CN115035248A - 一种基于三维建模的图形数据处理方法及系统 - Google Patents
一种基于三维建模的图形数据处理方法及系统 Download PDFInfo
- Publication number
- CN115035248A CN115035248A CN202210644836.XA CN202210644836A CN115035248A CN 115035248 A CN115035248 A CN 115035248A CN 202210644836 A CN202210644836 A CN 202210644836A CN 115035248 A CN115035248 A CN 115035248A
- Authority
- CN
- China
- Prior art keywords
- result
- model
- user
- obtaining
- feedback
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/16—Human faces, e.g. facial parts, sketches or expressions
- G06V40/168—Feature extraction; Face representation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/16—Human faces, e.g. facial parts, sketches or expressions
- G06V40/172—Classification, e.g. identification
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Health & Medical Sciences (AREA)
- Theoretical Computer Science (AREA)
- Human Computer Interaction (AREA)
- General Health & Medical Sciences (AREA)
- Multimedia (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Computer Graphics (AREA)
- Geometry (AREA)
- Software Systems (AREA)
- Image Analysis (AREA)
Abstract
本发明提供了一种基于三维建模的图形数据处理方法及系统,其中,该方法包括:获得第一样本数据集合,对历史数据进行所述第一样本数据集合标识,获得第一标识结果,获取第一用户的第一选定特征评分集合,根据第一选定特征评分集合和第一标识结果构建第一判别模型,构建第一图像生成模型,将第一样本数据集合和第一用户的数据作为输入数据,输入第一图像生成模型,获得第一生成结果,通过第一判别模型进行第一生成结果的判别,获得第一判别结果,当所述第一判别结果满足第一预设阈值时,将第一判别结果作为样本数据发送至所述第一用户。解决了现有技术中整形医院提供的三维模型样本不足,导致用户无法根据自身需求获得合适的模型样本的技术问题。
Description
技术领域
本发明涉及图形数据处理领域,具体涉及一种基于三维建模的图形数据处理方法及系统。
背景技术
三维建模是物体的多角度展示,通常采用视频设备进行展示,其展示的物体可以为现实世界存在的实体,也可以为虚拟构建的物体。
现有技术中三维建模可以直观的向用户展示物体的外观,因此在整形医院中常常会采用三维建模的方式向客户展示整形后的效果。但是由于整形医院展示的对象多为固定的三维模型样本,且模型样本数量较少,仅可以获知该模型样本是否好看,用户无法直观的体会到该样本的个别外观特征是否适合自己。
因此,现有技术中存在整形医院提供的三维模型样本不足,导致用户无法根据自身需求获得合适的模型样本的技术问题。
发明内容
本申请提供一种基于三维建模的图形数据处理方法及系统,用于针对解决现有技术中由于整形医院提供的三维模型样本不足,导致用户无法根据自身需求获得合适的模型样本的技术问题。
鉴于上述问题,本申请提供了一种基于三维建模的图形数据处理方法及系统。
本申请的第一个方面,提供了一种基于三维建模的图形数据处理方法,所述方法包括:获得第一样本数据集合,通过历史数据进行所述第一样本数据集合标识,获得第一标识结果;获得第一用户的第一选定特征评分集合;根据所述第一选定特征评分集合和所述第一标识结果构建第一判别模型;构建第一图像生成模型,将所述第一样本数据集合和所述第一用户的数据作为输入数据,输入所述第一图像生成模型,获得第一生成结果;通过所述第一判别模型进行所述第一生成结果的判别,获得第一判别结果;当所述第一判别结果满足第一预设阈值时,将所述第一判别结果作为样本数据发送至所述第一用户。
本申请的第二个方面,提供了一种基于三维建模的图形数据处理系统,所述系统包括:第一获得单元,用于获得第一样本数据集合,通过历史数据进行所述第一样本数据集合标识,获得第一标识结果;第二获得单元,用于获得第一用户的第一选定特征评分集合;第一构建单元,用于根据所述第一选定特征评分集合和所述第一标识结果构建第一判别模型;第一生成单元,用于构建第一图像生成模型,将所述第一样本数据集合和所述第一用户的数据作为输入数据,输入所述第一图像生成模型,获得第一生成结果;第一处理单元,用于通过所述第一判别模型进行所述第一生成结果的判别,获得第一判别结果;第一判断单元,用于当所述第一判别结果满足第一预设阈值时,将所述第一判别结果作为样本数据发送至所述第一用户。
本申请的第三个方面,提供了一种电子设备,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,使系统以执行如第一方面所述方法的步骤。
本申请的第四个方面,提供了一种计算机可读存储介质,所述存储介质上存储有计算机程序,所述计算机程序被处理器执行时实现如第一方面所述方法的步骤。
本申请中提供的一个或多个技术方案,至少具有如下技术效果或优点:
本申请实施例提供的方法通过获得第一样本数据集合,对历史数据进行所述第一样本数据集合标识,获得第一标识结果,获取第一用户的第一选定特征评分集合,根据第一选定特征评分集合和第一标识结果构建第一判别模型,构建第一图像生成模型,将第一样本数据集合和第一用户的数据作为输入数据,输入第一图像生成模型,获得第一生成结果,通过所述第一判别模型进行所述第一生成结果的判别,获得第一判别结果,通过对抗网络的生成,当所述第一判别结果满足第一预设阈值时,将所述第一判别结果作为样本数据发送至所述第一用户,达到了根据用户需要生成模型样本。解决了现有技术中由于整形医院提供的三维模型样本不足,导致用户无法根据自身需求获得适合的模型样本的技术问题。而本申请中根据用户的选定特征,构建生成对抗网络,丰富了整形医院提供的三维模型数据,达到了为用户提供适合的匹配样本数据,还可以根据用户选择的模型作为参考数据做微调整,不需要复杂的操作就可以满足用户需求的技术效果。
上述说明仅是本申请技术方案的概述,为了能够更清楚了解本申请的技术手段,而可依照说明书的内容予以实施,并且为了让本申请的上述和其它目的、特征和优点能够更明显易懂,以下特举本申请的具体实施方式。
附图说明
图1为本申请提供的一种基于三维建模的图形数据处理方法流程示意图;
图2为本申请提供的一种基于三维建模的图形数据处理方法中获得第二图像生成模型的流程示意图;
图3为本申请提供的一种基于三维建模的图形数据处理方法中获得通过第一修正参数对第一判别模型进行修正的流程示意图;
图4为本申请提供了一种基于三维建模的图形数据处理系统结构示意图;
图5为本申请示例性电子设备的结构示意图。
附图标记说明:第一获得单元11,第二获得单元12,第一构建单元13,第一生成单元14,第一处理单元15,第一判断单元16,存储器301,处理器302,通信接口303,总线架构304。
具体实施方式
本申请提供一种基于三维建模的图形数据处理方法及系统,用于针对解决现有技术中由于整形医院提供的三维模型样本不足,导致用户无法根据自身需求获得合适的模型样本的技术问题。直接根据用户的选定特征,构建生成对抗网络,丰富了整形医院提供的三维模型数据,达到了为用户提供适合匹配的样本数据,还可以根据用户选择的模型作为参考数据做微调整,不需要复杂的操作就可以满足用户需求的技术效果。
针对上述技术问题,本申请提供的技术方案总体思路如下:
本申请实施例提供的方法通过获得第一样本数据集合,对历史数据进行所述第一样本数据集合标识,获得第一标识结果,获取第一用户的第一选定特征评分集合,根据第一选定特征评分集合和第一标识结果构建第一判别模型,构建第一图像生成模型,将第一样本数据集合和第一用户的数据作为输入数据,输入第一图像生成模型,获得第一生成结果,通过所述第一判别模型进行所述第一生成结果的判别,获得第一判别结果,通过对抗网络的生成,当所述第一判别结果满足第一预设阈值时,将所述第一判别结果作为样本数据发送至所述第一用户,达到了根据用户需要生成模型样本。解决了现有技术中由于整形医院提供的三维模型样本不足,导致用户无法根据自身需求获得合适的模型样本的技术问题。通过根据用户的选定特征,构建生成对抗网络,丰富了整形医院提供的三维模型数据,达到了为用户提供合适的匹配样本数据,还可以根据用户选择的模型作为参考数据做微调整,不需要复杂的操作就可以满足用户需求的技术效果。
在介绍了本申请基本原理后,下面,将参考附图对本申请中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅是本申请的一部分实施例,而不是本申请的全部实施例,应理解,本申请不受这里描述的示例实施例的限制。基于本申请的实施例,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,都属于本申请保护的范围。另外还需要说明的是,为了便于描述,附图中仅示出了与本申请相关的部分而非全部。
实施例一
如图1所示,本申请提供了一种基于三维建模的图形数据处理方法,所述方法包括:
S100:获得第一样本数据集合,通过历史数据进行所述第一样本数据集合标识,获得第一标识结果;
具体的,所述第一样本数据集合为现有的模型样本特征,模型样本可以通过面部或外观特征图片获取,例如可以通过面部图片获取眼部特征、嘴部特征等其他部位特征。所述历史数据为整形医院历史用户对第一样本数据集合的评分数据,通过整形医院历史用户对第一样本数据集合的评分数据对第一样本数据集合进行标识,最终获取第一标识结果。例如,整形医院历史用户对同一张面部图片的眼部特征进行评分时评分会存在较大差异,A历史用户对A眼部特征评分为8分,B历史用户对A眼部特征评分为9分,C历史用户对A眼部特征评分为7分。此时,可以通过历史用户对当前A眼部特征的平均评分对A眼部特征进行标识,最终获取整形医院历史用户A眼部特征评价评分为8分。此时,获取的A眼部特征的第一标识结果为8分。
S200:获得第一用户的第一选定特征评分集合;
具体的,所述第一用户为本申请方法服务的目标客户,获取目标客户对选定特征的评分集合,通过向目标客户提供不同类型的外观特征,来获取用户对不同类型外观特征的评分。单一选定外观特征可以包括多个子特征,例如,在评价鼻子时可以包含鼻尖高度以及鼻梁高度进行综合评分。本申请示例性的在对鼻子鼻尖特征进行评分时,通过向用户提供多个不同高度鼻尖的图片,例如,15-25mm不同鼻尖高度的图片,根据目标客户对上述不同鼻尖高度特征根据自己的审美进行打分,最终确定目标客户的选定特征评分。获取客户需求的所有选定特征评分生成第一选定特征评分集合。
S300:根据所述第一选定特征评分集合和所述第一标识结果构建第一判别模型;
具体的,所述第一选定特征评分集合为用户对不同外貌特征的评分,其最接近用户的真实需求,由于用户在对外貌特征进行评分时不能对所有的样本进行评分,往往会造成用户无法得到其最满意的外貌特征。根据历史数据对于所述第一样本数集合的标识,即所述第一标识结果作为监督数据,将所述第一样本数据集合作为输入数据,构建基于监督学习的样本数据分析评价模型,即判别模型。进一步的,为了使所述判别模型的输出结果与所述第一用户的期望值更加的匹配,通过获得的所述第一用户的所述第一选定特征评分集合进行所述判别模型的判别标准优化,获得优化后的,与所述第一用户的需求标准更加匹配的判别模型,即所述第一判别模型。
S400:构建第一图像生成模型,将所述第一样本数据集合和所述第一用户的数据作为输入数据,输入所述第一图像生成模型,获得第一生成结果;
S500:通过所述第一判别模型进行所述第一生成结果的判别,获得第一判别结果;
具体的,将人脸部位图片以及人脸图片作为训练数据,输入训练模型,构建第一图像生成模型,第一图像生成模型用于生成三维人脸图像。所述训练模型是一个神经网络模型即机器学习中的神经网络模型,神经网络是由大量的、简单的处理单元(称为神经元)广泛地互相连接而形成的复杂神经网络系统,它反映了人脑功能的许多基本特征,是一个高度复杂的非线性动力学习系统。神经网络模型是以神经元的数学模型为基础来描述的。人工神经网络,是对人类大脑系统的一阶特性的一种描述。简单地讲,它是一个数学模型。通过第一图像生成模型最终生成人脸三维图像,例如,用户选定部位为眼睛和鼻子,通过将用户选定部位眼睛和鼻子的图像以及用户的人脸图片数据输入第一图像生成模型,第一图像生成模型将用户脸部图片中眼睛和鼻子替换为选定部位眼睛和鼻子,并生成三维人脸图像即为第一生成结果。最后第一判别模型对第一生成结果进行判别,生成判别结果,所述判别结果包括生成结果中选定部位评分以及生成的三维人脸图像的整体评分。
S600:当所述第一判别结果满足第一预设阈值时,将所述第一判别结果作为样本数据发送至所述第一用户。
具体的,所述第一预设阈值是基于用户对构建的三维人脸图像整体评分的最低标准,当判别结果满足果满足第一预设阈值时,此时生成的结果可以满足用户的需求,将生成结果作为样本数据发送至所述第一用户。通过综合用户的评分标准,提前设置预设所述第一预设阈值,使得最终的生成结果满足用户的需求,并向用户发送最终的生成结果。实现了根据用户的选定特征,构建生成对抗网络,丰富了整形医院提供的三维模型数据,达到了为用户提供合适的匹配样本数据,还可以根据用户选择的模型作为参考数据做微调整,不需要复杂的操作就可以满足用户需求的技术效果。
如图2所示,本申请实施例提供的方法中的步骤S500包括:
S510:当所述第一判别结果不满足所述第一预设阈值时,根据所述第一判别模型获得反馈特征;
S520:对所述第一判别模型的判别结果对应的所述反馈特征进行整合,获得反馈特征集合;
S530:对所述反馈特征集合进行同特征的共性分析,根据共性分析结果获得第一特征反馈参数;
S540:根据所述第一特征反馈参数进行所述第一图像生成模型的参数优化,获得第二图像生成模型;
S550:通过所述第二图像生成模型进行图像生成处理。
具体的,当判别结果不满足第一预设阈值时,可以基于判别模型生成结果对各部位特征进行评价,最终根据评分高低获取最终的反馈特征,多数情况下会存在多个反馈特征。例如在对整张脸进行评分时,可能存在多个部位评分较低的情况。对第一判别模型的判别结果对应的反馈特征进行整合获得反馈特征集合,对反馈特征集合进行共性分析,根据共性分析结果获得第一特征反馈参数。例如,在进行共性分析时,发现多个部位反馈特征评分均低于平均评分,此时获得第一特征反馈参数,所述第一特征反馈参数用于提高重新获取上述部位的评分。根据第一特征反馈参数对第一图像生成模型中反馈特征进行重新获取,提高反馈特征评分,获取第二图像生成模型,通过第二图像生成模型生成图像,实现了对模型个别参数的微调整,使得输出的模型更加符合用户需求。
S511:判断所述反馈特征是否包含多个特征;
S512:当所述反馈特征包含多个特征时,通过所述第一判别模型获得所述反馈特征的特征比例参数;
S513:将所述特征比例参数作为共性分析的约束参数进行共性分析,获得所述第一特征反馈参数。
具体的,判断反馈特征是否包含多个特征,例如当反馈特征为鼻部特征时,由于评价鼻子可以包含多个参数特征,例如鼻尖高度,鼻梁高度等多个特征。当反馈特征包含多个特征时,通过所述第一判别模型获得所述反馈特征的特征比例参数。由于判别模型在对各部位进行判别时存在单个部位包含多个参数特征,一般根据用户的喜好采取不等比例的计算方式,而当反馈特征包含多个特征时,则需要获取多个特征在对反馈特征评分中所占的比例,即为反馈特征的特征比例参数。示例性的,当评价鼻子包含鼻尖高度,鼻梁高度两个特征,若最终评价鼻子的评分为6分,其中鼻尖高度为10分,鼻梁高度为5分,此时鼻尖高度特征比例参数为0.2,鼻梁高度特征比例参数为0.8。上述比例参数可以根据用户的喜好进行设定,最后将特征比例参数作为共性分析的约束参数进行共性分析,获得所述第一特征反馈参数,根据上述示例可以获知,在对鼻子进行评分时,鼻尖高度评分较高,而鼻梁高度评分较低,通过获取特征比例参数作为共性分析的约束参数进行共性分析,可以尽可能的契合用户的需求,实现对反馈参数调整的准确性。
如图3所示,本申请实施例提供的方法中的步骤S300包括:
S310:获得所述第一用户的第一需求特征集合;
S320:根据所述第一选定特征评分集合和所述第一需求特征集合重构特征评分标准,获得第一重构结果;
S330:根据所述第一重构结果获得第一修正参数,基于所述第一修正参数进行判别模型修正,获得所述第一判别模型。
具体的,第一需求特征集合为用户期望选定特征的具体要求,通过用户对高评分的评价获取用户选定特征的具体要求。由于原有的特征评分标准通过历史数据获取,该评分标准和用户的喜好存在一定的差距,通过第一选定特征评分集合和第一需求特征集合对原有的特征评分标准进行重构。具体的,可以通过用户的第一选定特征评分集合与第一标识结果之间的评分对应关系进行获取,例如原本第一标识结果中评分为10分的数据在第一选定特征评分仅为8分,此时可以对第一标识结果中评分为10分的数据进行降分处理,同时对于第一标识结果中符合用户需求的数据可以进行加分处理。通过上述对应关系根据用户的第一需求特征集合对评分标准进行重构,构建和用户喜好契合的特征评分标准,获得最终的第一重构结果。最后通过重构的特征评分标准即第一重构结果获得修正参数,所述修正参数具体为判别特征时提高或降低评分的参数。通过修正参数对判别模型进行修正,获得第一判别模型,进实现了通过用户需求对判别模型进行进一步调整,使得最终生成的样本数据更加契合用户需求。
S331:将所述第一样本数据集合作为输入数据输入判别模型,获得第一判别输出结果;
S332:将所述第一标识结果作为校正数据,对所述第一判别输出结果进行结果评估,获得第一反馈参数;
S333:根据所述第一反馈参数进行所述判别模型的参数修正,当所述第一判别输出结果与所述第一标识结果的匹配度满足第一预设阈值时,完成所述判别模型的构建。
具体的,将第一样本数据集合作为输入数据输入判别模型,此时判别模型会生成对应的评分结果,该评分结果为用户需求最为匹配的评分结果。将第一标识结果作为校正数据,对第一判别输出评分结果进行评估,由于第一标识结果为历史数据所产生的结果,而此时的评分结果为符合用户需求的评分结果,其会产生一定的评分差异即为第一反馈参数。通过第一反馈参数对判别模型进行参数修正,再次将第一样本数据集合作为输入数据输入判别模型,当最终的输出结果与所述第一标识结果的匹配度满足第一预设阈值时,完成所述判别模型的构建。
本申请实施例提供的方法中的步骤S600包括:
S610:获得所述第一用户对于所述样本数据的第一反馈信息;
S620:判断所述第一反馈信息是否满足第二预设阈值;
S630:当所述第一反馈信息满足所述第二预设阈值时,对所述样本数据进行区别特征提取,获得第一提取结果;
S640:将所述第一提取结果发送至所述第一用户。
具体的,样本数据发送至第一用户后获得用户对样本数据的反馈信息,样本数据反馈信息包括用户对样本的评分以及对样本改进的期望。判断反馈信息是否满足第二预设阈值,所述第二预设阈值为用户最终的期望评分,当反馈信息满足所述第二预设阈值时,对样本数据进行区别特征提取,由于样本生成是通过用户原有部位和新获取替换部位组合而成,获得与用户原有部位存在区别的部位,即为用户最终选定的需要调整的部位,获得需要调整的部位即为第一提取结果,将第一提取结果发送至第一用户,实现了最终生成的样本数据更加契合用户需求的技术效果。
S621:当所述第一反馈信息不满足所述第二预设阈值时,根据所述第一反馈信息生成第二修正参数;
S622:基于所述第二修正参数进行所述第一判别模型修正,获得第二判别模型;
S623:通过所述第二判别模型进行所述第一生成结果的判别。
具体的,当第一反馈信息不满足第二预设阈值时,此时用户对生成的样本结果并不满意,根据用户的反馈信息生成修正参数,例如,用户对鼻子部位并不满意,希望鼻子部位可以更加好看,此时根据用户的反馈信息生成鼻子部位的修正参数即第二修正参数,基于第二修正参数进行第一判别模型修正,获得第二判别模型,根据修改后的第二判别模型对第一生成结果进行判别,随后进行后续的处理步骤,达到了仅需要进行参数的微调,就可以提供与用户需求高度匹配的样本数据。
综上所述,本申请实施例提供的方法本申请实施例提供的方法通过获得第一样本数据集合,对历史数据进行所述第一样本数据集合标识,获得第一标识结果,获取第一用户的第一选定特征评分集合,根据第一选定特征评分集合和第一标识结果构建第一判别模型,构建第一图像生成模型,将第一样本数据集合和第一用户的数据作为输入数据,输入第一图像生成模型,获得第一生成结果,通过所述第一判别模型进行所述第一生成结果的判别,获得第一判别结果,通过对抗网络的生成,当所述第一判别结果满足第一预设阈值时,将所述第一判别结果作为样本数据发送至所述第一用户,达到了根据用户需要生成模型样本。解决了现有技术中整形医院提供的三维模型样本不足,导致无法满足用户需求的技术问题。根据用户的选定特征,构建生成对抗网络,丰富了整形医院提供的三维模型数据,达到了为用户提供合适的匹配样本数据,还可以根据用户选择的模型作为参考数据做微调整,不需要复杂的操作就可以满足用户需求的技术效果。
实施例二
基于与前述实施例中一种基于三维建模的图形数据处理方法相同的发明构思,如图4所示,本申请提供了一种基于三维建模的图形数据处理系统,其中,所述系统包括:
第一获得单元11,用于获得第一样本数据集合,通过历史数据进行所述第一样本数据集合标识,获得第一标识结果;
第二获得单元12,用于获得第一用户的第一选定特征评分集合;
第一构建单元13,用于根据所述第一选定特征评分集合和所述第一标识结果构建第一判别模型;
第一生成单元14,用于构建第一图像生成模型,将所述第一样本数据集合和所述第一用户的数据作为输入数据,输入所述第一图像生成模型,获得第一生成结果;
第一处理单元15,用于通过所述第一判别模型进行所述第一生成结果的判别,获得第一判别结果;
第一判断单元16,用于当所述第一判别结果满足第一预设阈值时,将所述第一判别结果作为样本数据发送至所述第一用户。
进一步地,所述系统还包括:
第三获得单元,用于当所述第一判别结果不满足所述第一预设阈值时,根据所述第一判别模型获得反馈特征;
第四获得单元,用于对所述第一判别模型的判别结果对应的所述反馈特征进行整合,获得反馈特征集合;
第五获得单元,用于对所述反馈特征集合进行同特征的共性分析,根据共性分析结果获得第一特征反馈参数;
第六获得单元,用于根据所述第一特征反馈参数进行所述第一图像生成模型的参数优化,获得第二图像生成模型;
第二处理单元,用于通过所述第二图像生成模型进行图像生成处理。
进一步地,所述系统还包括:
第二判断单元,用于判断所述反馈特征是否包含多个特征;
第七获得单元,用于当所述反馈特征包含多个特征时,通过所述第一判别模型获得所述反馈特征的特征比例参数;
第八获得单元,用于将所述特征比例参数作为共性分析的约束参数进行共性分析,获得所述第一特征反馈参数。
进一步地,所述系统还包括:
第九获得单元,用于获得所述第一用户的第一需求特征集合;
第三处理单元,用于根据所述第一选定特征评分集合和所述第一需求特征集合重构特征评分标准,获得第一重构结果;
第四处理单元,用于根据所述第一重构结果获得第一修正参数,基于所述第一修正参数进行判别模型修正,获得所述第一判别模型。
进一步地,所述系统还包括:
第十获得单元,用于将所述第一样本数据集合作为输入数据输入判别模型,获得第一判别输出结果;
第十一获得单元,用于将所述第一标识结果作为校正数据,对所述第一判别输出结果进行结果评估,获得第一反馈参数;
第二构建单元,用于根据所述第一反馈参数进行所述判别模型的参数修正,当所述第一判别输出结果与所述第一标识结果的匹配度满足第一预设阈值时,完成所述判别模型的构建。
进一步地,所述系统还包括:
第十二获得单元,用于获得所述第一用户对于所述样本数据的第一反馈信息;
第三判断单元,用于判断所述第一反馈信息是否满足第二预设阈值;
第十三获得单元,用于当所述第一反馈信息满足所述第二预设阈值时,对所述样本数据进行区别特征提取,获得第一提取结果;
第一发送单元,用于将所述第一提取结果发送至所述第一用户。
进一步地,所述系统还包括:
第一生成单元,用于当所述第一反馈信息不满足所述第二预设阈值时,根据所述第一反馈信息生成第二修正参数;
第十四获得单元,用于基于所述第二修正参数进行所述第一判别模型修正,获得第二判别模型;
第五处理单元,用于通过所述第二判别模型进行所述第一生成结果的判别。
实施例三
基于与前述实施例中一种基于三维建模的图形数据处理方法相同的发明构思,本申请还提供了一种计算机可读存储介质,所述存储介质上存储有计算机程序,所述计算机程序被处理器执行时实现如实施例一内的方法。
示例性电子设备
下面参考图5来描述本申请的电子设备,
基于与前述实施例中一种基于三维建模的图形数据处理方法相同的发明构思,本申请还提供了一种基于三维建模的图形数据处理系统,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,使得系统以执行实施例一所述方法的步骤。
该电子设备300包括:处理器302、通信接口303、存储器301。可选的,电子设备300还可以包括总线架构304。其中,通信接口303、处理器302以及存储器301可以通过总线架构304相互连接;总线架构304可以是外设部件互连标(peripheral componentinterconnect,简称PCI)总线或扩展工业标准结构(extended industry Standard architecture,简称EISA)总线等。所述总线架构304可以分为地址总线、数据总线、控制总线等。为便于表示,图5中仅用一条粗线表示,但并不表示仅有一根总线或一种类型的总线。
处理器302可以是一个CPU,微处理器,ASIC,或一个或多个用于控制本申请方案程序执行的集成电路。
通信接口303,使用任何收发器一类的装置,用于与其他设备或通信网络通信,如以太网,无线接入网(radio access network,RAN),无线局域网(wireless local areanetworks,WLAN),有线接入网等。
存储器301可以是ROM或可存储静态信息和指令的其他类型的静态存储设备,RAM或者可存储信息和指令的其他类型的动态存储设备,也可以是电可擦可编程只读存储器(electrically erasable Programmable read-only memory,EEPROM)、只读光盘(compactdiscread-only memory,CD-ROM)或其他光盘存储、光碟存储(包括压缩光碟、激光碟、光碟、数字通用光碟、蓝光光碟等)、磁盘存储介质或者其他磁存储设备、或者能够用于携带或存储具有指令或数据结构形式的期望的程序代码并能够由计算机存取的任何其他介质,但不限于此。存储器可以是独立存在,通过总线架构304与处理器相连接。存储器也可以和处理器集成在一起。
其中,存储器301用于存储执行本申请方案的计算机执行指令,并由处理器302来控制执行。处理器302用于执行存储器301中存储的计算机执行指令,从而实现本申请上述实施例提供的一种基于三维建模的图形数据处理方法。
本领域普通技术人员可以理解:本申请中涉及的第一、第二等各种数字编号仅为描述方便进行的区分,并不用来限制本申请的范围,也不表示先后顺序。“和/或”,描述关联对象的关联关系,表示可以存在三种关系,例如,A和/或B,可以表示:单独存在A,同时存在A和B,单独存在B这三种情况。字符“/”一般表示前后关联对象是一种“或”的关系。“至少一个”是指一个或者多个。至少两个是指两个或者多个。“至少一个”、“任意一个”或其类似表达,是指的这些项中的任意组合,包括单项(个)或复数项(个)的任意组合。例如,a,b,或c中的至少一项(个、种),可以表示:a,b,c,a-b,a-c,b-c,或a-b-c,其中a,b,c可以是单个,也可以是多个。
在上述实施例中,可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件实现时,可以全部或部分地以计算机程序产品的形式实现。所述计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行所述计算机程序指令时,全部或部分地产生按照本申请所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中,或者从一个计算机可读存储介质向另一个计算机可读存储介质传输,例如,所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线(DSL))或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。所述计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包括一个或多个可用介质集成的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质,(例如,软盘、硬盘、磁带)、光介质(例如,DVD)、或者半导体介质(例如固态硬盘(SolidState Disk,SSD))等。
本申请中所描述的各种说明性的逻辑单元和电路可以通过通用处理器,数字信号处理器,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,离散门或晶体管逻辑,离散硬件部件,或上述任何组合的设计来实现或操作所描述的功能。通用处理器可以为微处理器,可选地,该通用处理器也可以为任何传统的处理器、控制器、微控制器或状态机。处理器也可以通过计算装置的组合来实现,例如数字信号处理器和微处理器,多个微处理器,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。
本申请中所描述的方法或算法的步骤可以直接嵌入硬件、处理器执行的软件单元、或者这两者的结合。软件单元可以存储于RAM存储器、闪存、ROM存储器、EPROM存储器、EEPROM存储器、寄存器、硬盘、可移动磁盘、CD-ROM或本领域中其它任意形式的存储媒介中。示例性地,存储媒介可以与处理器连接,以使得处理器可以从存储媒介中读取信息,并可以向存储媒介存写信息。可选地,存储媒介还可以集成到处理器中。处理器和存储媒介可以设置于ASIC中,ASIC可以设置于终端中。可选地,处理器和存储媒介也可以设置于终端中的不同的部件中。这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
尽管结合具体特征及其实施例对本申请进行了描述,显而易见的,在不脱离本申请的精神和范围的情况下,可对其进行各种修改和组合。相应地,本说明书和附图仅仅是本申请的示例性说明,且视为已覆盖本申请范围内的任意和所有修改、变化、组合或等同物。显然,本领域的技术人员可以对本申请进行各种改动和变型而不脱离本申请的范围。这样,倘若本申请的这些修改和变型属于本申请及其等同技术的范围之内,则本申请意图包括这些改动和变型在内。
Claims (10)
1.一种基于三维建模的图形数据处理方法,其特征在于,所述方法包括:
获得第一样本数据集合,通过历史数据进行所述第一样本数据集合标识,获得第一标识结果;
获得第一用户的第一选定特征评分集合;
根据所述第一选定特征评分集合和所述第一标识结果构建第一判别模型;
构建第一图像生成模型,将所述第一样本数据集合和所述第一用户的数据作为输入数据,输入所述第一图像生成模型,获得第一生成结果;
通过所述第一判别模型进行所述第一生成结果的判别,获得第一判别结果;
当所述第一判别结果满足第一预设阈值时,将所述第一判别结果作为样本数据发送至所述第一用户。
2.如权利要求1所述的方法,其特征在于,所述方法还包括:
当所述第一判别结果不满足所述第一预设阈值时,根据所述第一判别模型获得反馈特征;
对所述第一判别模型的判别结果对应的所述反馈特征进行整合,获得反馈特征集合;
对所述反馈特征集合进行同特征的共性分析,根据共性分析结果获得第一特征反馈参数;
根据所述第一特征反馈参数进行所述第一图像生成模型的参数优化,获得第二图像生成模型;
通过所述第二图像生成模型进行图像生成处理。
3.如权利要求2所述的方法,其特征在于,所述方法还包括:
判断所述反馈特征是否包含多个特征;
当所述反馈特征包含多个特征时,通过所述第一判别模型获得所述反馈特征的特征比例参数;
将所述特征比例参数作为共性分析的约束参数进行共性分析,获得所述第一特征反馈参数。
4.如权利要求1所述的方法,其特征在于,所述方法还包括:
获得所述第一用户的第一需求特征集合;
根据所述第一选定特征评分集合和所述第一需求特征集合重构特征评分标准,获得第一重构结果;
根据所述第一重构结果获得第一修正参数,基于所述第一修正参数进行判别模型修正,获得所述第一判别模型。
5.如权利要求4所述的方法,其特征在于,所述方法还包括:
将所述第一样本数据集合作为输入数据输入判别模型,获得第一判别输出结果;
将所述第一标识结果作为校正数据,对所述第一判别输出结果进行结果评估,获得第一反馈参数;
根据所述第一反馈参数进行所述判别模型的参数修正,当所述第一判别输出结果与所述第一标识结果的匹配度满足第一预设阈值时,完成所述判别模型的构建。
6.如权利要求1所述的方法,其特征在于,所述方法还包括:
获得所述第一用户对于所述样本数据的第一反馈信息;
判断所述第一反馈信息是否满足第二预设阈值;
当所述第一反馈信息满足所述第二预设阈值时,对所述样本数据进行区别特征提取,获得第一提取结果;
将所述第一提取结果发送至所述第一用户。
7.如权利要求6所述的方法,其特征在于,所述方法还包括:
当所述第一反馈信息不满足所述第二预设阈值时,根据所述第一反馈信息生成第二修正参数;
基于所述第二修正参数进行所述第一判别模型修正,获得第二判别模型;
通过所述第二判别模型进行所述第一生成结果的判别。
8.一种基于三维建模的图形数据处理系统,其特征在于,所述系统包括:
第一获得单元,用于获得第一样本数据集合,通过历史数据进行所述第一样本数据集合标识,获得第一标识结果;
第二获得单元,用于获得第一用户的第一选定特征评分集合;
第一构建单元,用于根据所述第一选定特征评分集合和所述第一标识结果构建第一判别模型;
第一生成单元,用于构建第一图像生成模型,将所述第一样本数据集合和所述第一用户的数据作为输入数据,输入所述第一图像生成模型,获得第一生成结果;
第一处理单元,用于通过所述第一判别模型进行所述第一生成结果的判别,获得第一判别结果;
第一判断单元,用于当所述第一判别结果满足第一预设阈值时,将所述第一判别结果作为样本数据发送至所述第一用户。
9.一种电子设备,其特征在于,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,使系统以执行如权利要求1至7任一项所述方法的步骤。
10.一种计算机可读存储介质,其特征在于,所述存储介质上存储有计算机程序,所述计算机程序被处理器执行时实现权利要求1至7任一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210644836.XA CN115035248A (zh) | 2022-06-08 | 2022-06-08 | 一种基于三维建模的图形数据处理方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210644836.XA CN115035248A (zh) | 2022-06-08 | 2022-06-08 | 一种基于三维建模的图形数据处理方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115035248A true CN115035248A (zh) | 2022-09-09 |
Family
ID=83122517
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210644836.XA Pending CN115035248A (zh) | 2022-06-08 | 2022-06-08 | 一种基于三维建模的图形数据处理方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115035248A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115880457A (zh) * | 2022-12-09 | 2023-03-31 | 广东电网有限责任公司湛江供电局 | 一种输变电工程的三维模型构建方法及系统 |
-
2022
- 2022-06-08 CN CN202210644836.XA patent/CN115035248A/zh active Pending
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115880457A (zh) * | 2022-12-09 | 2023-03-31 | 广东电网有限责任公司湛江供电局 | 一种输变电工程的三维模型构建方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113240778B (zh) | 虚拟形象的生成方法、装置、电子设备和存储介质 | |
US9449256B1 (en) | Providing image candidates based on diverse adjustments to an image | |
EP3961486A1 (en) | Data processing method and device for facial image generation, and medium | |
CN113836373B (zh) | 一种基于密度聚类的投标信息处理方法、设备及存储介质 | |
CN115035248A (zh) | 一种基于三维建模的图形数据处理方法及系统 | |
CN113284382A (zh) | 一种基于虚拟现实的远程教育培训平台方法及系统 | |
EP1901209A2 (en) | System and method for generating robot genome | |
CN112925412A (zh) | 智能镜子的控制方法、设备和存储介质 | |
CN112818227A (zh) | 内容推荐方法、装置、电子设备及存储介质 | |
CN114904268A (zh) | 一种虚拟形象的调整方法、装置、电子设备及存储介质 | |
CN108573192B (zh) | 匹配人脸的眼镜试戴方法和装置 | |
CN114399424A (zh) | 模型训练方法及相关设备 | |
CN113808249A (zh) | 图像处理方法、装置、设备和计算机存储介质 | |
CN113361419A (zh) | 一种图像处理方法、装置、设备及介质 | |
CN112269928A (zh) | 用户推荐方法及装置、电子设备、计算机可读介质 | |
CN116433920A (zh) | 一种基于深度特征引导的图像生成方法、装置及存储介质 | |
TWI780919B (zh) | 人臉影像的處理方法、裝置、電子設備及儲存媒體 | |
US20180232625A1 (en) | Avatar relationships | |
CN110751717A (zh) | 虚拟头部模型构建方法、装置、计算机设备及存储介质 | |
CN114549785A (zh) | 一种模型基底的生成方法、装置、电子设备及存储介质 | |
CN112070662A (zh) | 一种换脸模型的评价方法、装置、电子设备及存储介质 | |
CN112419144B (zh) | 人脸图像的处理方法、装置、电子设备及存储介质 | |
JP2015219698A (ja) | パーツの影響度に基づいて感情を推定する装置、プログラム及び方法 | |
CN113536991B (zh) | 训练集生成、人脸图像处理方法、装置及电子设备 | |
JP7145359B1 (ja) | 推論モデル構築方法、推論モデル構築装置、プログラム、記録媒体、構成装置及び構成方法 |
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 |