CN115908687A - 渲染网络的训练、渲染方法、装置及电子设备 - Google Patents
渲染网络的训练、渲染方法、装置及电子设备 Download PDFInfo
- Publication number
- CN115908687A CN115908687A CN202211483027.1A CN202211483027A CN115908687A CN 115908687 A CN115908687 A CN 115908687A CN 202211483027 A CN202211483027 A CN 202211483027A CN 115908687 A CN115908687 A CN 115908687A
- Authority
- CN
- China
- Prior art keywords
- rendering
- pixel point
- image
- grid model
- network
- 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
Landscapes
- Image Generation (AREA)
Abstract
本公开提供了渲染网络的训练、渲染方法、装置及电子设备,涉及图像处理领域,尤其涉及元宇宙、图像渲染和处理等人工智能技术领域。具体实现方案为:获取第一渲染图像中各第一像素点的颜色值,第一渲染图像是在预设的多个样本相机位姿下对第一网格模型进行图像渲染得到的,第一渲染图像为彩色图;基于样本相机位姿以及第二网格模型,确定第二像素点的世界坐标以及第一射线方向,第一射线方向是由样本相机位姿下的视点指向第二像素点的射线方向;将第二像素点的世界坐标以及第一射线方向作为输入,将第一像素点的颜色值作为输出,对渲染网络进行训练。基于本方案训练得到的渲染网络,能够用于预测出高质量的渲染图像,实现高质量的三维渲染。
Description
技术领域
本公开涉及图像处理技术领域,尤其涉及元宇宙、图像渲染处理等人工智能技术领域,具体而言,本公开涉及一种渲染网络的训练、渲染方法、装置及电子设备。
背景技术
随着图像渲染技术的发展,三维渲染被广泛应用。三维渲染是指在三维模型建立后,将三维模型渲染出二维真实感高的图像。
随着用户对渲染图像质量的需求越来越高,如何渲染出高质量的渲染图像,成了一个重要的技术问题。
发明内容
本公开为了解决上述缺陷中的至少一项,提供了一种渲染网络的训练、渲染方法、装置及电子设备。
根据本公开的第一方面,提供了一种渲染网络的训练方法,该方法包括:
获取第一渲染图像中各第一像素点的颜色值,第一渲染图像是在预设的多个样本相机位姿下对第一网格模型进行图像渲染得到的,第一渲染图像为彩色图;
基于样本相机位姿以及第二网格模型,确定第二像素点的世界坐标以及第一射线方向,第一射线方向为由样本相机位姿下的视点指向第二像素点的第一射线方向,第二像素点为第二网格模型在样本相机位姿下渲染出的第二渲染图像中的像素点,第一网格模型与第二网格模型均为目标虚拟对象的网格模型,第一网格模型中三角面片的数量大于第二网格模型中三角面片的数量;
将第二像素点的世界坐标以及第一射线方向作为输入,将第一像素点的颜色值作为输出,对渲染网络进行训练。
根据本公开的第二方面,提供了一种渲染方法,该方法包括:
获取目标虚拟对象的第二网格模型以及预设的当前相机位姿;
基于当前相机位姿以及第二网格模型,确定第三像素点的世界坐标以及第二射线方向,所述第二射线方向是由当前相机位姿下的视点指向第三像素点的射线方向,第三像素点为第二网格模型在当前相机位姿下渲染出的第三渲染图像中的像素点;
基于第三像素点的世界坐标以及第二射线方向,确定第三像素点的颜色值,以确定目标渲染图像,目标渲染图像与第四渲染图像的图像差异满足预设的差异条件,第四渲染图像是在当前相机位姿下对第一网格模型进行图像渲染得到的,第一网格模型为目标虚拟对象的网格模型,第一网格模型中三角面片的数量大于第二网格模型中三角面片的数量。
根据本公开的第三方面,提供了一种渲染网络的训练装置,该装置包括:
颜色值获取模块,用于获取第一渲染图像中各第一像素点的颜色值,第一渲染图像是在预设的多个样本相机位姿下对第一网格模型进行图像渲染得到的,第一渲染图像为彩色图;
世界坐标及射线方向确定模块,用于基于样本相机位姿以及第二网格模型,确定第二像素点的世界坐标以及第一射线方向,第一射线方向是由样本相机位姿下的视点指向第二像素点的射线方向,第二像素点为第二网格模型在样本相机位姿下渲染出的第二渲染图像中的像素点,第一网格模型与第二网格模型均为目标虚拟对象的网格模型,第一网格模型中三角面片的数量大于第二网格模型中三角面片的数量;
渲染网络训练模块,用于将第二像素点的世界坐标以及第二射线方向作为输入,将第一像素点的颜色值作为输出,对渲染网络进行训练。
根据本公开的第四方面,提供了一种渲染装置,该装置包括:
渲染资源获取模块,用于获取目标虚拟对象的第二网格模型以及预设的当前相机位姿;
世界坐标及射线方向确定模块,用于基于当前相机位姿以及第二网格模型,确定第三像素点的世界坐标以及第二射线方向,第二射线方向是由当前相机位姿下的视点指向第三像素点的射线方向,第三像素点为第二网格模型在当前相机位姿下渲染出的第三渲染图像中的像素点;
渲染模块,用于基于第三像素点的世界坐标以及第二射线方向,确定第三像素点的颜色值,以确定目标渲染图像,目标渲染图像与第四渲染图像的图像差异满足预设的差异条件,第四渲染图像是在当前相机位姿下对第一网格模型进行图像渲染得到的,第一网格模型为目标虚拟对象的网格模型,第一网格模型中三角面片的数量大于第二网格模型中三角面片的数量。
根据本公开的第五方面,提供了一种电子设备,该电子设备包括:
至少一个处理器;以及
与上述至少一个处理器通信连接的存储器;其中,
存储器存储有可被上述至少一个处理器执行的指令,指令被上述至少一个处理器执行,以使上述至少一个处理器能够执行上述渲染网络的训练或渲染方法。
根据本公开的第六方面,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,其中,该计算机指令用于使计算机执行上述渲染网络的训练或渲染方法。
根据本公开的第七方面,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上述渲染网络的训练或渲染方法。
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
附图用于更好地理解本方案,不构成对本公开的限定。其中:
图1是本公开实施例提供的一种渲染网络的训练方法的流程示意图;
图2是本公开实施例提供的一种渲染方法的流程示意图;
图3是本公开实施例提供的一种渲染网络的训练装置的结构示意图;
图4是本公开实施例提供的一种渲染装置的结构示意图;
图5是用来实现本公开实施例的渲染网络的训练或渲染方法的电子设备的框图。
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。
随着虚拟现实、元宇宙等技术的发展,用户对虚拟场景中的渲染图像质量的需求越来越高,如何渲染出高质量的渲染图像,成了一个重要的技术问题。
为了渲染出高质量的渲染图像,一般需要使用高精度的三维模型,而高精度的三维模型的数据量较大,不便于数据传输,并且高精度的三维模型对设备GPU的性能要求较高,渲染高精度的三维模型所耗费的算力也较高。
目前,三维渲染一般在终端设备上实现,终端设备的GPU性能可能会较弱,无法支持对高精度的三维模型的渲染,因此,如何在GPU性能较弱的终端设备上渲染出高质量的渲染图像,成了一个重要的技术问题。
本公开实施例提供的渲染网络的训练、渲染方法、装置及电子设备,旨在解决现有技术的如上技术问题中的至少一个。
图1示出了本公开实施例提供的一种渲染网络的训练方法的流程示意图,如图1中所示,该方法主要可以包括:
步骤S110:获取第一渲染图像中各第一像素点的颜色值,第一渲染图像是在预设的多个样本相机位姿下对第一网格模型进行图像渲染得到的,第一渲染图像为彩色图;
步骤S120:基于样本相机位姿以及第二网格模型,确定第二像素点的世界坐标以及第一射线方向,所述第一射线方向是由样本相机位姿下的视点指向第二像素点的射线方向,第二像素点为第二网格模型在样本相机位姿下渲染出的第二渲染图像中的像素点,第一网格模型与第二网格模型均为目标虚拟对象的网格模型,第一网格模型中三角面片的数量大于第二网格模型中三角面片的数量。
步骤S130:将第二像素点的世界坐标以及第一射线方向作为输入,将第一像素点的颜色值作为输出,对渲染网络进行训练。
其中,目标虚拟对象为需要进行渲染的对象,例如可以为虚拟的建筑物、虚拟的树木、虚拟人物等。
第一网格模型与第二网格模型均为针对目标虚拟对象所构建的三维网格模型,第一网格模型相较于第二网格模型的三角面片的数量更多(即顶点数量更多),结构更为复杂,细节也更为丰富,由第一网格模型所渲染出的第一渲染图像的图像更为平滑、精细。
作为一个示例,第一网格模型可以为高精度模型,第二网格模型可以为低精度模型。
本公开实施例中,可以预设大量的样本相机位姿,并在各样本相机位姿下分别对第一网格模型进行图像渲染,得到多个样本相机位姿下的第一渲染图像。第一像素点为第一渲染图中的像素点。第一渲染图像为彩色图,因此能够获取到各第一像素点的颜色值。
作为一个示例,第一像素点的颜色值可以为红绿蓝(Red Green Blue,RGB)格式。
本公开实施例中,第二像素点为第二网格模型在各样本相机位姿下渲染出的第二渲染图像中的像素点,由于第一网格模型与第二网格模型均是针对目标虚拟对象构建的,由第一网格模型渲染出的第一渲染图与由第二网格模型渲染出的第二渲染图中的像素点是一一对应的,也就是说,第二像素点与第一像素点是一一对应的。
本公开实施例中,第二像素点的世界坐标为第二像素点在世界坐标系内的坐标,可以根据基于样本相机位姿以及第二网格模型确定出。
本公开实施例中,可以根据样本相机位姿以及针孔相机数学公式,计算出由样本相机位姿下的视点指向第二像素点的第一射线方向。
作为一个示例,第一射线方向可以通过单位向量进行表征。
针对任一个第二像素点,视点指向该第二像素点的第一射线方向,即为对该第二像素点的观测方向,通过设置大量的样本相机位姿,能够得到大量的样本摄像方向,即得到对第二像素点的大量的不同观测方向。
在渲染过程中,一般会使用预置的纹理贴图对网格模型的表面进行置换,根据像素点的世界坐标能够获取到像素点的纹理颜色,而由于不同材质对光线的反光状况不同,因此在不同的观测方向下对某一像素点进行观测时,所观测到的该像素点的实际颜色会发生变化。因此,本方案中可以通过分析不同相机位姿所导致像素点的颜色变化情况来预测渲染后的像素点的颜色值,从而实现渲染图像的预测。
本公开实施例中,可以将第二像素点的世界坐标,某一样本相机位姿下的样本摄像方向,以及与该第二像素点对应的第一像素点的颜色值构建为一条样本数据,通过对各第二渲染图像中的第二像素点分别构建样本数据,得到包含多条样本数据的样本数据集,而后基于样本数据集对渲染网络进行训练。
具体而言,可以将第二像素点的世界坐标,样本摄像方向输入至渲染网络得到第二像素点的颜色预测值,根据颜色预测值与相对应的第一像素点的颜色值之间的差值构建损失函数,将损失值反向传播并更新渲染网络的网络权重参数,直至损失函数收敛,得到训练完成的渲染网络。
作为一个示例,本例中的损失函数可以基于L2损失(L2 Loss)函数与结构相似(structure s imi lar i ty,SSIM)函数构建。
作为一个示例,渲染网络可以为神经网络,可以将第二像素点的世界坐标,样本摄像方向的单位向量作为神经网络的输入,将第一像素点的颜色值的RGB值作为神经网络的输出。
本公开实施例提供的方法,通过获取第一渲染图像中各第一像素点的颜色值,第一渲染图像是在预设的多个样本相机位姿下对第一网格模型进行图像渲染得到的,第一渲染图像为彩色图;基于样本相机位姿以及第二网格模型,确定第二像素点的世界坐标以及由样本相机位姿下的视点指向第二像素点的第一射线方向,第二像素点为第二网格模型在样本相机位姿下渲染出的第二渲染图像中的像素点,第一网格模型与第二网格模型均为目标虚拟对象的网格模型,第一网格模型中三角面片的数量大于第二网格模型中三角面片的数量;将第二像素点的世界坐标以及第一射线方向作为输入,将第一像素点的颜色值作为输出,对渲染网络进行训练。基于本方案训练得到的渲染网络,能够用于预测出高质量的渲染图像,实现高质量的三维渲染,有助于更好的满足用户对高质量渲染图像的需求。
本公开实施例中,通过渲染网络,能够实现基于低精度的第二网格模型预测出高质量的渲染图像,降低了对终端设备GPU的性能要求,能够实现在GPU性能较弱的终端设备上渲染出高质量的渲染图像。
本方案中由于在渲染时所使用的是低精度的第二网格模型,第二网格模型的数据量不会过大,便于进行数据传输,使得终端设备下载素材的耗时大大减少,并且在本方案中基于渲染网络预测出高质量的渲染图像所耗费的算力,相较于直接渲染高精度的三维模型也会大大减少。
本公开的一种可选方式中,第二渲染图像为深度图,基于样本相机位姿以及第二网格模型,确定第二像素点的世界坐标,包括:
在样本相机位姿下对第二网格模型进行图像渲染,得到第二渲染图像;
从第二渲染图像中获取第二像素点的深度值;
基于第二像素点的深度值以及样本相机位姿,确定第二像素点的世界坐标。
本公开实施例中,第二渲染图像为深度图,即分别在各样本相机位姿下渲染出第二网格模型的深度图。而后可以遍历深度图,获得各第二像素点的深度值。
本公开实施例中,可以基于第二像素点的深度值以及样本相机位姿,确定第二像素点的世界坐标。具体而言,可以找到从相机位姿下的视点向第二像素点的单位向量,将单位向量乘上第二像素点的深度值得到视点指向第二像素点的向量,将该向量加上相机的实际位置就能得到第二像素点的世界坐标。
本公开的一种可选方式中,在获取第一渲染图像中各第一像素点的颜色值之前,上述方法还包括:
在多个样本相机位姿下基于预设的纹理贴图以及预设的着色器对第一网格模型进行图像渲染,得到第一渲染图像。
本公开实施例中,可以基于预设的纹理贴图以及预设的着色器用于对第一网格模型进行图像渲染,得到彩色图(即第一渲染图像)。
着色器(shader)是运行在GPU上的一个程序,用于进行图像的浓淡处理(计算图像中的光照、亮度、颜色等)等。可以预配置多个着色器,根据实际需要选择用于对第一网格模型进行渲染的着色器。
本公开的一种可选方式中,第二网格模型为通过对第一网格模型进行减面处理得到的。
本公开实施例中,可以采用对第一网格模型进行减面处理的方式得到第二网格模型。
作为一个示例,本例中的减面处理采用二次误差测度(Quadric Error Mactrics,QEM)模型简化算法实现。
图2示出了本公开实施例提供的一种渲染方法的流程示意图,如图2中所示,该方法主要可以包括:
步骤S210:获取目标虚拟对象的第二网格模型以及预设的当前相机位姿;
步骤S220:基于当前相机位姿以及第二网格模型,确定第三像素点的世界坐标以及第二射线方向,第二射线方向是由当前相机位姿下的视点指向第三像素点的射线方向,第三像素点为第二网格模型在当前相机位姿下渲染出的第三渲染图像中的像素点;
步骤S230:基于第三像素点的世界坐标以及第二射线方向,确定第三像素点的颜色值,以确定目标渲染图像,目标渲染图像与第四渲染图像的图像差异满足预设的差异条件,第四渲染图像是在当前相机位姿下对第一网格模型进行图像渲染得到的,第一网格模型为目标虚拟对象的网格模型,第一网格模型中三角面片的数量大于第二网格模型中三角面片的数量。
其中,目标虚拟对象为需要进行渲染的对象,例如可以为虚拟的建筑物、虚拟的树木、虚拟人物等。
当前相机位姿为用于对目标虚拟对象进行渲染的相机位姿。
第一网格模型与第二网格模型均为针对目标虚拟对象所构建的三维网格模型,第一网格模型相较于第二网格模型的三角面片的数量更多(即顶点数量更多),结构更为复杂,细节也更为丰富,由第一网格模型所渲染出的第三渲染图像的图像更为平滑、精细。
作为一个示例,第一网格模型可以为高精度模型,第二网格模型可以为低精度模型。
本公开实施例中,第三像素点为第二网格模型在当前相机位姿下渲染出的第三渲染图像中的像素点。第三像素点的世界坐标为第三像素点在世界坐标系内的坐标,可以根据基于当前相机位姿以及第二网格模型确定出。
本公开实施例中,可以根据样本相机位姿以及针孔相机数学公式,计算出由当前相机位姿下的视点指向第三像素点的第二射线方向。
作为一个示例,第二射线方向可以通过单位向量进行表征。
针对任一个第三像素点,当前相机位姿下的视点指向该第三像素点的第二射线方向,即为对该第三像素点的观测方向。
在渲染过程中,一般会使用预置的纹理贴图对网格模型的表面进行置换,根据像素点的世界坐标能够获取到像素点的纹理颜色,由于不同材质对光线的反光状况不同,在不同的观测方向下对某一像素点进行观测时,所观测到的该像素点的实际颜色会发生变化。因此,第二射线方向与第三像素点的颜色值存在一定的相关性,可以基于第三像素点的世界坐标以及第二射线方向,确定第三像素点的颜色值,从而确定出目标渲染图像。
目标渲染图像为本方案中最终渲染出的图像,其与第一网格模型所渲染出的第四渲染图像之间的图像差异满足预设的差异条件,差异条件可以根据实际需要进行配置,当目标渲染图像与第四渲染图像之间的图像差异满足预设的差异条件时,表示目标渲染图像与第四渲染图像之间图像差异较小,即目标渲染图像与高质量渲染图像之间图像差异较小,即渲染得到了高质量的渲染图像。
本公开实施例提供的方法,通过获取目标虚拟对象的第二网格模型以及预设的当前相机位姿;基于当前相机位姿以及第二网格模型,确定第三像素点的世界坐标以及第二射线方向,第二射线方向是由当前相机位姿下的视点指向第三像素点的射线方向,第三像素点为第二网格模型在当前相机位姿下渲染出的第三渲染图像中的像素点;基于第三像素点的世界坐标以及第二射线方向,确定第三像素点的颜色值,以确定目标渲染图像,目标渲染图像与第四渲染图像的图像差异满足预设的差异条件,第四渲染图像是在当前相机位姿下对第一网格模型进行图像渲染得到的,第一网格模型为目标虚拟对象的网格模型,第一网格模型中三角面片的数量大于第二网格模型中三角面片的数量。基于本方案,能够通过低精度的三维模型渲染出高质量的渲染图像,实现高质量的三维渲染,有助于更好的满足用户对高质量渲染图像的需求。
本公开的一种可选方式中,基于第三像素点的世界坐标以及第二射线方向,确定第三像素点的颜色值,包括:
将第三像素点的世界坐标以及第二射线方向输入至渲染网络,得到渲染网络输出的第三像素点的颜色值,其中,渲染网络是通过上述渲染网络的训练方法预先训练出的。
本公开实施例中,可以采用上述渲染网络的训练方法预先训练出渲染网络预测目标渲染图像,使得目标渲染图像与第四渲染图像之间的图像差异较小。
具体而言,可以将第三像素点的世界坐标,当前摄像方向输入至渲染网络,得到渲染网络输出的第三像素点的颜色值。
作为一个示例,可以将第三像素点的世界坐标,当前摄像方向的单位向量作为渲染网络的输入,将第三像素点的颜色值的RGB值作为渲染网络的输出。
本公开实施例中,通过渲染网络,能够实现基于低精度的第二网格模型预测出高质量的渲染图像,降低了终端设备GPU的性能要求,能够实现在GPU性能较弱的终端设备上渲染出高质量的渲染图像。
本方案中由于在渲染时所使用的是低精度的第二网格模型,第二网格模型的数据量不会过大,便于进行数据传输,使得终端设备下载素材的耗时大大减少,并且在本方案中基于渲染网络预测出高质量的渲染图像所耗费的算力,相较于直接渲染高精度的三维模型也会大大减少。
本公开的一种可选方式中,将第三像素点的世界坐标以及第二射线方向输入至渲染网络之前,上述方法还包括:
获取渲染网络对应的网络权重系数;
将网络权重系数配置到预部署的本地网络,得到渲染网络。
本公开实施例中,网络权重系数为通过上述渲染网络的训练方法完成训练后的渲染网络的网络权重系数。
在将渲染网络部署到移动终端时,可以获取网络权重系数,将网络权重系数配置到预部署的本地网络,从而得到渲染网络。
本公开的一种可选方式中,上述方法还包括:
接收对目标虚拟对象的渲染请求,渲染请求中携带有目标虚拟对象的第二网格模型以及渲染网络对应的网络权重系数。
本公开实施例中,移动终端可以在接收到对目标虚拟对象的渲染请求时,获取渲染请求中携带的目标虚拟对象的第二网格模型以及渲染网络对应的网络权重系数,用于对目标虚拟对象的高质量渲染。
本公开实施例中,可以在服务端预先训练目标虚拟对象的渲染网络,并得到网络权重参数。在需要对目标虚拟对象进行渲染时,将目标虚拟对象的第二网格模型以及网络权重系数发送至移动终端,移动终端即可基于第二网格模型以及网络权重系数,实现对目标虚拟对象的高质量渲染,使得需要在服务端与移动终端之间传输的数据量不会过大,便于进行数据传输,也使得终端设备下载素材的耗时大大减少。
本公开的一种可选方式中,第三渲染图像为深度图,基于当前相机位姿以及第二网格模型,确定第三像素点的世界坐标,包括:
在当前相机位姿下对第二网格模型进行图像渲染,得到第三渲染图像;
从第三渲染图像中获取第三像素点的深度值;
基于第三像素点的深度值以及当前相机位姿,确定第三像素点的世界坐标。
本公开实施例中,第三渲染图像为深度图,即在当前相机位姿下渲染出第二网格模型的深度图。而后可以遍历深度图,获得各第三像素点的深度值。
本公开实施例中,可以基于第三像素点的深度值以及当前相机位姿,确定第三像素点的世界坐标。具体而言,可以找到从相机位姿下的视点向第三像素点的单位向量,将单位向量乘上第三像素点的深度值得到视点指向第三像素点的向量,将该向量加上相机的实际位置就能得到第三像素点的世界坐标。
本公开实施例中,在移动终端上的图像渲染可以采用延迟渲染的方式,延迟渲染的是先执行深度测试,再进行着色计算。本方案中可以先进行深度测试(即渲染第二渲染图像获取深度值),而后采用本方中的渲染网络预测渲染图像(即进行着色计算)。本方案中因无需使用高精模型渲染,采用延迟渲染的方式,能够避免采用前向渲染时所带来的大量无效渲染,节省移动端的资源。
本公开的一种可选方式中,第二网格模型为通过对第一网格模型进行减面处理得到的。
本公开实施例中,可以采用对第一网格模型进行减面处理的方式得到第二网格模型。
作为一个示例,本例中的减面处理采用QEM模型简化算法实现。
基于与图1中所示的方法相同的原理,图3示出了本公开实施例提供的一种渲染网络的训练装置的结构示意图,如图3所示,该渲染网络的训练装置30可以包括:
颜色值获取模块310,用于获取第一渲染图像中各第一像素点的颜色值,第一渲染图像是在预设的多个样本相机位姿下对第一网格模型进行图像渲染得到的,第一渲染图像为彩色图;
世界坐标及射线方向确定模块320,用于基于样本相机位姿以及第二网格模型,确定第二像素点的世界坐标以及第一射线方向,第一射线方向是由样本相机位姿下的视点指向第二像素点的射线方向,第二像素点为第二网格模型在样本相机位姿下渲染出的第二渲染图像中的像素点,第一网格模型与第二网格模型均为目标虚拟对象的网格模型,第一网格模型中三角面片的数量大于第二网格模型中三角面片的数量;
渲染网络训练模块330,用于将第二像素点的世界坐标以及第一射线方向作为输入,将第一像素点的颜色值作为输出,对渲染网络进行训练。
本公开实施例提供的装置,通过获取第一渲染图像中各第一像素点的颜色值,第一渲染图像是在预设的多个样本相机位姿下对第一网格模型进行图像渲染得到的,第一渲染图像为彩色图;基于样本相机位姿以及第二网格模型,确定第二像素点的世界坐标以及第一射线方向,第一射线方向是由样本相机位姿下的视点指向第二像素点的射线方向,第二像素点为第二网格模型在样本相机位姿下渲染出的第二渲染图像中的像素点,第一网格模型与第二网格模型均为目标虚拟对象的网格模型,第一网格模型中三角面片的数量大于第二网格模型中三角面片的数量;将第二像素点的世界坐标以及第一射线方向作为输入,将第一像素点的颜色值作为输出,对渲染网络进行训练。基于本方案训练得到的渲染网络,能够用于预测出高质量的渲染图像,实现高质量的三维渲染,有助于更好的满足用户对高质量渲染图像的需求。
可选地,第二渲染图像为深度图,世界坐标及射线方向确定模块在基于样本相机位姿以及第二网格模型,确定第二像素点的世界坐标时,具体用于:
在样本相机位姿下对第二网格模型进行图像渲染,得到第二渲染图像;
从第二渲染图像中获取第二像素点的深度值;
基于第二像素点的深度值以及样本相机位姿,确定第二像素点的世界坐标。
可选地,上述装置还包括:
第一渲染图像处理模块,用于在获取第一渲染图像中各第一像素点的颜色值之前,在多个样本相机位姿下基于预设的纹理贴图以及预设的着色器对第一网格模型进行图像渲染,得到第一渲染图像。
可选地,第二网格模型为通过对第一网格模型进行减面处理得到的。
可以理解的是,本公开实施例中的渲染网络的训练装置的上述各模块具有实现图1中所示的实施例中的渲染网络的训练方法相应步骤的功能。该功能可以通过硬件实现,也可以通过硬件执行相应的软件实现。该硬件或软件包括一个或多个与上述功能相对应的模块。上述模块可以是软件和/或硬件,上述各模块可以单独实现,也可以多个模块集成实现。对于上述渲染网络的训练装置的各模块的功能描述具体可以参见图1中所示实施例中的渲染网络的训练方法的对应描述,在此不再赘述。
基于与图2中所示的方法相同的原理,图4示出了本公开实施例提供的一种渲染装置的结构示意图,如图4所示,该渲染装置40可以包括:
渲染资源获取模块410,用于获取目标虚拟对象的第二网格模型以及预设的当前相机位姿;
世界坐标及射线方向确定模块420,用于基于当前相机位姿以及第二网格模型,确定第三像素点的世界坐标以及第二射线方向,第二射线方向是由当前相机位姿下的视点指向第三像素点的射线方向,第三像素点为第二网格模型在当前相机位姿下渲染出的第三渲染图像中的像素点;
渲染模块430,用于基于第三像素点的世界坐标以及第二射线方向,确定第三像素点的颜色值,以确定目标渲染图像,目标渲染图像与第四渲染图像的图像差异满足预设的差异条件,第四渲染图像是在当前相机位姿下对第一网格模型进行图像渲染得到的,第一网格模型为目标虚拟对象的网格模型,第一网格模型中三角面片的数量大于第二网格模型中三角面片的数量。
本公开实施例提供的装置,通过获取目标虚拟对象的第二网格模型以及预设的当前相机位姿;基于当前相机位姿以及第二网格模型,确定第三像素点的世界坐标以及第二射线方向,第二射线方向是由当前相机位姿下的视点指向第三像素点的射线方向,第三像素点为第二网格模型在当前相机位姿下渲染出的第三渲染图像中的像素点;基于第三像素点的世界坐标以及第二射线方向,确定第三像素点的颜色值,以确定目标渲染图像,目标渲染图像与第四渲染图像的图像差异满足预设的差异条件,第四渲染图像是在当前相机位姿下对第一网格模型进行图像渲染得到的,第一网格模型为目标虚拟对象的网格模型,第一网格模型中三角面片的数量大于第二网格模型中三角面片的数量。基于本方案,能够通过低精度的三维模型渲染出高质量的渲染图像,实现高质量的三维渲染,有助于更好的满足用户对高质量渲染图像的需求。
可选地,渲染模块在基于第三像素点的世界坐标以及第二射线方向,确定第三像素点的颜色值时,具体用于:
将第三像素点的世界坐标以及第二射线方向输入至渲染网络,得到渲染网络输出的第三像素点的颜色值,其中,渲染网络是通过上述渲染网络的训练方法预先训练出的。
可选地,上述装置还包括渲染网络部署模块,所述渲染网络部署模块用于:
在所述将所述第三像素点的世界坐标以及所述第二射线方向输入至渲染网络之前,获取所述渲染网络对应的网络权重系数;
将所述网络权重系数配置到预部署的本地网络,得到所述渲染网络。
可选地,上述装置还包括:
渲染请求接收模块,用于接收对目标虚拟对象的渲染请求,渲染请求中携带有目标虚拟对象的第二网格模型以及渲染网络对应的网络权重系数。
可选地,第三渲染图像为深度图,世界坐标及射线方向确定模块在基于当前相机位姿以及第二网格模型,确定第三像素点的世界坐标时,具体用于:
在当前相机位姿下对第二网格模型进行图像渲染,得到第三渲染图像;
从第三渲染图像中获取第三像素点的深度值;
基于第三像素点的深度值以及当前相机位姿,确定第三像素点的世界坐标。
可选地,第二网格模型为通过对第一网格模型进行减面处理得到的。
可以理解的是,本公开实施例中的渲染装置的上述各模块具有实现图2中所示的实施例中的渲染方法相应步骤的功能。该功能可以通过硬件实现,也可以通过硬件执行相应的软件实现。该硬件或软件包括一个或多个与上述功能相对应的模块。上述模块可以是软件和/或硬件,上述各模块可以单独实现,也可以多个模块集成实现。对于上述渲染装置的各模块的功能描述具体可以参见图2中所示实施例中的渲染方法的对应描述,在此不再赘述。
本公开的技术方案中,所涉及的用户个人信息的收集、存储、使用、加工、传输、提供和公开等处理,均符合相关法律法规的规定,且不违背公序良俗。
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。
该电子设备包括: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,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如本公开实施例提供的渲染网络的训练或渲染方法。
该电子设备与现有技术相比,通过获取第一渲染图像中各第一像素点的颜色值,第一渲染图像是在预设的多个样本相机位姿下对第一网格模型进行图像渲染得到的,第一渲染图像为彩色图;基于样本相机位姿以及第二网格模型,确定第二像素点的世界坐标以及第一射线方向,第一射线方向是由样本相机位姿下的视点指向第二像素点的射线方向,第二像素点为第二网格模型在样本相机位姿下渲染出的第二渲染图像中的像素点,第一网格模型与第二网格模型均为目标虚拟对象的网格模型,第一网格模型中三角面片的数量大于第二网格模型中三角面片的数量;将第二像素点的世界坐标以及第一射线方向作为输入,将第一像素点的颜色值作为输出,对渲染网络进行训练。基于本方案训练得到的渲染网络,能够用于预测出高质量的渲染图像,实现高质量的三维渲染,有助于更好的满足用户对高质量渲染图像的需求。
该可读存储介质为存储有计算机指令的非瞬时计算机可读存储介质,其中,计算机指令用于使计算机执行如本公开实施例提供的渲染网络的训练或渲染方法。
该可读存储介质与现有技术相比,通过获取第一渲染图像中各第一像素点的颜色值,第一渲染图像是在预设的多个样本相机位姿下对第一网格模型进行图像渲染得到的,第一渲染图像为彩色图;基于样本相机位姿以及第二网格模型,确定第二像素点的世界坐标以及第一射线方向,第一射线方向是由样本相机位姿下的视点指向第二像素点的射线方向,第二像素点为第二网格模型在样本相机位姿下渲染出的第二渲染图像中的像素点,第一网格模型与第二网格模型均为目标虚拟对象的网格模型,第一网格模型中三角面片的数量大于第二网格模型中三角面片的数量;将第二像素点的世界坐标以及第一射线方向作为输入,将第一像素点的颜色值作为输出,对渲染网络进行训练。基于本方案训练得到的渲染网络,能够用于预测出高质量的渲染图像,实现高质量的三维渲染,有助于更好的满足用户对高质量渲染图像的需求。
该计算机程序产品,包括计算机程序,计算机程序在被处理器执行时实现如本公开实施例提供的渲染网络的训练或渲染方法。
该计算机程序产品与现有技术相比,通过获取第一渲染图像中各第一像素点的颜色值,第一渲染图像是在预设的多个样本相机位姿下对第一网格模型进行图像渲染得到的,第一渲染图像为彩色图;基于样本相机位姿以及第二网格模型,确定第二像素点的世界坐标以及第一射线方向,第一射线方向是由样本相机位姿下的视点指向第二像素点的射线方向,第二像素点为第二网格模型在样本相机位姿下渲染出的第二渲染图像中的像素点,第一网格模型与第二网格模型均为目标虚拟对象的网格模型,第一网格模型中三角面片的数量大于第二网格模型中三角面片的数量;将第二像素点的世界坐标以及第一射线方向作为输入,将第一像素点的颜色值作为输出,对渲染网络进行训练。基于本方案训练得到的渲染网络,能够用于预测出高质量的渲染图像,实现高质量的三维渲染,有助于更好的满足用户对高质量渲染图像的需求。
图5示出了可以用来实施本公开的实施例的示例电子设备50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5所示,电子设备50包括计算单元510,其可以根据存储在只读存储器(ROM)520中的计算机程序或者从存储单元580加载到随机访问存储器(RAM)530中的计算机程序,来执行各种适当的动作和处理。在RAM530中,还可存储设备50操作所需的各种程序和数据。计算单元510、ROM520以及RAM 530通过总线540彼此相连。输入/输出(I/O)接口550也连接至总线540。
设备50中的多个部件连接至I/O接口550,包括:输入单元560,例如键盘、鼠标等;输出单元570,例如各种类型的显示器、扬声器等;存储单元580,例如磁盘、光盘等;以及通信单元590,例如网卡、调制解调器、无线通信收发机等。通信单元590允许设备50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510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510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510执行本公开实施例中所提供的渲染网络的训练或渲染方法。例如,在一些实施例中,执行本公开实施例中所提供的渲染网络的训练或渲染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580。在一些实施例中,计算机程序的部分或者全部可以经由ROM 520和/或通信单元590而被载入和/或安装到设备50上。当计算机程序加载到RAM 530并由计算单元510执行时,可以执行本公开实施例中所提供的渲染网络的训练或渲染方法的一个或多个步骤。备选地,在其他实施例中,计算单元510可以通过其他任何适当的方式(例如,借助于固件)而被配置为执行本公开实施例中所提供的渲染网络的训练或渲染方法。
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、现场可编程门阵列(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 (20)
1.一种渲染网络的训练方法,包括:
获取第一渲染图像中各第一像素点的颜色值,所述第一渲染图像是在预设的多个样本相机位姿下对第一网格模型进行图像渲染得到的,所述第一渲染图像为彩色图;
基于所述样本相机位姿以及第二网格模型,确定第二像素点的世界坐标以及第一射线方向,所述第一射线方向是由所述样本相机位姿下的视点指向所述第二像素点的射线方向,所述第二像素点为所述第二网格模型在所述样本相机位姿下渲染出的第二渲染图像中的像素点,所述第一网格模型与所述第二网格模型均为目标虚拟对象的网格模型,所述第一网格模型中三角面片的数量大于所述第二网格模型中三角面片的数量;
将所述第二像素点的世界坐标以及所述第一射线方向作为输入,将所述第一像素点的颜色值作为输出,对渲染网络进行训练。
2.根据权利要求1所述的方法,其中,所述第二渲染图像为深度图,所述基于所述样本相机位姿以及第二网格模型,确定第二像素点的世界坐标,包括:
在所述样本相机位姿下对第二网格模型进行图像渲染,得到第二渲染图像;
从所述第二渲染图像中获取第二像素点的深度值;
基于所述第二像素点的深度值以及所述样本相机位姿,确定第二像素点的世界坐标。
3.根据权利要求1或2所述的方法,在所述获取第一渲染图像中各第一像素点的颜色值之前,所述方法还包括:
在多个所述样本相机位姿下基于预设的纹理贴图以及预设的着色器对所述第一网格模型进行图像渲染,得到所述第一渲染图像。
4.根据权利要求1-3中任一项所述的方法,其中,所述第二网格模型为通过对所述第一网格模型进行减面处理得到的。
5.一种渲染方法,包括:
获取目标虚拟对象的第二网格模型以及预设的当前相机位姿;
基于所述当前相机位姿以及所述第二网格模型,确定第三像素点的世界坐标以及第二射线方向,所述第二射线方向是由所述当前相机位姿下的视点指向所述第三像素点的当前射线方向,所述第三像素点为所述第二网格模型在所述当前相机位姿下渲染出的第三渲染图像中的像素点;
基于所述第三像素点的世界坐标以及所述第二射线方向,确定所述第三像素点的颜色值,以确定目标渲染图像,所述目标渲染图像与第四渲染图像的图像差异满足预设的差异条件,所述第四渲染图像是在所述当前相机位姿下对第一网格模型进行图像渲染得到的,所述第一网格模型为所述目标虚拟对象的网格模型,所述第一网格模型中三角面片的数量大于所述第二网格模型中三角面片的数量。
6.根据权利要求5所述的方法,其中,所述基于所述第三像素点的世界坐标以及所述第二射线方向,确定所述第三像素点的颜色值,包括:
将所述第三像素点的世界坐标以及所述第二射线方向输入至渲染网络,得到所述渲染网络输出的所述第三像素点的颜色值,其中,所述渲染网络是通过权利要求1-4中任一项所述的渲染网络的训练方法预先训练出的。
7.根据权利要求6所述的方法,在所述将所述第三像素点的世界坐标以及所述第二射线方向输入至渲染网络之前,所述方法还包括:
获取所述渲染网络对应的网络权重系数;
将所述网络权重系数配置到预部署的本地网络,得到所述渲染网络。
8.根据权利要求7所述的方法,还包括:
接收对目标虚拟对象的渲染请求,所述渲染请求中携带有目标虚拟对象的第二网格模型以及所述渲染网络对应的网络权重系数。
9.根据权利要求5-8中任一项所述的方法,其中,所述第三渲染图像为深度图,所述基于所述当前相机位姿以及所述第二网格模型,确定第三像素点的世界坐标,包括:
在所述当前相机位姿下对第二网格模型进行图像渲染,得到第三渲染图像;
从所述第三渲染图像中获取第三像素点的深度值;
基于所述第三像素点的深度值以及所述当前相机位姿,确定所述第三像素点的世界坐标。
10.根据权利要求5-9中任一项所述的方法,其中,所述第二网格模型为通过对所述第一网格模型进行减面处理得到的。
11.一种渲染网络的训练装置,包括:
颜色值获取模块,用于获取第一渲染图像中各第一像素点的颜色值,所述第一渲染图像是在预设的多个样本相机位姿下对第一网格模型进行图像渲染得到的,所述第一渲染图像为彩色图;
世界坐标及射线方向确定模块,用于基于所述样本相机位姿以及第二网格模型,确定第二像素点的世界坐标以及第一射线方向,所述第一射线方向是由所述样本相机位姿下的视点指向所述第二像素点的射线方向,所述第二像素点为所述第二网格模型在所述样本相机位姿下渲染出的第二渲染图像中的像素点,所述第一网格模型与所述第二网格模型均为目标虚拟对象的网格模型,所述第一网格模型中三角面片的数量大于所述第二网格模型中三角面片的数量;
渲染网络训练模块,用于将所述第二像素点的世界坐标以及所述第一射线方向作为输入,将所述第一像素点的颜色值作为输出,对渲染网络进行训练。
12.根据权利要求11所述的装置,其中,所述第二渲染图像为深度图,所述世界坐标及射线方向确定模块在基于所述样本相机位姿以及第二网格模型,确定第二像素点的世界坐标时,具体用于:
在所述样本相机位姿下对第二网格模型进行图像渲染,得到第二渲染图像;
从所述第二渲染图像中获取第二像素点的深度值;
基于所述第二像素点的深度值以及所述样本相机位姿,确定第二像素点的世界坐标。
13.根据权利要求11或12所述的装置,还包括:
第一渲染图像处理模块,用于在所述获取第一渲染图像中各第一像素点的颜色值之前,在多个所述样本相机位姿下基于预设的纹理贴图以及预设的着色器对第一网格模型进行图像渲染,得到所述第一渲染图像。
14.根据权利要求11-13中任一项所述的装置,其中,所述第二网格模型为通过对所述第一网格模型进行减面处理得到的。
15.一种渲染装置,包括:
渲染资源获取模块,用于获取目标虚拟对象的第二网格模型以及预设的当前相机位姿;
世界坐标及射线方向确定模块,用于基于所述当前相机位姿以及所述第二网格模型,确定第三像素点的世界坐标以及第二射线方向,所述第二射线方向是由所述当前相机位姿下的视点指向所述第三像素点的射线方向,所述第三像素点为所述第二网格模型在所述当前相机位姿下渲染出的第三渲染图像中的像素点;
渲染模块,用于基于所述第三像素点的世界坐标以及所述第二射线方向,确定所述第三像素点的颜色值,以确定目标渲染图像,所述目标渲染图像与第四渲染图像的图像差异满足预设的差异条件,所述第四渲染图像是在所述当前相机位姿下对第一网格模型进行图像渲染得到的,所述第一网格模型为所述目标虚拟对象的网格模型,所述第一网格模型中三角面片的数量大于所述第二网格模型中三角面片的数量。
16.根据权利要求15所述的装置,其中,所述渲染模块在基于所述第三像素点的世界坐标以及所述第二射线方向,确定所述第三像素点的第三颜色值时,具体用于:
将所述第三像素点的世界坐标以及所述第二射线方向输入至渲染网络,得到渲染网络输出的所述第三像素点的颜色值,其中,所述渲染网络是通过权利要求1-4中任一项所述的渲染网络的训练方法预先训练出的。
17.根据权利要求16所述的装置,还包括渲染网络部署模块,所述渲染网络部署模块用于:
在所述将所述第三像素点的世界坐标以及所述第二射线方向输入至渲染网络之前,获取所述渲染网络对应的网络权重系数;
将所述网络权重系数配置到预部署的本地网络,得到所述渲染网络。
18.一种电子设备,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1-10中任一项所述的方法。
19.一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1-10中任一项所述的方法。
20.一种计算机程序产品,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1-10中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211483027.1A CN115908687A (zh) | 2022-11-24 | 2022-11-24 | 渲染网络的训练、渲染方法、装置及电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211483027.1A CN115908687A (zh) | 2022-11-24 | 2022-11-24 | 渲染网络的训练、渲染方法、装置及电子设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115908687A true CN115908687A (zh) | 2023-04-04 |
Family
ID=86478386
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211483027.1A Pending CN115908687A (zh) | 2022-11-24 | 2022-11-24 | 渲染网络的训练、渲染方法、装置及电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115908687A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116188698A (zh) * | 2023-04-23 | 2023-05-30 | 阿里巴巴达摩院(杭州)科技有限公司 | 对象的处理方法和电子设备 |
-
2022
- 2022-11-24 CN CN202211483027.1A patent/CN115908687A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116188698A (zh) * | 2023-04-23 | 2023-05-30 | 阿里巴巴达摩院(杭州)科技有限公司 | 对象的处理方法和电子设备 |
CN116188698B (zh) * | 2023-04-23 | 2023-09-12 | 阿里巴巴达摩院(杭州)科技有限公司 | 对象的处理方法和电子设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN114820905B (zh) | 虚拟形象生成方法、装置、电子设备及可读存储介质 | |
CN114842121B (zh) | 贴图生成模型训练和贴图生成方法、装置、设备及介质 | |
CN115409933B (zh) | 多风格纹理贴图生成方法及其装置 | |
CN114820906A (zh) | 图像渲染方法、装置、电子设备及存储介质 | |
CN115797565B (zh) | 三维重建模型训练方法、三维重建方法、装置及电子设备 | |
CN109697748B (zh) | 模型压缩处理方法、模型贴图处理方法装置、存储介质 | |
CN111882631B (zh) | 一种模型渲染方法、装置、设备及存储介质 | |
CN115147523A (zh) | 虚拟形象驱动方法及装置、设备、介质和程序产品 | |
JP2023076820A (ja) | 画像処理方法、装置、電子機器、及び記憶媒体 | |
CN115908687A (zh) | 渲染网络的训练、渲染方法、装置及电子设备 | |
WO2021249358A1 (zh) | 渲染方法、设备以及系统 | |
CN112862934B (zh) | 用于处理动画的方法、装置、设备、介质和产品 | |
CN113344213A (zh) | 知识蒸馏方法、装置、电子设备及计算机可读存储介质 | |
CN113379884B (zh) | 地图渲染方法、装置、电子设备、存储介质以及车辆 | |
CN115861510A (zh) | 对象渲染方法、装置、电子设备、存储介质及程序产品 | |
CN113920273B (zh) | 图像处理方法、装置、电子设备和存储介质 | |
CN115311414A (zh) | 基于数字孪生的实景渲染方法、装置及相关设备 | |
CN114564268A (zh) | 一种设备管理方法、装置、电子设备和存储介质 | |
CN114022357A (zh) | 图像重建方法、图像重建模型的训练方法、装置和设备 | |
CN113362438A (zh) | 全景渲染的方法、装置、电子设备、介质及程序 | |
CN114842122B (zh) | 模型渲染方法、装置、设备及存储介质 | |
CN114820908B (zh) | 虚拟形象生成方法、装置、电子设备和存储介质 | |
CN116563505B (zh) | 虚拟形象生成方法、装置、电子设备以及存储介质 | |
CN113900734B (zh) | 一种应用程序文件配置方法、装置、设备及存储介质 | |
CN116206035B (zh) | 人脸重建方法、装置、电子设备以及存储介质 |
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 |