CN116030150B - 虚拟形象生成方法、装置、电子设备和介质 - Google Patents
虚拟形象生成方法、装置、电子设备和介质 Download PDFInfo
- Publication number
- CN116030150B CN116030150B CN202310006098.0A CN202310006098A CN116030150B CN 116030150 B CN116030150 B CN 116030150B CN 202310006098 A CN202310006098 A CN 202310006098A CN 116030150 B CN116030150 B CN 116030150B
- Authority
- CN
- China
- Prior art keywords
- avatar
- target
- fusion
- target region
- coefficient
- 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
- 238000000034 method Methods 0.000 title claims abstract description 66
- 230000004927 fusion Effects 0.000 claims abstract description 135
- 230000009466 transformation Effects 0.000 claims abstract description 110
- 239000011159 matrix material Substances 0.000 claims abstract description 64
- 238000007499 fusion processing Methods 0.000 claims abstract description 37
- 238000012545 processing Methods 0.000 claims description 23
- 238000005457 optimization Methods 0.000 claims description 22
- 230000006870 function Effects 0.000 claims description 13
- 238000013519 translation Methods 0.000 claims description 13
- 238000004422 calculation algorithm Methods 0.000 claims description 6
- 230000001131 transforming effect Effects 0.000 claims description 6
- 238000000354 decomposition reaction Methods 0.000 claims description 4
- 238000013473 artificial intelligence Methods 0.000 abstract description 4
- 230000003190 augmentative effect Effects 0.000 abstract description 2
- 238000013135 deep learning Methods 0.000 abstract description 2
- 238000004590 computer program Methods 0.000 description 14
- 238000004891 communication Methods 0.000 description 10
- 238000010586 diagram Methods 0.000 description 8
- 230000008569 process Effects 0.000 description 7
- 210000000697 sensory organ Anatomy 0.000 description 6
- 230000000694 effects Effects 0.000 description 4
- 210000004709 eyebrow Anatomy 0.000 description 4
- 238000013507 mapping Methods 0.000 description 4
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000003796 beauty Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 230000014509 gene expression Effects 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000013475 authorization Methods 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000002950 deficient 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
- 238000009499 grossing Methods 0.000 description 1
- 210000003128 head Anatomy 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000010801 machine learning Methods 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
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T10/00—Road transport of goods or passengers
- Y02T10/10—Internal combustion engine [ICE] based vehicles
- Y02T10/40—Engine management systems
Landscapes
- Processing Or Creating Images (AREA)
Abstract
本公开提供了一种虚拟形象生成方法、装置、电子设备和介质,涉及人工智能领域,具体为增强现实、虚拟现实、计算机视觉、深度学习等领域,可应用于虚拟形象生成、元宇宙、虚拟数字人等场景。具体实现方案为:确定第一虚拟形象中的多个第一目标区域;确定第二虚拟形象中的多个第二目标区域;针对第一虚拟形象中的每个第一目标区域,确定该第一目标区域与第二虚拟形象中对应的第二目标区域之间的非刚性变换矩阵;以及基于非刚性变换矩阵和针对第一虚拟形象的目标融合系数,对第一虚拟形象和第二虚拟形象进行融合处理,生成目标虚拟形象,其中,目标融合系数用于表征第一虚拟形象在融合处理时的融合程度。
Description
技术领域
本公开涉及人工智能技术领域,具体为增强现实、虚拟现实、计算机视觉、深度学习等领域,可应用于虚拟形象生成、元宇宙、虚拟数字人等场景。本公开具体涉及一种虚拟形象生成方法、装置、电子设备、存储介质和计算机程序产品。
背景技术
随着人工智能技术的发展,个性化虚拟形象被广泛地应用于社交、直播、游戏等场景,以提高用户的沉浸式体验。但是,相关技术中生成的个性化虚拟形象在相似度和美观度上往往有所欠缺,无法获得令人满意的效果。
发明内容
本公开提供了一种虚拟形象生成方法、装置、电子设备、存储介质和计算机程序产品。
根据本公开的一方面,提供了一种虚拟形象生成方法,包括:确定第一虚拟形象中的多个第一目标区域;确定第二虚拟形象中的多个第二目标区域;针对第一虚拟形象中的每个第一目标区域,确定该第一目标区域与第二虚拟形象中对应的第二目标区域之间的非刚性变换矩阵;以及基于非刚性变换矩阵和针对第一虚拟形象的目标融合系数,对第一虚拟形象和第二虚拟形象进行融合处理,生成目标虚拟形象,其中,目标融合系数用于表征第一虚拟形象在融合处理时的融合程度。
根据本公开的另一方面,提供了一种虚拟形象生成装置,包括:第一确定模块,用于确定第一虚拟形象中的多个第一目标区域;第二确定模块,用于确定第二虚拟形象中的多个第二目标区域;第三确定模块,用于针对第一虚拟形象中的每个第一目标区域,确定该第一目标区域与第二虚拟形象中对应的第二目标区域之间的非刚性变换矩阵;以及生成模块,用于基于非刚性变换矩阵和针对第一虚拟形象的目标融合系数,对第一虚拟形象和第二虚拟形象进行融合处理,生成目标虚拟形象,其中,目标融合系数用于表征第一虚拟形象在融合处理时的融合程度。
根据本公开的另一方面,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,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根据本公开提供的方法。
根据本公开的另一方面,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根据本公开提供的方法。
根据本公开的另一方面,提供了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本公开提供的方法。
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是根据本公开的实施例的可以应用虚拟形象生成方法和装置的示例性系统架构示意图;
图2是根据本公开的实施例的虚拟形象生成方法的流程图;
图3是根据本公开的实施例的虚拟形象生成方法的示意图;
图4是根据本公开实施例的虚拟形象生成装置的框图;以及
图5是用来实现本公开实施例的虚拟形象生成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。
在此使用的术语仅仅是为了描述具体实施例,而并非意在限制本公开。在此使用的术语“包括”、“包含”等表明了所述特征、步骤、操作和/或部件的存在,但是并不排除存在或添加一个或多个其他特征、步骤、操作或部件。
在此使用的所有术语(包括技术和科学术语)具有本领域技术人员通常所理解的含义,除非另外定义。应注意,这里使用的术语应解释为具有与本说明书的上下文相一致的含义,而不应以理想化或过于刻板的方式来解释。
在使用类似于“A、B和C等中至少一个”这样的表述的情况下,一般来说应该按照本领域技术人员通常理解该表述的含义来予以解释(例如,“具有A、B和C中至少一个的系统”应包括但不限于单独具有A、单独具有B、单独具有C、具有A和B、具有A和C、具有B和C、和/或具有A、B、C的系统等)。
本公开的实施例提供了一种虚拟形象生成方法,包括:确定第一虚拟形象中的多个第一目标区域;确定第二虚拟形象中的多个第二目标区域;针对第一虚拟形象中的每个第一目标区域,确定该第一目标区域与第二虚拟形象中对应的第二目标区域之间的非刚性变换矩阵;以及基于非刚性变换矩阵和针对第一虚拟形象的目标融合系数,对第一虚拟形象和第二虚拟形象进行融合处理,生成目标虚拟形象,其中,目标融合系数用于表征第一虚拟形象在融合处理时的融合程度。
图1是根据本公开的实施例的可以应用虚拟形象生成和装置的示例性系统架构示意图。需要注意的是,图1所示仅为可以应用本公开实施例的系统架构的示例,以帮助本领域技术人员理解本公开的技术内容,但并不意味着本公开实施例不可以用于其他设备、系统、环境或场景。
如图1所示,根据该实施例的系统架构100可以包括终端设备101、102、103,网络104和服务器105。网络104用以在终端设备101、102、103和服务器105之间提供通信链路的介质。网络104可以包括各种连接类型,例如有线和/或无线通信链路等等。
用户可以使用终端设备101、102、103通过网络104与服务器105交互,以接收或发送消息等。终端设备101、102、103上可以安装有各种客户端应用。例如,动画制作类应用、直播类应用、游戏类应用、网页浏览器应用、搜索类应用、即时通信工具、邮箱客户端或社交平台软件等(仅为示例)。
终端设备101、102、103可以是具有显示屏并且支持网页浏览的各种电子设备,包括但不限于智能手机、平板电脑、膝上型便携计算机和台式计算机等等。
服务器105可以是独立的物理服务器,也可以是多个物理服务器构成的服务器集群或分布式系统,还可以是提供云服务、云计算、网络服务、中间件服务等基础云计算服务的云服务器。
服务器105可以是提供各种服务的服务器,例如对终端设备101、102、103上显示的动画提供支持的后台管理服务器(仅为示例)。后台管理服务器可以对接收到的图像等数据进行分析等处理,并将处理结果(例如生成的虚拟形象等)反馈给终端设备。
例如,服务器105可以通过网络104获取来自终端设备101、102、103的第一虚拟形象和第二虚拟形象,并分别确定第一虚拟形象中的多个第一目标区域和第二虚拟形象中的多个第二目标区域。之后,针对第一虚拟形象中的每个第一目标区域,确定该第一目标区域与第二虚拟形象中对应的第二目标区域之间的非刚性变换矩阵,以及基于非刚性变换矩阵和针对第一虚拟形象的目标融合系数,对第一虚拟形象和第二虚拟形象进行融合处理,生成目标虚拟形象。服务器105还可以将生成的目标虚拟形象发送给终端设备101、102、103。
需要说明的是,本公开实施例所提供的虚拟形象生成方法一般可以由服务器105执行。相应地,本公开实施例所提供的虚拟形象生成装置一般可以设置于服务器105中。本公开实施例所提供的虚拟形象生成方法也可以由不同于服务器105且能够与终端设备101、102、103和/或服务器105通信的服务器或服务器集群执行。相应地,本公开实施例所提供的虚拟形象生成装置也可以设置于不同于服务器105且能够与终端设备101、102、103和/或服务器105通信的服务器或服务器集群中。
应该理解,图1中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要,可以具有任意数目的终端设备、网络和服务器。
应注意,以下方法中各个操作的序号仅作为该操作的表示以便描述,而不应被看作表示该各个操作的执行顺序。除非明确指出,否则该方法不需要完全按照所示顺序来执行。
图2是根据本公开的实施例的虚拟形象生成方法的流程图。
如图2所示,虚拟形象生成方法200例如可以包括操作S210~S240。
在操作S210,确定第一虚拟形象中的多个第一目标区域。
在操作S220,确定第二虚拟形象中的多个第二目标区域。
在操作S230,针对第一虚拟形象中的每个第一目标区域,确定该第一目标区域与第二虚拟形象中对应的第二目标区域之间的非刚性变换矩阵。
在操作S240,基于非刚性变换矩阵和针对第一虚拟形象的目标融合系数,对第一虚拟形象和第二虚拟形象进行融合处理,生成目标虚拟形象。
根据本公开的实施例,虚拟形象可以是游戏、动画等视频中的角色,也可以是其他合适的角色,具体可以根据实际应用场景选择。虚拟形象可以是人物形态、卡通或者其他形态,本公开对此不做限定。
根据本公开的实施例,第一目标区域例如可以是用户在第一虚拟形象中确定的待融合区域,第二目标区域是第一目标区域在第二虚拟形象中对应的区域。
可以理解,用户可以根据实际需要来确定第一虚拟形象中的至少一个第一目标区域。之后,根据至少一个第一目标区域的位置,确定该至少一个第一目标区域分别在第二虚拟形象中对应的第二目标区域。
在一个示例中,第一目标区域例如可以是第一虚拟形象中的五官对应的区域,相应地,第二目标区域例如是第二虚拟形象中五官对应的区域。
例如,可以分别确定第一虚拟形象和第二虚拟形象中的五官的位置。之后,基于第一虚拟形象和第二虚拟形象中的五官的位置,分别将第一虚拟形象和第二虚拟形象进行五官区域划分,得到至少一个第一目标区域和至少一个第二目标区域。
示例性地,五官的位置例如可以是左眼睛、右眼睛、左眉毛、右眉毛、鼻子、嘴巴、脸颊和头盖中的一项对应的位置,也可以是其中的多项对应的位置。在一些示例中,还可以将左眼睛和右眼睛划分为一个目标区域,将左眉毛和右眉毛划分为一个目标区域,具体可以根据实际需要设置,这里不做限定。
根据本公开的实施例,在确定第一虚拟形象中的多个第一目标区域过程中,可以基于最近点查找方法来确定各个第一目标区域在第一虚拟形象中的第一位置映射关系。类似地,在确定第二虚拟形象中的多个第二目标区域过程中,也可以基于最近点查找方法来确定各个第二目标区域在第二虚拟形象中的第二位置映射关系。这样,基于第一位置映射关系和第二位置映射关系就可以确定第一目标区域在第二虚拟形象中对应的第二目标区域。
在本公开实施例中,最近点查找方法例如可以包括k-近邻算法(K-NearestNeighbor,KNN)。在一些实施例中,还可以根据实际需要选择其他合适的最近点查找方法,这里不做限定。
根据本公开的实施例,在确定第一虚拟形象中的多个第一目标区域和第二虚拟形象中的多个第二目标区域之后,可以针对第一虚拟形象中的每个第一目标区域,确定该第一目标区域与第二虚拟形象中对应的第二目标区域之间的非刚性变换矩阵。这样,可以得到每个第一目标区域与对应的第二目标区域之间的非刚性变换矩阵。
可以理解,由于第一虚拟形象的尺度和位置与第二虚拟形象的尺度和位置存在差异,因此,各个第一目标区域和对应的第二目标区域之间也会存在尺度和位置差异,这样不利于后续对第一虚拟形象和第二虚拟形象进行融合处理。
在本公开实施例中,非刚性变换矩阵可以用于对第一目标区域进行变换处理,以使得处理后的第一目标区域和第二目标区域之间保持尺度对齐和位置对齐,从而有利于后续对第一虚拟形象和第二虚拟形象进行融合处理,进而提高生成目标虚拟形象的准确性和生成效率,同时在一定程度上保证了目标虚拟形象的美观度以及目标虚拟形象与第一虚拟形象和第二虚拟形象之间的相似度。
根据本公开的实施例,在基于非刚性变换矩阵对第一目标区域进行变化处理之后,可以基于针对第一虚拟形象的目标融合系数对第一虚拟形象和第二虚拟形象进行融合处理,从而生成目标虚拟形象。
在本公开实施例中,针对第一虚拟形象的目标融合系数可以用于表征第一虚拟形象在融合处理时的融合程度。该融合程度可以表征第一虚拟形象中的第一目标区域与目标虚拟形象中对应的目标区域之间的相似程度。如果目标融合系数越高,则第一虚拟形象中的第一目标区域与目标虚拟形象中对应的目标区域之间的相似程度越高,第二虚拟形象中的第二目标区域与目标虚拟形象中对应的目标区域之间的相似程度越低。如果目标融合系数越低,则第一虚拟形象中的第一目标区域与目标虚拟形象中对应的目标区域之间的相似程度越低,第二虚拟形象中的第二目标区域与目标虚拟形象中对应的目标区域之间的相似程度越高。
在本公开实施例中,可以根据目标融合系数调整第一虚拟形象和目标虚拟形象之间的融合程度,由此可以细化虚拟形象的融合粒度,从而实现灵活调整目标虚拟形象与第一虚拟形象之间的相似度。
根据本公开的实施例,通过利用第一目标区域和第二目标区域之间的非刚性变换矩阵对第一虚拟形象进行变换处理,使得处理后的第一目标区域和第二目标区域之间保持尺度对齐和位置对齐,从而有利于后续对第一虚拟形象和第二虚拟形象进行融合处理,进而提高生成目标虚拟形象的准确性和生成效率,同时在一定程度上保证了目标虚拟形象的美观度以及目标虚拟形象与第一虚拟形象和第二虚拟形象之间的相似度。之后,通过利用针对第一虚拟形象的目标融合系数对第一虚拟形象和第二虚拟形象进行融合处理,能够实现灵活调整目标虚拟形象与第一虚拟形象之间的相似度。
根据本公开的实施例,在第一虚拟形象中,上述每个第一目标区域例如可以包括n个第一网格顶点。在第二虚拟形象中,与第一目标区域对应的第二目标区域例如可以包括n个第二网格顶点,n为大于1的整数。
需要说明的是,各个第一目标区域中包含的第一网格顶点的数量(即n的取值)可以是相同的,也可以是不同的,只要n个第一网格顶点可以描述第一目标区域的位置即可。相应地,第二网格顶点的数量的确定方式可以与第一网格顶点的数量的确定方式相同。
在上述操作S230中,针对第一虚拟形象中的每个第一目标区域,确定该第一目标区域与第二虚拟形象中对应的第二目标区域之间的非刚性变换矩阵例如可以包括如下操作。
根据n个第一网格顶点和n个第二网格顶点,确定第一目标区域和第二目标区域之间的非刚性变换关系,以及根据非刚性变换关系,确定第一目标区域和第二目标区域之间的非刚性变换矩阵。
根据本公开的实施例,例如可以使用非刚性迭代最近点算法(non-rigidIterative Closest Point),基于n个第一网格顶点和n个第二网格顶点来确定第一目标区域和第二目标区域之间的非刚性变换关系。
首先,根据第一目标区域中的n个第一网格顶点,可以确定一组点集P。根据第二目标区域中的n个第二网格顶点,可以确定另一组点集Q。点集P和点集Q可以分别采用公式(1)和公式(2)表示。
P={p1,p2,p3,...,pn} (1)
Q={q1,q2,q3,...,qn} (2)
在公式(1)和公式(2)中,P表示点集P,Q表示点集Q,pi表示第一目标区域中的第i个第一网格顶点,qi表示第二目标区域中与pi对应的第i个第二网格顶点,i=1,2,...,n。
在本公开实施例中,非刚性变换关系例如可以包括旋转、平移和缩放变换关系。由于第一虚拟形象和第二虚拟形象之间的变换不是刚性变换,可能还存在缩放关系(例如瘦脸和胖脸之间的变换),因此,本公开利用非刚性变换关系来描述由第一虚拟形象变换到第二虚拟形象时各个网格顶点的变化情况,由此提升虚拟形象中各个目标区域之间的对齐效果,进而在一定程度上保证了目标虚拟形象的美观度以及目标虚拟形象与第一虚拟形象和第二虚拟形象之间的相似度。
接下来,针对点集P和点集Q中的每个网格顶点,可以确定如下公式(3)中的关系。
qi=RSpi+T (3)
在公式(3)中,R表示旋转系数,T表示平移系数,S表示缩放系数。
接下来,根据上述公式(3),基于最小二乘法进行迭代计算,使得误差平方和达到极小值,可以确定如以下公式(4)所示的非刚性变换关系。
在公式(4)中,F(R,S,T)表示非刚性变换关系,R表示旋转系数,T表示平移系数,S表示缩放系数,n表示第一目标区域(或第二目标区域)中网格顶点的数量,pi表示第一目标区域中的第i个第一网格顶点,qi表示第二目标区域中与pi对应的第i个第二网格顶点,i=1,2,…,n。
接下来,可以使用奇异值分解法,基于上述非刚性变换关系,得到非刚性变换矩阵。其中,非刚性变换矩阵包括旋转矩阵、平移矩阵和缩放系数矩阵。旋转矩阵、平移矩阵和缩放系数矩阵中的元素分别表示从第一目标区域变换到第二目标区域时,将各个第一网格顶点变换到第二网格顶点时所产生的旋转值、平移值和缩放值。
在获取针对每个第一目标区域和第二目标区域之间的非刚性变换矩阵之后,可以利用非刚性变换矩阵和针对第一虚拟形象的目标融合系数,对第一虚拟形象和第二虚拟形象进行融合处理,生成目标虚拟形象。
在上述操作S240中,基于非刚性变换矩阵和针对第一虚拟形象的目标融合系数,对第一虚拟形象和第二虚拟形象进行融合处理,生成目标虚拟形象例如可以包括如下操作。
根据多个非刚性变换矩阵分别对第一虚拟形象的多个第一目标区域进行变换处理,得到处理后的第一虚拟形象;以及根据目标融合系数,对处理后的第一虚拟形象和第二虚拟形象进行融合处理,生成目标虚拟形象。
例如,针对第一虚拟形象中的每个第一目标区域,可以基于非刚性变换矩阵对第一目标区域的n个第一网格顶点进行变换处理,得到第三目标区域,其中,第三目标区域包括n个变换处理后的第一网格顶点。之后,根据多个第三目标区域,得到处理后的第一虚拟形象。
由于非刚性变换矩阵包括旋转矩阵、平移矩阵和缩放系数矩阵。旋转矩阵、平移矩阵和缩放系数矩阵中的元素分别表示从第一目标区域变换到第二目标区域时,将各个第一网格顶点变换到第二网格顶点时所产生的旋转值、平移值和缩放值。因此,在基于非刚性变换矩阵对n个第一网格顶点中的每个第一网格顶点进行变换处理时,可以根据旋转矩阵、平移矩阵和缩放系数矩阵,对该第一网格顶点进行旋转、平移和缩放处理,由此得到变换处理后的第一网格顶点。
经过非刚性变换矩阵处理后得到的第三目标区域与第二虚拟形象中的第二目标区域之间能够保持尺度对齐和位置对齐,后续可以将处理后的第一虚拟形象和第二虚拟形象进行融合处理,得到目标虚拟形象。
可以理解,由于未对第一虚拟形象中的非变换区域(即未进行变换处理的区域)和待变换区域(即第一目标区域)的目标融合系数进行定义,如果直接将处理后的第一虚拟形象和第二虚拟形象进行融合处理,在不同区域边界会产生凹凸不平等不平滑的现象。为了解决上述问题,本公开可以利用针对第一虚拟形象的目标融合系数来对处理后的第一虚拟形象和第二虚拟形象进行融合处理,以便得到平滑的目标虚拟形象。
根据本公开的实施例,可以根据如下操作获取以上所述的目标融合系数。
首先,可以获取多个第一目标区域中所有第一网格顶点分别对应的初始融合系数。
根据本公开的实施例,可以接收用户输入的配置信息来确定多个第一目标区域中所有第一网格顶点分别对应的初始融合系数。初始融合系数例如可以为0~1中的一个数值。如果初始融合系数的数值越靠近1,则目标虚拟形象中对应的网格顶点与第一虚拟形象中的第一网格顶点的融合程度越高,相应地,第一虚拟形象中的第一目标区域与目标虚拟形象中对应的目标区域之间的相似程度越高,第二虚拟形象中的第二目标区域与目标虚拟形象中对应的目标区域之间的相似程度越低。反之,如果初始融合系数的数值越靠近0,则目标虚拟形象中对应的网格顶点与第一虚拟形象中的第一网格顶点的融合程度越低,相应地,第一虚拟形象中的第一目标区域与目标虚拟形象中对应的目标区域之间的相似程度越低,第二虚拟形象中的第二目标区域与目标虚拟形象中对应的目标区域之间的相似程度越高。
接下来,根据初始融合系数以及第一虚拟形象中所有网格顶点的融合系数,确定融合系数优化关系。
例如,可以根据以下公式(5)确定融合系数优化关系。
在公式(5)中,F表示融合系数优化关系,N表示第一虚拟形象中所有网格顶点的数量,N为大于1的整数,sf表示所有网格顶点中第f(f=1,2,…,N)个网格顶点的融合系数,sj表示第f个网格顶点的相邻网格顶点j的融合系数,M(f)表示第f个网格顶点对应的临近点的集合,sk表示多个第一目标区域中所有第一网格顶点的第k(k=1,2,…,m)个第一网格顶点的融合系数,sk0表示第k个第一网格顶点的初始融合系数,m表示多个第一目标区域中所有第一网格顶点的数量,m为大于1的整数。
接下来,根据第一虚拟形象中第三网格顶点的融合系数,确定融合系数约束条件。其中,第三网格顶点是指第一虚拟形象中未进行变换处理的网格顶点。
可以根据以下公式(6)确定融合系数约束条件。
sc=1,c=l,2,...,C (6)
在公式(6)中,sc表示第一虚拟形象中第三网格顶点的融合系数,C表示第一虚拟形象中第三网格顶点的数量,C为大于1的整数。
在上述公式(6)中,将第三网格顶点的融合系数设定为1,可以保证第三网格顶点在融合处理时的不变性,这样只需要对待变换区域的网格顶点进行融合处理,由此可以在保持非变换区域不变的情况下对处理后的第一虚拟形象和第二虚拟形象进行融合处理,从而在一定程度上保证目标虚拟形象与第一虚拟形象的相似度。
接下来,根据融合系数优化关系和融合系数约束条件,确定目标融合系数。
根据上述公式(5)和公式(6),可以确定第一虚拟形象中各个网格顶点的目标融合系数。由于在确定目标融合系数的过程中考虑了各个网格顶点之间的平滑问题,因此,基于上述方式确定的目标融合系数可以保证融合之后得到的目标虚拟形象与第一虚拟形象之间的相似度以及目标虚拟形象的美观度。
需要说明的是,由于在确定目标融合系数的过程中不涉及网格顶点的位置变换和数量的变化,因此,可以将针对第一虚拟形象的目标融合系数视为处理后的第一虚拟形象的目标融合系数,后续可以使用针对第一虚拟形象的目标融合系数来对处理后的第一虚拟形象和第二虚拟形象进行融合处理,以生成目标虚拟形象。
根据本公开的实施例,确定上述目标融合系数之后,可以根据目标融合系数,将处理后的第一虚拟形象中所有的网格顶点分别与第二虚拟形象中对应的网格顶点进行逐点融合处理,得到目标虚拟形象。
示例性地,可以根据以下公式(7)进行逐点融合处理,从而得到目标虚拟形象。
dh=y*p′h+(1-y)*q′h (7)
在公式(7)中,dh表示目标虚拟形象中第h(h=1,2,…,N)个网格顶点,p’h表示处理后的第一虚拟形象中的第h个网格顶点,y表示处理后的第一虚拟形象中第h个网格顶点对应的目标融合系数,q’h表示第二虚拟形象中与p’h对应的第h个网格顶点,h为正整数。
在本公开的实施例中,通过利用目标融合系数对处理后的第一虚拟形象和第二虚拟形象进行融合处理,可以在一定程度上保证目标虚拟形象的美观度以及目标虚拟形象与第一虚拟形象和第二虚拟形象之间的相似度。该目标虚拟形象可以满足个性化虚拟形象的需要。
另外,本公开还可以通过调整各个第一网格顶点对应的初始融合系数来获取更新的目标融合系数,从而实现目标虚拟形象的形状可调。
图3是根据本公开的实施例的虚拟形象生成方法的示意图。下面结合示例对虚拟形象的生成过程进行示例说明。
如图3所示,在获取第一虚拟形象301和第二虚拟形象302之后,可以分别确定第一虚拟形象301中的多个第一目标区域310和第二虚拟形象302中的多个第二目标区域320。其中,多个第一目标区域310分别与多个第二目标区域320相对应。确定多个第一目标区域310与多个第二目标区域320的方式与以上描述的过程类似,这里不再赘述。
接下来,针对第一虚拟形象301中的每个第一目标区域310,可以确定该第一目标区域310与第二虚拟形象302中对应的第二目标区域320之间的非刚性变换矩阵。由此,可以得到多个非刚性变换矩阵330。
之后,针对第一虚拟形象301中的每个第一目标区域310,根据对应的非刚性变换矩阵330对该第一目标区域310进行变换处理,得到第三目标区域311。根据多个第三目标区域311,得到处理后的第一虚拟形象303。在本公开实施例中,通过利用非刚性变换矩阵对第一目标区域进行变换处理,使得处理后得到的第三目标区域和第二目标区域之间保持尺度对齐和位置对齐,从而有利于后续对虚拟形象进行融合处理。
之后,根据目标融合系数304,对处理后的第一虚拟形象303和第二虚拟形象302进行融合处理,得到目标虚拟形象340。
目标融合系数304的获取方式与以上描述的过程类似,这里不再赘述。
根据本公开的实施例,通过利用目标融合系数304对处理后的第一虚拟形象303和第二虚拟形象302进行融合处理,可以在一定程度上保证目标虚拟形象340的美观度以及目标虚拟形象340与第一虚拟形象301和第二虚拟形象302之间的相似度。
图4是根据本公开的实施例的虚拟形象生成装置的框图。
如图4所示,虚拟形象生成装置400包括:第一确定模块410、第二确定模块420、第三确定模块430和生成模块440。
第一确定模块410用于确定第一虚拟形象中的多个第一目标区域。
第二确定模块420用于确定第二虚拟形象中的多个第二目标区域。
第三确定模块430用于针对第一虚拟形象中的每个第一目标区域,确定该第一目标区域与第二虚拟形象中对应的第二目标区域之间的非刚性变换矩阵。
生成模块440用于基于非刚性变换矩阵和针对第一虚拟形象的目标融合系数,对第一虚拟形象和第二虚拟形象进行融合处理,生成目标虚拟形象,其中,目标融合系数用于表征第一虚拟形象在融合处理时的融合程度。
根据本公开的实施例,每个第一目标区域包括n个第一网格顶点,与第一目标区域对应的第二目标区域包括n个第二网格顶点,n为大于1的整数;第三确定模块430包括:第一确定单元和第二确定单元。第一确定单元用于根据n个第一网格顶点和n个第二网格顶点,确定第一目标区域和第二目标区域之间的非刚性变换关系;以及第二确定单元用于根据非刚性变换关系,确定第一目标区域和第二目标区域之间的非刚性变换矩阵。
根据本公开的实施例,第一确定单元包括:第一确定子单元。第一确定子单元用于使用非刚性迭代最近点算法,基于n个第一网格顶点和n个第二网格顶点,确定第一目标区域和第二目标区域之间的非刚性变换关系。
根据本公开的实施例,根据以下公式确定非刚性变换关系:
其中,F(R,S,T)表示非刚性变换关系,R表示旋转系数,T表示平移系数,S表示缩放系数,n表示第一目标区域或第二目标区域中网格顶点的数量,pi表示第一目标区域中的第i个第一网格顶点,qi表示第二目标区域中与pi对应的第i个第二网格顶点,i=1,2,...,n。
根据本公开的实施例,生成模块440包括:变换单元和融合单元。变换单元用于根据多个非刚性变换矩阵分别对第一虚拟形象的多个第一目标区域进行变换处理,得到处理后的第一虚拟形象;以及融合单元用于根据目标融合系数,对处理后的第一虚拟形象和第二虚拟形象进行融合处理,生成目标虚拟形象。
根据本公开的实施例,变换单元包括:第一变换子单元和第二变换子单元。第一变换子单元用于针对第一虚拟形象中的每个第一目标区域,基于非刚性变换矩阵对第一目标区域的n个第一网格顶点进行变换处理,得到第三目标区域;以及第二变换子单元用于根据多个第三目标区域,得到处理后的第一虚拟形象。
根据本公开的实施例,融合单元包括:融合子单元,融合子单元用于根据目标融合系数,将处理后的第一虚拟形象中所有的网格顶点分别与第二虚拟形象中对应的网格顶点进行融合处理,得到目标虚拟形象。
根据本公开的实施例,上述装置400还包括:获取模块、第四确定模块、第五确定模块和第六确定模块。获取模块用于获取多个第一目标区域中所有第一网格顶点分别对应的初始融合系数;第四确定模块用于根据初始融合系数以及第一虚拟形象中所有网格顶点的融合系数,确定融合系数优化关系;第五确定模块用于根据第一虚拟形象中第三网格顶点的融合系数,确定融合系数约束条件;其中,第三网格顶点是指第一虚拟形象中未进行变换处理的网格顶点;以及第六确定模块用于根据融合系数优化关系和融合系数约束条件,确定目标融合系数。
根据本公开的实施例,第二确定单元包括:第二确定子单元。第二确定子单元用于使用奇异值分解法,基于非刚性变换关系,得到非刚性变换矩阵。
需要说明的是,装置部分实施例中各模块/单元/子单元等的实施方式、解决的技术问题、实现的功能、以及达到的技术效果分别与方法部分实施例中各对应的步骤的实施方式、解决的技术问题、实现的功能、以及达到的技术效果相同或类似,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。
在本公开的技术方案中,在获取或采集用户个人信息之前,均获取了用户的授权或同意。
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。
根据本公开的实施例,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,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的方法。
根据本公开的实施例,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,计算机指令用于使计算机执行如本公开实施例的方法。
根据本公开的实施例,一种计算机程序产品,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的方法。
图5是用来实现本公开实施例的虚拟形象生成方法的电子设备的框图。
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500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,设备500包括计算单元501,其可以根据存储在只读存储器(ROM)502中的计算机程序或者从存储单元508加载到随机访问存储器(RAM)503中的计算机程序,来执行各种适当的动作和处理。在RAM 503中,还可存储设备500操作所需的各种程序和数据。计算单元501、ROM 502以及RAM 503通过总线504彼此相连。输入/输出(I/O)接口505也连接至总线504。
设备500中的多个部件连接至I/O接口505,包括:输入单元506,例如键盘、鼠标等;输出单元507,例如各种类型的显示器、扬声器等;存储单元508,例如磁盘、光盘等;以及通信单元509,例如网卡、调制解调器、无线通信收发机等。通信单元509允许设备500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501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501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501执行上文所描述的各个方法和处理,例如虚拟形象生成方法。例如,在一些实施例中,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508。在一些实施例中,计算机程序的部分或者全部可以经由ROM 502和/或通信单元509而被载入和/或安装到设备500上。当计算机程序加载到RAM 503并由计算单元501执行时,可以执行上文描述的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501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 (20)
1.一种虚拟形象生成方法,包括:
确定第一虚拟形象中的多个第一目标区域,每个第一目标区域包括多个第一网格顶点;
确定第二虚拟形象中的多个第二目标区域;
针对所述第一虚拟形象中的每个第一目标区域,确定该第一目标区域与所述第二虚拟形象中对应的第二目标区域之间的非刚性变换矩阵;以及
基于所述非刚性变换矩阵和针对所述第一虚拟形象的目标融合系数,对所述第一虚拟形象和所述第二虚拟形象进行融合处理,生成目标虚拟形象,其中,所述目标融合系数用于表征所述第一虚拟形象在融合处理时的融合程度;
其中,所述方法还包括:获取多个第一目标区域中所有第一网格顶点分别对应的初始融合系数;根据所述初始融合系数以及所述第一虚拟形象中所有网格顶点的融合系数,确定融合系数优化关系,其中,所述融合系数优化关系指示了所述初始融合系数与所述所有网格顶点的融合系数之间的关系;根据所述第一虚拟形象中第三网格顶点的融合系数,确定融合系数约束条件;其中,所述第三网格顶点是指所述第一虚拟形象中未进行变换处理的网格顶点;以及根据所述融合系数优化关系和所述融合系数约束条件,确定所述目标融合系数。
2.根据权利要求1所述的方法,其中,每个第一目标区域包括n个第一网格顶点,与所述第一目标区域对应的第二目标区域包括n个第二网格顶点,n为大于1的整数;
所述针对所述第一虚拟形象中的每个第一目标区域,确定该第一目标区域与所述第二虚拟形象中对应的第二目标区域之间的非刚性变换矩阵包括:
根据所述n个第一网格顶点和所述n个第二网格顶点,确定所述第一目标区域和所述第二目标区域之间的非刚性变换关系;以及
根据所述非刚性变换关系,确定所述第一目标区域和所述第二目标区域之间的非刚性变换矩阵。
3.根据权利要求2所述的方法,其中,根据所述n个第一网格顶点和所述n个第二网格顶点,确定所述第一目标区域和所述第二目标区域之间的非刚性变换关系包括:
使用非刚性迭代最近点算法,基于所述n个第一网格顶点和所述n个第二网格顶点,确定所述第一目标区域和所述第二目标区域之间的非刚性变换关系。
4.根据权利要求2或3所述的方法,其中,根据以下公式确定所述非刚性变换关系:
其中,F(R,S,T)表示非刚性变换关系,R表示旋转系数,T表示平移系数,S表示缩放系数,n表示所述第一目标区域或所述第二目标区域中网格顶点的数量,pi表示所述第一目标区域中的第i个第一网格顶点,qi表示所述第二目标区域中与pi对应的第i个第二网格顶点,i=1,2,...,n。
5.根据权利要求2所述的方法,其中,所述基于所述非刚性变换矩阵和针对所述第一虚拟形象的目标融合系数,对所述第一虚拟形象和所述第二虚拟形象进行融合处理,生成目标虚拟形象包括:
根据多个所述非刚性变换矩阵分别对所述第一虚拟形象的多个第一目标区域进行变换处理,得到处理后的第一虚拟形象;以及
根据所述目标融合系数,对所述处理后的第一虚拟形象和所述第二虚拟形象进行融合处理,生成目标虚拟形象。
6.根据权利要求5所述的方法,其中,所述根据多个所述非刚性变换矩阵分别对所述第一虚拟形象的多个第一目标区域进行变换处理,得到处理后的第一虚拟形象包括:
针对所述第一虚拟形象中的每个第一目标区域,基于所述非刚性变换矩阵对所述第一目标区域的n个第一网格顶点进行变换处理,得到第三目标区域;以及
根据多个所述第三目标区域,得到所述处理后的第一虚拟形象。
7.根据权利要求6所述的方法,其中,所述根据所述目标融合系数,对所述处理后的第一虚拟形象和所述第二虚拟形象进行融合处理,生成目标虚拟形象包括:
根据所述目标融合系数,将所述处理后的第一虚拟形象中所有的网格顶点分别与所述第二虚拟形象中对应的网格顶点进行融合处理,得到所述目标虚拟形象。
8.根据权利要求1所述的方法,其中,所述融合系数优化关系为与所述初始融合系数以及所述所有网格顶点的融合系数相关的优化函数,所述优化函数用于在所述优化函数的值达到最小值时,确定所述优化函数中的所述所有网格顶点的融合系数。
9.根据权利要求4所述的方法,其中,所述根据所述非刚性变换关系,确定所述第一目标区域和所述第二目标区域之间的非刚性变换矩阵包括:
使用奇异值分解法,基于所述非刚性变换关系,得到非刚性变换矩阵。
10.一种虚拟形象生成装置,包括:
第一确定模块,用于确定第一虚拟形象中的多个第一目标区域,每个第一目标区域包括多个第一网格顶点;
第二确定模块,用于确定第二虚拟形象中的多个第二目标区域;
第三确定模块,用于针对所述第一虚拟形象中的每个第一目标区域,确定该第一目标区域与所述第二虚拟形象中对应的第二目标区域之间的非刚性变换矩阵;以及
生成模块,用于基于所述非刚性变换矩阵和针对所述第一虚拟形象的目标融合系数,对所述第一虚拟形象和所述第二虚拟形象进行融合处理,生成目标虚拟形象,其中,所述目标融合系数用于表征所述第一虚拟形象在融合处理时的融合程度;
其中,所述装置还包括:获取模块,用于获取多个第一目标区域中所有第一网格顶点分别对应的初始融合系数;第四确定模块,用于根据所述初始融合系数以及所述第一虚拟形象中所有网格顶点的融合系数,确定融合系数优化关系,其中,所述融合系数优化关系指示了所述初始融合系数与所述所有网格顶点的融合系数之间的关系;第五确定模块,用于根据所述第一虚拟形象中第三网格顶点的融合系数,确定融合系数约束条件;其中,所述第三网格顶点是指所述第一虚拟形象中未进行变换处理的网格顶点;以及第六确定模块,用于根据所述融合系数优化关系和所述融合系数约束条件,确定所述目标融合系数。
11.根据权利要求10所述的装置,其中,每个第一目标区域包括n个第一网格顶点,与所述第一目标区域对应的第二目标区域包括n个第二网格顶点,n为大于1的整数;
所述第三确定模块包括:
第一确定单元,用于根据所述n个第一网格顶点和所述n个第二网格顶点,确定所述第一目标区域和所述第二目标区域之间的非刚性变换关系;以及
第二确定单元,用于根据所述非刚性变换关系,确定所述第一目标区域和所述第二目标区域之间的非刚性变换矩阵。
12.根据权利要求11所述的装置,其中,所述第一确定单元包括:
第一确定子单元,用于使用非刚性迭代最近点算法,基于所述n个第一网格顶点和所述n个第二网格顶点,确定所述第一目标区域和所述第二目标区域之间的非刚性变换关系。
13.根据权利要求11或12所述的装置,其中,根据以下公式确定所述非刚性变换关系:
其中,F(R,S,T)表示非刚性变换关系,R表示旋转系数,T表示平移系数,S表示缩放系数,n表示所述第一目标区域或所述第二目标区域中网格顶点的数量,pi表示所述第一目标区域中的第i个第一网格顶点,qi表示所述第二目标区域中与pi对应的第i个第二网格顶点,i=1,2,…,n。
14.根据权利要求11所述的装置,其中,所述生成模块包括:
变换单元,用于根据多个所述非刚性变换矩阵分别对所述第一虚拟形象的多个第一目标区域进行变换处理,得到处理后的第一虚拟形象;以及
融合单元,用于根据所述目标融合系数,对所述处理后的第一虚拟形象和所述第二虚拟形象进行融合处理,生成目标虚拟形象。
15.根据权利要求14所述的装置,其中,所述变换单元包括:
第一变换子单元,用于针对所述第一虚拟形象中的每个第一目标区域,基于所述非刚性变换矩阵对所述第一目标区域的n个第一网格顶点进行变换处理,得到第三目标区域;以及
第二变换子单元,用于根据多个所述第三目标区域,得到所述处理后的第一虚拟形象。
16.根据权利要求15所述的装置,其中,所述融合单元包括:
融合子单元,用于根据所述目标融合系数,将所述处理后的第一虚拟形象中所有的网格顶点分别与所述第二虚拟形象中对应的网格顶点进行融合处理,得到所述目标虚拟形象。
17.根据权利要求10所述的装置,所述融合系数优化关系为与所述初始融合系数以及所述所有网格顶点的融合系数相关的优化函数,所述优化函数用于在所述优化函数的值达到最小值时,确定所述优化函数中的所述所有网格顶点的融合系数。
18.根据权利要求13所述的装置,其中,所述第二确定单元包括:
第二确定子单元,用于使用奇异值分解法,基于所述非刚性变换关系,得到非刚性变换矩阵。
19.一种电子设备,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至9中任一项所述的方法。
20.一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至9中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310006098.0A CN116030150B (zh) | 2023-01-03 | 2023-01-03 | 虚拟形象生成方法、装置、电子设备和介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310006098.0A CN116030150B (zh) | 2023-01-03 | 2023-01-03 | 虚拟形象生成方法、装置、电子设备和介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116030150A CN116030150A (zh) | 2023-04-28 |
CN116030150B true CN116030150B (zh) | 2023-11-28 |
Family
ID=86070184
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310006098.0A Active CN116030150B (zh) | 2023-01-03 | 2023-01-03 | 虚拟形象生成方法、装置、电子设备和介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116030150B (zh) |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113362263A (zh) * | 2021-05-27 | 2021-09-07 | 百度在线网络技术(北京)有限公司 | 变换虚拟偶像的形象的方法、设备、介质及程序产品 |
CN113706678A (zh) * | 2021-03-23 | 2021-11-26 | 腾讯科技(深圳)有限公司 | 获取虚拟形象的方法、装置、设备及计算机可读存储介质 |
-
2023
- 2023-01-03 CN CN202310006098.0A patent/CN116030150B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113706678A (zh) * | 2021-03-23 | 2021-11-26 | 腾讯科技(深圳)有限公司 | 获取虚拟形象的方法、装置、设备及计算机可读存储介质 |
CN113362263A (zh) * | 2021-05-27 | 2021-09-07 | 百度在线网络技术(北京)有限公司 | 变换虚拟偶像的形象的方法、设备、介质及程序产品 |
Also Published As
Publication number | Publication date |
---|---|
CN116030150A (zh) | 2023-04-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN115049799B (zh) | 3d模型和虚拟形象的生成方法和装置 | |
CN112862933B (zh) | 用于优化模型的方法、装置、设备以及存储介质 | |
CN115147265B (zh) | 虚拟形象生成方法、装置、电子设备和存储介质 | |
CN114820905B (zh) | 虚拟形象生成方法、装置、电子设备及可读存储介质 | |
CN113688907B (zh) | 模型训练、视频处理方法,装置,设备以及存储介质 | |
CN105096353B (zh) | 一种图像处理方法及装置 | |
CN113327278A (zh) | 三维人脸重建方法、装置、设备以及存储介质 | |
CN115345980A (zh) | 个性化纹理贴图的生成方法及装置 | |
CN114612600B (zh) | 虚拟形象生成方法、装置、电子设备和存储介质 | |
CN114792355B (zh) | 虚拟形象生成方法、装置、电子设备和存储介质 | |
CN113052962A (zh) | 模型训练、信息输出方法,装置,设备以及存储介质 | |
CN113658035B (zh) | 脸部变换方法、装置、设备、存储介质以及产品 | |
CN113808249B (zh) | 图像处理方法、装置、设备和计算机存储介质 | |
CN112562043B (zh) | 图像处理方法、装置和电子设备 | |
CN116030150B (zh) | 虚拟形象生成方法、装置、电子设备和介质 | |
CN114926322B (zh) | 图像生成方法、装置、电子设备和存储介质 | |
CN114758130B (zh) | 图像处理及模型训练方法、装置、设备和存储介质 | |
CN114638919A (zh) | 虚拟形象的生成方法、电子设备、程序产品及用户终端 | |
CN114648601A (zh) | 虚拟形象的生成方法、电子设备、程序产品及用户终端 | |
CN114078184A (zh) | 数据处理方法、装置、电子设备和介质 | |
CN116363331B (zh) | 图像生成方法、装置、设备以及存储介质 | |
CN114820908B (zh) | 虚拟形象生成方法、装置、电子设备和存储介质 | |
CN115937373B (zh) | 虚拟形象驱动方法、装置、设备以及存储介质 | |
CN115713582B (zh) | 虚拟形象生成方法、装置、电子设备和介质 | |
CN116385643B (zh) | 虚拟形象生成、模型的训练方法、装置及电子设备 |
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 |