CN115374141B - 虚拟形象的更新处理方法及装置 - Google Patents
虚拟形象的更新处理方法及装置 Download PDFInfo
- Publication number
- CN115374141B CN115374141B CN202211140712.4A CN202211140712A CN115374141B CN 115374141 B CN115374141 B CN 115374141B CN 202211140712 A CN202211140712 A CN 202211140712A CN 115374141 B CN115374141 B CN 115374141B
- Authority
- CN
- China
- Prior art keywords
- user
- updated
- users
- update
- avatar
- 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.)
- Active
Links
- 238000003672 processing method Methods 0.000 title claims abstract description 25
- 230000003993 interaction Effects 0.000 claims abstract description 123
- 230000002452 interceptive effect Effects 0.000 claims abstract description 66
- 238000012216 screening Methods 0.000 claims abstract description 20
- 238000000034 method Methods 0.000 claims description 47
- 230000006399 behavior Effects 0.000 claims description 35
- 238000012545 processing Methods 0.000 claims description 35
- 238000004364 calculation method Methods 0.000 claims description 12
- 238000005070 sampling Methods 0.000 claims description 6
- 230000003542 behavioural effect Effects 0.000 claims description 3
- 230000000007 visual effect Effects 0.000 claims description 3
- 230000008569 process Effects 0.000 description 19
- 238000010586 diagram Methods 0.000 description 11
- 230000000875 corresponding effect Effects 0.000 description 9
- 230000006870 function Effects 0.000 description 9
- 238000012549 training Methods 0.000 description 9
- 230000006872 improvement Effects 0.000 description 8
- 238000004590 computer program Methods 0.000 description 7
- 238000005516 engineering process Methods 0.000 description 5
- 230000000694 effects Effects 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 2
- 230000002596 correlated effect Effects 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 238000013507 mapping Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000001537 neural effect Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000008447 perception Effects 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000003190 augmentative effect Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 230000005055 memory storage Effects 0.000 description 1
- 230000002085 persistent effect Effects 0.000 description 1
- 229920001296 polysiloxane Polymers 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 239000010979 ruby Substances 0.000 description 1
- 229910001750 ruby Inorganic materials 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 230000001052 transient effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/23—Updating
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
- G06F3/01—Input arrangements or combined input and output arrangements for interaction between user and computer
- G06F3/011—Arrangements for interaction with the human body, e.g. for user immersion in virtual reality
-
- 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
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
- G06V10/761—Proximity, similarity or dissimilarity measures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/82—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using neural networks
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Evolutionary Computation (AREA)
- Software Systems (AREA)
- Databases & Information Systems (AREA)
- General Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Computing Systems (AREA)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Multimedia (AREA)
- Data Mining & Analysis (AREA)
- Geometry (AREA)
- Computer Graphics (AREA)
- Human Computer Interaction (AREA)
- Information Transfer Between Computers (AREA)
Abstract
本说明书实施例提供了虚拟形象的更新处理方法及装置,其中,一种虚拟形象的更新处理方法包括:确定对虚拟世界中的虚拟形象进行更新的用户集合中各用户的分级交互用户数;根据所述各用户的分级交互用户数、活跃度评分,以及所述各用户的接入设备上传的更新前后的虚拟形象的形象相似度,计算所述各用户的更新评分;根据更新服务的可用带宽和更新时长计算更新数据量,并根据所述更新数据量和形象数据量计算更新用户数目;按照所述更新评分,在所述用户集合中筛选出所述更新用户数目的更新用户;获取所述更新用户的更新后的虚拟形象,并向所述更新用户的特定分级的交互用户的接入设备下发。
Description
技术领域
本文件涉及虚拟化技术领域,尤其涉及一种虚拟形象的更新处理方法及装置。
背景技术
虚拟世界提供了对真实世界的模拟,甚至能够提供在真实世界难以实现的场景,因此虚拟世界越来越多地应用在各种场景。在虚拟世界场景中,用户通过特定的身份ID登录三维虚拟世界,通过虚拟世界中虚拟的用户角色进行活动,通常,在虚拟世界中存在不同的用户角色,这些用户角色各自进行不同的活动。
发明内容
本说明书一个或多个实施例提供了一种虚拟形象的更新处理方法。所述虚拟形象的更新处理方法,包括:确定对虚拟世界中的虚拟形象进行更新的用户集合中各用户的分级交互用户数。根据所述各用户的分级交互用户数、活跃度评分,以及所述各用户的接入设备上传的更新前后的虚拟形象的形象相似度,计算所述各用户的更新评分。根据更新服务的可用带宽和更新时长计算更新数据量,并根据所述更新数据量和形象数据量计算更新用户数目。按照所述更新评分,在所述用户集合中筛选出所述更新用户数目的更新用户。获取所述更新用户的更新后的虚拟形象,并向所述更新用户的特定分级的交互用户的接入设备下发。
本说明书一个或多个实施例提供了一种虚拟形象的更新处理装置,包括:分级交互用户数确定模块,被配置为确定对虚拟世界中的虚拟形象进行更新的用户集合中各用户的分级交互用户数。更新评分计算模块,被配置为根据所述各用户的分级交互用户数、活跃度评分,以及所述各用户的接入设备上传的更新前后的虚拟形象的形象相似度,计算所述各用户的更新评分。更新用户数目计算模块,被配置为根据更新服务的可用带宽和更新时长计算更新数据量,并根据所述更新数据量和形象数据量计算更新用户数目。更新用户筛选模块,被配置为按照所述更新评分,在所述用户集合中筛选出所述更新用户数目的更新用户。虚拟形象下发模块,被配置为获取所述更新用户的更新后的虚拟形象,并向所述更新用户的特定分级的交互用户的接入设备下发。
本说明书一个或多个实施例提供了一种虚拟形象的更新处理设备,包括:处理器;以及,被配置为存储计算机可执行指令的存储器,所述计算机可执行指令在被执行时使所述处理器:确定对虚拟世界中的虚拟形象进行更新的用户集合中各用户的分级交互用户数。根据所述各用户的分级交互用户数、活跃度评分,以及所述各用户的接入设备上传的更新前后的虚拟形象的形象相似度,计算所述各用户的更新评分。根据更新服务的可用带宽和更新时长计算更新数据量,并根据所述更新数据量和形象数据量计算更新用户数目。按照所述更新评分,在所述用户集合中筛选出所述更新用户数目的更新用户。获取所述更新用户的更新后的虚拟形象,并向所述更新用户的特定分级的交互用户的接入设备下发。
本说明书一个或多个实施例提供了一种存储介质,用于存储计算机可执行指令,所述计算机可执行指令在被处理器执行时实现以下流程:确定对虚拟世界中的虚拟形象进行更新的用户集合中各用户的分级交互用户数。根据所述各用户的分级交互用户数、活跃度评分,以及所述各用户的接入设备上传的更新前后的虚拟形象的形象相似度,计算所述各用户的更新评分。根据更新服务的可用带宽和更新时长计算更新数据量,并根据所述更新数据量和形象数据量计算更新用户数目。按照所述更新评分,在所述用户集合中筛选出所述更新用户数目的更新用户。获取所述更新用户的更新后的虚拟形象,并向所述更新用户的特定分级的交互用户的接入设备下发。
附图说明
为了更清楚地说明本说明书一个或多个实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本说明书中记载的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图;
图1为本说明书一个或多个实施例提供的一种虚拟形象的更新处理方法处理流程图;
图2为本说明书一个或多个实施例提供的一种分级交互网络示意图;
图3为本说明书一个或多个实施例提供的一种应用于形象更新场景的虚拟形象的更新处理方法处理流程图;
图4为本说明书一个或多个实施例提供的一种虚拟形象的更新处理装置示意图;
图5为本说明书一个或多个实施例提供的一种虚拟形象的更新处理设备的结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本说明书一个或多个实施例中的技术方案,下面将结合本说明书一个或多个实施例中的附图,对本说明书一个或多个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说明书的一部分实施例,而不是全部的实施例。基于本说明书一个或多个实施例,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,都应当属于本文件的保护范围。
本说明书提供的一种虚拟形象的更新处理方法实施例:
本实施例提供的一种虚拟形象的更新处理方法,通过对虚拟世界中的虚拟形象进行更新的用户计算用户的形象更新的更新评分,根据更新评分和更新服务的可用带宽进行虚拟形象的更新,具体的,首先,根据对虚拟世界中的虚拟形象进行更新的用户集合中各用户的分级交互用户数、活跃度评分,以及接入设备上传的更新前后的虚拟形象的形象相似度,计算各用户的更新评分;或者,根据对虚拟世界中的虚拟形象进行更新的用户集合中各用户的分级交互用户数、活跃度评分和形象相似度,计算各用户的更新评分,其中,各用户的形象相似度由各用户的接入设备基于用户更新前后的虚拟形象确定;然后根据更新服务的可用带宽、更新时长和形象数据量计算更新用户数目,按照更新评分在用户集合中筛选更新用户数目的更新用户,将更新用户更新后的虚拟形象,向更新用户的特定分级的交互用户的接入设备下发,以此,通过基于可用带宽、更新时长和形象数据量计算更新用户数目,从而对更新用户数目的更新用户进行虚拟形象的更新,降低虚拟形象更新对于网络带宽峰值的巨大要求,避免当更新频率或者更新请求较多时造成的网络堵塞,进而影响用户对虚拟世界的感知程度。
参照图1,本实施例提供的虚拟形象的更新处理方法,具体包括步骤S102至步骤S110。
步骤S102,确定对虚拟世界中的虚拟形象进行更新的用户集合中各用户的分级交互用户数。
本实施例所述虚拟世界,是指基于去中心化协作实现并且具有开放经济系统的虚拟的拟真世界,可选的,所述虚拟世界中通过生成非同质化标识进行去中心化的交易,通过交易占有虚拟资产的所有权。具体的,真实世界中的用户可通过接入设备接入虚拟世界,以在虚拟世界中进行去中心化的交易和其他行为,比如用户通过接入设备进行游戏交互的游戏虚拟世界,再比如用户通过接入设备进行在线会议的会议虚拟世界,或者用户通过接入设备进行在线交易的交易虚拟世界;进一步,还可建立虚拟世界中虚拟形象与真实世界中的用户的身份映射,基于建立的身份映射在虚拟世界中通过生成非同质化标识进行虚拟资产的交易,并通过交易占有虚拟资产的所有权。所述虚拟世界的接入设备,可以是连接虚拟世界的VR(Virtual Reality,虚拟现实)设备、AR(Augmented Reality,增强现实)设备等,比如连接虚拟世界的头戴式VR设备。
本实施例提供的虚拟形象的更新处理方法,可应用于服务端,所述服务端,是指为接入虚拟世界的接入设备提供相应服务的服务器或者服务平台,或者,维护虚拟世界运行的服务器或者服务平台。
本实施例中,虚拟形象是指从用户的图像出发,采用图像重建技术对用户的图像进行重建获得的用于在虚拟世界内展示用户形象的三维数字图像(三维数字形象),或者,从用户的图像出发,采用图像重建技术对用户的图像进行重建获得的虚拟世界内的与用户具有数字孪生关系或者身份映射的数字孪生形象。比如,在采集到用户在物理世界的多个视角的用户图像的基础上,通过将多个视角的用户图像输入神经辐射场NeRF(NeuralRadiance Fields)模型进行图像重建,获得虚拟世界内的三维数字形象、数字孪生形象或者身份映射形象。
为了提升对用户的交互行为的管理有效性,对于用户构建用户在虚拟世界中的分级交互网络,以对与用户在虚拟世界中产生行为交互的用户进行管理,以及,了解用户对虚拟世界的参与程度,本实施例中,通过区分用户的特定分级的交互用户和预设分级的交互用户,确定与用户进行交互或者具有交互可能的用户;可选的,所述特定分级的交互用户,包括在所述虚拟世界内与所述更新用户产生交互行为的用户;所述更新用户的预设分级的交互用户,包括在所述虚拟世界内与所述特定分级的交互用户产生交互行为的用户。其中,所述交互行为,包括基于生成的非同质化标识进行虚拟资产交易的交易行为、会面行为和/或信息传递行为。此外,交互行为还可包含其他在虚拟世界中产生联系的行为,本实施例在此不再赘述。
具体的,通过用户预设时间段内的交互行为,确定与该用户在虚拟世界中进行过交互的用户,即直接交互用户,并且通过路由得到用户的预设分级的交互用户,即间接交互用户;其中,间接交互用户为该用户的直接交互用户的直接交互用户。
具体实施时,为了避免实时对用户的虚拟形象进行更新对带宽的要求太大,通过设置一定的形象更新周期,在周期届满时对该周期内产生的用户集合中的更新用户进行虚拟形象的更新。即上述步骤S102可被替换为,若检测到更新周期届满,则读取所述更新周期内的对虚拟世界中的虚拟形象进行更新的用户集合,并确定所述用户集合中各用户的分级交互用户数;并与本实施例提供的其他处理步骤组成新的实现方式。
为了提升对于各用户的分级交互用户数的确定效率,本实施例提供的一种可选实施方式中,采用如下方式确定个用户的分级交互用户数:
读取所述各用户的分级交互网络;
计算所述各用户的分级交互网络中的用户节点数作为所述各用户的分级交互用户数。
可选的,所述用户集合中任一用户的分级交互网络,采用如下方式构建:
获取与所述任一用户在所述虚拟世界中产生行为交互的特定分级的交互用户,以及,获取所述任一用户的特定分级的交互用户的特定分级的交互用户作为所述任一用户的预设分级的交互用户;
以所述任一用户为中心,所述任一用户的特定分级的交互用户为第一层级,所述预设分级的交互用户为第二层级,构建所述任一用户的分级交互网络;
其中,所述任一用户的特定分级的交互用户和预设分级的交互用户为所述任一用户的分级交互网络中的用户节点。
具体的,读取对虚拟世界中的虚拟形象进行更新的用户集合中各用户的分级交互网络中的用户节点数作为所述各用户的分级交互用户数。
任一用户的分级交互网络,在构建的过程中,获取任一用户的直接交互用户和间接交互用户;以任一用户为中心,以直接交互用户为第一层级,以间接交互用户为第二层级,构建任一用户的分级交互网络。
可选的,直接交互用户根据任一用户的交互记录确定;间接交互用户由直接交互用户的接入设备发送。其中,直接交互用户的接入设备可按照预设周期查询直接交互用户并向查询到的每一个直接交互用户发送查询到的直接交互用户,作为每一个直接交互用户的间接交互用户。
如图2所示的分级交互网络示意图,其中,用户U1-用户U3是用户U的直接交互用户(特定分级的交互用户);用户U1-1至用户U3-2是用户U的间接交互用户(预设分级的交互用户);用户U1-1和用户U1-2是用户U1的直接交互用户,用户U2-1和用户U2-2是用户U2的直接交互用户,用户U3-1和用户U3-2是用户U3的直接交互用户。
需要说明的是,每个用户的分级交互网络按照预设周期进行更新;其中,预设周期可与上述的形象更新周期一致,也可不一致;在一致的情况下,上述步骤S102采用如下方式实现,若检测到对虚拟世界中的虚拟形象进行更新的形象更新周期届满,则读取所述形象更新周期进行虚拟形象更新的用户集合;构建所述用户集合中各用户的分级交互网络;基于所述各用户的分级交互网络确定所述各用户的分级交互用户数。若不一致,上述步骤S102可采用如下方式实现:若检测到对虚拟世界中的虚拟形象进行更新的形象更新周期届满,则读取所述形象更新周期进行虚拟形象更新的用户集合;读取所述用户集合中各用户的分级交互网络;基于所述各用户的分级交互网络确定所述各用户的分级交互用户数。
除确定各用户的分级交互用户数之外,本实施例提供的一种可选实施方式中,还包括:确定所述各用户的活跃度评分。具体的,基于所述各用户在所述虚拟世界中的行为数据,确定所述各用户的活跃度评分。可选的,针对任一用户,采用如下方式确定该任一用户的活跃度评分:读取所述任一用户在所述虚拟世界中的行为数据;将所述行为数据输入评分模型进行评分处理,获得所述活跃度评分;所述行为数据,包括所述用户的虚拟形象在所述虚拟世界中与交互用户的交互频次和/或所述用户的虚拟形象在所述虚拟世界中对预设位置的访问频次。
具体执行过程中,评分模型可预先训练,比如在云服务器上进行评分模型的训练,具体在评分模型的训练过程中,本实施例提供的一种可选实施方式中,采用如下方式进行评分模型的训练:将行为数据样本输入待训练模型进行活跃度评分,计算输出的活跃度评分的回归损失作为评分模型的训练损失,根据训练损失对待训练模型进行参数调整,直至待训练模型收敛。其中,待训练模型可采用三层神经网络架构;输入为行为数据样本,输出为各行为数据样本对应的活跃度评分。
除此之外,上述步骤S102还可被替换为,获取对虚拟世界中的虚拟形象进行更新的用户集合中各用户的分级交互用户数、活跃度评分和形象相似度;并与本实施例提供的其他处理步骤组成新的实现方式,可选的,所述形象相似度,由所述各用户的接入设备基于更新前后的虚拟形象确定并上传。
步骤S104,根据所述各用户的分级交互用户数、活跃度评分,以及所述各用户的接入设备上传的更新前后的虚拟形象的形象相似度,计算所述各用户的更新评分。
所述活跃度评分,包括用户在虚拟世界中的行为参与对应的评价结果;具体的,若用户在虚拟世界中的行为较多,即用户在虚拟世界中的行为数据与活跃度评分呈正相关;行为数据越多,则表明用户在虚拟世界中越活跃,则活跃度评分越高;反之亦然。
所述形象相似度,包括更新前后两个虚拟形象的相似度;本实施例中,接入设备在检测到用户对虚拟形象进行更新之后,计算更新前后的虚拟形象的形象相似度并将形象相似度与更新请求一起上传至服务端;本实施例提供的一种可选实施方式中,对于任一用户,采用如下方式计算对虚拟形象更新前后的形象相似度:
按照预设角度差,对所述第一虚拟形象和第二虚拟形象进行相同视角的图像采样,获得预设数量的图像对;
将各图像对输入相似度模型进行相似度计算,获得各图像对的相似度;
计算所述预设数量的图像对的相似度的平均值作为所述形象相似度;
其中,所述第一虚拟形象为更新前的虚拟形象;所述第二虚拟形象为更新后的虚拟形象。
具体的,由于用户的虚拟形象是虚拟数据,即三维数据或者更高维度的数据,直接基于虚拟数据进行相似度计算的实现效率低;因此,对更新前的第一虚拟形象和更新后的虚拟形象进行相同视角的图像采样,将虚拟数据相似度的问题降维为二维的图像相似度问题;进行图像采用获得预设数量的图像对;其中,每个图像对中的两张图像的采集角度一致;采集到的预设数量的图像对后,基于所述预设数量的图像对计算形象相似度;进一步,在计算形象相似度的过程中,将各图像对输入相似度模型进行相似度计算,获得各图像对的相似度,然后计算预设数量的图像对的相似度的平均值作为形象相似度。
例如,对于更新钱的第一虚拟形象和更新后的第二虚拟形象,每隔10度进行图像采样,获得36对图像,将36对图像分别输入相似度模型,计算获得36个相似度,计算这36个相似度的平均值作为第一虚拟形象和第二虚拟形象的形象相似度。
实际应用中,相似度模型可预先训练,比如在云服务器上进行相似度模型的训练,具体在相似度模型的训练过程中,本实施例提供的一种可选实施方式中,采用如下方式进行相似度模型的训练:将图像对样本输入待训练模型中进行相似度计算,计算输出的相似度的余弦相似度损失作为待训练模型的训练损失,根据训练损失对待训练模型进行参数调整,直至待训练模型收敛。其中,待训练模型可采用双胞胎ResNet18网络架构,输入为两张图像组成的图像对,输出为两张图像的相似度;需要说明的是,图像对中的两张图像可以是针对同一虚拟形象进行图像采样获得的两张图像,也可以是针对不同虚拟形象进行图像采样获得的两张图像;同一个虚拟形象的两张图像的相似度高于不同虚拟形象的两张图像的相似度。
在具体执行过程中,根据各用户的分级交互用户数、活跃度评分和形象相似度计算各用户的更新评分,为了提升计算获得的更新评分的有效性,本实施例提供的一种可选实施方式中,采用如下方式计算各用户的更新评分:
计算所述各用户的分级交互用户数与用户数权重的乘积,所述各用户的活跃度评分与活跃度权重的乘积,以及,所述各用户的形象相似度与相似度权重的乘积;
计算所述各用户的上述三者的乘积之和,获得所述各用户的更新评分。
具体的,将所述分级交互用户数、所述活跃度评分和所述形象相似度输入评分算法进行评分计算,获得所述更新评分;其中,所述更新评分与所述分级交互用户数和/或所述形象相似度正相关。
以任一用户为例,确定的用户的分级交互用户数为N,形象相似度为p,活跃度评分为s,则计算0.5×s+0.01×N+0.5×(1-p),得到用户的更新评分。其中,相似度越大或者分级交互用户数越多,说明对用户进行形象更新的必要性更强,则计算获得的更新评分越高。
步骤S106,根据更新服务的可用带宽和更新时长计算更新数据量,并根据所述更新数据量和形象数据量计算更新用户数目。
所述更新服务,包括服务端中对于虚拟形象进行更新的服务。所述可用带宽,包括服务端的可用带宽;所述更新时长,包括服务端分配至更新服务的时长;所述更新数据量,包括基于可用带宽和更新时长计算的可进行形象更新的总的数据量;所述形象数据量包括预估的对一个虚拟形象进行更新所占用的数据量。
例如,服务端的带宽为100兆每秒,分配至更新服务的更新时长为100分钟,则100×100×60=600000;获得更新数据量为600000;预估的一个虚拟形象的形象数据量为300,则600000÷300=2000;即可以对2000个用户进行形象更新。
步骤S108,按照所述更新评分,在所述用户集合中筛选出所述更新用户数目的更新用户。
在具体执行过程中,在计算获得更新用户数目之后,在用户集合中筛选出更新用户数据的更新用户并对更新用户进行形象更新。在筛选更新用户的过程中,为了能将必要性(更新评分)高的用户进行优先更新,提升其他用户对该用户的更新后的虚拟形象的感知程度,本实施例提供的一种可选实施方式中,按照更新评分在用户集合中筛选出更新用户数据的更新用户的过程,采用如下方式实现:
按照所述各用户的更新评分,对所述用户集中的用户进行降序排列;
筛选出所述用户集合中排列位次处于所述更新用户数目对应的位次之前的用户作为所述更新用户。
具体的,按照更新评分对用户即中的用户进行降序排列,并筛选出排列队列中前更新用户数的用户作为更新用户。
沿用上例,计算获得的更新用户数目为2000,用户集中3000个用户,按照3000个用户的更新评分对3000个用户进行降序排列,并将排序结果中前2000个用户确定为更新用户。
步骤S110,获取所述更新用户的更新后的虚拟形象,并向所述更新用户的特定分级的交互用户的接入设备下发。
实际应用中,用户在虚拟世界内的虚拟形象被更新后,需要将该用户的虚拟形象更新同步到其他用户处,从而使其他用户能够在与目标用户在虚拟世界内进行交互时,能够基于用户更新后的虚拟形象进行交互。因此,在筛选出更新用户后,与更新用户的接入设备交互获取更新用户更新后的虚拟形象,并向更新用户的特定分级的交互用户的接入设备下发。
本实施例提供的一种可选实施方式中,采用如下方式获取更新用户的更新后的虚拟形象:
向所述更新用户的接入设备下发形象上传指令;
接收所述更新用户的接入设备上传的更新后的虚拟形象。
进一步,本实施例提供的一种可选实施方式中,在向更新用户的特定分级的交互用户的接入设备下发的过程中,读取所述更新用户的分级交互网络中特定分级的交互用户;向读取到的特定分级的交互用户发送更新后的虚拟形象。
具体的,筛选出更新用户后,向更新用户的接入设备下发形象上传指令;更新用户的接入设备基于形象上传指令向服务端上传更新后的虚拟形象,服务端接收更新用户的接入设备上传的更新后的虚拟形象后,向各更新用户的分级交互网络中特定分级的交互用户发送该更新用户更新后的虚拟形象。
上述步骤S106中计算更新用户数目,由于每个虚拟形象所占用的数据量并不相同,因此上述形象数据量仅是一个预估值,比如多个虚拟形象的数据量的平均值;因此,上述计算更新用户数据实际是根据更新数据量和形象数据预估更新用户数目;本步骤中,获取到更新用户的更新后的虚拟形象,则获取到了实际进行形象更新的实际数据量,因此,对更新用户进行形象更新处理(即向更新用户的特定分级的交互用户的接入设备下发更新用户的更新后的虚拟形象)后,还执行如下操作:
基于所述更新后的虚拟形象的数据量计算实际数据量,并根据所述更新数据量和所述实际数据量计算剩余数据量;
若所述剩余数据量大于所述形象数据量,则根据所述剩余数据量和所述形象数据量预估剩余更新用户数目;
按照所述更新评分,在所述用户集合所述更新用户之外的其他用户中筛选所述剩余更新用户数目的更新用户并进行虚拟形象更新。
具体的,若在对更新用户进行形象更新处理后存在剩余数据量,则基于剩余数据量和形象数据量预估剩余更新用户数目,在用户集合中更新用户之外的用户中筛选出剩余更新用户对数据的更新用户并进行形象更新处理。
除此之外,上述步骤S106至步骤S110还可被替换为,按照所述更新评分,在所述用户集合中筛选出更新用户数目的更新用户并对更新用户进行形象更新处理;并与本实施例提供的其他步骤组成新的实现方式;可选的,所述更新用户数目,基于更新服务的可用带宽,可用时长和形象数据量预估获得;所述形象更新处理,包括向更新用户的特定分级的交互用户的接入设备下发更新用户的更新后的虚拟形象。
综上所述,本实施例提供的虚拟形象的更新处理方法,按照周期对虚拟世界中的虚拟形象进行更新,避免实时对虚拟形象进行更新造成带宽压力;在检测到形象更新周期届满的情况下,读取形象更新周期内对虚拟世界中的虚拟形象进行更新的用户集合;为了保证对进行形象更新的必要性高的用户优先进行虚拟形象,根据用户集合中各用户的分级交互用户数、活跃度评分和各用户的接入设备上传的更新前后的虚拟形象的形象相似度,计算各用户的更新评分;为了保证带宽,根据更新服务的可用带宽和更新时长计算更新数据量,并根据更新数据量和形象数据量计算更新用户数目,按照更新评分对用户集合中的用户进行降序排列,并在排列结果中筛选出前更新用户数目的用户作为更新用户,并对更新用户进行形象更新处理,以此,在保证带宽的情况下向进行形象更新的必要性高的用户进行虚拟形象的更新,提升对必要性高的用户的虚拟形象的更新效率,也保证更新用户的特定分级的交互用户及时感知更新用户的更新后的虚拟形象。
下述以本实施例提供的一种虚拟形象的更新处理方法在形象更新场景的应用为例,对本实施例提供的虚拟形象的更新处理方法进行进一步说明,参见图3,应用于形象更新场景的虚拟形象的更新处理方法,具体包括步骤S302至步骤S316。
步骤S302,读取对虚拟世界中的虚拟形象进行更新的用户集合中各用户的分级交互用户网络。
步骤S304,计算各用户的分级交互用户网络中的用户节点数作为各用户的分级交互用户数。
步骤S306,将各用户在虚拟世界中的行为数据输入活跃度评分模型进行评分处理,获得各用户的活跃度评分。
步骤S308,根据各用户的分级交互用户数、活跃度评分和各用户的接入设备上传的更新前后的形象相似度,计算各用户的更新评分。
步骤S310,按照更新评分对用户集合中的用户进行降序排列。
步骤S312,根据更新服务的可用带宽和更新时长计算更新数据量,并根据更新数据量各形象数据量预估更新用户数目。
步骤S314,在排列结果中筛选更新用户数目对应的位次之前的用户作为更新用户。
步骤S316,获取更新用户的更新后的虚拟形象,并向更新用户的分级交互网络中特定分级的交互用户的接入设备下发。
本说明书提供的一种虚拟形象的更新处理装置实施例如下:
在上述的实施例中,提供了一种虚拟形象的更新处理方法,与之相对应的,还提供了一种虚拟形象的更新处理装置,下面结合附图进行说明。
参照图4,其示出了本实施例提供的一种虚拟形象的更新处理装置示意图。
由于装置实施例对应于方法实施例,所以描述得比较简单,相关的部分请参见上述提供的方法实施例的对应说明即可。下述描述的装置实施例仅仅是示意性的。
本实施例提供一种虚拟形象的更新处理装置,包括:
分级交互用户数确定模块402,被配置为确定对虚拟世界中的虚拟形象进行更新的用户集合中各用户的分级交互用户数;
更新评分计算模块404,被配置为根据所述各用户的分级交互用户数、活跃度评分,以及所述各用户的接入设备上传的更新前后的虚拟形象的形象相似度,计算所述各用户的更新评分;
更新用户数目计算模块406,被配置为根据更新服务的可用带宽和更新时长计算更新数据量,并根据所述更新数据量和形象数据量计算更新用户数目;
更新用户筛选模块408,被配置为按照所述更新评分,在所述用户集合中筛选出所述更新用户数目的更新用户;
虚拟形象下发模块410,被配置为获取所述更新用户的更新后的虚拟形象,并向所述更新用户的特定分级的交互用户的接入设备下发。
本说明书提供的一种虚拟形象的更新处理设备实施例如下:
对应上述描述的一种虚拟形象的更新处理方法,基于相同的技术构思,本说明书一个或多个实施例还提供一种虚拟形象的更新处理设备,该虚拟形象的更新处理设备用于执行上述提供的虚拟形象的更新处理方法,图5为本说明书一个或多个实施例提供的一种虚拟形象的更新处理设备的结构示意图。
本实施例提供的一种虚拟形象的更新处理设备,包括:
如图5所示,虚拟形象的更新处理设备可因配置或性能不同而产生比较大的差异,可以包括一个或一个以上的处理器501和存储器502,存储器502中可以存储有一个或一个以上存储应用程序或数据。其中,存储器502可以是短暂存储或持久存储。存储在存储器502的应用程序可以包括一个或一个以上模块(图示未示出),每个模块可以包括虚拟形象的更新处理设备中的一系列计算机可执行指令。更进一步地,处理器501可以设置为与存储器502通信,在虚拟形象的更新处理设备上执行存储器502中的一系列计算机可执行指令。虚拟形象的更新处理设备还可以包括一个或一个以上电源503,一个或一个以上有线或无线网络接口504,一个或一个以上输入/输出接口505,一个或一个以上键盘506等。
在一个具体的实施例中,虚拟形象的更新处理设备包括有存储器,以及一个或一个以上的程序,其中一个或者一个以上程序存储于存储器中,且一个或者一个以上程序可以包括一个或一个以上模块,且每个模块可以包括对虚拟形象的更新处理设备中的一系列计算机可执行指令,且经配置以由一个或者一个以上处理器执行该一个或者一个以上程序包含用于进行以下计算机可执行指令:
确定对虚拟世界中的虚拟形象进行更新的用户集合中各用户的分级交互用户数;
根据所述各用户的分级交互用户数、活跃度评分,以及所述各用户的接入设备上传的更新前后的虚拟形象的形象相似度,计算所述各用户的更新评分;
根据更新服务的可用带宽和更新时长计算更新数据量,并根据所述更新数据量和形象数据量计算更新用户数目;
按照所述更新评分,在所述用户集合中筛选出所述更新用户数目的更新用户;
获取所述更新用户的更新后的虚拟形象,并向所述更新用户的特定分级的交互用户的接入设备下发。
本说明书提供的一种存储介质实施例如下:
对应上述描述的一种虚拟形象的更新处理方法,基于相同的技术构思,本说明书一个或多个实施例还提供一种存储介质。
本实施例提供的存储介质,用于存储计算机可执行指令,所述计算机可执行指令在被处理器执行时实现以下流程:
确定对虚拟世界中的虚拟形象进行更新的用户集合中各用户的分级交互用户数;
根据所述各用户的分级交互用户数、活跃度评分,以及所述各用户的接入设备上传的更新前后的虚拟形象的形象相似度,计算所述各用户的更新评分;
根据更新服务的可用带宽和更新时长计算更新数据量,并根据所述更新数据量和形象数据量计算更新用户数目;
按照所述更新评分,在所述用户集合中筛选出所述更新用户数目的更新用户;
获取所述更新用户的更新后的虚拟形象,并向所述更新用户的特定分级的交互用户的接入设备下发。
需要说明的是,本说明书中关于存储介质的实施例与本说明书中关于虚拟形象的更新处理方法的实施例基于同一发明构思,因此该实施例的具体实施可以参见前述对应方法的实施,重复之处不再赘述。
上述对本说明书特定实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下,在权利要求书中记载的动作或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。另外,在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中,多任务处理和并行处理也是可以的或者可能是有利的。
在20世纪30年代,对于一个技术的改进可以很明显地区分是硬件上的改进(例如,对二极管、晶体管、开关等电路结构的改进)还是软件上的改进(对于方法流程的改进)。然而,随着技术的发展,当今的很多方法流程的改进已经可以视为硬件电路结构的直接改进。设计人员几乎都通过将改进的方法流程编程到硬件电路中来得到相应的硬件电路结构。因此,不能说一个方法流程的改进就不能用硬件实体模块来实现。例如,可编程逻辑器件(Programmable Logic Device,PLD)(例如现场可编程门阵列(Field Programmable GateArray,FPGA))就是这样一种集成电路,其逻辑功能由用户对器件编程来确定。由设计人员自行编程来把一个数字系统“集成”在一片PLD上,而不需要请芯片制造厂商来设计和制作专用的集成电路芯片。而且,如今,取代手工地制作集成电路芯片,这种编程也多半改用“逻辑编译器(logic compiler)”软件来实现,它与程序开发撰写时所用的软件编译器相类似,而要编译之前的原始代码也得用特定的编程语言来撰写,此称之为硬件描述语言(Hardware Description Language,HDL),而HDL也并非仅有一种,而是有许多种,如ABEL(Advanced Boolean Expression Language)、AHDL(Altera Hardware DescriptionLanguage)、Confluence、CUPL(Cornell University Programming Language)、HDCal、JHDL(Java Hardware Description Language)、Lava、Lola、MyHDL、PALASM、RHDL(RubyHardware Description Language)等,目前最普遍使用的是VHDL(Very-High-SpeedIntegrated Circuit Hardware Description Language)与Verilog。本领域技术人员也应该清楚,只需要将方法流程用上述几种硬件描述语言稍作逻辑编程并编程到集成电路中,就可以很容易得到实现该逻辑方法流程的硬件电路。
控制器可以按任何适当的方式实现,例如,控制器可以采取例如微处理器或处理器以及存储可由该(微)处理器执行的计算机可读程序代码(例如软件或固件)的计算机可读介质、逻辑门、开关、专用集成电路(Application Specific Integrated Circuit,ASIC)、可编程逻辑控制器和嵌入微控制器的形式,控制器的例子包括但不限于以下微控制器:ARC625D、Atmel AT91SAM、Microchip PIC18F26K20以及Silicone Labs C8051F320,存储器控制器还可以被实现为存储器的控制逻辑的一部分。本领域技术人员也知道,除了以纯计算机可读程序代码方式实现控制器以外,完全可以通过将方法步骤进行逻辑编程来使得控制器以逻辑门、开关、专用集成电路、可编程逻辑控制器和嵌入微控制器等的形式来实现相同功能。因此这种控制器可以被认为是一种硬件部件,而对其内包括的用于实现各种功能的装置也可以视为硬件部件内的结构。或者甚至,可以将用于实现各种功能的装置视为既可以是实现方法的软件模块又可以是硬件部件内的结构。
上述实施例阐明的系统、装置、模块或单元,具体可以由计算机芯片或实体实现,或者由具有某种功能的产品来实现。一种典型的实现设备为计算机。具体的,计算机例如可以为个人计算机、膝上型计算机、蜂窝电话、相机电话、智能电话、个人数字助理、媒体播放器、导航设备、电子邮件设备、游戏控制台、平板计算机、可穿戴设备或者这些设备中的任何设备的组合。
为了描述的方便,描述以上装置时以功能分为各种单元分别描述。当然,在实施本说明书实施例时可以把各单元的功能在同一个或多个软件和/或硬件中实现。
本领域内的技术人员应明白,本说明书一个或多个实施例可提供为方法、系统或计算机程序产品。因此,本说明书一个或多个实施例可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本说明书可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本说明书是参照根据本说明书实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生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装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置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。
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。
在一个典型的配置中,计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。
内存可能包括计算机可读介质中的非永久性存储器,随机存取存储器(RAM)和/或非易失性内存等形式,如只读存储器(ROM)或闪存(flash RAM)。内存是计算机可读介质的示例。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括,但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带,磁带磁盘存储或其他磁性存储设备或任何其他非传输介质,可用于存储可以被计算设备访问的信息。按照本文中的界定,计算机可读介质不包括暂存电脑可读媒体(transitory media),如调制的数据信号和载波。
还需要说明的是,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、商品或者设备中还存在另外的相同要素。
本说明书一个或多个实施例可以在由计算机执行的计算机可执行指令的一般上下文中描述,例如程序模块。一般地,程序模块包括执行特定任务或实现特定抽象数据类型的例程、程序、对象、组件、数据结构等等。也可以在分布式计算环境中实践本说明书的一个或多个实施例,在这些分布式计算环境中,由通过通信网络而被连接的远程处理设备来执行任务。在分布式计算环境中,程序模块可以位于包括存储设备在内的本地和远程计算机存储介质中。
本说明书中的各个实施例均采用递进的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。尤其,对于系统实施例而言,由于其基本相似于方法实施例,所以描述的比较简单,相关之处参见方法实施例的部分说明即可。
以上所述仅为本文件的实施例而已,并不用于限制本文件。对于本领域技术人员来说,本文件可以有各种更改和变化。凡在本文件的精神和原理之内所作的任何修改、等同替换、改进等,均应包含在本文件的权利要求范围之内。
Claims (15)
1.一种虚拟形象的更新处理方法,包括:
确定对虚拟世界中的虚拟形象进行更新的用户集合中各用户的分级交互用户数,所述各用户的分级交互用户数基于各用户的分级交互网络中的用户节点数确定;
根据所述各用户的分级交互用户数、活跃度评分,以及所述各用户的接入设备上传的更新前后的虚拟形象的形象相似度,计算所述各用户的更新评分;
根据更新服务的可用带宽和更新时长计算更新数据量,并根据所述更新数据量和形象数据量计算更新用户数目,所述形象数据量包括预估的对一个虚拟形象进行更新所占用的数据量;
按照所述更新评分,在所述用户集合中筛选出所述更新用户数目的更新用户;
获取所述更新用户的更新后的虚拟形象,并向所述更新用户的特定分级的交互用户的接入设备下发,所述特定分级的交互用户包括在所述虚拟世界内与所述更新用户产生交互行为的用户。
2.根据权利要求1所述的虚拟形象的更新处理方法,所述确定对虚拟世界中的虚拟形象进行更新的用户集合中各用户的分级交互用户数,包括:
读取所述各用户的分级交互网络;
计算所述各用户的分级交互网络中的用户节点数作为所述各用户的分级交互用户数。
3.根据权利要求2所述的虚拟形象的更新处理方法,所述用户集合中任一用户的分级交互网络,采用如下方式构建:
获取与所述任一用户在所述虚拟世界中产生行为交互的特定分级的交互用户,以及,获取所述任一用户的特定分级的交互用户的特定分级的交互用户作为所述任一用户的预设分级的交互用户;
以所述任一用户为中心,所述任一用户的特定分级的交互用户为第一层级,所述预设分级的交互用户为第二层级,构建所述任一用户的分级交互网络;
其中,所述任一用户的特定分级的交互用户和预设分级的交互用户为所述任一用户的分级交互网络中的用户节点。
4.根据权利要求1所述的虚拟形象的更新处理方法,所述用户集合中任一用户的接入设备,采用如下方式计算所述形象相似度:
按照预设角度差,对第一虚拟形象和第二虚拟形象进行相同视角的图像采样,获得预设数量的图像对;
将各图像对输入相似度模型进行相似度计算,获得各图像对的相似度;
计算预设数量的图像对的相似度的平均值作为所述形象相似度;
其中,所述第一虚拟形象为更新前的虚拟形象;所述第二虚拟形象为更新后的虚拟形象。
5.根据权利要求1所述的虚拟形象的更新处理方法,所述按照所述更新评分,在所述用户集合中筛选出所述更新用户数目的更新用户,包括:
按照所述各用户的更新评分,对所述用户集中的用户进行降序排列;
筛选出所述用户集合中排列位次处于所述更新用户数目对应的位次之前的用户作为所述更新用户。
6.根据权利要求1所述的虚拟形象的更新处理方法,所述获取所述更新用户的更新后的虚拟形象,包括:
向所述更新用户的接入设备下发形象上传指令;
接收所述更新用户的接入设备上传的更新后的虚拟形象。
7.根据权利要求1所述的虚拟形象的更新处理方法,所述向所述更新用户的特定分级的交互用户的接入设备下发,包括:
读取所述更新用户的分级交互网络中特定分级的交互用户;
向读取到的特定分级的交互用户发送更新后的虚拟形象。
8.根据权利要求1所述的虚拟形象的更新处理方法,所述根据所述各用户的分级交互用户数、活跃度评分,以及所述各用户的接入设备上传的更新前后的虚拟形象的形象相似度,计算所述各用户的更新评分,包括:
计算所述各用户的分级交互用户数与用户数权重的乘积,所述各用户的活跃度评分与活跃度权重的乘积,以及,所述各用户的形象相似度与相似度权重的乘积;
计算所述各用户的分级交互用户数与用户数权重的乘积、所述各用户的活跃度评分与活跃度权重的乘积,以及,所述各用户的形象相似度与相似度权重的乘积的和,获得所述各用户的更新评分。
9.根据权利要求1所述的虚拟形象的更新处理方法,所述用户集合中任一用户的活跃度评分,采用如下方式获取:
读取所述任一用户在所述虚拟世界中的行为数据;
将所述行为数据输入评分模型进行评分处理,获得所述活跃度评分;
所述行为数据,包括所述用户的虚拟形象在所述虚拟世界中与交互用户的交互频次和/或所述用户的虚拟形象在所述虚拟世界中对预设位置的访问频次。
10.根据权利要求1所述的虚拟形象的更新处理方法,所述获取所述更新用户的更新后的虚拟形象,并向所述更新用户的特定分级的交互用户的接入设备下发步骤执行之后,还包括:
基于所述更新后的虚拟形象的数据量计算实际数据量,并根据所述更新数据量和所述实际数据量计算剩余数据量;
若所述剩余数据量大于所述形象数据量,则根据所述剩余数据量和所述形象数据量预估剩余更新用户数目;
按照所述更新评分,在所述用户集合中所述更新用户之外的其他用户中筛选所述剩余更新用户数目的更新用户并进行虚拟形象更新。
11.根据权利要求1所述的虚拟形象的更新处理方法,所述特定分级的交互用户,包括在所述虚拟世界内与所述更新用户产生交互行为的用户;
所述更新用户的预设分级的交互用户,包括在所述虚拟世界内与所述特定分级的交互用户产生交互行为的用户。
12.根据权利要求11所述的虚拟形象的更新处理方法,所述交互行为,包括基于生成的非同质化标识进行虚拟资产交易的交易行为、会面行为和/或信息传递行为。
13.一种虚拟形象的更新处理装置,包括:
分级交互用户数确定模块,被配置为确定对虚拟世界中的虚拟形象进行更新的用户集合中各用户的分级交互用户数,所述各用户的分级交互用户数基于各用户的分级交互网络中的用户节点数确定;
更新评分计算模块,被配置为根据所述各用户的分级交互用户数、活跃度评分,以及所述各用户的接入设备上传的更新前后的虚拟形象的形象相似度,计算所述各用户的更新评分;
更新用户数目计算模块,被配置为根据更新服务的可用带宽和更新时长计算更新数据量,并根据所述更新数据量和形象数据量计算更新用户数目,所述形象数据量包括预估的对一个虚拟形象进行更新所占用的数据量;
更新用户筛选模块,被配置为按照所述更新评分,在所述用户集合中筛选出所述更新用户数目的更新用户;
虚拟形象下发模块,被配置为获取所述更新用户的更新后的虚拟形象,并向所述更新用户的特定分级的交互用户的接入设备下发,所述特定分级的交互用户包括在所述虚拟世界内与所述更新用户产生交互行为的用户。
14.一种虚拟形象的更新处理设备,包括:
处理器;以及,
被配置为存储计算机可执行指令的存储器,所述计算机可执行指令在被执行时使所述处理器:
确定对虚拟世界中的虚拟形象进行更新的用户集合中各用户的分级交互用户数,所述各用户的分级交互用户数基于各用户的分级交互网络中的用户节点数确定;
根据所述各用户的分级交互用户数、活跃度评分,以及所述各用户的接入设备上传的更新前后的虚拟形象的形象相似度,计算所述各用户的更新评分;
根据更新服务的可用带宽和更新时长计算更新数据量,并根据所述更新数据量和形象数据量计算更新用户数目,所述形象数据量包括预估的对一个虚拟形象进行更新所占用的数据量;
按照所述更新评分,在所述用户集合中筛选出所述更新用户数目的更新用户;
获取所述更新用户的更新后的虚拟形象,并向所述更新用户的特定分级的交互用户的接入设备下发,所述特定分级的交互用户包括在所述虚拟世界内与所述更新用户产生交互行为的用户。
15.一种存储介质,用于存储计算机可执行指令,所述计算机可执行指令在被处理器执行时实现以下流程:
确定对虚拟世界中的虚拟形象进行更新的用户集合中各用户的分级交互用户数,所述各用户的分级交互用户数基于各用户的分级交互网络中的用户节点数确定;
根据所述各用户的分级交互用户数、活跃度评分,以及所述各用户的接入设备上传的更新前后的虚拟形象的形象相似度,计算所述各用户的更新评分;
根据更新服务的可用带宽和更新时长计算更新数据量,并根据所述更新数据量和形象数据量计算更新用户数目,所述形象数据量包括预估的对一个虚拟形象进行更新所占用的数据量;
按照所述更新评分,在所述用户集合中筛选出所述更新用户数目的更新用户;
获取所述更新用户的更新后的虚拟形象,并向所述更新用户的特定分级的交互用户的接入设备下发,所述特定分级的交互用户包括在所述虚拟世界内与所述更新用户产生交互行为的用户。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211140712.4A CN115374141B (zh) | 2022-09-20 | 2022-09-20 | 虚拟形象的更新处理方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211140712.4A CN115374141B (zh) | 2022-09-20 | 2022-09-20 | 虚拟形象的更新处理方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115374141A CN115374141A (zh) | 2022-11-22 |
CN115374141B true CN115374141B (zh) | 2024-05-10 |
Family
ID=84071186
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211140712.4A Active CN115374141B (zh) | 2022-09-20 | 2022-09-20 | 虚拟形象的更新处理方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115374141B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115809696B (zh) * | 2022-12-01 | 2024-04-02 | 支付宝(杭州)信息技术有限公司 | 虚拟形象模型训练方法及装置 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108066988A (zh) * | 2018-01-04 | 2018-05-25 | 腾讯科技(深圳)有限公司 | 目标设置方法、装置及存储介质 |
CN109568963A (zh) * | 2017-09-29 | 2019-04-05 | 腾讯科技(深圳)有限公司 | 虚拟资源数据处理方法、装置、计算机设备及存储介质 |
CN109857249A (zh) * | 2019-01-09 | 2019-06-07 | 重庆爱奇艺智能科技有限公司 | 一种用于生成虚拟化身形象的方法与装置 |
CN110955375A (zh) * | 2019-11-22 | 2020-04-03 | 网易(杭州)网络有限公司 | 基于游戏的目标对象操作处理方法、装置及触控终端 |
CN111408129A (zh) * | 2020-02-28 | 2020-07-14 | 苏州叠纸网络科技股份有限公司 | 一种基于虚拟角色形象的交互方法、装置及存储介质 |
CN113117317A (zh) * | 2019-12-30 | 2021-07-16 | 明日基金知识产权有限公司 | 虚拟或真实世界的多维3d引擎计算和基于虚拟化的动态负载平衡 |
CN113315985A (zh) * | 2021-05-25 | 2021-08-27 | 北京达佳互联信息技术有限公司 | 虚拟对象的处理方法、装置、电子设备和存储介质 |
CN113434772A (zh) * | 2021-07-09 | 2021-09-24 | 支付宝(杭州)信息技术有限公司 | 推荐处理方法及装置 |
WO2021238145A1 (zh) * | 2020-05-26 | 2021-12-02 | 北京市商汤科技开发有限公司 | Ar场景内容的生成方法、展示方法、装置及存储介质 |
CN114332374A (zh) * | 2021-12-30 | 2022-04-12 | 深圳市慧鲤科技有限公司 | 一种虚拟显示方法、设备以及存储介质 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10937220B2 (en) * | 2019-04-22 | 2021-03-02 | Disney Enterprises, Inc. | Animation streaming for media interaction |
-
2022
- 2022-09-20 CN CN202211140712.4A patent/CN115374141B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109568963A (zh) * | 2017-09-29 | 2019-04-05 | 腾讯科技(深圳)有限公司 | 虚拟资源数据处理方法、装置、计算机设备及存储介质 |
CN108066988A (zh) * | 2018-01-04 | 2018-05-25 | 腾讯科技(深圳)有限公司 | 目标设置方法、装置及存储介质 |
CN109857249A (zh) * | 2019-01-09 | 2019-06-07 | 重庆爱奇艺智能科技有限公司 | 一种用于生成虚拟化身形象的方法与装置 |
CN110955375A (zh) * | 2019-11-22 | 2020-04-03 | 网易(杭州)网络有限公司 | 基于游戏的目标对象操作处理方法、装置及触控终端 |
CN113117317A (zh) * | 2019-12-30 | 2021-07-16 | 明日基金知识产权有限公司 | 虚拟或真实世界的多维3d引擎计算和基于虚拟化的动态负载平衡 |
CN111408129A (zh) * | 2020-02-28 | 2020-07-14 | 苏州叠纸网络科技股份有限公司 | 一种基于虚拟角色形象的交互方法、装置及存储介质 |
WO2021238145A1 (zh) * | 2020-05-26 | 2021-12-02 | 北京市商汤科技开发有限公司 | Ar场景内容的生成方法、展示方法、装置及存储介质 |
CN113315985A (zh) * | 2021-05-25 | 2021-08-27 | 北京达佳互联信息技术有限公司 | 虚拟对象的处理方法、装置、电子设备和存储介质 |
CN113434772A (zh) * | 2021-07-09 | 2021-09-24 | 支付宝(杭州)信息技术有限公司 | 推荐处理方法及装置 |
CN114332374A (zh) * | 2021-12-30 | 2022-04-12 | 深圳市慧鲤科技有限公司 | 一种虚拟显示方法、设备以及存储介质 |
Non-Patent Citations (2)
Title |
---|
The virtual user:The holistic manager of our loT applications;Roberto Girau;2018 IEEE 4th world Forum on Internet of Things;20180531;第149-154页 * |
面向移动社交网络的协作式内容分发机制;胡海洋;李忠金;胡华;赵格华;;计算机学报;20130331(第03期);第613-625页 * |
Also Published As
Publication number | Publication date |
---|---|
CN115374141A (zh) | 2022-11-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111260545B (zh) | 生成图像的方法和装置 | |
CN105409224B (zh) | 基于游戏剪辑流行度的控制平滑流式传送编码的方法 | |
CN111309614B (zh) | A/b测试方法、装置及电子设备 | |
US10990810B2 (en) | Automated facial recognition detection | |
US11126682B1 (en) | Hyperlink based multimedia processing | |
CN111738280A (zh) | 一种图像识别方法、装置、设备及可读存储介质 | |
US20190325067A1 (en) | Generating descriptive text contemporaneous to visual media | |
CN112215238B (zh) | 一种通用特征提取模型构建方法、系统及装置 | |
CN109583224A (zh) | 一种用户隐私数据处理方法、装置、设备及系统 | |
CN115359220B (zh) | 虚拟世界的虚拟形象更新方法及装置 | |
CN115374141B (zh) | 虚拟形象的更新处理方法及装置 | |
WO2015038444A2 (en) | Strength based modeling for recommendation system | |
CN112883257A (zh) | 行为序列数据处理方法、装置、电子设备及存储介质 | |
CA3122314A1 (en) | Method and system for visualizing data differentiation | |
EP3502866B1 (en) | Systems and methods for audio-based augmented reality | |
US20190354937A1 (en) | Optimized automatic consensus determination for events | |
CN113742580A (zh) | 目标类型数据的召回方法、装置、电子设备及存储介质 | |
CN115775024B (zh) | 虚拟形象模型训练方法及装置 | |
CN117251761A (zh) | 数据对象分类方法、装置、存储介质及电子装置 | |
CN115358777A (zh) | 虚拟世界的广告投放处理方法及装置 | |
Maehara et al. | An exhibit recommendation system based on semantic networks for museum | |
CN115346028A (zh) | 虚拟环境主题处理方法及装置 | |
CN111949860B (zh) | 用于生成相关度确定模型的方法和装置 | |
CN114491093A (zh) | 多媒体资源推荐、对象表征网络的生成方法及装置 | |
CN116188731A (zh) | 虚拟世界的虚拟形象调整方法及装置 |
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 |