CN114723601A - 一种虚拟场景下的模型结构化建模及快速渲染方法 - Google Patents

一种虚拟场景下的模型结构化建模及快速渲染方法 Download PDF

Info

Publication number
CN114723601A
CN114723601A CN202210365714.7A CN202210365714A CN114723601A CN 114723601 A CN114723601 A CN 114723601A CN 202210365714 A CN202210365714 A CN 202210365714A CN 114723601 A CN114723601 A CN 114723601A
Authority
CN
China
Prior art keywords
modeling
dimensional
rendering
image
parameters
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.)
Granted
Application number
CN202210365714.7A
Other languages
English (en)
Other versions
CN114723601B (zh
Inventor
李兴
谢继冉
李顺
曹坤
张世伟
孙汉林
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.)
Shandong Hanlin Technology Co ltd
Original Assignee
Shandong Hanlin Technology Co ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Shandong Hanlin Technology Co ltd filed Critical Shandong Hanlin Technology Co ltd
Priority to CN202210365714.7A priority Critical patent/CN114723601B/zh
Publication of CN114723601A publication Critical patent/CN114723601A/zh
Application granted granted Critical
Publication of CN114723601B publication Critical patent/CN114723601B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T3/00Geometric image transformations in the plane of the image
    • G06T3/08Projecting images onto non-planar surfaces, e.g. geodetic screens
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T15/003D [Three Dimensional] image rendering
    • G06T15/005General purpose rendering architectures

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Graphics (AREA)
  • Processing Or Creating Images (AREA)
  • Image Generation (AREA)

Abstract

本发明提供了一种虚拟场景下的模型结构化建模及快速渲染方法,包括如下步骤:1)连续获取需要进行处理的二维图像;2)对二维图像进行抠像处理形成图像模板,识别图像模板中纹理,3)在图像模板中刻画所述纹理,刻画完毕后将所述图像模板输入至分割模块中按照设定规则将图像模板进行分割成多个子图像;4)将多个子图像按照关联码依次输入至三维建模模型中,通过建模控制单元控制每一子图像在三维建模过程中的建模环境以执行建模操作完成三维建模,形成基础三维图像;5)将基础三维图像在对应的建模环境下配置渲染参数,在渲染控制单元下基于渲染参数线性的对基础三维图像进行快速渲染;6)渲染完毕后按照关联码在进行组合。

Description

一种虚拟场景下的模型结构化建模及快速渲染方法
技术领域
本发明涉及三维建模技术领域,特别是涉及一种虚拟场景下的模型结构化建模及快速渲染方法。
背景技术
基于二维图像进行三维虚拟呈现技术,或者是二维图像的三维可视化,已经是非常成熟的技术,在现有的技术中,一般将二维进行三维建模的过程中,需要进行结构化建模,然后再结构化建模的基础上再进行渲染建模,过程非常的复杂;且现有的渲染模型一般都是采用贴图的方法进行渲染,由于贴图过程中(无论是纹理贴图还是UV贴图渲染),渲染不可控。
发明内容
有鉴于此,本发明的主要目的在于提供一种虚拟场景下的模型结构化建模及快速渲染方法。
本发明采用的技术方案如下:
一种虚拟场景下的模型结构化建模及快速渲染方法,包括如下步骤:
1)连续获取需要进行处理的二维图像;
2)对二维图像进行抠像处理形成图像模板;识别图像模板中纹理,
3)在图像模板中刻画所述纹理,刻画完毕后将所述图像模板输入至分割模块中按照设定规则将图像模板进行分割成多个子图像,并记录每一子图像的关联码;
4)将多个子图像按照关联码依次输入至三维建模模型中,所述三维建模模型中具有多个三维建模单元,每一三维建模单元具有一个或者多个建模环境,通过建模控制单元控制每一子图像在三维建模过程中的建模环境以执行建模操作完成三维建模,形成基础三维图像;
5)将基础三维图像在对应的建模环境下配置渲染参数,在渲染控制单元下基于渲染参数线性的对基础三维图像进行快速渲染;
6)渲染完毕后按照关联码在进行组合。
进一步地,在步骤4)中,通过建模控制单元控制每一子图像在三维建模过程中的建模环境以执行建模操作完成三维建模的方法如下:
识别每一子图像的关联码;
所述建模控制单元依据所述关联码加载建模路径单元将每一子图像对应的输入至三维建模单元中;
输入配置参数,以所述配置参数所述建模控制单元选择加载建模环境配置到三维建模单元中,同时将配置参数转化成建模环境可配置的环境参数;
三维建模单元在建模环境下通过加载环境参数以执行建模操作完成三维建模。
进一步地,所述三维建模单元在建模环境下通过加载环境参数以执行建模操作完成三维建模的方法如下:
A)提取所述子图像的所述纹理,
B)依据所述纹理在建模环境中配置环境参数,并在三维建模单元中按照所述纹理进行三维结构建模,输出三维结构建模结果进行结构检测;
C)通过滑动窗口扫描出三维结构建模结果并获取结构检测点阵图;将所述结构检测点阵图输入至人工智能系统以进行修正,并获取修正结果;
D)依据所述修正结果对应的对环境参数进行调整,依据所述纹理在建模环境中对应的调整环境参数,并在三维建模单元中按照所述纹理进行三维结构建模,输出三维结构建模结果,形成基础三维图像。
进一步地,在步骤C)中,将所述结构检测点阵图输入至人工智能系统以进行修正,并获取修正结果的方法如下:
人工智能系统接收所述结构检测点阵图;
将所述结构检测点阵图在图形模板库中进行智能匹配,若匹配到对应的模板图,提取模板图的模板图参数;将模板图参数作为修正结果;
若未匹配到对应的模板图,将所述结构检测点阵图输入至神经网络模型进行迭代训练,将迭代训练的结果作为训练模板图,将训练模板图存储在图形模板库中,并提取训练模板图的训练模板图参数,将训练模板图参数作为修正结果。
进一步地,所述神经网络模型用于对所述结构检测点阵图进行点阵连接的平滑性进行处理;具体包括:
神经网络模型接收所述结构检测点阵图;
将所述结构检测点阵图按照边界和所述纹理进行平滑连接,对平滑连接部分进行分段式选择性的拉伸或者收缩以确保边界和纹理的形态的协调性。
进一步地,将基础三维图像在对应的建模环境下配置渲染参数,在渲染控制单元下基于渲染参数线性的对基础三维图像进行快速渲染的方法如下:
在建模控制单元中配置渲染参数;
依据所述渲染参数在渲染控制单元下按照基础三维图像的三维结构分别进行单一的连续的线性渲染。
进一步地,依据所述渲染参数在渲染控制单元下按照基础三维图像的三维结构分别进行单一的连续的线性渲染方法如下:
提取基础三维图像的三维结构;在每一块三维结构中配置需要进行渲染的子渲染参数信息,并将子渲染参数信息与渲染库中的渲染数据进行关联;
将每一块三维结构分化成若干个渲染单元,通过控制每一渲染单元的宽度来动态的调整渲染单元线性宽度。
本发明通过在三维建模模型中依据子图像进行结构化建模,并在三维建模单元中完成基础建模环境的选择,配置环境参数后完成三维建模,同时在三维建模单元中再配置渲染参数,三维建模单元依据所述渲染参数在渲染控制单元下按照基础三维图像的三维结构分别进行单一的连续的线性渲染。
在本申请中,在进行渲染时,提取基础三维图像的三维结构;在每一块三维结构中配置需要进行渲染的子渲染参数信息,并将子渲染参数信息与渲染库中的渲染数据进行关联;将每一块三维结构分化成若干个渲染单元,通过控制每一渲染单元的宽度来动态的调整渲染单元线性宽度,比如以柱体作为一个渲染单元,控制柱体的宽度以调整渲染单元线性宽度,通过连续线性的对每一柱体进行渲染,以匹配不同的渲染需求。
附图说明
以下附图仅对本发明作示意性的说明和解释,并不用于限定本发明的范围,其中:
图1为本发明的方法流程总图;
图2为本发明中的通过建模控制单元控制每一子图像在三维建模过程中的建模环境以执行建模操作完成三维建模的方法流程图。
图3为本发明中三维建模单元在建模环境下通过加载环境参数以执行建模操作完成三维建模的方法流程图;
图4为本发明中将所述结构检测点阵图输入至人工智能系统以进行修正,并获取修正结果的方法流程图;
图5为本发明中神经网络模型用于对所述结构检测点阵图进行点阵连接的平滑性进行处理的方法流程图;
图6为本发明中将基础三维图像在对应的建模环境下配置渲染参数,在渲染控制单元下基于渲染参数线性的对基础三维图像进行快速渲染的方法流程图;
图7为本发明中依据所述渲染参数在渲染控制单元下按照基础三维图像的三维结构分别进行单一的连续的线性渲染方法流程图;
图8是本发明的系统框架原理图。
具体实施方式
为了使本发明的目的、技术方案、设计方法及优点更加清楚明了,以下结合附图通过具体实施例对本发明进一步详细说明。应当理解,此处所描述的具体实施例仅用于解释本发明,并不用于限定本发明。
参照图1只图7,本发明提供了一种虚拟场景下的模型结构化建模及快速渲染方法,包括如下步骤:
1)连续获取需要进行处理的二维图像;
2)对二维图像进行抠像处理形成图像模板;识别图像模板中纹理,
3)在图像模板中刻画所述纹理,刻画完毕后将所述图像模板输入至分割模块中按照设定规则将图像模板进行分割成多个子图像,并记录每一子图像的关联码;
4)将多个子图像按照关联码依次输入至三维建模模型中,所述三维建模模型中具有多个三维建模单元,每一三维建模单元具有一个或者多个建模环境,通过建模控制单元控制每一子图像在三维建模过程中的建模环境以执行建模操作完成三维建模,形成基础三维图像;
在步骤4)中,通过建模控制单元控制每一子图像在三维建模过程中的建模环境以执行建模操作完成三维建模的方法如下:
①识别每一子图像的关联码;
②所述建模控制单元依据所述关联码加载建模路径单元将每一子图像对应的输入至三维建模单元中;
③输入配置参数,以所述配置参数所述建模控制单元选择加载建模环境配置到三维建模单元中,同时将配置参数转化成建模环境可配置的环境参数;
④三维建模单元在建模环境下通过加载环境参数以执行建模操作完成三维建模;
在上述步骤④中,具体包括:
A)提取所述子图像的所述纹理,
B)依据所述纹理在建模环境中配置环境参数,并在三维建模单元中按照所述纹理进行三维结构建模,输出三维结构建模结果进行结构检测;
C)通过滑动窗口扫描出三维结构建模结果并获取结构检测点阵图;将所述结构检测点阵图输入至人工智能系统以进行修正,并获取修正结果;
D)依据所述修正结果对应的对环境参数进行调整,依据所述纹理在建模环境中对应的调整环境参数,并在三维建模单元中按照所述纹理进行三维结构建模,输出三维结构建模结果,形成基础三维图像;
在步骤C)中,将所述结构检测点阵图输入至人工智能系统以进行修正,并获取修正结果的方法如下:
人工智能系统接收所述结构检测点阵图;
将所述结构检测点阵图在图形模板库中进行智能匹配,若匹配到对应的模板图,提取模板图的模板图参数;将模板图参数作为修正结果;
若未匹配到对应的模板图,将所述结构检测点阵图输入至神经网络模型进行迭代训练,将迭代训练的结果作为训练模板图,将训练模板图存储在图形模板库中,并提取训练模板图的训练模板图参数,将训练模板图参数作为修正结果。
在上述中,所述神经网络模型用于对所述结构检测点阵图进行点阵连接的平滑性进行处理;具体包括:
神经网络模型接收所述结构检测点阵图;
将所述结构检测点阵图按照边界和所述纹理进行平滑连接,对平滑连接部分进行分段式选择性的拉伸或者收缩以确保边界和纹理的形态的协调性。
5)将基础三维图像在对应的建模环境下配置渲染参数,在渲染控制单元下基于渲染参数线性的对基础三维图像进行快速渲染;
具体的方法包括:在建模控制单元中配置渲染参数;
依据所述渲染参数在渲染控制单元下按照基础三维图像的三维结构分别进行单一的连续的线性渲染。
在上述中,依据所述渲染参数在渲染控制单元下按照基础三维图像的三维结构分别进行单一的连续的线性渲染方法如下:
提取基础三维图像的三维结构;在每一块三维结构中配置需要进行渲染的子渲染参数信息,并将子渲染参数信息与渲染库中的渲染数据进行关联;
将每一块三维结构分化成若干个渲染单元,通过控制每一渲染单元的宽度来动态的调整渲染单元线性宽度。
6)渲染完毕后按照关联码在进行组合。
在上述步骤2)中,所述纹理包括图像的边界,图像中不同颜色之间的界限,一般的,纹理识别采用的统计分析方法,是基于图像像素的灰度值的分布与相互关系,找出反应这些关系的特征。基本原理是选择不同的统计量,对纹理图像的统计特征进行提取,基于像元及其邻域内的灰度属性,提取纹理区域中的统计特征,或者像元及其邻域内灰度的一阶、二阶或者高阶统计特征,常用方法包括灰度共生矩阵、灰度-梯度共生矩阵。
在上述步骤3)中,纹理刻画是将纹理识别中,将具有明显边界、界限以及在统计中具有相同的统计特征组合的区域边界进行刻画,刻画完毕后在图像模板中形成若干个封闭的区域,按照这些封闭的区域进行分割成多个子图像,在分割时,可以按照每一子图像在图像模板中的位置来建立关联码,也可以按照图像直接的连接、对接关系建立关联码,所述关联码用于在进行子图像进行组装时,可以完整的组装成所述图像模板。
在一些实施例中,参照步骤4),每一个三维建模单元具有一个或者多个建模环境,这些建模环境根据二维图像的不同而不同。比如,当二维图像是卡通图像时,其对应的环境参数符合卡通设计,当二维图像是人物照片时,其对应的环境参数符合人物形象的设计,当然,也可以是当二维图像是卡通图像时,其对应的环境参数符合人物形象设计,当二维图像是人物照片时,其对应的环境参数符合卡通形象的设计,其给予了多种建模环境的选择,丰富了建模的选择。
在上述中,建模环境的必要要素存储在存储部;其中,建模环境除了环境参数外,还包含了环境必要的要素,这些必要的要素包含了常规的形状要素、颜色要素、文字要素、几何图形要素以及必要的环境工具。这些环境工具可以依托于三维建模的工具或者软件,比如3DS Max,CAD等。
在一些实施例中,将每一块三维结构分化成若干个渲染单元,渲染单元可以是竖向排列或者横向排列的柱状图,或者是线条,柱状图或者线条可以采用单一的色调渲染,也可以通过参数赋予多色渲染,具体的,依据实施而定。
本发明还提供了虚拟场景下的模型结构化建模及快速渲染系统,包括:
图像输入单元,用于连续获取需要进行处理的二维图像,
抠像单元,用于二维图像进行抠像处理形成图像模板‘
识别单元,通过灰度共生矩阵或灰度-梯度共生矩阵识别图像模板中纹理;
分割单元,在图像模板中刻画所述纹理,刻画完毕后将所述图像模板输入至分割模块中按照设定规则将图像模板进行分割成多个子图像;
记录单元,用于记录每一子图像的关联码;所述关联码用于在进行子图像进行反向组装时,可以完整的组装成所述图像模板;
三维建模模型,具有多个三维建模单元,每一三维建模单元具有一个或者多个建模环境,通过建模控制单元控制每一子图像在三维建模过程中的建模环境以执行建模操作完成三维建模,形成基础三维图像;
所述三维建模单元包括:
判断单元,用于判断并识别每一子图像的关联码;
建模路径单元,用于在所述建模控制单元的控制下,依据所述关联码所述建模控制单元对应的加载建模路径单元将每一子图像对应的输入至三维建模单元中;
输入单元,用于输入配置参数,以所述配置参数所述建模控制单元选择加载建模环境配置到三维建模单元中,同时将配置参数转化成建模环境可配置的环境参数;
提取单元,用于提取所述子图像的所述纹理;
配置单元,用于依据所述纹理在建模环境中配置环境参数,并在三维建模单元中按照所述纹理进行三维结构建模;
滑动窗口,用于扫描出三维结构建模结果并获取结构检测点阵图;将所述结构检测点阵图输入至人工智能系统以进行修正,并获取修正结果;
调整单元,用于依据所述修正结果对应的对环境参数进行调整,依据所述纹理在建模环境中对应的调整环境参数,并在三维建模单元中按照所述纹理进行三维结构建模,输出三维结构建模结果,形成基础三维图像;
所述三维建模单元还用于将基础三维图像在对应的建模环境下配置渲染参数,在渲染控制单元下基于渲染参数线性的对基础三维图像进行快速渲染;
组合单元,用于渲染完毕后按照关联码在进行组合。
在上述中,结构检测点阵图可以理解成依据像素点构成的像素点阵图,在点阵图中,以边缘轮廓为例,将边缘点阵用线条连接后,可以明确的检测出边缘轮廓是否平滑的线性连接,对明显凸出的单像素点或者零散的不成规则的像素点给与修正。
本发明通过在三维建模模型中依据子图像进行结构化建模,并在三维建模单元中完成基础建模环境的选择,配置环境参数后完成三维建模,同时在三维建模单元中再配置渲染参数,三维建模单元依据所述渲染参数在渲染控制单元下按照基础三维图像的三维结构分别进行单一的连续的线性渲染。
在本申请中,在进行渲染时,提取基础三维图像的三维结构;在每一块三维结构中配置需要进行渲染的子渲染参数信息,并将子渲染参数信息与渲染库中的渲染数据进行关联;将每一块三维结构分化成若干个渲染单元,通过控制每一渲染单元的宽度来动态的调整渲染单元线性宽度,比如以柱体作为一个渲染单元,控制柱体的宽度以调整渲染单元线性宽度,通过连续线性的对每一柱体进行渲染,以匹配不同的渲染需求。
以上已经描述了本发明的各实施例,上述说明是示例性的,并非穷尽性的,并且也不限于所披露的各实施例。在不偏离所说明的各实施例的范围和精神的情况下,对于本技术领域的普通技术人员来说许多修改和变更都是显而易见的。本文中所用术语的选择,旨在最好地解释各实施例的原理、实际应用或对市场中的技术改进,或者使本技术领域的其它普通技术人员能理解本文披露的各实施例。

Claims (7)

1.一种虚拟场景下的模型结构化建模及快速渲染方法,其特征在于,包括如下步骤:
1)连续获取需要进行处理的二维图像;
2)对二维图像进行抠像处理形成图像模板;识别图像模板中纹理,
3)在图像模板中刻画所述纹理,刻画完毕后将所述图像模板输入至分割模块中按照设定规则将图像模板进行分割成多个子图像,并记录每一子图像的关联码;
4)将多个子图像按照关联码依次输入至三维建模模型中,所述三维建模模型中具有多个三维建模单元,每一三维建模单元具有一个或者多个建模环境,通过建模控制单元控制每一子图像在三维建模过程中的建模环境以执行建模操作完成三维建模,形成基础三维图像;
5)将基础三维图像在对应的建模环境下配置渲染参数,在渲染控制单元下基于渲染参数线性的对基础三维图像进行快速渲染;
6)渲染完毕后按照关联码在进行组合。
2.根据权利要求1所述的虚拟场景下的模型结构化建模及快速渲染方法,其特征在于,在步骤4)中,通过建模控制单元控制每一子图像在三维建模过程中的建模环境以执行建模操作完成三维建模的方法如下:
识别每一子图像的关联码;
所述建模控制单元依据所述关联码加载建模路径单元将每一子图像对应的输入至三维建模单元中;
输入配置参数,以所述配置参数所述建模控制单元选择加载建模环境配置到三维建模单元中,同时将配置参数转化成建模环境可配置的环境参数;
三维建模单元在建模环境下通过加载环境参数以执行建模操作完成三维建模。
3.根据权利要求2所述的虚拟场景下的模型结构化建模及快速渲染方法,其特征在于,所述三维建模单元在建模环境下通过加载环境参数以执行建模操作完成三维建模的方法如下:
A)提取所述子图像的所述纹理,
B)依据所述纹理在建模环境中配置环境参数,并在三维建模单元中按照所述纹理进行三维结构建模,输出三维结构建模结果进行结构检测;
C)通过滑动窗口扫描出三维结构建模结果并获取结构检测点阵图;将所述结构检测点阵图输入至人工智能系统以进行修正,并获取修正结果;
D)依据所述修正结果对应的对环境参数进行调整,依据所述纹理在建模环境中对应的调整环境参数,并在三维建模单元中按照所述纹理进行三维结构建模,输出三维结构建模结果,形成基础三维图像。
4.根据权利要求3所述的虚拟场景下的模型结构化建模及快速渲染方法,其特征在于,在步骤C)中,将所述结构检测点阵图输入至人工智能系统以进行修正,并获取修正结果的方法如下:
人工智能系统接收所述结构检测点阵图;
将所述结构检测点阵图在图形模板库中进行智能匹配,若匹配到对应的模板图,提取模板图的模板图参数;将模板图参数作为修正结果;
若未匹配到对应的模板图,将所述结构检测点阵图输入至神经网络模型进行迭代训练,将迭代训练的结果作为训练模板图,将训练模板图存储在图形模板库中,并提取训练模板图的训练模板图参数,将训练模板图参数作为修正结果。
5.根据权利要求4所述的虚拟场景下的模型结构化建模及快速渲染方法,其特征在于,所述神经网络模型用于对所述结构检测点阵图进行点阵连接的平滑性进行处理;具体包括:
神经网络模型接收所述结构检测点阵图;
将所述结构检测点阵图按照边界和所述纹理进行平滑连接,对平滑连接部分进行分段式选择性的拉伸或者收缩以确保边界和纹理的形态的协调性。
6.根据权利要求1所述的虚拟场景下的模型结构化建模及快速渲染方法,其特征在于,将基础三维图像在对应的建模环境下配置渲染参数,在渲染控制单元下基于渲染参数线性的对基础三维图像进行快速渲染的方法如下:
在建模控制单元中配置渲染参数;
依据所述渲染参数在渲染控制单元下按照基础三维图像的三维结构分别进行单一的连续的线性渲染。
7.根据权利要求6所述的虚拟场景下的模型结构化建模及快速渲染方法,其特征在于,依据所述渲染参数在渲染控制单元下按照基础三维图像的三维结构分别进行单一的连续的线性渲染方法如下:
提取基础三维图像的三维结构;在每一块三维结构中配置需要进行渲染的子渲染参数信息,并将子渲染参数信息与渲染库中的渲染数据进行关联;
将每一块三维结构分化成若干个渲染单元,通过控制每一渲染单元的宽度来动态的调整渲染单元线性宽度。
CN202210365714.7A 2022-04-08 2022-04-08 一种虚拟场景下的模型结构化建模及快速渲染方法 Active CN114723601B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210365714.7A CN114723601B (zh) 2022-04-08 2022-04-08 一种虚拟场景下的模型结构化建模及快速渲染方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210365714.7A CN114723601B (zh) 2022-04-08 2022-04-08 一种虚拟场景下的模型结构化建模及快速渲染方法

Publications (2)

Publication Number Publication Date
CN114723601A true CN114723601A (zh) 2022-07-08
CN114723601B CN114723601B (zh) 2023-05-09

Family

ID=82241596

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210365714.7A Active CN114723601B (zh) 2022-04-08 2022-04-08 一种虚拟场景下的模型结构化建模及快速渲染方法

Country Status (1)

Country Link
CN (1) CN114723601B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115563687A (zh) * 2022-10-27 2023-01-03 湖北绿森林新材料有限公司 3d打印装饰预制件及设计方法和系统
CN117011461A (zh) * 2023-07-18 2023-11-07 广西旅发科技有限公司 一种基于ai技术和边缘计算的模型建模渲染处理方法

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20120121034A (ko) * 2011-04-26 2012-11-05 (주)클로버추얼패션 2차원 영상으로부터 사전입력을 통한 3차원 얼굴형상의 획득 장치
CN107103638A (zh) * 2017-05-27 2017-08-29 杭州万维镜像科技有限公司 一种虚拟场景与模型的快速渲染方法
US20180197331A1 (en) * 2015-08-14 2018-07-12 Metail Limited Method and system for generating an image file of a 3d garment model on a 3d body model
CN111612880A (zh) * 2020-05-28 2020-09-01 广州欧科信息技术股份有限公司 基于二维画作的三维模型构建方法、电子设备及存储介质
CN112270756A (zh) * 2020-11-24 2021-01-26 山东汇颐信息技术有限公司 一种应用于bim模型文件的数据渲染方法
CN112669193A (zh) * 2019-09-30 2021-04-16 英特尔公司 使用本地和基于云的处理资源的实时图形处理设备和方法
CN113838176A (zh) * 2021-09-16 2021-12-24 网易(杭州)网络有限公司 模型的训练方法、三维人脸图像生成方法及设备

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20120121034A (ko) * 2011-04-26 2012-11-05 (주)클로버추얼패션 2차원 영상으로부터 사전입력을 통한 3차원 얼굴형상의 획득 장치
US20180197331A1 (en) * 2015-08-14 2018-07-12 Metail Limited Method and system for generating an image file of a 3d garment model on a 3d body model
CN107103638A (zh) * 2017-05-27 2017-08-29 杭州万维镜像科技有限公司 一种虚拟场景与模型的快速渲染方法
CN112669193A (zh) * 2019-09-30 2021-04-16 英特尔公司 使用本地和基于云的处理资源的实时图形处理设备和方法
CN111612880A (zh) * 2020-05-28 2020-09-01 广州欧科信息技术股份有限公司 基于二维画作的三维模型构建方法、电子设备及存储介质
CN112270756A (zh) * 2020-11-24 2021-01-26 山东汇颐信息技术有限公司 一种应用于bim模型文件的数据渲染方法
CN113838176A (zh) * 2021-09-16 2021-12-24 网易(杭州)网络有限公司 模型的训练方法、三维人脸图像生成方法及设备

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
KE WANG等: "A fast object registration method for augmented reality assembly with simultaneous determination of multiple 2D-3D correspondences" *
段晓娟,张茂军,李国辉,齐越: "虚拟实景空间中的纹理映射技术研究" *
范波涛,贾雁: "虚拟现实中虚拟场景的建模技术" *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115563687A (zh) * 2022-10-27 2023-01-03 湖北绿森林新材料有限公司 3d打印装饰预制件及设计方法和系统
CN117011461A (zh) * 2023-07-18 2023-11-07 广西旅发科技有限公司 一种基于ai技术和边缘计算的模型建模渲染处理方法

Also Published As

Publication number Publication date
CN114723601B (zh) 2023-05-09

Similar Documents

Publication Publication Date Title
CN108416377B (zh) 柱状图中的信息提取方法及装置
CN108352083B (zh) 用于拉伸成3d对象的2d图像处理
CN108416268B (zh) 一种基于双机器人视觉沟通的动作识别方法
CN108717524B (zh) 一种基于双摄手机和人工智能系统的手势识别系统
CN108280397B (zh) 基于深度卷积神经网络的人体图像头发检测方法
CN114723601B (zh) 一种虚拟场景下的模型结构化建模及快速渲染方法
US10204447B2 (en) 2D image processing for extrusion into 3D objects
CN111429416B (zh) 一种人脸色素斑识别方法、装置及电子设备
CN115812221A (zh) 图像生成及着色方法及装置
CN110991258B (zh) 一种人脸融合特征提取方法及系统
CN108460833A (zh) 一种基于bim构建传统建筑数字化保护与修复的信息平台
CN111640116A (zh) 基于深层卷积残差网络的航拍图建筑物分割方法及装置
US20040062440A1 (en) Sprite recognition in animated sequences
CN115578741A (zh) 一种基于Mask R-cnn算法和类型分割的扫描文件版面分析方法
WO2018151043A1 (ja) 画像処理方法、及びコンピュータプログラム
CN113392819B (zh) 一种批量化学术图像自动分割标注装置和方法
CN116128717B (zh) 一种基于神经网络的图像风格迁移方法
JP6338234B2 (ja) 領域分け方法、領域分けプログラム及び画像処理システム
JP2002245441A (ja) 人物像抽出装置
CN112926694A (zh) 基于改进的神经网络对图像中的猪只进行自动识别的方法
CN112668567A (zh) 一种基于深度学习的图像裁剪算法
CN115965987A (zh) 基于异构架构的表格文字结构化识别方法
CN115810081A (zh) 三维模型生成方法及装置
CN116580132A (zh) 一种基于风格迁移的场景图像文字编辑方法
JP2001043312A (ja) 文書画像処理装置

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