CN114912574A - 角色面部表情拆分方法、装置、计算机设备及存储介质 - Google Patents

角色面部表情拆分方法、装置、计算机设备及存储介质 Download PDF

Info

Publication number
CN114912574A
CN114912574A CN202210349319.XA CN202210349319A CN114912574A CN 114912574 A CN114912574 A CN 114912574A CN 202210349319 A CN202210349319 A CN 202210349319A CN 114912574 A CN114912574 A CN 114912574A
Authority
CN
China
Prior art keywords
model
expression
facial
face
splitting
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
CN202210349319.XA
Other languages
English (en)
Inventor
梁宇
陆晓飞
高才芝
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.)
Fantawild Animation Inc
Original Assignee
Fantawild Animation Inc
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 Fantawild Animation Inc filed Critical Fantawild Animation Inc
Priority to CN202210349319.XA priority Critical patent/CN114912574A/zh
Publication of CN114912574A publication Critical patent/CN114912574A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • 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
    • G06T3/04—Context-preserving transformations, e.g. by using an importance map
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/045—Combinations of networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • 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
    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10028—Range image; Depth image; 3D point clouds
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20081—Training; Learning
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20084—Artificial neural networks [ANN]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30196—Human being; Person
    • G06T2207/30201—Face

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Software Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Computing Systems (AREA)
  • Mathematical Physics (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • General Health & Medical Sciences (AREA)
  • Molecular Biology (AREA)
  • Biophysics (AREA)
  • Biomedical Technology (AREA)
  • Artificial Intelligence (AREA)
  • Computational Linguistics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Computer Graphics (AREA)
  • Geometry (AREA)
  • Architecture (AREA)
  • Computer Hardware Design (AREA)
  • Processing Or Creating Images (AREA)
  • Image Analysis (AREA)

Abstract

本发明实施例公开了角色面部表情拆分方法、装置、计算机设备及存储介质。该方法包括获取3D人脸基础模型，并对所述人脸基础模型进行拓扑，得到包含拓扑结构的人脸面部模型；通过预训练的特征点检测模型对所述人脸面部模型进行检测，得到目标人脸特征点；根据所述目标人脸特征点对所述人脸面部模型进行变形处理，得到多个面部变形表情。该方法实现基于拓扑结构的人脸表情拆分，减小美工人员构建面部变形表情的工作量，提高面部变形表情的构建效率。

Description

角色面部表情拆分方法、装置、计算机设备及存储介质
技术领域
本发明涉及动画制作技术领域，尤其涉及一种角色面部表情拆分方法、装置、计算机设备及存储介质。
背景技术
人脸的造型和表情动画作为虚拟现实技术和计算机图形学中的一个分支已有30多年历史了，随着影视技术、游戏娱乐、虚拟环境、远程通信、辅助医疗、刑事鉴别等方面应用的日益广泛，这一研究领域越来越受到人们的关注。顺应这样的时代潮流，人脸基础模型建模和blendshape(变形)人脸模型的挑战在于：由于人脸生理结构十分复杂，并且人们对人脸的外观十分熟悉和敏感，所以要制作出具有真实感的人脸表情运动较于困难。
现阶段对于3D(三维图像)表情动画制作，需要大量的blendshape人脸模型作为依托，且需要美工人员对每个blendshape人脸模型进行长时间的手工装配和调整，致使在不同模型间重用装配模型变得十分困难。面部肌肉模型是目前最为常用的人脸动画驱动模型，能够通过模拟脸部的肌肉收缩与舒张，实现驱动三维人脸面部表情变化的目标。然而，以往面部肌肉模型的构造不仅耗时耗力，而且每次更换3D人脸模型之后，所有的构造工作都需要重新来过，这使得一般用户难以对自己所需的3D人脸模型进行定制。
发明内容
本发明实施例提供了一种角色面部表情拆分方法、装置、计算机设备及存储介质，旨在改善现有技术中用户构造角色面部表情耗时耗力的问题。
第一方面，本发明实施例提供了一种角色面部表情拆分方法，其包括：
获取3D人脸基础模型，并对所述人脸基础模型进行拓扑，得到包含拓扑结构的人脸面部模型；
通过预训练的特征点检测模型对所述人脸面部模型进行检测，得到目标人脸特征点；
根据所述目标人脸特征点对所述人脸面部模型进行变形处理，得到多个面部变形表情。
第二方面，本发明实施例提供了一种角色面部表情拆分装置，其包括：
拓扑模块，用于获取3D人脸基础模型，并对所述人脸基础模型进行拓扑，得到包含拓扑结构的人脸面部模型；
检测模块，用于通过预训练的特征点检测模型对所述人脸面部模型进行检测，得到目标人脸特征点；
变形模块，用于根据所述目标人脸特征点对所述人脸面部模型进行变形处理，得到多个面部变形表情。
第三方面，本发明实施例又提供了一种计算机设备，其包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述第一方面所述的角色面部表情拆分方法。
第四方面，本发明实施例还提供了一种计算机可读存储介质，其中所述计算机可读存储介质存储有计算机程序，所述计算机程序当被处理器执行时使所述处理器执行上述第一方面所述的角色面部表情拆分方法。
本发明实施例提供了一种角色面部表情拆分方法、装置、计算机设备及存储介质。该方法包括获取3D人脸基础模型，并对所述人脸基础模型进行拓扑，得到包含拓扑结构的人脸面部模型；通过预训练的特征点检测模型对所述人脸面部模型进行检测，得到目标人脸特征点；根据所述目标人脸特征点对所述人脸面部模型进行变形处理，得到多个面部变形表情。该方法通过对3D人脸基础模型进行重新拓扑，得到包含拓扑结构的人脸面部模型，接着基于拓步结构，利用特征点检测模型对人脸面部模型进行检测，得到目标人脸特征点；最后按目标人脸特征点对人脸面部模型进行变形处理，以得到多个面部变形表情，实现基于拓扑结构的人脸表情拆分，减小美工人员构建面部变形表情的工作量，提高面部变形表情的构建效率。
附图说明
为了更清楚地说明本发明实施例技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本发明实施例提供的角色面部表情拆分方法一实施例的流程示意图；
图2为本发明实施例提供的角色面部表情拆分方法中特征点检测模型的训练过程流程示意图；
图3为图2中步骤S230的流程示意图；
图4为本发明实施例提供的角色面部表情拆分方法另一实施例的流程示意图示意性框图；
图5为本发明实施例提供的角色面部表情拆分装置的示意性框图。
具体实施方式
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，所描述的实施例是本发明一部分实施例，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，都属于本发明保护的范围。
应当理解，当在本说明书和所附权利要求书中使用时，术语“包括”和“包含”指示所描述特征、整体、步骤、操作、元素和/或组件的存在，但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。
还应当理解，在此本发明说明书中所使用的术语仅仅是出于描述特定实施例的目的而并不意在限制本发明。如在本发明说明书和所附权利要求书中所使用的那样，除非上下文清楚地指明其它情况，否则单数形式的“一”、“一个”及“该”意在包括复数形式。
还应当进一步理解，在本发明说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合，并且包括这些组合。
请参阅图1，图1为本发明实施例提供的角色面部表情拆分方法的流程示意图，该方法包括步骤S110～S130。
步骤S110、获取3D人脸基础模型，并对所述人脸基础模型进行拓扑，得到包含拓扑结构的人脸面部模型；
本实施例中，通过硬件扫描设备对目标人员的面部进行扫描，得到目标人员的面部扫描结果，根据扫描结果生成人脸基础模型(高模)。作为一种可选地实施方式，可以通过3D(三维)扫描设备扫描目标人员的面部，并根据扫描结果生成目标人员的人脸基础模型。也即本申请是通过三维扫描仪以实现对目标人员面部的扫描。需要解释的是，三维扫描是指对物体空间外形和结构以及色彩进行扫描，以获得物体表面的空间坐标。在本申请实施例中，根据扫描结果生成表演者的基础面部模型，能够使得制作的基础面部模型更加准确，真实。作为其他的实施方式，还可以通过立体视觉相机等设备对目标人员的面部进行扫描。在得到人脸基础模型之后，通过zbrush(三维建模软件)根据人脸基础模型进行拓扑，以得到包含拓扑结构的人脸面部模型(低模)。
步骤S120、通过预训练的特征点检测模型对所述人脸面部模型进行检测，得到目标人脸特征点；
本实施例中，基于人脸面部模型的拓扑结构，通过预训练的特征点检测模型对人脸面部模型进行检测，以得到人脸面部模型的人脸特征点。
如图2所示，在一实施例中，所述特征点检测模型的训练过程，包括：
步骤S210、获取若干样本表情；
步骤S220、对所述样本表情进行特征点标注，得到样本特征点的坐标，所述样本特征点包括拓扑特征点和肌肉端点；
步骤S230、对所述样本特征点的坐标进行归一化处理，将归一化结果输入初始特征点检测模型，并采用预置损失函数对所述初始特征点检测模型进行训练，得到训练后的特征点检测模型。
本实施例中，从用户过往构建的表情案例数据中提取若干表情作为样本表情。可选地，样本表情还可以从互联网上下载，或从本地数据库中调取等。接着对样本表情的拓扑特征点和肌肉端点进行特征点标注，得到样本特征点的坐标；然后对样本特征点的坐标进行归一化处理，将归一化结果输入初始特征点检测模型，利用预置损失函数对初始特征点检测模型进行训练，得到训练后的特征点检测模型。
如图3所示，在一实施例中，步骤S230包括：
步骤S310、判断所述损失函数的损失值是否达到预设损失阈值；
步骤S321、若是，则输出训练后的初始特征点检测模型作为训练后的特征点检测模型；
步骤S322、若否，则调整模型参数直至所述损失值达到预设损失阈值。
本实施例中，通过预置损失函数对初始特征点检测模型进行训练。其中，损失函数优选L2损失函数，避免预测值与标准值相差很大时出现梯度爆炸，导致训练不容易收敛，提高模型训练的鲁棒性，同时提高人脸特征点定位的精度。
其中，L2损失函数如下：
Figure BDA0003578773730000051
式中，vi表示标准值，ti表示初始特征点检测模型的预测值，N表示标准值的个数。
本实施例中，判断损失函数的损失值是否收敛至预设损失阈值。当预设损失阈值为0.01。若损失值达到0.01，则此时标准值和初始特征点检测模型的预测值的数据很接近，预测值足以表明标准值，即训练后的初始特征点检测模型能够用于检测特征点；若损失值未达到0.01，或收敛的值较0.01大，则调整模型参数重新输入归一化结果进行训练。其中，模型参数包括初始特征点检测模型的参数(即卷积层的尺寸、个数等参数)。
步骤S130、根据所述目标人脸特征点对所述人脸面部模型进行变形处理，得到多个面部变形表情。
本实施例中，在Maya/3ds Max等三维建模软件中，采用blendshape(变形)，根据目标人脸特征点对人脸面部模型进行变形处理，得到多个面部变形表情。blendshape为单个网格变形以实现许多预定义形状和任何数量之间组合的技术，例如单个网格是默认形状的基本形状(例如无表情的面)，并且基本形状的其他形状用于混合/变形，是不同的表达(笑、皱眉、闭合眼皮)，这些不同表达统称为变形。
如图4所示，在一实施例中，步骤S130之后，包括：
步骤S410、创建符合所述人脸面部模型的骨骼层级结构，并根据所述骨骼层级结构进行关节点标识，得到目标关节点；
步骤S420、基于多个所述面部变形表情及面部运动规律进行控制参数计算，得到表情支持参数；
步骤S430、对所述骨骼层级结构与所述人脸面部模型绑定的顶点在不同目标关节点处的蒙皮权重进行设置，并根据所述蒙皮权重对所述人脸面部模型及骨骼层级结构进行蒙皮处理，并根据所述表情支持参数调整表情控制界面的参数。
本实施例中，在得到多个面部变形表情之后，创建符合人脸面部模型的骨骼层级结构，并根据骨骼层级结构进行关节点标识，得到目标关节点；接着基于多个面部变形表情及面部运动规律进行控制参数计算，得到控制表情运动的表情支持参数；对骨骼层级结构与人脸面部模型绑定的顶点在不同目标关节点处的蒙皮权重进行设置，并根据蒙皮权重对人脸面部模型及骨骼层级结构进行蒙皮处理，并根据表情支持参数调整表情控制界面的参数。其中，面部运动规律是通过人脸运动编码系统对人脸面部模型进行分析得到。蒙皮是三维动画术语，也用于3D游戏中。三维动画的一种制作技术。在三维软件中创建的模型基础上，为模型添加骨骼，由于骨骼与模型是相互独立的，为了让骨骼驱动模型产生合理的运动，把模型绑定到骨骼上的技术叫做蒙皮。通过调整表情控制界面中各骨骼变形器的控制参数，对人脸面部模型进行灵活且参数化的变形。
进一步的，在步骤S430之后，还包括：
通过预置的控制表达式模板生成所述表情控制界面对应的控制表达式，并将所述控制表达式与所述人脸面部模型进行绑定设置。
本实施例中，根据表情支持参数调整表情控制界面的参数后，通过预置的控制表达式模板生成表情控制界面对应的控制表达式，并将控制表达式与人脸面部模型进行绑定设置。用户通过控制表达式的数据调整，直接控制人脸面部模型的变形，无需调用表情控制界面，提高控制人脸面部模型进行变形的效率。
该方法通过对3D人脸基础模型进行重新拓扑，得到包含拓扑结构的人脸面部模型，接着基于拓步结构，利用特征点检测模型对人脸面部模型进行检测，得到目标人脸特征点；最后按目标人脸特征点对人脸面部模型进行变形处理，以得到多个面部变形表情，实现基于拓扑结构的人脸表情拆分，减小美工人员构建面部变形表情的工作量，提高面部变形表情的构建效率。
本发明实施例还提供一种角色面部表情拆分装置，该角色面部表情拆分装置用于执行前述角色面部表情拆分方法的任一实施例。具体地，请参阅图5，图5是本发明实施例提供的角色面部表情拆分装置的示意性框图。该角色面部表情拆分装置100可以配置于服务器中。
如图5所示，角色面部表情拆分装置100包括拓扑模块110、检测模块120、变形模块130。
拓扑模块110，用于3D获取人脸基础模型，并对所述人脸基础模型进行拓扑，得到包含拓扑结构的人脸面部模型；
检测模块120，用于通过预训练的特征点检测模型对所述人脸面部模型进行检测，得到目标人脸特征点；
变形模块130，用于根据所述目标人脸特征点对所述人脸面部模型进行变形处理，得到多个面部变形表情。
在一实施例中，所述角色面部表情拆分装置100，还包括：
创建模块，用于创建符合所述人脸面部模型的骨骼层级结构，并根据所述骨骼层级结构进行关节点标识，得到目标关节点；
计算模块，用于基于多个所述面部变形表情及面部运动规律进行控制参数计算，得到表情支持参数；
蒙皮模块，用于对所述骨骼层级结构与所述人脸面部模型绑定的顶点在不同目标关节点处的蒙皮权重进行设置，并根据所述蒙皮权重对所述人脸面部模型及骨骼层级结构进行蒙皮处理，并根据所述表情支持参数调整表情控制界面的参数。
在一实施例中，所述角色面部表情拆分装置100，还包括：
绑定模块，用于通过预置的控制表达式模板生成所述表情控制界面对应的控制表达式，并将所述控制表达式与所述人脸面部模型进行绑定设置。
本发明实施例还提供一种计算机设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，其中，所述处理器执行所述计算机程序时实现如上所述的角色面部表情拆分方法。
在本发明的另一实施例中提供计算机可读存储介质。该计算机可读存储介质可以为非易失性的计算机可读存储介质。该计算机可读存储介质存储有计算机程序，所述计算机程序当被处理器执行时使所述处理器执行如上所述的角色面部表情拆分方法。
所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，上述描述的设备、装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、计算机软件或者二者的结合来实现，为了清楚地说明硬件和软件的可互换性，在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。
在本发明所提供的几个实施例中，应该理解到，所揭露的设备、装置和方法，可以通过其它的方式实现。例如，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，仅仅为逻辑功能划分，实际实现时可以有另外的划分方式，也可以将具有相同功能的单元集合成一个单元，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。另外，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、装置或单元的间接耦合或通信连接，也可以是电的，机械的或其它的形式连接。
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发明实施例方案的目的。
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，也可以是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(可以是个人计算机，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、移动硬盘、只读存储器(ROM，Read-Only Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到各种等效的修改或替换，这些修改或替换都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以权利要求的保护范围为准。

Claims (10)

1.一种角色面部表情拆分方法，其特征在于，包括：
获取3D人脸基础模型，并对所述人脸基础模型进行拓扑，得到包含拓扑结构的人脸面部模型；
通过预训练的特征点检测模型对所述人脸面部模型进行检测，得到目标人脸特征点；
根据所述目标人脸特征点对所述人脸面部模型进行变形处理，得到多个面部变形表情。
2.根据权利要求1所述的角色面部表情拆分方法，其特征在于，所述根据所述目标人脸特征点对所述人脸面部模型进行变形处理，得到多个面部变形表情之后，包括：
创建符合所述人脸面部模型的骨骼层级结构，并根据所述骨骼层级结构进行关节点标识，得到目标关节点；
基于多个所述面部变形表情及面部运动规律进行控制参数计算，得到表情支持参数；
对所述骨骼层级结构与所述人脸面部模型绑定的顶点在不同目标关节点处的蒙皮权重进行设置，并根据所述蒙皮权重对所述人脸面部模型及骨骼层级结构进行蒙皮处理，并根据所述表情支持参数调整表情控制界面的参数。
3.根据权利要求2所述的角色面部表情拆分方法，其特征在于，所述对所述人脸面部模型及骨骼层级结构进行蒙皮处理，并根据所述表情支持参数调整表情控制界面的参数之后，还包括：
通过预置的控制表达式模板生成所述表情控制界面对应的控制表达式，并将所述控制表达式与所述人脸面部模型进行绑定设置。
4.根据权利要求1所述的角色面部表情拆分方法，其特征在于，所述特征点检测模型的训练过程，包括：
获取若干样本表情；
对所述样本表情进行特征点标注，得到样本特征点的坐标，所述样本特征点包括拓扑特征点和肌肉端点；
对所述样本特征点的坐标进行归一化处理，将归一化结果输入初始特征点检测模型，并采用预置损失函数对所述初始特征点检测模型进行训练，得到训练后的特征点检测模型。
5.根据权利要求4所述的角色面部表情拆分方法，其特征在于，所述采用预置损失函数对所述初始特征点检测模型进行训练，得到所述特征点检测模型，包括：
判断所述损失函数的损失值是否达到预设损失阈值；
若是，则输出训练后的初始特征点检测模型作为训练后的特征点检测模型；
若否，则调整模型参数直至所述损失值达到预设损失阈值。
6.根据权利要求4所述的角色面部表情拆分方法，其特征在于，所述对所述样本特征点的坐标进行归一化处理，包括：
获取所述样本表情的顶点坐标，所述顶点坐标为所述样本表情中脸部框图的左上角坐标、左下角坐标、右上角坐标或右下角坐标；
计算所述样本特征点的坐标与所述顶点坐标的横坐标差值，并除以所述脸部框图的长度值，以及计算所述样本特征点的坐标与所述顶点坐标的纵坐标差值，并除以所述脸部框图的宽度值。
7.一种角色面部表情拆分装置，其特征在于，包括：
拓扑模块，用于获取3D人脸基础模型，并对所述人脸基础模型进行拓扑，得到包含拓扑结构的人脸面部模型；
检测模块，用于通过预训练的特征点检测模型对所述人脸面部模型进行检测，得到目标人脸特征点；
变形模块，用于根据所述目标人脸特征点对所述人脸面部模型进行变形处理，得到多个面部变形表情。
8.根据权利要求7所述的角色面部表情拆分装置，其特征在于，所述角色面部表情拆分装置，还包括：
标识模块，用于创建符合所述人脸面部模型的骨骼层级结构，并根据所述骨骼层级结构进行关节点标识，得到目标关节点；
计算模块，用于基于多个所述面部变形表情及面部运动规律进行控制参数计算，得到表情支持参数；
蒙皮模块，用于对所述人脸面部模型及骨骼层级结构进行蒙皮处理，并根据所述表情支持参数调整表情控制界面的参数。
9.一种计算机设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至6中任一项所述的角色面部表情拆分方法。
10.一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存储有计算机程序，所述计算机程序当被处理器执行时使所述处理器执行如权利要求1至6任一项所述的角色面部表情拆分方法。
CN202210349319.XA 2022-04-01 2022-04-01 角色面部表情拆分方法、装置、计算机设备及存储介质 Pending CN114912574A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210349319.XA CN114912574A (zh) 2022-04-01 2022-04-01 角色面部表情拆分方法、装置、计算机设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210349319.XA CN114912574A (zh) 2022-04-01 2022-04-01 角色面部表情拆分方法、装置、计算机设备及存储介质

Publications (1)

Publication Number Publication Date
CN114912574A true CN114912574A (zh) 2022-08-16

Family

ID=82763599

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210349319.XA Pending CN114912574A (zh) 2022-04-01 2022-04-01 角色面部表情拆分方法、装置、计算机设备及存储介质

Country Status (1)

Country Link
CN (1) CN114912574A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115908655A (zh) * 2022-11-10 2023-04-04 北京鲜衣怒马文化传媒有限公司 一种虚拟人物面部表情处理方法及装置

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115908655A (zh) * 2022-11-10 2023-04-04 北京鲜衣怒马文化传媒有限公司 一种虚拟人物面部表情处理方法及装置

Similar Documents

Publication Publication Date Title
US20230351663A1 (en) System and method for generating an avatar that expresses a state of a user
CN101055646B (zh) 用于处理图像的方法和装置
CN108335345B (zh) 面部动画模型的控制方法及装置、计算设备
CN108961369A (zh) 生成3d动画的方法和装置
CN110458924B (zh) 一种三维脸部模型建立方法、装置和电子设备
KR20230004837A (ko) 생성형 비선형 인간 형상 모형
JP4842242B2 (ja) キャラクタアニメーション時の皮膚のしわのリアルタイム表現方法及び装置
CN115914505B (zh) 基于语音驱动数字人模型的视频生成方法及系统
CN114202615A (zh) 人脸表情的重建方法、装置、设备和存储介质
CN110751733A (zh) 用于将3d扫描对象转换为化身的方法和装置
WO2022060230A1 (en) Systems and methods for building a pseudo-muscle topology of a live actor in computer animation
CN114912574A (zh) 角色面部表情拆分方法、装置、计算机设备及存储介质
CN115482557B (zh) 人体图像生成方法、系统、设备及存储介质
CN116630508A (zh) 3d模型处理方法、装置及电子设备
CN110751710A (zh) 用于将附件对象拟合到化身的方法和装置
KR20170099632A (ko) 유전자 정보를 이용한 게임 캐릭터 생성시스템
CN117270721B (zh) 基于多用户交互xr场景的数字形象渲染方法及装置
CN117635897B (zh) 三维对象的姿态补全方法、装置、设备、存储介质及产品
CN115294623B (zh) 一种人体全身动作捕捉方法、装置、存储介质及终端
CN117237542B (zh) 基于文本的三维人体模型生成方法和装置
CN112613495B (zh) 真人视频生成方法、装置、可读存储介质及设备
Basset Morphologically Plausible Deformation Transfer
CN116778107A (zh) 表情模型的生成方法、装置、设备及介质
Yuxin et al. Research on the Technology of Generating Parametric Continuous Images of Comic Strip in Virtual Reality Environment Based on Machine Algorithm
Bergman Learning Priors for Neural Scene Representations

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