CN116152383B - 一种体素模型与图像生成方法、设备及存储介质 - Google Patents

一种体素模型与图像生成方法、设备及存储介质 Download PDF

Info

Publication number
CN116152383B
CN116152383B CN202310205705.6A CN202310205705A CN116152383B CN 116152383 B CN116152383 B CN 116152383B CN 202310205705 A CN202310205705 A CN 202310205705A CN 116152383 B CN116152383 B CN 116152383B
Authority
CN
China
Prior art keywords
target
virtual
image
interaction
user operation
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
Application number
CN202310205705.6A
Other languages
English (en)
Other versions
CN116152383A (zh
Inventor
张雪兵
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shenzhen Euclideon Technology Co ltd
Original Assignee
Shenzhen Euclideon Technology Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Shenzhen Euclideon Technology Co ltd filed Critical Shenzhen Euclideon Technology Co ltd
Priority to CN202310205705.6A priority Critical patent/CN116152383B/zh
Publication of CN116152383A publication Critical patent/CN116152383A/zh
Application granted granted Critical
Publication of CN116152383B publication Critical patent/CN116152383B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T11/00—2D [Two Dimensional] image generation
    • G06T11/20—Drawing from basic elements, e.g. lines or circles
    • G06T11/203—Drawing of straight lines or curves
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T11/00—2D [Two Dimensional] image generation
    • G06T11/001—Texturing; Colouring; Generation of texture or colour
    • 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
    • G06V10/75—Organisation of the matching processes, e.g. simultaneous or sequential comparisons of image or video features; Coarse-fine approaches, e.g. multi-scale approaches; using context analysis; Selection of dictionaries
    • G06V10/751—Comparing pixel values or logical combinations thereof, or feature values having positional relevance, e.g. template matching
    • 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
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/60—Type of objects
    • G06V20/64—Three-dimensional objects
    • G06V20/647—Three-dimensional objects by matching two-dimensional images to three-dimensional objects
    • 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
    • Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
    • Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Multimedia (AREA)
  • Artificial Intelligence (AREA)
  • Computing Systems (AREA)
  • Databases & Information Systems (AREA)
  • Evolutionary Computation (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Software Systems (AREA)
  • Health & Medical Sciences (AREA)
  • Processing Or Creating Images (AREA)

Abstract

本发明涉及图像处理领域，公开了一种体素模型与图像生成方法、设备及存储介质，用于提高图像生成的效率和准确率。所述方法包括：对虚拟交互指令进行解析处理，得到用户操作信息集合；对用户操作信息集合进行信息编码处理，得到离散编码信息，并对离散编码信息进行矩阵转换，生成特征编码矩阵；分别对特征编码矩阵和多个候选交互模板之间进行相似度计算，得到多个目标相似度，并根据目标相似度，从多个候选交互模板中选取至少一个虚拟交互模板；根据至少一个虚拟交互模板，对用户操作信息集合进行体素模型和构图元素匹配，得到目标体素模型和构图元素集合；将构图元素集合输入目标体素模型进行虚拟图像构建和图像检测，得到目标虚拟图像。

Description

一种体素模型与图像生成方法、设备及存储介质
技术领域
本发明涉及图像处理领域，尤其涉及一种体素模型与图像生成方法、设备及存储介质。
背景技术
随着虚拟现实行业的兴起，越来越多人开始尝试和体验虚拟现实设备。目前虚拟现实设备大致分为：外接式头戴设备、一体式头戴设备、移动端头显设备等。
现有方案采用基于多层感知机的神经网络对用户的虚拟空间构图操作进行图像重建，这种方式的效率较低，进而影响图像的合成效率，无法应用于对合成效率要求较高的场景，例如一些实时交互场景。
发明内容
本发明提供了一种体素模型与图像生成方法、设备及存储介质，用于提高图像生成的效率和准确率。
本发明第一方面提供了一种体素模型与图像生成方法，所述体素模型与图像生成方法包括：
基于预置的虚拟现实设备接收目标用户输入的虚拟交互指令，并对所述虚拟交互指令进行解析处理，得到用户操作信息集合；
对所述用户操作信息集合进行信息编码处理，得到离散编码信息，并对所述离散编码信息进行矩阵转换，生成特征编码矩阵；
分别对所述特征编码矩阵和预置的多个候选交互模板之间进行相似度计算，得到多个目标相似度，并根据所述目标相似度，从所述多个候选交互模板中选取至少一个虚拟交互模板；
根据所述至少一个虚拟交互模板，对所述用户操作信息集合进行体素模型和构图元素匹配，得到目标体素模型和构图元素集合；
将所述构图元素集合输入所述目标体素模型进行虚拟图像构建和图像检测，得到目标虚拟图像。
结合第一方面，在本发明第一方面的第一实施方式中，所述基于预置的虚拟现实设备接收目标用户输入的虚拟交互指令，并对所述虚拟交互指令进行解析处理，得到用户操作信息集合，包括：
基于预置的虚拟现实设备接收目标用户输入的虚拟交互指令；
对所述虚拟交互指令进行用户操作解析，得到多个用户操作动作，其中，所述用户操作动作包括：组件调用动作、增添和删除动作以及存储和读取动作；
对所述多个用户操作动作进行虚拟空间操作信息映射，生成用户操作信息集合。
结合第一方面，在本发明第一方面的第二实施方式中，所述对所述用户操作信息集合进行信息编码处理，得到离散编码信息，并对所述离散编码信息进行矩阵转换，生成特征编码矩阵，包括：
分别对所述用户操作信息集合中的每个用户操作动作进行信息编码处理，得到离散化的编码信息；
对所述离散化的编码信息进行特征值转换和矩阵初始化处理，得到初始化特征矩阵；
对所述初始化特征矩阵进行矩阵对齐，生成特征编码矩阵。
结合第一方面，在本发明第一方面的第三实施方式中，所述分别对所述特征编码矩阵和预置的多个候选交互模板之间进行相似度计算，得到多个目标相似度，并根据所述目标相似度，从所述多个候选交互模板中选取至少一个虚拟交互模板，包括：
分别对所述特征编码矩阵进行矩阵元素提取，得到多个矩阵元素；
获取多个候选交互模板，并对所述多个矩阵元素进行相似度计算，得到所述特征编码矩阵与每个候选交互模板之间的目标相似度；
对所述目标相似度和预设目标值进行比较，得到比较结果；
根据所述比较结果，从所述多个候选交互模板中选取至少一个虚拟交互模板。
结合第一方面，在本发明第一方面的第四实施方式中，所述根据所述至少一个虚拟交互模板，对所述用户操作信息集合进行体素模型和构图元素匹配，得到目标体素模型和构图元素集合，包括：
基于所述至少一个虚拟交互模板，对所述用户操作信息集合进行体素模型映射，得到目标体素模型；
分别查询所述用户操作信息集合对应的交互组件和交互元素，得到交互组件和交互元素；
将所述交互组件和所述交互元素作为构图元素集合并输出。
结合第一方面，在本发明第一方面的第五实施方式中，所述将所述构图元素集合输入所述目标体素模型进行虚拟图像构建和图像检测，得到目标虚拟图像，包括：
将所述构图元素集合输入所述目标体素模型进行图像构建，得到初始体素图像；
对所述构图元素集合进行构图布局信息提取，得到目标构图布局信息；
根据所述目标构图布局信息，对所述初始体素图像进行关系信息分析，得到目标关系信息；
根据所述目标关系信息，对所述初始体素图像进行图像检测，得到图像检测结果；
根据所述图像检测结果生成所述虚拟交互指令对应的目标虚拟图像。
结合第一方面，在本发明第一方面的第六实施方式中，所述体素模型与图像生成方法，还包括：
将所述目标虚拟图像传输至所述虚拟现实设备，并通过所述虚拟现实设备接收所述目标虚拟图像；
接收所述目标用户的图像渲染指令，并根据所述图像渲染指令对所述目标虚拟图像进行动画渲染，生成目标虚拟动画。
本发明第二方面提供了一种体素模型与图像生成装置，所述体素模型与图像生成装置包括：
解析模块，用于基于预置的虚拟现实设备接收目标用户输入的虚拟交互指令，并对所述虚拟交互指令进行解析处理，得到用户操作信息集合；
编码模块，用于对所述用户操作信息集合进行信息编码处理，得到离散编码信息，并对所述离散编码信息进行矩阵转换，生成特征编码矩阵；
计算模块，用于分别对所述特征编码矩阵和预置的多个候选交互模板之间进行相似度计算，得到多个目标相似度，并根据所述目标相似度，从所述多个候选交互模板中选取至少一个虚拟交互模板；
匹配模块，用于根据所述至少一个虚拟交互模板，对所述用户操作信息集合进行体素模型和构图元素匹配，得到目标体素模型和构图元素集合；
构建模块，用于将所述构图元素集合输入所述目标体素模型进行虚拟图像构建和图像检测，得到目标虚拟图像。
结合第二方面，在本发明第二方面的第一实施方式中，所述解析模块具体用于：
基于预置的虚拟现实设备接收目标用户输入的虚拟交互指令；
对所述虚拟交互指令进行用户操作解析，得到多个用户操作动作，其中，所述用户操作动作包括：组件调用动作、增添和删除动作以及存储和读取动作；
对所述多个用户操作动作进行虚拟空间操作信息映射，生成用户操作信息集合。
结合第二方面，在本发明第二方面的第二实施方式中，所述编码模块具体用于：
分别对所述用户操作信息集合中的每个用户操作动作进行信息编码处理，得到离散化的编码信息；
对所述离散化的编码信息进行特征值转换和矩阵初始化处理，得到初始化特征矩阵；
对所述初始化特征矩阵进行矩阵对齐，生成特征编码矩阵。
结合第二方面，在本发明第二方面的第三实施方式中，所述计算模块具体用于：
分别对所述特征编码矩阵进行矩阵元素提取，得到多个矩阵元素；
获取多个候选交互模板，并对所述多个矩阵元素进行相似度计算，得到所述特征编码矩阵与每个候选交互模板之间的目标相似度；
对所述目标相似度和预设目标值进行比较，得到比较结果；
根据所述比较结果，从所述多个候选交互模板中选取至少一个虚拟交互模板。
结合第二方面，在本发明第二方面的第四实施方式中，所述匹配模块具体用于：
基于所述至少一个虚拟交互模板，对所述用户操作信息集合进行体素模型映射，得到目标体素模型；
分别查询所述用户操作信息集合对应的交互组件和交互元素，得到交互组件和交互元素；
将所述交互组件和所述交互元素作为构图元素集合并输出。
结合第二方面，在本发明第二方面的第五实施方式中，所述构建模块具体用于：
将所述构图元素集合输入所述目标体素模型进行图像构建，得到初始体素图像；
对所述构图元素集合进行构图布局信息提取，得到目标构图布局信息；
根据所述目标构图布局信息，对所述初始体素图像进行关系信息分析，得到目标关系信息；
根据所述目标关系信息，对所述初始体素图像进行图像检测，得到图像检测结果；
根据所述图像检测结果生成所述虚拟交互指令对应的目标虚拟图像。
结合第二方面，在本发明第二方面的第六实施方式中，所述体素模型与图像生成装置，还包括：
渲染模块，用于将所述目标虚拟图像传输至所述虚拟现实设备，并通过所述虚拟现实设备接收所述目标虚拟图像；接收所述目标用户的图像渲染指令，并根据所述图像渲染指令对所述目标虚拟图像进行动画渲染，生成目标虚拟动画。
本发明第三方面提供了一种体素模型与图像生成设备，包括：存储器和至少一个处理器，所述存储器中存储有指令；所述至少一个处理器调用所述存储器中的所述指令，以使得所述体素模型与图像生成设备执行上述的体素模型与图像生成方法。
本发明的第四方面提供了一种计算机可读存储介质，所述计算机可读存储介质中存储有指令，当其在计算机上运行时，使得计算机执行上述的体素模型与图像生成方法。
本发明提供的技术方案中，对虚拟交互指令进行解析处理，得到用户操作信息集合；对用户操作信息集合进行信息编码处理，得到离散编码信息，并对离散编码信息进行矩阵转换，生成特征编码矩阵；分别对特征编码矩阵和多个候选交互模板之间进行相似度计算，得到多个目标相似度，并根据目标相似度，从多个候选交互模板中选取至少一个虚拟交互模板；根据至少一个虚拟交互模板，对用户操作信息集合进行体素模型和构图元素匹配，得到目标体素模型和构图元素集合；将构图元素集合输入目标体素模型进行虚拟图像构建和图像检测，得到目标虚拟图像，本发明通过虚拟现实设备智能感知目标用户的操作信息，进而通过虚拟空间中的体素模型和预先确定好的构图元素集合进行虚拟图像生成，从而实现了高效化的虚拟图像构建，提高了图像生成的效率和准确率。
附图说明
图1为本发明实施例中体素模型与图像生成方法的一个实施例示意图；
图2为本发明实施例中矩阵转换的流程图；
图3为本发明实施例中选取至少一个虚拟交互模板的流程图；
图4为本发明实施例中体素模型和构图元素匹配的流程图；
图5为本发明实施例中体素模型与图像生成装置的一个实施例示意图；
图6为本发明实施例中体素模型与图像生成装置的另一个实施例示意图；
图7为本发明实施例中体素模型与图像生成设备的一个实施例示意图。
具体实施方式
本发明实施例提供了一种体素模型与图像生成方法、设备及存储介质，用于提高图像生成的效率和准确率。本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”、“第三”、“第四”等（如果存在）是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的实施例能够以除了在这里图示或描述的内容以外的顺序实施。此外，术语“包括”或“具有”及其任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
为便于理解，下面对本发明实施例的具体流程进行描述，请参阅图1，本发明实施例中体素模型与图像生成方法的一个实施例包括：
S101、基于预置的虚拟现实设备接收目标用户输入的虚拟交互指令，并对虚拟交互指令进行解析处理，得到用户操作信息集合；
可以理解的是，本发明的执行主体可以为体素模型与图像生成装置，还可以是终端或者服务器，具体此处不做限定。本发明实施例以服务器为执行主体为例进行说明。
具体的，基于预置的虚拟现实设备接收目标用户输入的虚拟交互指令，进一步地，服务器在通过预先设计的虚拟交互指令解析算法，对输入的指令进行解析处理，得到用户操作动作，其中，该用户操作动作包括：组件调用动作、增添和删除动作以及存储和读取动作，进一步的，服务器对该多个用户操作动作进行虚拟空间操作信息映射，得到用户操作信息集合。
S102、对用户操作信息集合进行信息编码处理，得到离散编码信息，并对离散编码信息进行矩阵转换，生成特征编码矩阵；
具体的，服务器将用户操作信息集合在时间或空间上进行离散化处理，得到第一次离散化处理后的用户操作信息集合，需要说明的是，在数据处理中，采样的频率越高，信号的精度就越高。进一步地，服务器将第一次离散化处理后的用户操作信息集合中数据信号的幅度进行第二次离散化处理，得到第二次离散化处理后的用户操作信息集合，最终，服务器将将第二次离散化处理的用户操作信息集合转换为二进制码，得到离散编码信息，进而，服务器对离散编码信息进行矩阵转换，生成特征编码矩阵。
S103、分别对特征编码矩阵和预置的多个候选交互模板之间进行相似度计算，得到多个目标相似度，并根据目标相似度，从多个候选交互模板中选取至少一个虚拟交互模板；
需要说明的是，相似度的计算方法有很多种，如欧式距离、余弦相似度、皮尔逊相关系数等。在进行相似度计算前，需要选择合适的计算方法，首先，服务器分别对特征编码矩阵进行矩阵元素提取，得到多个矩阵元素，需要说明的是，元素的属性可以是多种多样的，如文本数据中的关键词、图像数据中的像素值等，因此，在进行元素相似度计算前，首先需要确定元素的属性，在本发明实施例中，服务器首先获取多个候选交互模板，进而根据选择的相似度计算方法，计算两个元素之间的相似度值，例如，对于欧式距离，可以计算两个元素之间所有属性的差值平方和再开方，对于余弦相似度，可以计算两个元素之间的夹角余弦值，在对多个矩阵元素进行相似度计算后，得到特征编码矩阵与每个候选交互模板之间的目标相似度，进而对目标相似度与预设目标值进行比较，得到比较结果，最终，根据比较结果，从多个候选交互模板中选取至少一个虚拟交互模板。
S104、根据至少一个虚拟交互模板，对用户操作信息集合进行体素模型和构图元素匹配，得到目标体素模型和构图元素集合；
需要说明的是，体素模型是一种将三维物体分割成若干个小立方体（体素）的模型，每个体素可以表示一个物体的局部特征，构图元素是指构成图像的各种元素，如线条、形状、颜色等。体素模型和构图元素匹配是一种将三维物体的局部特征与二维图像的构图元素相匹配的方法，在本发明实施例中，服务器首先基于至少一个虚拟交互模板，对用户操作信息集合进行体素模型映射，得到目标体素模型，进而分别查询用户操作信息集合对应的交互组件和交互元素，得到交互组件和交互元素，最终，服务器将交互组件和交互元素作为构图元素集合并输出。
S105、将构图元素集合输入目标体素模型进行虚拟图像构建和图像检测，得到目标虚拟图像。
具体的，服务器首先确定虚拟场景的各种元素，进而根据虚拟场景的各种元素，设计出初始体素图像，包括各种元素的形状、大小、颜色等信息，在本发明实施例中，服务器将构图元素集合输入目标体素模型进行图像构建，得到初始体素图像，进而将初始体素图像导入渲染引擎中，进行光照、材质、阴影等方面的设置，同时，对构图元素集合进行构图布局信息提取，得到目标构图布局信息，金额通过该目标布局信息进行图像构建，得到目标虚拟图像。
本发明实施例中，对虚拟交互指令进行解析处理，得到用户操作信息集合；对用户操作信息集合进行信息编码处理，得到离散编码信息，并对离散编码信息进行矩阵转换，生成特征编码矩阵；分别对特征编码矩阵和多个候选交互模板之间进行相似度计算，得到多个目标相似度，并根据目标相似度，从多个候选交互模板中选取至少一个虚拟交互模板；根据至少一个虚拟交互模板，对用户操作信息集合进行体素模型和构图元素匹配，得到目标体素模型和构图元素集合；将构图元素集合输入目标体素模型进行虚拟图像构建和图像检测，得到目标虚拟图像，本发明通过虚拟现实设备智能感知目标用户的操作信息，进而通过虚拟空间中的体素模型和预先确定好的构图元素集合进行虚拟图像生成，从而实现了高效化的虚拟图像构建，提高了图像生成的效率和准确率。
在一具体实施例中，执行步骤S101的过程可以具体包括如下步骤：
（1）基于预置的虚拟现实设备接收目标用户输入的虚拟交互指令；
（2）对虚拟交互指令进行用户操作解析，得到多个用户操作动作，其中，用户操作动作包括：组件调用动作、增添和删除动作以及存储和读取动作；
（3）对多个用户操作动作进行虚拟空间操作信息映射，生成用户操作信息集合。
具体的，基于预置的虚拟现实设备接收目标用户输入的虚拟交互指令，进一步地，服务器在通过预先设计的虚拟交互指令解析算法，对输入的指令进行解析处理，得到用户操作动作，其中，该用户操作动作包括：组件调用动作、增添和删除动作以及存储和读取动作，进一步的，服务器对该多个用户操作动作进行虚拟空间操作信息映射，得到用户操作信息集合。
在一具体实施例中，如图2所示，执行步骤S102的过程可以具体包括如下步骤：
S201、分别对用户操作信息集合中的每个用户操作动作进行信息编码处理，得到离散化的编码信息；
S202、对离散化的编码信息进行特征值转换和矩阵初始化处理，得到初始化特征矩阵；
S203、对初始化特征矩阵进行矩阵对齐，生成特征编码矩阵。
具体的，服务器将用户操作信息集合在时间或空间上进行离散化处理，得到第一次离散化处理后的用户操作信息集合，需要说明的是，在数据处理中，采样的频率越高，信号的精度就越高。进一步地，服务器将第一次离散化处理后的用户操作信息集合中数据信号的幅度进行第二次离散化处理，得到第二次离散化处理后的用户操作信息集合，最终，服务器将将第二次离散化处理的用户操作信息集合转换为二进制码，得到离散编码信息。
进一步的，服务器对离散化的编码信息进行特征值转换和矩阵初始化处理，得到初始化特征矩阵，其中，服务器首先确定矩阵转换的类型和方式，需要说明的是，矩阵转换的形式可以包括例如线性变换、仿射变换、正交变换等，在本发明实施例中，服务器通过定义初始矩阵，首先将该离散化的编码信息进行特征值转换，得到对应的初始矩阵，进而服务器对该初始矩阵进行初始化处理，在本发明实施例中，进行初始化处理即矩阵转换，进一步地，服务器通过该初始矩阵计算矩阵乘积，需要说明的是，矩阵转换的实质就是将初始矩阵与转换矩阵相乘，得到矩阵转换后的矩阵，在本发明各种，服务器对出实矩阵进行矩阵转换处理，得到对应的初始化特征矩阵，最终，服务器对初始化特征矩阵进行矩阵对齐，生成特征编码矩阵。
在一具体实施例中，如图3所示，执行步骤S103的过程可以具体包括如下步骤：
S301、分别对特征编码矩阵进行矩阵元素提取，得到多个矩阵元素；
S302、获取多个候选交互模板，并对多个矩阵元素进行相似度计算，得到特征编码矩阵与每个候选交互模板之间的目标相似度；
S303、对目标相似度和预设目标值进行比较，得到比较结果；
S304、根据比较结果，从多个候选交互模板中选取至少一个虚拟交互模板。
首先，服务器分别对特征编码矩阵进行矩阵元素提取，得到多个矩阵元素，需要说明的是，元素的属性可以是多种多样的，如文本数据中的关键词、图像数据中的像素值等，因此，在进行元素相似度计算前，首先需要确定元素的属性，在本发明实施例中，服务器首先获取多个候选交互模板，进而根据选择的相似度计算方法，计算两个元素之间的相似度值，例如，对于欧式距离，可以计算两个元素之间所有属性的差值平方和再开方，对于余弦相似度，可以计算两个元素之间的夹角余弦值，在对多个矩阵元素进行相似度计算后，得到特征编码矩阵与每个候选交互模板之间的目标相似度，进而对目标相似度与预设目标值进行比较，得到比较结果，最终，根据比较结果，从多个候选交互模板中选取至少一个虚拟交互模板。
在一具体实施例中，如图4所示，执行步骤S104的过程可以具体包括如下步骤：
S401、基于至少一个虚拟交互模板，对用户操作信息集合进行体素模型映射，得到目标体素模型；
S402、分别查询用户操作信息集合对应的交互组件和交互元素，得到交互组件和交互元素；
S403、将交互组件和交互元素作为构图元素集合并输出。
其中，服务器对该至少一个虚拟交互模板进行交互三维物体特征信息采集，确定交互三维物体特征信息集合，进一步的，服务器，根据交互三维物体的几何信息和特征，对用户操作信息集合进行体素模型映射，得到目标体素模型，需要说明的是，在本发明实施例中，目标体素模型的大小和精度可以根据具体问题进行调整，同时确定对应的多个构图元素，并提取对应的图像特征，需要说明的是，该图像特征可以包括线条、形状、颜色等信息，进一步的，服务器将目标体素模型与图像特征进行匹配，并分别查询用户操作信息集合对应的交互组件和交互元素，最终确定交互组件和交互元素，最终，服务器将交互组件和交互元素作为构图元素集合并输出。
在一具体实施例中，执行步骤S105的过程可以具体包括如下步骤：
（1）将构图元素集合输入目标体素模型进行图像构建，得到初始体素图像；
（2）对构图元素集合进行构图布局信息提取，得到目标构图布局信息；
（3）根据目标构图布局信息，对初始体素图像进行关系信息分析，得到目标关系信息；
（4）根据目标关系信息，对初始体素图像进行图像检测，得到图像检测结果；
（5）根据图像检测结果生成虚拟交互指令对应的目标虚拟图像。
具体的，服务器将构图元素集合输入目标体素模型进行图像构建，得到初始体素图像，进而对构图元素集合进行构图布局信息提取，得到目标构图布局信息，进一步地，根据目标构图布局信息，需要说明的是，初始体素图像是指通过扫描或重建等方式获取的三维体素数据，这些数据通常需要经过关系信息分析，以便更好地理解和应用，关系信息分析是指通过分析体素数据中的空间关系、形态特征、颜色等信息，提取出有用的关系信息，如表面形状、空间位置、连接关系等。常见的关系信息分析方法包括以下几种：通过通过对体素数据进行体素化处理，将其离散化为一个个小立方体，然后分析这些小立方体之间的空间关系，如距离、方向、位置等；另一种方式是通过对体素数据进行形态学分析，提取出体素数据的形态特征，如表面形状、几何特征等；还可以通过对体素数据进行颜色分析，提取出体素数据的颜色特征，如颜色分布、颜色变化等；在本发明实施例中，服务器对初始体素图像进行关系信息分析，得到目标关系信息，根据目标关系信息，对初始体素图像进行图像检测，得到图像检测结果，根据图像检测结果生成虚拟交互指令对应的目标虚拟图像。
在一具体实施例中，上述体素模型与图像生成方法还包括如下步骤：
（1）将目标虚拟图像传输至虚拟现实设备，并通过虚拟现实设备接收目标虚拟图像；
（2）接收目标用户的图像渲染指令，并根据图像渲染指令对目标虚拟图像进行动画渲染，生成目标虚拟动画。
具体的，将目标虚拟图像传输至虚拟现实设备，并通过虚拟现实设备接收目标虚拟图像，服务器首先建立3D模型、设置光源、材质、纹理等参数，然后使用与该图像渲染指令对应的渲染函数进行渲染，最终生成目标虚拟动画，需要说明的是，在渲染过程中，需要考虑光照、阴影、材质、纹理等因素，以使得生成的动画尽可能接近真实环境。
上面对本发明实施例中体素模型与图像生成方法进行了描述，下面对本发明实施例中体素模型与图像生成装置进行描述，请参阅图5，本发明实施例中体素模型与图像生成装置一个实施例包括：
解析模块501，用于基于预置的虚拟现实设备接收目标用户输入的虚拟交互指令，并对所述虚拟交互指令进行解析处理，得到用户操作信息集合；
编码模块502，用于对所述用户操作信息集合进行信息编码处理，得到离散编码信息，并对所述离散编码信息进行矩阵转换，生成特征编码矩阵；
计算模块503，用于分别对所述特征编码矩阵和预置的多个候选交互模板之间进行相似度计算，得到多个目标相似度，并根据所述目标相似度，从所述多个候选交互模板中选取至少一个虚拟交互模板；
匹配模块504，用于根据所述至少一个虚拟交互模板，对所述用户操作信息集合进行体素模型和构图元素匹配，得到目标体素模型和构图元素集合；
构建模块505，用于将所述构图元素集合输入所述目标体素模型进行虚拟图像构建和图像检测，得到目标虚拟图像。
通过上述各个组成部分的协同合作，对虚拟交互指令进行解析处理，得到用户操作信息集合；对用户操作信息集合进行信息编码处理，得到离散编码信息，并对离散编码信息进行矩阵转换，生成特征编码矩阵；分别对特征编码矩阵和多个候选交互模板之间进行相似度计算，得到多个目标相似度，并根据目标相似度，从多个候选交互模板中选取至少一个虚拟交互模板；根据至少一个虚拟交互模板，对用户操作信息集合进行体素模型和构图元素匹配，得到目标体素模型和构图元素集合；将构图元素集合输入目标体素模型进行虚拟图像构建和图像检测，得到目标虚拟图像，本发明通过虚拟现实设备智能感知目标用户的操作信息，进而通过虚拟空间中的体素模型和预先确定好的构图元素集合进行虚拟图像生成，从而实现了高效化的虚拟图像构建，提高了图像生成的效率和准确率。
请参阅图6，本发明实施例中体素模型与图像生成装置另一个实施例包括：
解析模块501，用于基于预置的虚拟现实设备接收目标用户输入的虚拟交互指令，并对所述虚拟交互指令进行解析处理，得到用户操作信息集合；
编码模块502，用于对所述用户操作信息集合进行信息编码处理，得到离散编码信息，并对所述离散编码信息进行矩阵转换，生成特征编码矩阵；
计算模块503，用于分别对所述特征编码矩阵和预置的多个候选交互模板之间进行相似度计算，得到多个目标相似度，并根据所述目标相似度，从所述多个候选交互模板中选取至少一个虚拟交互模板；
匹配模块504，用于根据所述至少一个虚拟交互模板，对所述用户操作信息集合进行体素模型和构图元素匹配，得到目标体素模型和构图元素集合；
构建模块505，用于将所述构图元素集合输入所述目标体素模型进行虚拟图像构建和图像检测，得到目标虚拟图像。
可选的，所述解析模块501具体用于：
基于预置的虚拟现实设备接收目标用户输入的虚拟交互指令；
对所述虚拟交互指令进行用户操作解析，得到多个用户操作动作，其中，所述用户操作动作包括：组件调用动作、增添和删除动作以及存储和读取动作；
对所述多个用户操作动作进行虚拟空间操作信息映射，生成用户操作信息集合。
可选的，所述编码模块502具体用于：
分别对所述用户操作信息集合中的每个用户操作动作进行信息编码处理，得到离散化的编码信息；
对所述离散化的编码信息进行特征值转换和矩阵初始化处理，得到初始化特征矩阵；
对所述初始化特征矩阵进行矩阵对齐，生成特征编码矩阵。
可选的，所述计算模块503具体用于：
分别对所述特征编码矩阵进行矩阵元素提取，得到多个矩阵元素；
获取多个候选交互模板，并对所述多个矩阵元素进行相似度计算，得到所述特征编码矩阵与每个候选交互模板之间的目标相似度；
对所述目标相似度和预设目标值进行比较，得到比较结果；
根据所述比较结果，从所述多个候选交互模板中选取至少一个虚拟交互模板。
可选的，所述匹配模块504具体用于：
基于所述至少一个虚拟交互模板，对所述用户操作信息集合进行体素模型映射，得到目标体素模型；
分别查询所述用户操作信息集合对应的交互组件和交互元素，得到交互组件和交互元素；
将所述交互组件和所述交互元素作为构图元素集合并输出。
可选的，所述构建模块505具体用于：
将所述构图元素集合输入所述目标体素模型进行图像构建，得到初始体素图像；
对所述构图元素集合进行构图布局信息提取，得到目标构图布局信息；
根据所述目标构图布局信息，对所述初始体素图像进行关系信息分析，得到目标关系信息；
根据所述目标关系信息，对所述初始体素图像进行图像检测，得到图像检测结果；
根据所述图像检测结果生成所述虚拟交互指令对应的目标虚拟图像。
可选的，所述体素模型与图像生成装置，还包括：
渲染模块506，用于将所述目标虚拟图像传输至所述虚拟现实设备，并通过所述虚拟现实设备接收所述目标虚拟图像；接收所述目标用户的图像渲染指令，并根据所述图像渲染指令对所述目标虚拟图像进行动画渲染，生成目标虚拟动画。
本发明实施例中，对虚拟交互指令进行解析处理，得到用户操作信息集合；对用户操作信息集合进行信息编码处理，得到离散编码信息，并对离散编码信息进行矩阵转换，生成特征编码矩阵；分别对特征编码矩阵和多个候选交互模板之间进行相似度计算，得到多个目标相似度，并根据目标相似度，从多个候选交互模板中选取至少一个虚拟交互模板；根据至少一个虚拟交互模板，对用户操作信息集合进行体素模型和构图元素匹配，得到目标体素模型和构图元素集合；将构图元素集合输入目标体素模型进行虚拟图像构建和图像检测，得到目标虚拟图像，本发明通过虚拟现实设备智能感知目标用户的操作信息，进而通过虚拟空间中的体素模型和预先确定好的构图元素集合进行虚拟图像生成，从而实现了高效化的虚拟图像构建，提高了图像生成的效率和准确率。
上面图5和图6从模块化功能实体的角度对本发明实施例中的体素模型与图像生成装置进行详细描述，下面从硬件处理的角度对本发明实施例中体素模型与图像生成设备进行详细描述。
图7是本发明实施例提供的一种体素模型与图像生成设备的结构示意图，该体素模型与图像生成设备600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处理器（central processing units，CPU）610（例如，一个或一个以上处理器）和存储器620，一个或一个以上存储应用程序633或数据632的存储介质630（例如一个或一个以上海量存储设备）。其中，存储器620和存储介质630可以是短暂存储或持久存储。存储在存储介质630的程序可以包括一个或一个以上模块（图示没标出），每个模块可以包括对体素模型与图像生成设备600中的一系列指令操作。更进一步地，处理器610可以设置为与存储介质630通信，在体素模型与图像生成设备600上执行存储介质630中的一系列指令操作。
体素模型与图像生成设备600还可以包括一个或一个以上电源640，一个或一个以上有线或无线网络接口650，一个或一个以上输入输出接口660，和/或，一个或一个以上操作系统631，例如Windows Serve，Mac OS X，Unix，Linux，FreeBSD等等。本领域技术人员可以理解，图7示出的体素模型与图像生成设备结构并不构成对体素模型与图像生成设备的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。
本发明还提供一种体素模型与图像生成设备，所述体素模型与图像生成设备包括存储器和处理器，存储器中存储有计算机可读指令，计算机可读指令被处理器执行时，使得处理器执行上述各实施例中的所述体素模型与图像生成方法的步骤。
本发明还提供一种计算机可读存储介质，该计算机可读存储介质可以为非易失性计算机可读存储介质，该计算机可读存储介质也可以为易失性计算机可读存储介质，所述计算机可读存储介质中存储有指令，当所述指令在计算机上运行时，使得计算机执行所述体素模型与图像生成方法的步骤。
所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统，装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备（可以是个人计算机，服务器，或者网络设备等）执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器（read-only memory，ROM）、随机存取存储器（random acceS memory，RAM）、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述，以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。

Claims (7)

1.一种体素模型与图像生成方法，其特征在于，所述体素模型与图像生成方法包括：
基于预置的虚拟现实设备接收目标用户输入的虚拟交互指令，并对所述虚拟交互指令进行解析处理，得到用户操作信息集合，具体包括：基于预置的虚拟现实设备接收目标用户输入的虚拟交互指令；对所述虚拟交互指令进行用户操作解析，得到多个用户操作动作，其中，所述用户操作动作包括：组件调用动作、增添和删除动作以及存储和读取动作；对所述多个用户操作动作进行虚拟空间操作信息映射，生成用户操作信息集合；
对所述用户操作信息集合进行信息编码处理，得到离散编码信息，并对所述离散编码信息进行矩阵转换，生成特征编码矩阵；
分别对所述特征编码矩阵和预置的多个候选交互模板之间进行相似度计算，得到多个目标相似度，并根据所述目标相似度，从所述多个候选交互模板中选取至少一个虚拟交互模板；
根据所述至少一个虚拟交互模板，对所述用户操作信息集合进行体素模型和构图元素匹配，得到目标体素模型和构图元素集合，具体包括：基于所述至少一个虚拟交互模板，对所述用户操作信息集合进行体素模型映射，得到目标体素模型；分别查询所述用户操作信息集合对应的交互组件和交互元素，得到交互组件和交互元素；将所述交互组件和所述交互元素作为构图元素集合并输出；
将所述构图元素集合输入所述目标体素模型进行虚拟图像构建和图像检测，得到目标虚拟图像，具体包括：将所述构图元素集合输入所述目标体素模型进行图像构建，得到初始体素图像；对所述构图元素集合进行构图布局信息提取，得到目标构图布局信息；根据所述目标构图布局信息，对所述初始体素图像进行关系信息分析，得到目标关系信息；根据所述目标关系信息，对所述初始体素图像进行图像检测，得到图像检测结果；根据所述图像检测结果生成所述虚拟交互指令对应的目标虚拟图像。
2.根据权利要求1所述的体素模型与图像生成方法，其特征在于，所述对所述用户操作信息集合进行信息编码处理，得到离散编码信息，并对所述离散编码信息进行矩阵转换，生成特征编码矩阵，包括：
分别对所述用户操作信息集合中的每个用户操作动作进行信息编码处理，得到离散化的编码信息；
对所述离散化的编码信息进行特征值转换和矩阵初始化处理，得到初始化特征矩阵；
对所述初始化特征矩阵进行矩阵对齐，生成特征编码矩阵。
3.根据权利要求1所述的体素模型与图像生成方法，其特征在于，所述分别对所述特征编码矩阵和预置的多个候选交互模板之间进行相似度计算，得到多个目标相似度，并根据所述目标相似度，从所述多个候选交互模板中选取至少一个虚拟交互模板，包括：
分别对所述特征编码矩阵进行矩阵元素提取，得到多个矩阵元素；
获取多个候选交互模板，并对所述多个矩阵元素进行相似度计算，得到所述特征编码矩阵与每个候选交互模板之间的目标相似度；
对所述目标相似度和预设目标值进行比较，得到比较结果；
根据所述比较结果，从所述多个候选交互模板中选取至少一个虚拟交互模板。
4.根据权利要求1所述的体素模型与图像生成方法，其特征在于，所述体素模型与图像生成方法，还包括：
将所述目标虚拟图像传输至所述虚拟现实设备，并通过所述虚拟现实设备接收所述目标虚拟图像；
接收所述目标用户的图像渲染指令，并根据所述图像渲染指令对所述目标虚拟图像进行动画渲染，生成目标虚拟动画。
5.一种体素模型与图像生成装置，其特征在于，所述体素模型与图像生成装置包括：
解析模块，用于基于预置的虚拟现实设备接收目标用户输入的虚拟交互指令，并对所述虚拟交互指令进行解析处理，得到用户操作信息集合，具体包括：基于预置的虚拟现实设备接收目标用户输入的虚拟交互指令；对所述虚拟交互指令进行用户操作解析，得到多个用户操作动作，其中，所述用户操作动作包括：组件调用动作、增添和删除动作以及存储和读取动作；对所述多个用户操作动作进行虚拟空间操作信息映射，生成用户操作信息集合；
编码模块，用于对所述用户操作信息集合进行信息编码处理，得到离散编码信息，并对所述离散编码信息进行矩阵转换，生成特征编码矩阵；
计算模块，用于分别对所述特征编码矩阵和预置的多个候选交互模板之间进行相似度计算，得到多个目标相似度，并根据所述目标相似度，从所述多个候选交互模板中选取至少一个虚拟交互模板；
匹配模块，用于根据所述至少一个虚拟交互模板，对所述用户操作信息集合进行体素模型和构图元素匹配，得到目标体素模型和构图元素集合，具体包括：基于所述至少一个虚拟交互模板，对所述用户操作信息集合进行体素模型映射，得到目标体素模型；分别查询所述用户操作信息集合对应的交互组件和交互元素，得到交互组件和交互元素；将所述交互组件和所述交互元素作为构图元素集合并输出；
构建模块，用于将所述构图元素集合输入所述目标体素模型进行虚拟图像构建和图像检测，得到目标虚拟图像，具体包括：将所述构图元素集合输入所述目标体素模型进行图像构建，得到初始体素图像；对所述构图元素集合进行构图布局信息提取，得到目标构图布局信息；根据所述目标构图布局信息，对所述初始体素图像进行关系信息分析，得到目标关系信息；根据所述目标关系信息，对所述初始体素图像进行图像检测，得到图像检测结果；根据所述图像检测结果生成所述虚拟交互指令对应的目标虚拟图像。
6.一种体素模型与图像生成设备，其特征在于，所述体素模型与图像生成设备包括：存储器和至少一个处理器，所述存储器中存储有指令；
所述至少一个处理器调用所述存储器中的所述指令，以使得所述体素模型与图像生成设备执行如权利要求1-4中任一项所述的体素模型与图像生成方法。
7.一种计算机可读存储介质，所述计算机可读存储介质上存储有指令，其特征在于，所述指令被处理器执行时实现如权利要求1-4中任一项所述的体素模型与图像生成方法。
CN202310205705.6A 2023-03-06 2023-03-06 一种体素模型与图像生成方法、设备及存储介质 Active CN116152383B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310205705.6A CN116152383B (zh) 2023-03-06 2023-03-06 一种体素模型与图像生成方法、设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310205705.6A CN116152383B (zh) 2023-03-06 2023-03-06 一种体素模型与图像生成方法、设备及存储介质

Publications (2)

Publication Number Publication Date
CN116152383A CN116152383A (zh) 2023-05-23
CN116152383B true CN116152383B (zh) 2023-08-11

Family

ID=86356240

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310205705.6A Active CN116152383B (zh) 2023-03-06 2023-03-06 一种体素模型与图像生成方法、设备及存储介质

Country Status (1)

Country Link
CN (1) CN116152383B (zh)

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2019019248A1 (zh) * 2017-07-28 2019-01-31 深圳市瑞立视多媒体科技有限公司 一种虚拟现实交互方法、装置及系统
CN109427100A (zh) * 2017-08-29 2019-03-05 深圳市掌网科技股份有限公司 一种基于虚拟现实的配件组装方法和系统
CN109833623A (zh) * 2019-03-07 2019-06-04 腾讯科技（深圳）有限公司 基于虚拟环境的物体构建方法、装置及可读存储介质
CN111638794A (zh) * 2020-06-04 2020-09-08 上海商汤智能科技有限公司 一种虚拟文物的显示控制方法及装置
CN112509076A (zh) * 2020-11-23 2021-03-16 西安科锐盛创新科技有限公司 基于智慧医疗的颅内血管病灶标记与三维显示系统
WO2021222371A1 (en) * 2020-04-29 2021-11-04 Magic Leap, Inc. Cross reality system for large scale environments
CN113836928A (zh) * 2021-09-28 2021-12-24 平安科技（深圳）有限公司 文本实体生成方法、装置、设备及存储介质
CN115690375A (zh) * 2023-01-05 2023-02-03 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院) 基于虚拟现实技术的建筑模型修改交互方法、系统及终端

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2019019248A1 (zh) * 2017-07-28 2019-01-31 深圳市瑞立视多媒体科技有限公司 一种虚拟现实交互方法、装置及系统
CN109427100A (zh) * 2017-08-29 2019-03-05 深圳市掌网科技股份有限公司 一种基于虚拟现实的配件组装方法和系统
CN109833623A (zh) * 2019-03-07 2019-06-04 腾讯科技（深圳）有限公司 基于虚拟环境的物体构建方法、装置及可读存储介质
WO2021222371A1 (en) * 2020-04-29 2021-11-04 Magic Leap, Inc. Cross reality system for large scale environments
CN111638794A (zh) * 2020-06-04 2020-09-08 上海商汤智能科技有限公司 一种虚拟文物的显示控制方法及装置
CN112509076A (zh) * 2020-11-23 2021-03-16 西安科锐盛创新科技有限公司 基于智慧医疗的颅内血管病灶标记与三维显示系统
CN113836928A (zh) * 2021-09-28 2021-12-24 平安科技（深圳）有限公司 文本实体生成方法、装置、设备及存储介质
CN115690375A (zh) * 2023-01-05 2023-02-03 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院) 基于虚拟现实技术的建筑模型修改交互方法、系统及终端

Also Published As

Publication number Publication date
CN116152383A (zh) 2023-05-23

Similar Documents

Publication Publication Date Title
KR102328349B1 (ko) 인체 윤곽 키 포인트 검출 방법, 이미지 처리 방법, 장치 및 기기
US10255686B2 (en) Estimating depth from a single image
Sandler et al. Nonnegative matrix factorization with earth mover's distance metric for image analysis
Wu Recovering parametric geons from multiview range data
CN111127631B (zh) 基于单图像的三维形状和纹理重建方法、系统及存储介质
CN114445633B (zh) 图像处理方法、装置和计算机可读存储介质
CN109887009B (zh) 一种点云局部匹配方法
Ozbay et al. A hybrid method for skeleton extraction on Kinect sensor data: Combination of L1-Median and Laplacian shrinking algorithms
CN112580666A (zh) 图像特征的提取方法、训练方法、装置、电子设备及介质
Shoham et al. Hierarchical functional maps between subdivision surfaces
Yoon et al. Sketch-based 3D object recognition from locally optimized sparse features
Asad et al. Fastgeodis: Fast generalised geodesic distance transform
Sandler et al. Nonnegative matrix factorization with earth mover's distance metric
Liu et al. Deep neural networks with attention mechanism for monocular depth estimation on embedded devices
US11080551B2 (en) Proposal region filter for digital image processing
CN116152383B (zh) 一种体素模型与图像生成方法、设备及存储介质
Li et al. Rethinking scene representation: A saliency-driven hierarchical multi-scale resampling for RGB-D scene point cloud in robotic applications
CA2310333A1 (en) Data decomposition/reduction method for visualizing data clusters/sub-clusters
US20240135576A1 (en) Three-Dimensional Object Detection
Cao et al. Gaussian-curvature-derived invariants for isometry
CN116978042A (zh) 一种图像处理方法、相关设备及存储介质
CN113723208B (zh) 基于规范等变转换算子神经网络的三维物体形状分类方法
CN114913104A (zh) 图像处理方法、图像处理装置、电子设备及存储介质
Magnet et al. Dwks: A local descriptor of deformations between meshes and point clouds
CN113903071A (zh) 人脸识别方法、装置、电子设备和存储介质

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