第一参数，所述第一参数的参数值为所述设计需求；
采用产品分类模型分析所述素材图像，获取用于标注所述待设计对象的设计元素的产品图像标签；
基于所述产品图像标签，获取与所述待设计对象关联的三维产品模型；
通过调用第二接口输出所述三维产品模型，其中，所述第二接口包括：第二参数，所述第二参数的参数值为所述三维产品模型。
10.一种设计需求数据的处理方法，其特征在于，包括：
在电商平台获取待设计对象的设计需求，并基于所述设计需求搜集电商素材图像；
采用产品分类模型分析所述电商素材图像，获取用于标注所述待设计对象的设计元素的电商图像标签；
基于所述电商图像标签，获取与所述待设计对象关联的三维电商模型。
11.一种设计需求数据的处理装置，其特征在于，包括：
第一获取单元，用于获取待设计对象的设计需求，并基于所述设计需求搜集素材图像；
第二获取单元，用于采用产品分类模型分析所述素材图像，获取用于标注所述待设计对象的设计元素的产品图像标签；
第三获取单元，用于基于所述产品图像标签，获取与所述待设计对象关联的三维产品模型。
12.一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包括存储的程序，其中，在所述程序被处理器运行时控制所述计算机可读存储介质所在设备执行权利要求1至10中任意一项所述的方法。
13.一种处理器，其特征在于，所述处理器用于运行程序，其中，所述程序被所述处理器运行时执行权利要求1至10中任意一项所述的方法。
14.一种设计需求数据的处理系统，其特征在于，包括：
处理器；
存储器，与所述处理器相连接，用于为所述处理器提供处理以下处理步骤的指令：获取待设计对象的设计需求，并基于所述设计需求搜集素材图像；采用产品分类模型分析所述素材图像，获取用于标注所述待设计对象的设计元素的产品图像标签；基于所述产品图像标签，获取与所述待设计对象关联的三维产品模型。
CN202011395609.5A 2020-12-03 2020-12-03 设计需求数据的处理方法、装置、存储介质和处理器 Pending CN114611168A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011395609.5A CN114611168A (zh) 2020-12-03 2020-12-03 设计需求数据的处理方法、装置、存储介质和处理器

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011395609.5A CN114611168A (zh) 2020-12-03 2020-12-03 设计需求数据的处理方法、装置、存储介质和处理器

Publications (1)

Publication Number Publication Date
CN114611168A true CN114611168A (zh) 2022-06-10

Family

ID=81856662

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011395609.5A Pending CN114611168A (zh) 2020-12-03 2020-12-03 设计需求数据的处理方法、装置、存储介质和处理器

Country Status (1)

Country Link
CN (1) CN114611168A (zh)

Similar Documents

Publication Publication Date Title
US11227008B2 (en) Method, system, and device of virtual dressing utilizing image processing, machine learning, and computer vision
US9940749B2 (en) Method and system for generating three-dimensional garment model
US10140652B2 (en) Computer implemented methods and systems for generating virtual body models for garment fit visualisation
KR102202843B1 (ko) 3차원 아바타를 이용한 온라인 의류 시착 서비스 제공 시스템
CN107251026A (zh) 用于生成虚拟情境的系统和方法
US12026843B2 (en) Systems and methods for using machine learning models to effect virtual try-on and styling on actual users
CN106855987A (zh) 基于模特道具的真实感时装展示方法和装置
Alemany et al. Data management and processing of 3D body scans
CN110084675A (zh) 一种线上商品销售方法、网络终端和具有存储功能的装置
CN110084676A (zh) 一种线上商品推荐方法、网络终端和具有存储功能的装置
Brownridge et al. Body scanning for avatar production and animation
KR102102572B1 (ko) 온라인 쇼핑몰을 제공하는 시스템 및 방법
CN114611168A (zh) 设计需求数据的处理方法、装置、存储介质和处理器
Papazoglou Chalikias et al. Novel paradigms of human-fashion interaction
CN115408562A (zh) 目标对象的搜索方法和图像的搜索方法
Goldstein et al. Virtual prototyping: from concept to 3D design and prototyping in hours
US20240161423A1 (en) Systems and methods for using machine learning models to effect virtual try-on and styling on actual users
KR102074654B1 (ko) 쇼핑몰 웹페이지 저작 방법, 장치 및 시스템
CN117541352A (zh) 搭配效果的确定方法及装置、存储介质、电子装置
CN118334285A (zh) 虚拟换衣方法及其装置、电子设备
Wang Fashion Coordination System Based on Depth Camera Capture and Virtual Reality
KR20240040893A (ko) ３ｄ 아바타를 이용한 가상피팅 서비스 제공 시스템
Feng et al. Status of research on parametric methods for the reconstruction of 3D models of the human body for virtual fitting
Gan Image-based virtual try-on system using deep learning
CN114155144A (zh) 图像处理方法、装置及系统

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