CN115861543A - 三维虚拟形象生成方法、装置及电子设备 - Google Patents
三维虚拟形象生成方法、装置及电子设备 Download PDFInfo
- Publication number
- CN115861543A CN115861543A CN202211644246.3A CN202211644246A CN115861543A CN 115861543 A CN115861543 A CN 115861543A CN 202211644246 A CN202211644246 A CN 202211644246A CN 115861543 A CN115861543 A CN 115861543A
- Authority
- CN
- China
- Prior art keywords
- base
- substrate
- dimensional
- target
- fusion
- 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
- 238000000034 method Methods 0.000 title claims abstract description 39
- 239000000758 substrate Substances 0.000 claims abstract description 207
- 238000010276 construction Methods 0.000 claims abstract description 10
- 230000004927 fusion Effects 0.000 claims description 159
- 239000013598 vector Substances 0.000 claims description 134
- 238000004364 calculation method Methods 0.000 claims description 14
- 238000004590 computer program Methods 0.000 claims description 11
- 239000000126 substance Substances 0.000 claims description 2
- 238000013473 artificial intelligence Methods 0.000 abstract description 3
- 230000003190 augmentative effect Effects 0.000 abstract description 2
- 238000013135 deep learning Methods 0.000 abstract description 2
- 230000006870 function Effects 0.000 description 13
- 238000010586 diagram Methods 0.000 description 11
- 238000004891 communication Methods 0.000 description 8
- 238000013507 mapping Methods 0.000 description 8
- 238000012545 processing Methods 0.000 description 6
- 238000012986 modification Methods 0.000 description 5
- 230000004048 modification Effects 0.000 description 5
- 210000000697 sensory organ Anatomy 0.000 description 5
- 230000000694 effects Effects 0.000 description 4
- 238000005457 optimization Methods 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 3
- 238000000605 extraction Methods 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 238000005284 basis set Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 239000003607 modifier Substances 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Landscapes
- Processing Or Creating Images (AREA)
Abstract
本公开提供了一种三维虚拟形象生成方法、装置及电子设备，涉及人工智能技术领域，尤其涉及计算机视觉、增强现实、虚拟现实、深度学习等技术领域，可应用元宇宙、虚拟数字人等场景，三维虚拟形象生成方法，包括：获取目标图像；根据所述目标图像确定三维重建基底，所述目标区域为所述目标图像包括的区域；基于预先获取的标准基底的拓扑，对所述三维重建基底进行重新拓扑构造，得到所述目标区域的目标三维基底；将所述目标三维基底和所述标准基底进行融合，得到所述目标区域的三维虚拟形象。
Description
技术领域
本公开涉及人工智能技术领域，尤其涉及计算机视觉、增强现实、虚拟现实、深度学习等技术领域，可应用元宇宙、虚拟数字人等场景，具体涉及一种三维虚拟形象生成方法、装置及电子设备。
背景技术
随着虚拟形象技术的不断发展，三维虚拟形象越来越受到用户的欢迎。当前可以根据用户的需求，生成各种各样风格的三维虚拟形象。但是在实际的使用过程中，通常是将用户的图像与各种风格进行融合，以得到三维虚拟形象。
发明内容
本公开提供了一种三维虚拟形象生成方法、装置及电子设备。
根据本公开的第一方面，提供了一种三维虚拟形象生成方法，包括：
获取目标图像；
根据所述目标图像确定三维重建基底，所述目标区域为所述目标图像包括的区域；
基于预先获取的标准基底的拓扑，对所述三维重建基底进行重新拓扑构造，得到所述目标区域的目标三维基底；
将所述目标三维基底和所述标准基底进行融合，得到所述目标区域的三维虚拟形象。
根据本公开的第二方面，提供了一种三维虚拟形象生成装置，包括：
第一获取模块，用于获取目标图像；
确定模块，用于根据所述目标图像确定三维重建基底，所述目标区域为所述目标图像包括的区域；
拓扑构造模块，用于基于预先获取的标准基底的拓扑，对所述三维重建基底进行重新拓扑构造，得到所述目标区域的目标三维基底；
融合模块，用于将所述目标三维基底和所述标准基底进行融合，得到所述目标区域的三维虚拟形象。
根据本公开的第三方面，提供了一种电子设备，包括：
至少一个处理器；以及
与至少一个处理器通信连接的存储器；其中，
存储器存储有可被至少一个处理器执行的指令，该指令被至少一个处理器执行，以使至少一个处理器能够执行第一方面中的任一项方法。
根据本公开的第四方面，提供了一种存储有计算机指令的非瞬时计算机可读存储介质，该计算机指令用于使计算机执行第一方面中的任一项方法。
根据本公开的第五方面，提供了一种计算机程序产品，包括计算机程序，该计算机程序在被处理器执行时实现第一方面中的任一项方法。
本公开实施例中，可以根据目标图像确定三维重建基底，并基于预先获取的标准基底的拓扑，对三维重建基底进行重新拓扑构造，得到目标区域的目标三维基底，从而提高了目标三维基底的拓扑与标准基底的拓扑的匹配度，进而增强了对目标三维基底和标准基底进行融合得到的三维虚拟形象的显示效果。
应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征，也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。
附图说明
图1是本公开实施例提供的三维虚拟形象生成方法的流程图之一；
图2是本公开实施例提供的三维虚拟形象生成方法的流程图之二；
图3是本公开实施例提供的三维虚拟形象装置的结构示意图之一；
图4是本公开实施例提供的三维虚拟形象装置的结构示意图之二；
图5是本公开实施例提供的三维虚拟形象装置包括的第一确定子模块的结构示意图；
图6是本公开实施例提供的三维虚拟形象装置包括的第三获取模块的结构示意图；
图7是本公开实施例提供的三维虚拟形象装置包括的修正子模块的结构示意图；
图8是本公开实施例提供的三维虚拟形象装置包括的融合模块的结构示意图之一；
图9是本公开实施例提供的三维虚拟形象装置包括的融合模块的结构示意图之二；
图10是本公开实施例提供的三维虚拟形象装置的结构示意图之三；
图11是用来实施本公开的实施例的示例电子设备的示意性框图。
具体实施方式
以下结合附图对本公开的示范性实施例做出说明，其中包括本公开实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本公开的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。
参见图1，图1为本公开实施例提供的一种三维虚拟形象生成方法的流程图，如图1所示，三维虚拟形象生成方法，包括如下步骤：
步骤S101、获取目标图像。
其中，目标图像的获取方式在此不做限定，例如：可以接收用户通过电子设备拍摄并发送的目标图像，或者，在检测到满足预设条件时，获取目标图像，上述预设条件具体在此不做限定，例如：预设条件可以为：显示界面上包括用于输入目标图像，以生成是哪位虚拟形象的输入框。
步骤S102、根据所述目标图像确定三维重建基底，所述目标区域为所述目标图像包括的区域。
其中，目标区域的具体内容在此不做限定，例如：目标区域可以为人脸区域，也就是说：目标图像的内容可以包括人脸，而人脸所在的区域即为上述目标区域。
另外，目标区域还可以为人体的其他部位区域，例如：目标区域可以为人体的手区域或者人体的腿区域。
需要说明的是，根据目标图像确定三维重建基底的方式在此不做具体限定，作为一种可选的实施方式，识别目标图像中包括的目标区域的信息，并根据上述目标区域的信息进行三维重建，以得到三维重建基底。这样，根据识别得到的目标区域的信息进行三维重建得到的三维重建基底的准确度较高。
作为另一种可选的实施方式，获取目标图像中包括的目标区域的信息，并根据上述目标区域的信息从数据库中查找与上述目标区域的信息匹配度大于预设数值的目标信息，并根据上述目标信息进行三维重建，以得到三维重建基底。
这样，由于目标信息存储在上述数据库中，而数据库中可以预先重建三维重建基底的至少部分结构，从而无需完全重建整个三维重建基底，可以提高三维重建基底的重建速率，且降低计算资源的消耗，另外，由于目标信息与上述目标区域的信息的匹配度大于预设数值，即可以保证得到的三维重建基底与目标区域的匹配度较高，即可以保证三维重建基底的准确度较好。
上述数据库也可以被称作为数资库或者数字资料库，可以用于存储多种信息。
步骤S103、基于预先获取的标准基底的拓扑，对所述三维重建基底进行重新拓扑构造，得到所述目标区域的目标三维基底。
其中，拓扑可以理解为基底包括的点、面和链接关系等，若一种基底与另一种基底之间的拓扑不一致(即匹配度小于预设阈值)，则导致上述一种基底与另一种基底的融合效果较差。
而本公开实施方式中，可以根据目标图像进行目标区域的三维重建，得到三维重建基底，并基于预先获取的标准基底的拓扑，对三维重建基底进行重新拓扑构造，得到目标区域的目标三维基底，从而提高了目标三维基底的拓扑与标准基底的拓扑的匹配度，进而增强了对目标三维基底和标准基底进行融合得到的三维虚拟形象的显示效果，且可以使得三维虚拟形象包括目标三维基底和标准基底两种基底的内容，即可以兼顾目标三维基底和标准基底两种基底的特点。
具体的，当目标区域为人脸区域时，即目标三维基底可以反映人脸的特点，而标准基底可以包括脸型、五官分布位置、五官的尺寸比例等参数，这样，三维虚拟形象可以融合上述目标三维基底和标准基底的特点，使得三维虚拟形象的真实性特点较好，同时又可以根据标准基底调节三维虚拟形象的脸型、五官分布位置、五官的尺寸比例等参数，即增加了三维虚拟形象的可控性或者可调节性。
作为一种可选的实施方式，所述根据所述目标图像确定三维重建基底，包括：
根据所述目标图像确定预设融合变形系数；
基于所述预设融合变形系数对预先获取的预设重建基底进行修正，得到所述三维重建基底；
还包括：
获取目标基底；
基于所述目标基底与所述预设融合变形系数获取所述标准基底。
其中，目标基底也可以被称作为风格基底，上述目标基底可以存储在数据库中，即上述目标基底可以理解为标准化的基底。
本公开实施方式中，通过目标基底和预设融合变形系数可以得到标准基底，且基于预设融合变形系数对预设重建基底进行修正，得到三维重建基底，这样，可以调整得到标准基底和三维重建基底，增加了标准基底和三维重建基底的可调节性能，即使得标准基底和三维重建基底的准确度更高，且更加符合用户的需求，增强用户体验。
需要说明的是，上述根据目标图像确定预设融合变形系数的具体确定方式在此不做限定，作为一种可选的实施方式，预设融合变形系数可以为场景系数，当应用场景不同时，则预设融合变形系数不同。
例如：当预设融合变形系数应用于人脸场景(即目标区域为人脸区域)时，预设融合变形系数的数值可以为第一数值；当预设融合变形系数应用于人手场景(即目标区域为人手区域)时，预设融合变形系数的数值可以为第二数值，第一数值和第二数值不同。
作为另一种可选的实施方式，上述预设融合变形系数可以为默认数值，即上述预设融合变形系数可以为预先设定的数值，且可以存储在数据库中。
作为一种可选的实施方式，所述目标区域为所述目标图像的人脸区域，所述根据所述目标图像确定预设融合变形系数，包括：
获取所述目标区域的二维人脸关节点；
计算所述二维人脸关节点和预先从数据库中获取的三维人脸关节点之间的重投影误差；
根据所述重投影误差确定所述预设融合变形系数。
其中，三维人脸关节点与上述二维人脸关节点之间的匹配度可以大于预设阈值，即上述三维人脸关节点与上述二维人脸关节点之间的匹配度较大，即可以认为三维人脸关节点与上述二维人脸关节点相似。
其中，上述根据重投影误差确定融合变形系数的具体方式在此不做限定，例如：可以建立二维人脸关节点与三维人脸关节点之间的映射函数，并对上述映射函数的参数进行多次优化迭代，当在第N次优化之后得到的映射函数的输出结果(即可以理解为上述重投影误差)满足预设输出条件时，可以将第N次优化之后得到的映射函数的参数确定为融合变形系数。
上述预设输出条件的内容在此不做限定，可选地，预设输出条件可以为第N次优化之后得到的映射函数的输出结果小于预设数值；或者，预设输出条件可以为第N次优化之后得到的映射函数的输出结果为前N次输出结果中最小的数值，且第N次优化之后得到的映射函数(可以被称作为目标函数)的输出结果，与目标函数之前L次优化之后得到的映射函数的输出结果的差值位于预设范围。
本公开实施方式中，由于重投影误差根据二维人脸关节点和三维人脸关节点计算得到，使得重投影误差与二维人脸关节点和三维人脸关节点的关联性较高，而根据重投影误差确定融合变形系数，可以提高融合变形系数的结果的准确度。同时，采用本实施方式得到的融合变形系数获取标准基底以及三维重建基底，可以提高三维重建基底的真实性，以及增强标准基底的个性化。
需要说明的是，上述融合变形系数的具体类型在此不做限定，例如：上述融合变形系数可以被称作为blendshape系数，而blendshape系数也可以被称作为bs系数。
需要说明的是，参见图2，图2为本公开实施方式中对应的流程图，如图2所示，可以根据目标图像确定融合变形系数，再通过融合变形系数确定三维重建基底和标准基底，并基于标准基底的拓扑对三维重建基底进行重拓扑，得到目标三维基底，将目标三维基底与标准基底进行融合，得到三维虚拟形象。
步骤S104、将所述目标三维基底和所述标准基底进行融合，得到所述目标区域的三维虚拟形象。
其中，目标三维基底和标准基底进行融合，得到目标区域的三维虚拟形象的具体方式在此不做限定，作为一种可选的实施方式，由于目标三维基底和标准基底的拓扑的匹配度较高，因此，可以分别确定目标三维基底中的关键点与标准基底中与上述关键点对应的基底点，将目标三维基底中的关键点与上述关键点对应的基底点对齐，将对齐之后的目标三维基底和标准基底进行融合，以得到三维虚拟形象。
作为一种可选的实施方式，所述目标基底包括第一基础基底和M个第一特征基底，M为大于1的整数；所述基于所述目标基底与所述预设融合变形系数获取所述标准基底，包括：
计算每个第一特征基底对应的第一基底向量，与所述第一基础基底对应的第一特征向量之间的第一差值向量，以得到M个第一差值向量；
计算每个第一差值向量与所述预设融合变形系数之间的乘积，以得到M个第一乘积向量；
计算所述M个第一乘积向量的第一和向量；
计算所述第一基础基底对应的第一基底向量与所述第一和向量的第二和向量，并获取所述第二和向量；
将所述第二和向量对应的基底确定为所述标准基底。
其中，第一基础基底可以被称作为base基底，而第一特征基底可以指的是除上述第一基础基底之外的其他基底，当目标基底为人脸基底时，上述第一基础基底可以指的是人脸的基本基底(如五官相对位置基底)，而第一特征基底可以包括脸型基底和表情基底等。
其中，第一基底向量可以通过对第一特征基底进行特征提取得到的向量，第一特征向量可以理解为对第一基础基底进行特征提取得到的向量。
其中，第一和向量和第二和向量可以理解为求和得到的向量。
本公开实施方式中，可以先计算得到M个第一乘积向量的第一和向量，再计算第一基础基底对应的第一基底向量与第一和向量的第二和向量，并将第二和向量对应的基底确定为标准基底，这样，由于第一基底向量包括的内容较为丰富，而本实施方式只需要在计算第二和向量时运用到上述第一基底向量，从而可以减少计算资源的消耗，减少计算量，提高计算效率。
作为一种可选的实施方式，所述预设重建基底包括第二基础基底和N个第二特征基底，N为大于1的整数；所述基于所述预设融合变形系数对预先获取的预设重建基底进行修正，得到所述三维重建基底，包括：
计算每个第二特征基底对应的第二基底向量，与所述第二基础基底对应的第二特征向量之间的第二差值向量，以得到N个第二差值向量；
计算每个第二差值向量与所述预设融合变形系数之间的乘积，以得到N个第二乘积向量；
计算所述N个第二乘积向量的第三和向量；
计算所述第二基础基底对应的第二基底向量与所述第三和向量的第四和向量，并获取所述第四和向量；
将所述第四和向量对应的基底确定为所述三维重建基底。
其中，第二基础基底可以参见上述第一基础基底的相关表述，第二特征基底可以参见上述第一特征基底的相关表述。
其中，第三和向量和第四和向量可以理解为求和得到的向量。
本公开实施方式中，可以先计算得到N个第二乘积向量的第三和向量，再计算第二基础基底对应的第二基底向量与第二和向量的第四和向量，并将第四和向量对应的基底确定为三维重建基底，这样，由于第二基底向量包括的内容较为丰富，而本实施方式只需要在计算第四和向量时运用到上述第二基底向量，从而可以减少计算资源的消耗，减少计算量，提高计算效率。
上述两种实施方式也可以理解为：通过预设公式计算得到上述标准基底对应的第二和向量，以及，通过预设公式计算得到上述三维重建基底对应的第四和向量。
预设公式为：
其中，smodel为标准基底对应的第二和向量或者三维重建基底对应的第四和向量，
为第一基础基底或者第二基础基底，αi为所述预设融合变形系数，si为目标基底中第i个第一特征基底对应的第一基底向量与第一基础基底的第一差值向量，或者，si为三维重建基底中第i个第二特征基底对应的第二基底向量与第二基础基底的第二差值向量，m-1等于M或者N。
作为一种可选的实施方式，所述将所述目标三维基底和所述标准基底进行融合，得到所述目标区域的三维虚拟形象，包括：
对所述目标三维基底进行划分，得到L个第一基底区域，以及，对所述标准基底进行划分，得到L个第二基底区域，L为大于1的整数；
基于预先获取的L个相似度融合系数将L个所述第一基底区域和L个所述第二基底区域进行融合，得到所述目标区域的三维虚拟形象，所述相似度融合系数、所述第一基底区域和所述第二基底区域一一对应。
本公开实施方式中，可以将第一基底区域与对应的第二基底区域按照对应的相似度融合系数进行融合，这样，分区域进行融合，从而可以增强融合的灵活性，且可以增强融合效果。
需要说明的是，不同的第一基底区域对应的相似度融合系数可以不同，这样，可以使得在第一基底区域与对应的第二基底区域按照对应的相似度融合系数进行融合时，融合方式更加灵活。
上述相似度融合系数可以理解为第一基底区域和第二基底区域的内容，在融合得到的三维虚拟形象中对应的位置所占的比例。这样，通过调节相似度融合系数的数值，从而可以调节第一基底区域和第二基底区域的内容，在融合得到的三维虚拟形象中对应的位置所占的比例，从而增加了三维虚拟形象的可控性和可调节性，即可以增加对三维虚拟形象与目标图像包括的目标区域的内容的相似度的可调节性能。
作为一种可选的实施方式，还包括：
获取I个相似度融合系数，I个所述相似度融合系数分别与I个所述第一基底区域和I个所述第二基底区域一一对应，I个所述第一基底区域为所述目标三维基底中包括的顶点所在区域，I个所述第二基底区域为所述标准基底中包括的顶点所在区域；
根据I个所述相似度融合系数计算得到H个相似度融合系数，H个所述相似度融合系数中每个相似度融合系数对应的第一基底区域，为I个所述第一基底区域中任意相邻两个第一基底区域之间的区域，H个所述相似度融合系数中每个相似度融合系数对应的第二基底区域，为I个所述第二基底区域中任意相邻两个第二基底区域之间的区域；
I和H均为大于1，且小于L的整数，且L等于I和H的和。
本公开实施方式中，可以先确定目标三维基底中包括的顶点所在区域和标准基底中包括的顶点所在区域对应的相似度融合系数，然后再根据上述顶点所在区域对应的相似度融合系数以及区域的分布关系确定其他区域的相似度融合系数，从而可以提高相似度融合系数的确定方式的多样性。同时，由于其他区域的相似度融合系数可以通过计算得到，还增加了其他区域的相似度融合系数的确定方式的灵活性，通过控制其他区域的相似度融合系数的确定结果，可以实现上述其他区域相似度融合系数的调控。
即本实施方式中可以先获取多个关键区域(即上述顶点所在的区域)的相似度融合系数，然后根据上述多个关键区域的相似度融合系数确定关键区域与关键区域之间的区域的相似度融合系数，这样，无需获取每一个区域的相似度融合系数，即降低了对相似度融合系数的数据要求，同时，由于关键区域与关键区域之间的位置与相邻关键区域的关联性较大，因而根据相邻关键区域的相似度融合系数确定的关键区域与关键区域之间的区域的相似度融合系数的准确度较高。
作为一种可选的实施方式，所述基于预先获取的L个相似度融合系数将L个所述第一基底区域和L个所述第二基底区域进行融合，得到所述目标区域的三维虚拟形象，包括：
基于预先获取的L个相似度融合系数确定S个第一顶点的相似度融合系数和S个第二顶点对应的相似度融合系数，S个所述第一顶点为L个所述第一基底区域对应的顶点，S个所述第二顶点为L个所述第二基底区域对应的顶点，S为大于1的整数；
根据S个所述第一顶点的相似度融合系数和S个所述第二顶点对应的相似度融合系数，将L个所述第一基底区域和L个所述第二基底区域进行融合，得到所述目标区域的三维虚拟形象。
本公开实施方式中，可以基于L个相似度融合系数确定多个第一顶点的的相似度融合系数和多个第二顶点对应的相似度融合系数，然后根据多个第一顶点的相似度融合系数和多个第二顶点对应的相似度融合系数，将L个第一基底区域和L个第二基底区域进行融合，得到目标区域的三维虚拟形象，这样，可以增加三维虚拟形象的生成方式的多样性和灵活性。
同时，由于根据多个第一顶点的相似度融合系数和多个第二顶点对应的相似度融合系数，将L个第一基底区域和L个第二基底区域进行融合得到的三维虚拟形象，而第一顶点和第二顶点通常为非常重要的点，可以将第一顶点与对应的顶点对齐，并将第二顶点与对应的顶点对齐，然后基于第一顶点对应的相似度融合系数将第一顶点与对应的顶点融合，并基于第二顶点对应的相似度融合系数将第二顶点与对应的顶点融合，进而实现L个第一基底区域和L个第二基底区域进行融合，这样，可以使得得到的三维虚拟形象的结果更加准确。
参见图3，图3为本公开实施例提供的一种三维虚拟形象生成装置的结构示意图，如图3所示，三维虚拟形象生成装置300，包括：
第一获取模块301，用于获取目标图像；
确定模块302，用于根据所述目标图像确定三维重建基底，所述目标区域为所述目标图像包括的区域；
拓扑构造模块303，用于基于预先获取的标准基底的拓扑，对所述三维重建基底进行重新拓扑构造，得到所述目标区域的目标三维基底；
融合模块304，用于将所述目标三维基底和所述标准基底进行融合，得到所述目标区域的三维虚拟形象。
作为一种可选的实施方式，参见图4，所述确定模块302，包括：
第一确定子模块3021，用于根据所述目标图像确定预设融合变形系数；
修正子模块3022，用于基于所述预设融合变形系数对预先获取的预设重建基底进行修正，得到所述三维重建基底；
所述三维虚拟形象生成装置300，还包括：
第二获取模块305，用于获取目标基底；
第三获取模块306，用于基于所述目标基底与所述预设融合变形系数获取所述标准基底。
作为一种可选的实施方式，参见图5，所述目标区域为所述目标图像的人脸区域，所述第一确定子模块3021，还包括：
获取单元30211，用于获取所述目标区域的二维人脸关节点；
计算单元30212，用于计算所述二维人脸关节点和预先从数据库中获取的三维人脸关节点之间的重投影误差；
第一确定单元30213，用于根据所述重投影误差确定所述预设融合变形系数。
作为一种可选的实施方式，参见图6，所述目标基底包括第一基础基底和M个第一特征基底，M为大于1的整数；所述第三获取模块306，包括：
第一计算子模块3061，用于计算每个第一特征基底对应的第一基底向量，与所述第一基础基底对应的第一特征向量之间的第一差值向量，以得到M个第一差值向量；
第二计算子模块3062，用于计算每个第一差值向量与所述预设融合变形系数之间的乘积，以得到M个第一乘积向量；
第三计算子模块3063，用于计算所述M个第一乘积向量的第一和向量；
第四计算子模块3064，用于计算所述第一基础基底对应的第一基底向量与所述第一和向量的第二和向量，并获取所述第二和向量；
第二确定子模块3065，用于将所述第二和向量对应的基底确定为所述标准基底。
作为一种可选的实施方式，参见图7，所述预设重建基底包括第二基础基底和N个第二特征基底，N为大于1的整数；所述修正子模块3022，包括：
第一计算单元30221，用于计算每个第二特征基底对应的第二基底向量，与所述第二基础基底对应的第二特征向量之间的第二差值向量，以得到N个第二差值向量；
第二计算单元30222，用于计算每个第二差值向量与所述预设融合变形系数之间的乘积，以得到N个第二乘积向量；
第三计算单元30223，用于计算所述N个第二乘积向量的第三和向量；
第四计算单元30224，用于计算所述第二基础基底对应的第二基底向量与所述第三和向量的第四和向量，并获取所述第四和向量；
第二确定单元30225，用于将所述第四和向量对应的基底确定为所述三维重建基底。
作为一种可选的实施方式，参见图8，所述融合模块304，包括：
划分子模块3041，用于对所述目标三维基底进行划分，得到L个第一基底区域，以及，对所述标准基底进行划分，得到L个第二基底区域，L为大于1的整数；
第一融合子模块3042，用于基于预先获取的L个相似度融合系数将L个所述第一基底区域和L个所述第二基底区域进行融合，得到所述目标区域的三维虚拟形象，所述相似度融合系数、所述第一基底区域和所述第二基底区域一一对应。
作为一种可选的实施方式，参见图9，所述融合模块304，包括：
第三确定子模块3043，用于基于预先获取的L个相似度融合系数确定S个第一顶点的相似度融合系数和S个第二顶点对应的相似度融合系数，S个所述第一顶点为L个所述第一基底区域对应的顶点，S个所述第二顶点为L个所述第二基底区域对应的顶点，S为大于1的整数；
第二融合子模块3044，用于根据S个所述第一顶点的相似度融合系数和S个所述第二顶点对应的相似度融合系数，将L个所述第一基底区域和L个所述第二基底区域进行融合，得到所述目标区域的三维虚拟形象。
作为一种可选的实施方式，参见图10，三维虚拟形象生成装置300，还包括：
第四获取模块307，用于获取I个相似度融合系数，I个所述相似度融合系数分别与I个所述第一基底区域和I个所述第二基底区域一一对应，I个所述第一基底区域为所述目标三维基底中包括的顶点所在区域，I个所述第二基底区域为所述标准基底中包括的顶点所在区域；
计算模块308，用于根据I个所述相似度融合系数计算得到H个相似度融合系数，H个所述相似度融合系数中每个相似度融合系数对应的第一基底区域，为I个所述第一基底区域中任意相邻两个第一基底区域之间的区域，H个所述相似度融合系数中每个相似度融合系数对应的第二基底区域，为I个所述第二基底区域中任意相邻两个第二基底区域之间的区域；
I和H均为大于1，且小于L的整数，且L等于I和H的和。
本公开提供的三维虚拟形象生成装置300能够实现三维虚拟形象生成方法实施例实现的各个过程，且能够达到相同的有益效果，为避免重复，这里不再赘述。
根据本公开的实施例，本公开还提供了一种电子设备、一种可读存储介质和一种计算机程序产品。
图11示出了可以用来实施本公开的实施例的示例电子设备1100的示意性框图。电子设备旨在表示各种形式的数字计算机，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置，诸如，个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本公开的实现。
如图11所示，设备1100包括计算单元1101，其可以根据存储在只读存储器(ROM)1102中的计算机程序或者从存储单元1108加载到随机访问存储器(RAM)1103中的计算机程序，来执行各种适当的动作和处理。在RAM 1103中，还可存储设备1100操作所需的各种程序和数据。计算单元1101、ROM 1102以及RAM 1103通过总线1104彼此相连。输入/输出(I/O)接口1105也连接至总线1104。
设备1100中的多个部件连接至I/O接口1105，包括：输入单元1106，例如键盘、鼠标等；输出单元1107，例如各种类型的显示器、扬声器等；存储单元1108，例如磁盘、光盘等；以及通信单元1109，例如网卡、调制解调器、无线通信收发机等。通信单元1109允许设备1100通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
计算单元1101可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元1101的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。计算单元1101执行上文所描述的各个方法和处理，例如三维虚拟形象生成方法。例如，在一些实施例中，三维虚拟形象生成方法可被实现为计算机软件程序，其被有形地包含于机器可读介质，例如存储单元1108。在一些实施例中，计算机程序的部分或者全部可以经由ROM 1102和/或通信单元1109而被载入和/或安装到设备1100上。当计算机程序加载到RAM 1103并由计算单元1101执行时，可以执行上文描述的三维虚拟形象生成方法的一个或多个步骤。备选地，在其他实施例中，计算单元1101可以通过其他任何适当的方式(例如，借助于固件)而被配置为执行三维虚拟形象生成方法。
本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、负载可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释，该可编程处理器可以是专用或者通用可编程处理器，可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令，并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器，使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行，作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本公开的上下文中，机器可读介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
为了提供与用户的交互，可以在计算机上实施此处描述的系统和技术，该计算机具有：用于向用户显示信息的显示装置(例如，CRT(阴极射线管)或者LCD(液晶显示器)监视器)；以及键盘和指向装置(例如，鼠标或者轨迹球)，用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈(例如，视觉反馈、听觉反馈、或者触觉反馈)；并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如，作为数据服务器)、或者包括中间件部件的计算系统(例如，应用服务器)、或者包括前端部件的计算系统(例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如，通信网络)来将系统的部件相互连接。通信网络的示例包括：局域网(LAN)、广域网(WAN)和互联网。
计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器，也可以为分布式系统的服务器，或者是结合了区块链的服务器。
应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本公开中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行，只要能够实现本公开公开的技术方案所期望的结果，本文在此不进行限制。
上述具体实施方式，并不构成对本公开保护范围的限制。本领域技术人员应该明白的是，根据设计要求和其他因素，可以进行各种修改、组合、子组合和替代。任何在本公开的精神和原则之内所作的修改、等同替换和改进等，均应包含在本公开保护范围之内。
Claims (19)
1.一种三维虚拟形象生成方法，包括：
获取目标图像；
根据所述目标图像确定三维重建基底，所述目标区域为所述目标图像包括的区域；
基于预先获取的标准基底的拓扑，对所述三维重建基底进行重新拓扑构造，得到所述目标区域的目标三维基底；
将所述目标三维基底和所述标准基底进行融合，得到所述目标区域的三维虚拟形象。
2.根据权利要求1所述的方法，其中，所述根据所述目标图像确定三维重建基底，包括：
根据所述目标图像确定预设融合变形系数；
基于所述预设融合变形系数对预先获取的预设重建基底进行修正，得到所述三维重建基底；
还包括：
获取目标基底；
基于所述目标基底与所述预设融合变形系数获取所述标准基底。
3.根据权利要求2所述的方法，所述目标区域为所述目标图像的人脸区域，所述根据所述目标图像确定预设融合变形系数，包括：
获取所述目标区域的二维人脸关节点；
计算所述二维人脸关节点和预先从数据库中获取的三维人脸关节点之间的重投影误差；
根据所述重投影误差确定所述预设融合变形系数。
4.根据权利要求2所述的方法，其中，所述目标基底包括第一基础基底和M个第一特征基底，M为大于1的整数；所述基于所述目标基底与所述预设融合变形系数获取所述标准基底，包括：
计算每个第一特征基底对应的第一基底向量，与所述第一基础基底对应的第一特征向量之间的第一差值向量，以得到M个第一差值向量；
计算每个第一差值向量与所述预设融合变形系数之间的乘积，以得到M个第一乘积向量；
计算所述M个第一乘积向量的第一和向量；
计算所述第一基础基底对应的第一基底向量与所述第一和向量的第二和向量，并获取所述第二和向量；
将所述第二和向量对应的基底确定为所述标准基底。
5.根据权利要求2所述的方法，其中，所述预设重建基底包括第二基础基底和N个第二特征基底，N为大于1的整数；所述基于所述预设融合变形系数对预先获取的预设重建基底进行修正，得到所述三维重建基底，包括：
计算每个第二特征基底对应的第二基底向量，与所述第二基础基底对应的第二特征向量之间的第二差值向量，以得到N个第二差值向量；
计算每个第二差值向量与所述预设融合变形系数之间的乘积，以得到N个第二乘积向量；
计算所述N个第二乘积向量的第三和向量；
计算所述第二基础基底对应的第二基底向量与所述第三和向量的第四和向量，并获取所述第四和向量；
将所述第四和向量对应的基底确定为所述三维重建基底。
6.根据权利要求1至5中任一项所述的方法，其中，所述将所述目标三维基底和所述标准基底进行融合，得到所述目标区域的三维虚拟形象，包括：
对所述目标三维基底进行划分，得到L个第一基底区域，以及，对所述标准基底进行划分，得到L个第二基底区域，L为大于1的整数；
基于预先获取的L个相似度融合系数将L个所述第一基底区域和L个所述第二基底区域进行融合，得到所述目标区域的三维虚拟形象，所述相似度融合系数、所述第一基底区域和所述第二基底区域一一对应。
7.根据权利要求6所述的方法，所述基于预先获取的L个相似度融合系数将L个所述第一基底区域和L个所述第二基底区域进行融合，得到所述目标区域的三维虚拟形象，包括：
基于预先获取的L个相似度融合系数确定S个第一顶点的相似度融合系数和S个第二顶点对应的相似度融合系数，S个所述第一顶点为L个所述第一基底区域对应的顶点，S个所述第二顶点为L个所述第二基底区域对应的顶点，S为大于1的整数；
根据S个所述第一顶点的相似度融合系数和S个所述第二顶点对应的相似度融合系数，将L个所述第一基底区域和L个所述第二基底区域进行融合，得到所述目标区域的三维虚拟形象。
8.根据权利要求6所述的方法，还包括：
获取I个相似度融合系数，I个所述相似度融合系数分别与I个所述第一基底区域和I个所述第二基底区域一一对应，I个所述第一基底区域为所述目标三维基底中包括的顶点所在区域，I个所述第二基底区域为所述标准基底中包括的顶点所在区域；
根据I个所述相似度融合系数计算得到H个相似度融合系数，H个所述相似度融合系数中每个相似度融合系数对应的第一基底区域，为I个所述第一基底区域中任意相邻两个第一基底区域之间的区域，H个所述相似度融合系数中每个相似度融合系数对应的第二基底区域，为I个所述第二基底区域中任意相邻两个第二基底区域之间的区域；
I和H均为大于1，且小于L的整数，且L等于I和H的和。
9.一种三维虚拟形象生成装置，包括：
第一获取模块，用于获取目标图像；
确定模块，用于根据所述目标图像确定三维重建基底，所述目标区域为所述目标图像包括的区域；
拓扑构造模块，用于基于预先获取的标准基底的拓扑，对所述三维重建基底进行重新拓扑构造，得到所述目标区域的目标三维基底；
融合模块，用于将所述目标三维基底和所述标准基底进行融合，得到所述目标区域的三维虚拟形象。
10.根据权利要求9所述的装置，其中，所述确定模块，包括：
第一确定子模块，用于根据所述目标图像确定预设融合变形系数；
修正子模块，用于基于所述预设融合变形系数对预先获取的预设重建基底进行修正，得到所述三维重建基底；
所述三维虚拟形象生成装置，还包括：
第二获取模块，用于获取目标基底；
第三获取模块，用于基于所述目标基底与所述预设融合变形系数获取所述标准基底。
11.根据权利要求10所述的装置，其中，所述目标区域为所述目标图像的人脸区域，所述第一确定子模块，包括：
获取单元，用于获取所述目标区域的二维人脸关节点；
计算单元，用于计算所述二维人脸关节点和预先从数据库中获取的三维人脸关节点之间的重投影误差；
第一确定单元，用于根据所述重投影误差确定所述预设融合变形系数。
12.根据权利要求10所述的装置，其中，所述目标基底包括第一基础基底和M个第一特征基底，M为大于1的整数；所述第三获取模块，包括：
第一计算子模块，用于计算每个第一特征基底对应的第一基底向量，与所述第一基础基底对应的第一特征向量之间的第一差值向量，以得到M个第一差值向量；
第二计算子模块，用于计算每个第一差值向量与所述预设融合变形系数之间的乘积，以得到M个第一乘积向量；
第三计算子模块，用于计算所述M个第一乘积向量的第一和向量；
第四计算子模块，用于计算所述第一基础基底对应的第一基底向量与所述第一和向量的第二和向量，并获取所述第二和向量；
第二确定子模块，用于将所述第二和向量对应的基底确定为所述标准基底。
13.根据权利要求10所述的装置，其中，所述预设重建基底包括第二基础基底和N个第二特征基底，N为大于1的整数；所述修正子模块，包括：
第一计算单元，用于计算每个第二特征基底对应的第二基底向量，与所述第二基础基底对应的第二特征向量之间的第二差值向量，以得到N个第二差值向量；
第二计算单元，用于计算每个第二差值向量与所述预设融合变形系数之间的乘积，以得到N个第二乘积向量；
第三计算单元，用于计算所述N个第二乘积向量的第三和向量；
第四计算单元，用于计算所述第二基础基底对应的第二基底向量与所述第三和向量的第四和向量，并获取所述第四和向量；
第二确定单元，用于将所述第四和向量对应的基底确定为所述三维重建基底。
14.根据权利要求9至13中任一项所述的装置，其中，所述融合模块，包括：
划分子模块，用于对所述目标三维基底进行划分，得到L个第一基底区域，以及，对所述标准基底进行划分，得到L个第二基底区域，L为大于1的整数；
第一融合子模块，用于基于预先获取的L个相似度融合系数将L个所述第一基底区域和L个所述第二基底区域进行融合，得到所述目标区域的三维虚拟形象，所述相似度融合系数、所述第一基底区域和所述第二基底区域一一对应。
15.根据权利要求14所述的装置，其中，所述融合模块，包括：
第三确定子模块，用于基于预先获取的L个相似度融合系数确定S个第一顶点的相似度融合系数和S个第二顶点对应的相似度融合系数，S个所述第一顶点为L个所述第一基底区域对应的顶点，S个所述第二顶点为L个所述第二基底区域对应的顶点，S为大于1的整数；
第二融合子模块，用于根据S个所述第一顶点的相似度融合系数和S个所述第二顶点对应的相似度融合系数，将L个所述第一基底区域和L个所述第二基底区域进行融合，得到所述目标区域的三维虚拟形象。
16.根据权利要求14所述的装置，还包括：
第四获取模块，用于获取I个相似度融合系数，I个所述相似度融合系数分别与I个所述第一基底区域和I个所述第二基底区域一一对应，I个所述第一基底区域为所述目标三维基底中包括的顶点所在区域，I个所述第二基底区域为所述标准基底中包括的顶点所在区域；
计算模块，用于根据I个所述相似度融合系数计算得到H个相似度融合系数，H个所述相似度融合系数中每个相似度融合系数对应的第一基底区域，为I个所述第一基底区域中任意相邻两个第一基底区域之间的区域，H个所述相似度融合系数中每个相似度融合系数对应的第二基底区域，为I个所述第二基底区域中任意相邻两个第二基底区域之间的区域；
I和H均为大于1，且小于L的整数，且L等于I和H的和。
17.一种电子设备，包括：
至少一个处理器；以及
与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行权利要求1-8中任一项所述的方法。
18.一种存储有计算机指令的非瞬时计算机可读存储介质，其中，所述计算机指令用于使所述计算机执行根据权利要求1-8中任一项所述的方法。
19.一种计算机程序产品，包括计算机程序，所述计算机程序在被处理器执行时实现根据权利要求1-8中任一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211644246.3A CN115861543B (zh) | 2022-12-20 | 2022-12-20 | 三维虚拟形象生成方法、装置及电子设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211644246.3A CN115861543B (zh) | 2022-12-20 | 2022-12-20 | 三维虚拟形象生成方法、装置及电子设备 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN115861543A true CN115861543A (zh) | 2023-03-28 |
| CN115861543B CN115861543B (zh) | 2023-12-29 |
Family
ID=85674674
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202211644246.3A Active CN115861543B (zh) | 2022-12-20 | 2022-12-20 | 三维虚拟形象生成方法、装置及电子设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115861543B (zh) |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110163054A (zh) * | 2018-08-03 | 2019-08-23 | 腾讯科技（深圳）有限公司 | 一种人脸三维图像生成方法和装置 |
| CN112221145A (zh) * | 2020-10-27 | 2021-01-15 | 网易（杭州）网络有限公司 | 游戏脸模生成方法及装置、存储介质及电子设备 |
| CN112541963A (zh) * | 2020-11-09 | 2021-03-23 | 北京百度网讯科技有限公司 | 三维虚拟形象生成方法、装置、电子设备和存储介质 |
| US20210312685A1 (en) * | 2020-09-14 | 2021-10-07 | Beijing Baidu Netcom Science And Technology Co., Ltd. | Method for synthesizing figure of virtual object, electronic device, and storage medium |
| CN114049472A (zh) * | 2021-11-15 | 2022-02-15 | 北京百度网讯科技有限公司 | 三维模型调整方法、装置、电子设备、介质 |
| CN115049799A (zh) * | 2022-06-14 | 2022-09-13 | 北京百度网讯科技有限公司 | 3d模型和虚拟形象的生成方法和装置 |
| CN115359171A (zh) * | 2022-10-21 | 2022-11-18 | 北京百度网讯科技有限公司 | 虚拟形象处理方法、装置、电子设备和存储介质 |
-
2022
- 2022-12-20 CN CN202211644246.3A patent/CN115861543B/zh active Active
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110163054A (zh) * | 2018-08-03 | 2019-08-23 | 腾讯科技（深圳）有限公司 | 一种人脸三维图像生成方法和装置 |
| US20210312685A1 (en) * | 2020-09-14 | 2021-10-07 | Beijing Baidu Netcom Science And Technology Co., Ltd. | Method for synthesizing figure of virtual object, electronic device, and storage medium |
| CN112221145A (zh) * | 2020-10-27 | 2021-01-15 | 网易（杭州）网络有限公司 | 游戏脸模生成方法及装置、存储介质及电子设备 |
| CN112541963A (zh) * | 2020-11-09 | 2021-03-23 | 北京百度网讯科技有限公司 | 三维虚拟形象生成方法、装置、电子设备和存储介质 |
| CN114049472A (zh) * | 2021-11-15 | 2022-02-15 | 北京百度网讯科技有限公司 | 三维模型调整方法、装置、电子设备、介质 |
| CN115049799A (zh) * | 2022-06-14 | 2022-09-13 | 北京百度网讯科技有限公司 | 3d模型和虚拟形象的生成方法和装置 |
| CN115359171A (zh) * | 2022-10-21 | 2022-11-18 | 北京百度网讯科技有限公司 | 虚拟形象处理方法、装置、电子设备和存储介质 |
Non-Patent Citations (3)
| Title |
|---|
| 吕海清;朱欣娟;赵雪青;石美红;: "基于三维人脸特征的服装个性化推荐及虚拟展示", 纺织高校基础科学学报, no. 03 * |
| 栗科峰著: "《人脸图像处理与识别技术》", vol. 1, 黄河水利出版社, pages: 78 - 79 * |
| 熊伟;: "基于三维动画的虚拟人物表情动作系统设计", 现代电子技术, no. 20 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN115861543B (zh) | 2023-12-29 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN114140603B (zh) | 虚拟形象生成模型的训练方法和虚拟形象生成方法 | |
| CN112819971B (zh) | 虚拟形象的生成方法、装置、设备和介质 | |
| CN114842123B (zh) | 三维人脸重建模型训练和三维人脸形象生成方法及装置 | |
| CN115147265B (zh) | 虚拟形象生成方法、装置、电子设备和存储介质 | |
| CN115409933A (zh) | 多风格纹理贴图生成方法及其装置 | |
| CN114549710A (zh) | 一种虚拟形象的生成方法、装置、电子设备及存储介质 | |
| CN111868786B (zh) | 跨设备监控计算机视觉系统 | |
| CN115147523A (zh) | 虚拟形象驱动方法及装置、设备、介质和程序产品 | |
| CN114677572B (zh) | 对象描述参数的生成方法、深度学习模型的训练方法 | |
| CN113850904A (zh) | 发丝模型的确定方法、装置、电子设备及可读存储介质 | |
| CN114202597B (zh) | 图像处理方法及装置、设备、介质和产品 | |
| CN114092673B (zh) | 图像处理的方法、装置、电子设备和存储介质 | |
| CN114708374A (zh) | 虚拟形象生成方法、装置、电子设备和存储介质 | |
| CN113658035A (zh) | 脸部变换方法、装置、设备、存储介质以及产品 | |
| CN115359171B (zh) | 虚拟形象处理方法、装置、电子设备和存储介质 | |
| CN116993955A (zh) | 三维模型的重拓扑方法、装置、设备及存储介质 | |
| CN116342720A (zh) | 图像处理方法及图像渲染方法、装置、设备和介质 | |
| CN115861543B (zh) | 三维虚拟形象生成方法、装置及电子设备 | |
| CN116524162A (zh) | 三维虚拟形象迁移方法、模型更新方法及相关设备 | |
| CN114078184B (zh) | 数据处理方法、装置、电子设备和介质 | |
| CN114648601A (zh) | 虚拟形象的生成方法、电子设备、程序产品及用户终端 | |
| CN114549785A (zh) | 一种模型基底的生成方法、装置、电子设备及存储介质 | |
| CN116030150B (zh) | 虚拟形象生成方法、装置、电子设备和介质 | |
| CN114037814B (zh) | 数据处理方法、装置、电子设备和介质 | |
| CN113838201B (zh) | 模型适配方法、装置、电子设备及可读存储介质 |
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 |