CN114972584A - 一种三维动漫的多维度模型构建方法、系统、设备和产品 - Google Patents
一种三维动漫的多维度模型构建方法、系统、设备和产品 Download PDFInfo
- Publication number
- CN114972584A CN114972584A CN202210708191.1A CN202210708191A CN114972584A CN 114972584 A CN114972584 A CN 114972584A CN 202210708191 A CN202210708191 A CN 202210708191A CN 114972584 A CN114972584 A CN 114972584A
- Authority
- CN
- China
- Prior art keywords
- dimensional
- scene
- result
- model
- anchor point
- 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
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T13/00—Animation
- G06T13/20—3D [Three Dimensional] animation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T15/00—3D [Three Dimensional] image rendering
- G06T15/005—General purpose rendering architectures
Abstract
本发明提供了一种三维动漫的多维度模型构建方法、系统、设备和产品,涉及数字处理技术领域,方法包括:采集模型构建精度约束信息;采集二维图像集合,将特征提取结果作为场景标识信息;构建三维坐标系,得到角度标识图像集合;根据精度约束信息匹配锚点总量分布区间,对角度标识图像集合进行复杂度特征分析,结合锚点总量分布区间生成区域锚点分布结果;进行三维动漫模型拟合,得到三维动漫模型拟合结果;结合场景标识信息生成多维度场景模型。解决了三维动漫的多维度场景模型的建模精度无法结合场景需求进行适应性调整,导致三维动漫的还原效果不佳的技术问题,达到了精准匹配场景和需求,提高三维动漫还原度、构建精度的技术效果。
Description
技术领域
本发明涉及数字处理技术领域,具体涉及一种三维动漫的多维度模型构建方法、系统、设备和产品。
背景技术
通过三维动漫建模软件可以构建三维动漫模型,通过三维动漫模型制作动漫,相比于通过漫画原画制作动漫,制作工期短,三维动漫模型可以重复使用,通过三维动漫的多维度模型构建,可以降低动漫的制作成本的同时,提高动漫的制作效率,配合3D呈像技术,可以大大提高动漫的真实性,但无法结合场景对应调整建模精度,导致三维动漫的还原效果不佳,亟需多维度模型构建方法,对三维动漫多维度模型的构建进行优化。
现有技术中存在三维动漫的多维度场景模型的建模精度无法结合场景需求进行适应性调整,导致三维动漫的还原效果不佳的技术问题。
发明内容
本发明通过提供了一种三维动漫的多维度模型构建方法、系统、设备和产品,解决了三维动漫的多维度场景模型的建模精度无法结合场景需求进行适应性调整,导致三维动漫的还原效果不佳的技术问题,达到了精准匹配场景和需求,提高三维动漫还原度、构建精度的技术效果。
鉴于上述问题,本发明提供了一种三维动漫的多维度模型构建方法、系统、设备和产品。
第一方面,本发明提供了一种三维动漫的多维度模型构建方法,其中,所述方法包括:采集模型构建精度约束信息;采集二维图像集合,并对所述二维图像集合进行场景化特征提取,并将场景化特征提取结果作为场景标识信息;根据所述场景化特征提取结果进行所述二维图像集合的场景剔除,构建三维坐标系,并基于所述三维坐标系进行所述场景剔除结果的角度标识,得到角度标识图像集合;根据所述精度约束信息匹配锚点总量分布区间,对所述角度标识图像集合进行复杂度特征分析,根据复杂度特征分析结果和所述锚点总量分布区间生成区域锚点分布结果;根据所述角度标识图像集合和所述区域锚点分布结果进行三维动漫模型拟合,得到三维动漫模型拟合结果;根据所述三维动漫模型拟合结果和所述场景标识信息生成多维度场景模型。
第二方面,本发明提供了一种三维动漫的多维度模型构建系统,其中,所述系统包括:信息采集单元,所述信息采集单元用于采集模型构建精度约束信息;场景特征提取单元,所述场景特征提取单元用于采集二维图像集合,并对所述二维图像集合进行场景化特征提取,并将场景化特征提取结果作为场景标识信息;场景剔除单元,所述场景剔除单元用于根据所述场景化特征提取结果进行所述二维图像集合的场景剔除,构建三维坐标系,并基于所述三维坐标系进行所述场景剔除结果的角度标识,得到角度标识图像集合;锚点分布生成单元,所述锚点分布生成单元用于根据所述精度约束信息匹配锚点总量分布区间,对所述角度标识图像集合进行复杂度特征分析,根据复杂度特征分析结果和所述锚点总量分布区间生成区域锚点分布结果;三维模型拟合单元,所述三维模型拟合单元用于根据所述角度标识图像集合和所述区域锚点分布结果进行三维动漫模型拟合,得到三维动漫模型拟合结果;多维度模型生成单元,所述多维度模型生成单元用于根据所述三维动漫模型拟合结果和所述场景标识信息生成多维度场景模型。
第三方面,本发明提供了一种三维动漫的多维度模型构建设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其中,所述处理器执行所述程序时实现第一方面任一项所述方法的步骤。
第四方面,本发明提供了一种计算机程序产品,包括计算机程序和/或指令,其中,该计算机程序和/或指令被处理器执行时实现第一方面任一项所述方法的步骤。
与现有技术相比,本发明中提供的一个或多个技术方案,至少具有如下有益效果:
由于采用了采集模型构建精度约束信息,采集二维图像集合,进行场景化特征提取,将特征提取结果作为场景标识信息,进行场景剔除,构建三维坐标系,进行角度标识,得到角度标识图像集合,根据精度约束信息匹配锚点总量分布区间,对角度标识图像集合进行复杂度特征分析,结合锚点总量分布区间生成区域锚点分布结果,进行三维动漫模型拟合,得到三维动漫模型拟合结果,结合场景标识信息生成多维度场景模型。本发明实施例达到了精准匹配场景和需求,提高三维动漫还原度、构建精度的技术效果。
附图说明
图1为本发明一种三维动漫的多维度模型构建方法的流程示意图;
图2为本发明一种三维动漫的多维度模型构建方法的获得复杂度特征分析结果的流程示意图;
图3为本发明一种三维动漫的多维度模型构建方法的生成多维度场景模型的流程示意图;
图4为本发明一种三维动漫的多维度模型构建方法的判断是否进行二维图像的新增采集的流程示意图;
图5为本发明一种三维动漫的多维度模型构建系统的结构示意图。
附图标记说明:信息采集单元11,场景特征提取单元12,场景剔除单元13,锚点分布生成单元14,三维模型拟合单元15,多维度模型生成单元16。
具体实施方式
本发明通过提供了一种三维动漫的多维度模型构建方法、系统、设备和产品,解决了三维动漫的多维度场景模型的建模精度无法结合场景需求进行适应性调整,导致三维动漫的还原效果不佳的技术问题,达到了精准匹配场景和需求,提高三维动漫还原度、构建精度的技术效果。
实施例一
如图1所示,本发明提供了一种三维动漫的多维度模型构建方法,其中,所述方法应用于一种三维动漫的多维度模型构建系统,所述方法包括:
S100:采集模型构建精度约束信息;
具体而言,所述模型为任意三维动漫模型,所述模型可以是动物、人物或任意模型,所述精度约束信息包括但不限于尺寸精度信息、角度精度信息、曲率精度信息,所述模型构建精度约束信息为所述多维度模型构建系统的模型构建的尺寸精度信息、角度精度信息、曲率精度信息,所述模型构建精度约束信息可以进行调整,一般的,在其他相关指标参数一致的情况下,所述模型构建精度约束信息对应的精度越高,构建所得三维动漫的还原度越高,数据运算量越大,所述模型构建精度约束信息对应的精度越低,构建所得三维动漫的还原度越低,数据运算量越小,通过所述多维度模型构建系统,采集模型构建精度约束信息。
S200:采集二维图像集合,并对所述二维图像集合进行场景化特征提取,并将场景化特征提取结果作为场景标识信息;
S300:根据所述场景化特征提取结果进行所述二维图像集合的场景剔除,构建三维坐标系,并基于所述三维坐标系进行所述场景剔除结果的角度标识,得到角度标识图像集合;
具体而言,所述二维图像集合是所述模型的多角度二维图像信息,通过多维度模型构建系统内置的图像采集装置,采集二维图像集合,所述图像采集装置的采样频率与分辨率与所述精度约束信息中的精度约束信息对应,所述场景化特征包括时间特征、空间特征、离散特征、连续特征、文本特征等相关特征信息,可以通过聚类算法进行特征提取,所述聚类算法可以包括k-means算法、K-medoids算法、bp反向传播等其他相关聚类算法,对所述二维图像集合进行场景化特征提取,获取场景化特征提取结果,将场景化特征提取结果作为场景标识信息,所述场景标识信息的内容相比于场景化特征提取结果的内容,是一致的,所述场景标识信息与场景化特征提取结果的功能特征不一致,获取场景化特征提取结果,为后续分析提供数据支持。
具体而言,针对所述三维动漫模型的主体,根据所述场景化特征提取结果进行所述二维图像集合的场景剔除,基于相关分析,通过相关性运算,确定所述场景化特征提取结果与所述二维图像集合之间的肯德尔和谐系数,通过所述肯德尔和谐系数进行场景剔除,结合所述场景化特征中的空间特征,构建三维坐标系,通过所述三维坐标系的坐标轴空间位置信息,进行所述场景剔除结果的角度标识,获取角度标识图像集合,为后续多维度模型的构建提供数据理论支持。
S400:根据所述精度约束信息匹配锚点总量分布区间,对所述角度标识图像集合进行复杂度特征分析,根据复杂度特征分析结果和所述锚点总量分布区间生成区域锚点分布结果;
进一步的,如图2所示,本发明实施例还包括:
S410:设定预定评价区间;
S420:根据所述预定评价区间对所述角度标识图像集合进行区域划分,得到区域划分结果;
S430:构建预定色域范围评价等级区间,根据所述预定色域范围评价等级区间进行所述区域划分结果的各个区域的分级数量评价,得到区域分级数量评价结果;
S440:根据所述区域分级数量评价结果获得所述复杂度特征分析结果。
具体而言,所述锚点为所述三维动漫模型的连接定位点,通过锚点分布,可以对所述三维动漫模型的线条连接进行还原,整合所述三维动漫模型的锚点坐标分布信息,根据所述精度约束信息,匹配确定锚点总量分布区间,所述精度约束信息与锚点总量呈正相关,所述复杂度特征分析主要是对结构复杂性进行评估,所述角度标识图像集合中结构不规则、结构对称度低、连接节点位置的对应的结构复杂度高,对所述角度标识图像集合进行复杂度特征分析,根据复杂度特征分析结果和所述锚点总量分布区间,适应性调整锚点的位置分布,结构复杂度高的对应的锚点分布密集,结构复杂度低的对应的锚点分布疏散,在不进行过度运算的前提下,为保证区域锚点分布合理性提供技术支持,提高三维动漫模型结构信息的精度。
具体而言,基于所述三维动漫模型的结构信息,对模型进行分区,设定预定评价区间,示例性的,所述三维动漫模型为人物,预定评价区间可以确定为头部、手部、脚部;根据所述预定评价区间对所述角度标识图像集合进行区域划分,得到区域划分结果,所述区域划分结果与所述预定评价区间的结构信息对应;从颜色的类别、饱和度等相关颜色特征出发,构建预定色域范围评价等级区间,根据所述预定色域范围评价等级区间进行所述区域划分结果的各个区域的分级数量评价,示例性的,三维动漫人物模型的头部特征通过眼睛、头发、脸部轮廓进行识别,根据预定色域范围评价等级区间,分别对眼睛、头发、脸部轮廓的色域等级进行评价,如眼睛,可以是白色、黑色与棕色,分级数量越多,眼睛颜色的还原度越高,眼睛区域的分级数量评价越大,将多个区域分级数量进行整理,得到区域分级数量评价结果;根据所述区域分级数量评价结果,结合结构信息与色域信息,对所述三维动漫模型的复杂度进行特征分析,获得所述复杂度特征分析结果,为提高区域锚点分布的合理性提供技术支持。
进一步具体说明,在进行优化区域锚点分布结果优化过程,需要结合环境信息对应的需求,示例性说明,在光线不充足的情况下,环境光的光照角度与光照强度,会使得影像内部物体出现高光区与阴影区,所述高光区与阴影区的分布与环境光的光照角度与光照强度对应,如人脸在只有左侧射向的环境光的情况,一般会在鼻子右侧存在大量阴影,具体需要结合环境光的光照角度与光照强度进一步说明,所述示例是为方案理解,不对方案的具体实施进行限制,结合环境需求对三维动漫模型拟合的锚点分布进行优化,可以保证还原所得图像的真实性,提高三维动漫还原度。
S500:根据所述角度标识图像集合和所述区域锚点分布结果进行三维动漫模型拟合,得到三维动漫模型拟合结果;
进一步的,本发明实施例还包括:
S510:采集用户需求信息;
S520:根据所述用户需求信息进行锚点偏重系数评价,生成锚点系数评价结果;
S530:根据所述锚点系数评价结果进行所述区域锚点分布结果优化,得到优化区域锚点分布结果;
S540:根据所述优化区域锚点分布结果得到所述三维动漫模型拟合结果。
具体而言,通过三维动漫建模软件,所述三维动漫建模软件可以是3D Studio Max(软件名)、Maya(软件名)、Rhino(软件名)、Blender(软件名)或其他任意建模软件,根据所述角度标识图像集合和所述区域锚点分布结果进行三维动漫模型拟合,得到三维动漫模型拟合结果,所述三维动漫模型拟合结果为三维动漫模型的主体模型拟合结果,将场景特征剔除,保留并优化三维动漫模型的主体,获取三维动漫模型拟合结果,为构建多维度模型场景提供技术理论支持。
具体而言,所述用户需求信息包括用户偏好信息、用户历史数据信息等相关用户需求信息,基于所述多维度模型构建系统的内部集成信息存储模块,常见如寄存器,通过所述寄存器记录用户偏好信息、用户历史数据信息等相关用户需求信息,通过标志符进行信息检索提取,获取所述用户需求信息,可以通过TOPSIS法(Technique for OrderPreference by Similarity to ideal Sulution,优劣解距离法),进行锚点偏重系数评价,根据所述用户需求信息进行锚点偏重系数评价,生成锚点系数评价结果;根据所述锚点系数评价结果进行所述区域锚点分布结果优化,得到优化区域锚点分布结果,示例性的,用户存在人物面部特征需求,结合锚点偏重系数评价,对人物面部锚点分布进行优化;根据所述优化区域锚点分布结果得到所述三维动漫模型拟合结果,结合用户偏好,对三维动漫模型拟合的锚点分布进行优化,提高了三维动漫模型与用户的接受度。
S600:根据所述三维动漫模型拟合结果和所述场景标识信息生成多维度场景模型。
进一步的,如图3所示,本发明实施例还包括:
S610:将所述场景化特征提取结果作为场景构建基础数据,并依据所述场景标识信息进行场景分类,获得场景分类结果;
S620:构建风格化约束等级,根据所述风格化约束等级进行所述场景分类结果的分级空间构建,并基于分级空间构建结果进行新增场景特征匹配,将匹配后的新增场景特征添加至各级分级空间;
S630:根据所述三维动漫模型拟合结果和添加新增场景特征的所述分级空间生成所述多维度场景模型。
具体而言,根据所述三维动漫模型拟合结果和所述场景标识信息,基于所述三维动漫建模软件,进行场景还原,生成多维度场景模型,保证了多维度场景模型的还原度。
具体而言,为保证所述多维度场景模型场景切换的真实性,依据所述场景标识信息进行场景分类,将所述场景化特征提取结果作为场景构建基础数据,获得场景分类结果;所述风格化约束等级为场景分类结果的等级划分信息,示例性的,酒楼场景中的环境光、背景色调等相关数据信息为酒楼场景的风格化约束等级,构建风格化约束等级,根据所述风格化约束等级进行所述场景分类结果的分级空间构建,所述新增场景特征为进行场景角度切换提供数据支持,示例性的,酒楼场景的不同的视角的场景特征均不同,为保证场景的完整性,提高场景的还原度,基于分级空间构建结果进行新增场景特征匹配,将匹配后的新增场景特征添加至各级分级空间;根据所述三维动漫模型拟合结果和添加新增场景特征的所述分级空间生成所述多维度场景模型,根据场景与分级空间的结合,匹配新增场景特征,提高所述多维度场景模型中场景的还原度。
进一步的,本发明还包括:
S621:根据构建完成的所述分级空间进行所述三维动漫模型拟合结果的特征关联分析,得到关联特征集合;
S622:对所述关联特征集合进行所述三维动漫模型拟合结果的适配尺寸优化,得到适配尺寸优化参数;
S623:将所述适配尺寸优化参数添加至各级分级空间。
具体而言,根据构建完成的所述分级空间进行所述三维动漫模型拟合结果的特征关联分析,所述特征关联分析为通过FP-tree(Frequent Pattern Tree频繁模式树),对特征指标进行运算分析,得到关联特征集合;所述适配尺寸与人类普遍认知一致,可以通过大数据构建专家系统,基于所述专家系统,对所述关联特征集合进行所述三维动漫模型拟合结果的适配尺寸优化,得到适配尺寸优化参数;将所述适配尺寸优化参数添加至各级分级空间,保证三维动漫模型尺寸信息的合理性。
进一步具体而言,将所述适配尺寸优化参数添加至各级分级空间,示例性的,小孩子与成人的三维动漫模型的尺寸不是完全成比例放缩,头部与身体的比例系数定义为头身比,一般的,小孩子与成人的头身比不一致,在进行三维动漫模型还原过程,需要进行适配尺寸优化。
进一步的,如图4所示,本发明还包括:
S710:根据所述角度标识图像集合进行模型构建完整性评价,获得完整性评价结果;
S720:判断所述完整性评价结果是否满足预定要求阈值;
S730:当所述完整性评价结果不满足所述预定要求阈值时,则获得新增图像指令;
S740:根据所述新增图像指令进行二维图像的新增采集。
具体而言,根据所述角度标识图像集合进行缺失分析,所述缺失分析可以通过SPSS软件(Statistical Product Service Solutions,统计产品与服务解决方案,软件名),对模型构建完整性进行评价,获得完整性评价结果;所述预定要求阈值一般设定为80%,低于所述预定要求阈值,会使得模型特征缺失,无法支持多维度场景模型的生成,判断所述完整性评价结果是否满足预定要求阈值;当所述完整性评价结果不满足所述预定要求阈值时,则获得新增图像指令,所述新增图像指令用于控制多维度模型系统,进行二维图像的新增采集,为保证三维动漫模型的完整性提供技术支持。
进一步的,本发明还包括:
S750:对所述二维图像集合进行目标动漫人物的图像均衡质量评价,生成图像均衡质量评价集合;
S760:通过所述图像均衡质量评价集合进行所述二维图像集合的图像筛选,得到图像筛选结果;
S770:基于所述图像筛选结果进行所述场景化特征提取。
具体而言,若所述三维动漫模型的对象为人物,所述目标动漫人物可以是该动漫场景的主线人物,一般的,所述目标动漫人物可以是男主或女主,通过MMSE(minimum meansquare error最小均方误差算法),进行图像均衡质量评价,对所述二维图像集合进行目标动漫人物的图像均衡质量评价,生成图像均衡质量评价集合,为保证多维度场景模型质量的均衡提供数据支持;所述图像筛选将目标动漫人物进行筛选剔除,通过所述图像均衡质量评价集合进行所述二维图像集合的图像筛选,得到图像筛选结果,所述图像筛选结果包括二维图像集合中的场景图像信息,不包括目标动漫人物的图像信息;通过聚类算法对所述图像筛选结果进行所述场景化特征提取,为提高场景化特征的完整度提供技术理论支持。
综上所述,本发明所提供的一种三维动漫的多维度模型构建方法、系统、设备和产品具有如下技术效果:
由于采用了采集模型构建精度约束信息,采集二维图像集合,进行场景化特征提取,将特征提取结果作为场景标识信息,进行场景剔除,构建三维坐标系,进行角度标识,得到角度标识图像集合,根据精度约束信息匹配锚点总量分布区间,对角度标识图像集合进行复杂度特征分析,结合锚点总量分布区间生成区域锚点分布结果,进行三维动漫模型拟合,得到三维动漫模型拟合结果,结合场景标识信息生成多维度场景模型,本发明通过提供了一种三维动漫的多维度模型构建方法、系统、设备和产品,达到了精准匹配场景和需求,提高三维动漫还原度、构建精度的技术效果。
由于采用了设定预定评价区间,对角度标识图像集合进行区域划分,得到区域划分结果,构建预定色域范围评价等级区间,根据预定色域范围评价等级区间进行区域划分结果的各个区域的分级数量评价,得到区域分级数量评价结果,获得复杂度特征分析结果,在不进行过度运算的前提下,为保证区域锚点分布合理性提供技术支持,提高三维动漫模型结构信息的精度。
由于采用了将场景化特征提取结果作为场景构建基础数据,依据场景标识信息进行场景分类,获得场景分类结果,构建风格化约束等级,进行场景分类结果的分级空间构建,进行新增场景特征匹配,添加至各级分级空间,结合三维动漫模型拟合结果,生成多维度场景模型。根据场景与分级空间的结合,匹配新增场景特征,提高多维度场景模型中场景的还原度。
实施例二
基于与前述实施例中一种三维动漫的多维度模型构建方法相同的发明构思,如图5所示,本发明提供了一种三维动漫的多维度模型构建系统,其中,所述系统包括:
信息采集单元11,所述信息采集单元11用于采集模型构建精度约束信息;
场景特征提取单元12,所述场景特征提取单元12用于采集二维图像集合,并对所述二维图像集合进行场景化特征提取,并将场景化特征提取结果作为场景标识信息;
场景剔除单元13,所述场景剔除单元13用于根据所述场景化特征提取结果进行所述二维图像集合的场景剔除,构建三维坐标系,并基于所述三维坐标系进行所述场景剔除结果的角度标识,得到角度标识图像集合;
锚点分布生成单元14,所述锚点分布生成单元14用于根据所述精度约束信息匹配锚点总量分布区间,对所述角度标识图像集合进行复杂度特征分析,根据复杂度特征分析结果和所述锚点总量分布区间生成区域锚点分布结果;
三维模型拟合单元15,所述三维模型拟合单元15用于根据所述角度标识图像集合和所述区域锚点分布结果进行三维动漫模型拟合,得到三维动漫模型拟合结果;
多维度模型生成单元16,所述多维度模型生成单元16用于根据所述三维动漫模型拟合结果和所述场景标识信息生成多维度场景模型。
进一步的,所述系统包括:
预定设定单元,所述预定设定单元用于设定预定评价区间;
区域划分单元,所述区域划分单元用于根据所述预定评价区间对所述角度标识图像集合进行区域划分,得到区域划分结果;
区域分级单元,所述区域分级单元用于构建预定色域范围评价等级区间,根据所述预定色域范围评价等级区间进行所述区域划分结果的各个区域的分级数量评价,得到区域分级数量评价结果;
复杂度特征分析单元,所述复杂度特征分析单元用于根据所述区域分级数量评价结果获得所述复杂度特征分析结果。
进一步的,所述系统包括:
用户需求采集单元,所述用户需求采集单元用于采集用户需求信息;
偏重系数评价单元,所述偏重系数评价单元用于根据所述用户需求信息进行锚点偏重系数评价,生成锚点系数评价结果;
分布结果优化单元,所述分布结果优化单元用于根据所述锚点系数评价结果进行所述区域锚点分布结果优化,得到优化区域锚点分布结果;
三维动漫模型拟合单元,所述三维动漫模型拟合单元用于根据所述优化区域锚点分布结果得到所述三维动漫模型拟合结果。
进一步的,所述系统包括:
场景标识分类单元,所述场景标识分类单元用于将所述场景化特征提取结果作为场景构建基础数据,并依据所述场景标识信息进行场景分类,获得场景分类结果;
约束等级特征匹配单元,所述约束等级特征匹配单元用于构建风格化约束等级,根据所述风格化约束等级进行所述场景分类结果的分级空间构建,并基于分级空间构建结果进行新增场景特征匹配,将匹配后的新增场景特征添加至各级分级空间;
场景模型生成单元,所述场景模型生成单元用于根据所述三维动漫模型拟合结果和添加新增场景特征的所述分级空间生成所述多维度场景模型。
进一步的,所述系统包括:
特征关联分析单元,所述特征关联分析单元用于根据构建完成的所述分级空间进行所述三维动漫模型拟合结果的特征关联分析,得到关联特征集合;
适配尺寸优化单元,所述适配尺寸优化单元用于对所述关联特征集合进行所述三维动漫模型拟合结果的适配尺寸优化,得到适配尺寸优化参数;
优化参数添加单元,所述优化参数添加单元用于将所述适配尺寸优化参数添加至各级分级空间。
进一步的,所述系统包括:
模型完整性评价单元,所述模型完整性评价单元用于根据所述角度标识图像集合进行模型构建完整性评价,获得完整性评价结果;
完整性判断单元,所述完整性判断单元用于判断所述完整性评价结果是否满足预定要求阈值;
新增指令获取单元,所述新增指令获取单元用于当所述完整性评价结果不满足所述预定要求阈值时,则获得新增图像指令;
新增采集单元,所述新增采集单元用于根据所述新增图像指令进行二维图像的新增采集。
进一步的,所述系统包括:
均衡质量评价单元,所述均衡质量评价单元用于对所述二维图像集合进行目标动漫人物的图像均衡质量评价,生成图像均衡质量评价集合;
图像筛选单元,所述图像筛选单元用于通过所述图像均衡质量评价集合进行所述二维图像集合的图像筛选,得到图像筛选结果;
场景化特征提取单元,所述单元场景化特征提取用于基于所述图像筛选结果进行所述场景化特征提取。
示例性电子设备
基于与前述实施例中一种三维动漫的多维度模型构建方法相同的发明构思,本发明还提供了一种三维动漫的多维度模型构建设备,包括:处理器,所述处理器与存储器耦合,所述存储器用于存储程序,当所述程序被所述处理器执行时,使得系统以执行第一方面任一项所述的方法。
该电子设备包括:处理器、通信接口、存储器、总线架构,通信接口、处理器、存储器可以通过总线架构通信连接,所述总线架构可以分为地址总线、数据总线、控制总线等,所述处理器可以是CPU、微处理器、ASIC或其他运算和控制单元,所述通信接口为数据信息收发接口装备,如收发器,存储器可以是暂存器或固定存储设备,暂存器是配合处理器,对运算的中间数据进行存储,便于后续进行数据调取与运算的信息存储设备,固定存储设备多用于存储原始数据与运算处理结果数据。存储器用于存储执行本发明方案的计算机执行指令(程序代码),处理器为多维度模型构建设备的运算和控制核心,来控制执行存储器中的计算机程序和/或指令,从而实现本发明上述实施例提供的一种三维动漫的多维度模型构建方法。
本发明还包括专用集成电路(ASIC),现场可编程门阵列(FPGA)或其它可编程逻辑装置,配合驱动程序,对实现逻辑装置的功能性,为保证数据的运算处理效率,可以通过计算装置的组合来实现,一个或多个微处理器联合一个数字信号处理器核,或任何其它类似的配置来实现。
本说明书和附图仅仅是本发明的示例性说明,在不脱离本发明的精神和范围的情况下,可对其进行各种修改和组合。本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内,则本发明意图包括这些改动和变型在内。
Claims (10)
1.一种三维动漫的多维度模型构建方法,其特征在于,所述方法包括:
采集模型构建精度约束信息;
采集二维图像集合,并对所述二维图像集合进行场景化特征提取,并将场景化特征提取结果作为场景标识信息;
根据所述场景化特征提取结果进行所述二维图像集合的场景剔除,构建三维坐标系,并基于所述三维坐标系进行所述场景剔除结果的角度标识,得到角度标识图像集合;
根据所述精度约束信息匹配锚点总量分布区间,对所述角度标识图像集合进行复杂度特征分析,根据复杂度特征分析结果和所述锚点总量分布区间生成区域锚点分布结果;
根据所述角度标识图像集合和所述区域锚点分布结果进行三维动漫模型拟合,得到三维动漫模型拟合结果;
根据所述三维动漫模型拟合结果和所述场景标识信息生成多维度场景模型。
2.如权利要求1所述的方法,其特征在于,所述方法还包括:
设定预定评价区间;
根据所述预定评价区间对所述角度标识图像集合进行区域划分,得到区域划分结果;
构建预定色域范围评价等级区间,根据所述预定色域范围评价等级区间进行所述区域划分结果的各个区域的分级数量评价,得到区域分级数量评价结果;
根据所述区域分级数量评价结果获得所述复杂度特征分析结果。
3.如权利要求1所述的方法,其特征在于,所述方法还包括:
采集用户需求信息;
根据所述用户需求信息进行锚点偏重系数评价,生成锚点系数评价结果;
根据所述锚点系数评价结果进行所述区域锚点分布结果优化,得到优化区域锚点分布结果;
根据所述优化区域锚点分布结果得到所述三维动漫模型拟合结果。
4.如权利要求1所述的方法,其特征在于,所述方法还包括:
将所述场景化特征提取结果作为场景构建基础数据,并依据所述场景标识信息进行场景分类,获得场景分类结果;
构建风格化约束等级,根据所述风格化约束等级进行所述场景分类结果的分级空间构建,并基于分级空间构建结果进行新增场景特征匹配,将匹配后的新增场景特征添加至各级分级空间;
根据所述三维动漫模型拟合结果和添加新增场景特征的所述分级空间生成所述多维度场景模型。
5.如权利要求4所述的方法,其特征在于,所述方法还包括:
根据构建完成的所述分级空间进行所述三维动漫模型拟合结果的特征关联分析,得到关联特征集合;
对所述关联特征集合进行所述三维动漫模型拟合结果的适配尺寸优化,得到适配尺寸优化参数;
将所述适配尺寸优化参数添加至各级分级空间。
6.如权利要求1所述的方法,其特征在于,所述方法还包括:
根据所述角度标识图像集合进行模型构建完整性评价,获得完整性评价结果;
判断所述完整性评价结果是否满足预定要求阈值;
当所述完整性评价结果不满足所述预定要求阈值时,则获得新增图像指令;
根据所述新增图像指令进行二维图像的新增采集。
7.如权利要求1所述的方法,其特征在于,所述方法还包括:
对所述二维图像集合进行目标动漫人物的图像均衡质量评价,生成图像均衡质量评价集合;
通过所述图像均衡质量评价集合进行所述二维图像集合的图像筛选,得到图像筛选结果;
基于所述图像筛选结果进行所述场景化特征提取。
8.一种三维动漫的多维度模型构建系统,其特征在于,所述系统包括:
信息采集单元,所述信息采集单元用于采集模型构建精度约束信息;
场景特征提取单元,所述场景特征提取单元用于采集二维图像集合,并对所述二维图像集合进行场景化特征提取,并将场景化特征提取结果作为场景标识信息;
场景剔除单元,所述场景剔除单元用于根据所述场景化特征提取结果进行所述二维图像集合的场景剔除,构建三维坐标系,并基于所述三维坐标系进行所述场景剔除结果的角度标识,得到角度标识图像集合;
锚点分布生成单元,所述锚点分布生成单元用于根据所述精度约束信息匹配锚点总量分布区间,对所述角度标识图像集合进行复杂度特征分析,根据复杂度特征分析结果和所述锚点总量分布区间生成区域锚点分布结果;
三维模型拟合单元,所述三维模型拟合单元用于根据所述角度标识图像集合和所述区域锚点分布结果进行三维动漫模型拟合,得到三维动漫模型拟合结果;
多维度模型生成单元,所述多维度模型生成单元用于根据所述三维动漫模型拟合结果和所述场景标识信息生成多维度场景模型。
9.一种三维动漫的多维度模型构建设备,包括存储器、处理器及存储在存储器上并可在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程序时实现权利要求1至7任一项所述方法的步骤。
10.一种计算机程序产品,包括计算机程序和/或指令,其特征在于,该计算机程序和/或指令被处理器执行时实现权利要求1至7中任一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210708191.1A CN114972584B (zh) | 2022-06-22 | 2022-06-22 | 一种三维动漫的多维度模型构建方法、系统、设备和产品 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210708191.1A CN114972584B (zh) | 2022-06-22 | 2022-06-22 | 一种三维动漫的多维度模型构建方法、系统、设备和产品 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114972584A true CN114972584A (zh) | 2022-08-30 |
CN114972584B CN114972584B (zh) | 2023-03-24 |
Family
ID=82965099
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210708191.1A Active CN114972584B (zh) | 2022-06-22 | 2022-06-22 | 一种三维动漫的多维度模型构建方法、系统、设备和产品 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114972584B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117152349A (zh) * | 2023-08-03 | 2023-12-01 | 无锡泰禾宏科技有限公司 | 基于ar与大数据分析的虚拟场景自适应构建系统及方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103514625A (zh) * | 2012-06-20 | 2014-01-15 | 上海路同信息科技有限公司 | 基于多视角自适应特征配准的三维重建方法 |
CN109859294A (zh) * | 2019-01-21 | 2019-06-07 | 安徽状元郎电子科技有限公司 | 一种vr动漫人物三维建模优化方法 |
CN113269862A (zh) * | 2021-05-31 | 2021-08-17 | 中国科学院自动化研究所 | 场景自适应的精细三维人脸重建方法、系统、电子设备 |
CN113724394A (zh) * | 2021-09-02 | 2021-11-30 | 中国测绘科学研究院 | 一种三维模型轻量化的方法 |
-
2022
- 2022-06-22 CN CN202210708191.1A patent/CN114972584B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103514625A (zh) * | 2012-06-20 | 2014-01-15 | 上海路同信息科技有限公司 | 基于多视角自适应特征配准的三维重建方法 |
CN109859294A (zh) * | 2019-01-21 | 2019-06-07 | 安徽状元郎电子科技有限公司 | 一种vr动漫人物三维建模优化方法 |
CN113269862A (zh) * | 2021-05-31 | 2021-08-17 | 中国科学院自动化研究所 | 场景自适应的精细三维人脸重建方法、系统、电子设备 |
CN113724394A (zh) * | 2021-09-02 | 2021-11-30 | 中国测绘科学研究院 | 一种三维模型轻量化的方法 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117152349A (zh) * | 2023-08-03 | 2023-12-01 | 无锡泰禾宏科技有限公司 | 基于ar与大数据分析的虚拟场景自适应构建系统及方法 |
CN117152349B (zh) * | 2023-08-03 | 2024-02-23 | 无锡泰禾宏科技有限公司 | 基于ar与大数据分析的虚拟场景自适应构建系统及方法 |
Also Published As
Publication number | Publication date |
---|---|
CN114972584B (zh) | 2023-03-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108090960B (zh) | 一种基于几何约束的目标重建方法 | |
US9805293B2 (en) | Method and apparatus for object recognition in image processing | |
EP3108449B1 (en) | View independent 3d scene texturing | |
KR101007276B1 (ko) | 3차원 안면 인식 | |
WO2021042208A1 (en) | Dynamically estimating light-source-specific parameters for digital images using a neural network | |
US8675960B2 (en) | Detecting skin tone in images | |
TW201005673A (en) | Example-based two-dimensional to three-dimensional image conversion method, computer readable medium therefor, and system | |
CN109961097B (zh) | 一种嵌入式场景下基于边缘计算的图像分类调度方法 | |
US20200118332A1 (en) | Method for establishing a deformable 3d model of an element, and associated system | |
JP2006502478A5 (zh) | ||
CN105825543B (zh) | 基于低空遥感影像的多视密集点云生成方法及系统 | |
Berretti et al. | 3d mesh decomposition using reeb graphs | |
CN109003331A (zh) | 一种图像重构方法 | |
CN114972584B (zh) | 一种三维动漫的多维度模型构建方法、系统、设备和产品 | |
CN108492301A (zh) | 一种场景分割方法、终端及存储介质 | |
WO2022183500A1 (zh) | 基于投影的点云质量评价方法、装置、设备和存储介质 | |
CN108898673A (zh) | 一种重构脚部三角网格模型处理方法及系统 | |
WO2022062238A1 (zh) | 一种足球检测方法、装置、计算机可读存储介质及机器人 | |
CN112215129A (zh) | 一种基于排序损失和双分支网络的人群计数方法及系统 | |
CN109102569A (zh) | 一种重构脚部点云模型处理方法及系统 | |
CN110738703A (zh) | 定位方法及装置、终端、存储介质 | |
CN109032073A (zh) | 一种基于图像重构和参数化的脚部鞋楦模型构建系统 | |
CN112016497A (zh) | 基于人工智能的单视角太极拳动作分析及考核系统 | |
KR20190040626A (ko) | 초음파 영상을 실사 영상으로 변환하는 방법 및 그 장치 | |
CN108550184A (zh) | 一种基于光场相机的生物特征3d四维数据识别方法及系统 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |