CN116402676A - 游戏角色皮肤的建模方法、装置、设备及存储介质 - Google Patents

游戏角色皮肤的建模方法、装置、设备及存储介质 Download PDF

Info

Publication number
CN116402676A
CN116402676A CN202310325706.4A CN202310325706A CN116402676A CN 116402676 A CN116402676 A CN 116402676A CN 202310325706 A CN202310325706 A CN 202310325706A CN 116402676 A CN116402676 A CN 116402676A
Authority
CN
China
Prior art keywords
skin
style
target
image
game character
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
Application number
CN202310325706.4A
Other languages
English (en)
Inventor
李勇
甘鑫
李友达
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 Youxi Technology Co ltd
Original Assignee
Shenzhen Youxi 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 Youxi Technology Co ltd filed Critical Shenzhen Youxi Technology Co ltd
Priority to CN202310325706.4A priority Critical patent/CN116402676A/zh
Publication of CN116402676A publication Critical patent/CN116402676A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T3/00—Geometric image transformations in the plane of the image
    • G06T3/04—Context-preserving transformations, e.g. by using an importance map
    • A—HUMAN NECESSITIES
    • A63—SPORTS; GAMES; AMUSEMENTS
    • A63F—CARD, BOARD, OR ROULETTE GAMES; INDOOR GAMES USING SMALL MOVING PLAYING BODIES; VIDEO GAMES; GAMES NOT OTHERWISE PROVIDED FOR
    • A63F13/00—Video games, i.e. games using an electronically generated display having two or more dimensions
    • A63F13/55—Controlling game characters or game objects based on the game progress
    • A63F13/56—Computing the motion of game characters with respect to other game characters, game objects or elements of the game scene, e.g. for simulating the behaviour of a group of virtual soldiers or for path finding
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/24—Querying
    • G06F16/242—Query formulation
    • G06F16/243—Natural language query formulation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • 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

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Mathematical Physics (AREA)
  • General Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Artificial Intelligence (AREA)
  • Computational Linguistics (AREA)
  • Data Mining & Analysis (AREA)
  • Biomedical Technology (AREA)
  • Multimedia (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Biophysics (AREA)
  • Evolutionary Computation (AREA)
  • General Health & Medical Sciences (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • Software Systems (AREA)
  • Human Computer Interaction (AREA)
  • Databases & Information Systems (AREA)
  • Processing Or Creating Images (AREA)

Abstract

本申请涉及游戏建模领域，公开了一种游戏角色皮肤的建模方法、装置、设备及存储介质。该方法包括：接收游戏角色的参考皮肤图像和玩家对游戏角色的评价信息，参考皮肤图像为皮肤主视图；根据评价信息确定至少一个与游戏角色的人设匹配的关键词标签，并确定与关键词标签匹配的游戏背景音乐；解析游戏背景音乐的音律风格，并根据音律风格确定目标皮肤风格参数；将参考皮肤图像和目标皮肤风格参数输入至预置的风格迁移网络模型中进行处理，得到第一目标皮肤图像；根据第一目标皮肤图像生成游戏角色的二维皮肤模型。本发明能够根据游戏角色皮肤对应背景音乐确定与其匹配皮肤风格，从而结合该皮肤风格快速生成符合该背景音乐的游戏角色皮肤。

Description

游戏角色皮肤的建模方法、装置、设备及存储介质
技术领域
本申请涉及游戏建模领域，尤其涉及一种游戏角色皮肤的建模方法、装置、设备及存储介质。
背景技术
游戏服务提供商为玩家提供多种增值服务，其中包括华丽炫酷的游戏角色皮肤，例如服饰、武器、发色等均属于游戏角色皮肤的范畴内。这些游戏角色皮肤通常是通过Unity、Autodesk Maya等游戏建模软件进行设计，玩家在游戏过程中付费以解锁这些游戏角色皮肤，当玩家在切换或使用部分的游戏角色皮肤时会播放相应主题的皮肤背景音乐。
现有技术中，通常是确定游戏角色的皮肤主题后再对皮肤进行建模设计，并在建模设计完成后为其选择搭配相应的皮肤背景音乐，往往会出现设计的皮肤风格与其背景音乐不融洽的问题，尤其是针对三维沉浸式游戏场景或VR游戏场景，给玩家带来较差的游戏体验感。
申请内容
本申请实施例提供一种游戏角色皮肤的建模方法，本发明能够根据游戏角色皮肤对应背景音乐确定与其匹配皮肤风格，从而结合该皮肤风格快速生成符合该背景音乐的游戏角色皮肤，从而提升玩家的游戏体验感。
第一方面，本申请实施例提供一种游戏角色皮肤的建模方法，包括：
接收游戏角色的参考皮肤图像和玩家对游戏角色的评价信息；其中，参考皮肤图像为皮肤主视图；
根据评价信息确定至少一个与游戏角色的人设匹配的关键词标签，并确定与关键词标签匹配的游戏背景音乐；
解析游戏背景音乐的音律风格，并根据音律风格，确定目标皮肤风格参数；
将参考皮肤图像和目标皮肤风格参数输入至预置的风格迁移网络模型中进行处理，得到第一目标皮肤图像；其中，风格迁移网络模型为基于生成对抗网络模型训练得到；
根据第一目标皮肤图像生成游戏角色的二维皮肤模型。
在一种可能的实现方式中，将参考皮肤图像和目标皮肤风格参数输入至预置的风格迁移网络模型中进行处理，得到第一目标皮肤图像之前，还包括：
构建训练数据集；其中，训练数据集中包括多个三元组，每个三元组包括初始皮肤图像、风格皮肤图像以及风格皮肤图像对应的皮肤风格参数组成；
构建生成对抗网络模型，并初始化生成对抗网络模型中的网络参数；
分别将训练数据集中的每个三元组输入至生成对抗网络模型中执行风格化训练，得到风格迁移网络模型。
在一种可能的实现方式中，生成对抗网络模型包括生成网络和判别网络，分别将训练数据集中的每个三元组输入至生成对抗网络模型中执行风格化训练，得到风格迁移网络模型包括：
确定训练数据集中待训练的目标三元组；
调用生成网络处理目标三元组中的初始皮肤图像和皮肤风格参数，得到风格皮肤预测图像；其中，生成网络将风格皮肤预测图像输入至判别网络中；
调用判别网络计算风格皮肤预测图像为目标三元组中风格皮肤图像的概率值；
基于预置的损失函数计算概率值对应的损失结果；
根据损失结果，分别调整生成对抗网络的网络参数，得到风格迁移网络模型。
在一种可能的实现方式中，调用生成网络处理目标三元组中的初始皮肤图像和皮肤风格参数，得到风格皮肤预测图像包括：
提取目标三元组中初始皮肤图像的目标数据分布；
对目标数据分布依次执行反卷积、归一化以及基于线性整流函数进行非线性激活，得到初始皮肤特征；
提取目标三元组中皮肤风格参数对应的风格特征，并将风格特征与初始皮肤特征进行特征拼接，得到特征映射图；
对特征映射图执行反卷积，并基于双曲正切函数激活反卷积的结果，得到风格皮肤预测图像。
在一种可能的实现方式中，根据损失结果，调整生成对抗网络模型的网络参数，得到风格迁移网络模型包括：
将损失结果由生成对抗网络模型的输出层向隐藏层反向传播；
当损失结果被传播至隐藏层时，根据损失结果，采用随机梯度下降算法迭代更新隐藏层中各神经元的权重与偏置，并重新计算每次迭代更新后的损失结果；
在损失结果小于预置阈值时确定生成对抗网络当前的网络参数为目标参数，得到风格迁移网络模型。
在一种可能的实现方式中，将参考皮肤图像和目标皮肤风格参数输入至预置的风格迁移网络模型中进行处理，得到第一目标皮肤图像之后，还包括：
获取基于多视图三维重建网络模型训练后得到的三维皮肤生成网络模型；其中，多视图三维重建网络模型为基于神经辐射场的网络模型，三维皮肤生成网络模型包括皮肤自编码网络和皮肤生成对抗网络；
调用皮肤自编码网络，提取第一目标皮肤图像的初始姿态特征和初始内容特征，并基于神经辐射场算法对初始内容特征执行计算，得到第一目标皮肤图像的多个隐藏内容特征，其中，初始内容特征对应于初始姿态特征，每个隐藏内容特征对应于一个预置的姿态特征；
调用皮肤生成对抗网络处理每个内容特征及其对应的姿态特征，得到不同姿态下的第二目标皮肤图像；
基于不同姿态下的第二目标皮肤图像生成游戏角色的三维皮肤模型。
在一种可能的实现方式中，根据第一目标皮肤图像生成游戏角色的二维皮肤模型之后，还包括：
分别接收游戏角色在五面视图方向上的皮肤图像；其中，五面视图方向包括后视图、左视图、右视图、俯视图以及仰视图；
分别将每个视图方向上的皮肤图像和目标风格参数输入至风格迁移网络模型中进行处理，得到每个视图方向上的第三目标皮肤图像；
基于每个视图方向上的第三目标皮肤图像和第一目标皮肤图像生成游戏角色的三维皮肤模型。
第二方面，本申请实施例提供一种游戏角色皮肤的建模装置，包括：
数据接收模块，用于接收游戏角色的参考皮肤图像和玩家对游戏角色的评价信息；其中，参考皮肤图像为皮肤主视图；
音乐确定模块，用于根据评价信息确定至少一个与游戏角色的人设匹配的关键词标签，并确定与关键词标签匹配的游戏背景音乐；
风格确定模块，用于解析游戏背景音乐的音律风格，并根据音律风格，确定目标皮肤风格参数；
模型处理模块，用于将参考皮肤图像和目标皮肤风格参数输入至预置的风格迁移网络模型中进行处理，得到第一目标皮肤图像；其中，风格迁移网络模型为基于生成对抗网络模型训练得到；
皮肤生成模块，用于根据第一目标皮肤图像生成游戏角色的二维皮肤模型。
在一种可能的实现方式中，游戏角色皮肤的建模装置还包括：
图像集构建模块，用于构建训练数据集；其中，训练数据集中包括多个三元组，每个三元组包括初始皮肤图像、风格皮肤图像以及风格皮肤图像对应的皮肤风格参数组成；
初始网络构建模块，用于构建生成对抗网络模型，并初始化生成对抗网络模型中的网络参数；
风格化训练模块，用于分别将训练数据集中的每个三元组输入至生成对抗网络模型中执行风格化训练，得到风格迁移网络模型。
在一种可能的实现方式中，生成对抗网络模型包括生成网络和判别网络，风格化训练模块具体包括：
目标确定单元，用于确定训练数据集中待训练的目标三元组；
风格化编码单元，用于调用生成网络处理目标三元组中的初始皮肤图像和皮肤风格参数，得到风格皮肤预测图像；其中，生成网络将风格皮肤预测图像输入至判别网络中；
概率计算单元，用于调用判别网络计算风格皮肤预测图像为目标三元组中风格皮肤图像的概率值；
损失计算单元，用于基于预置的损失函数计算概率值对应的损失结果；
网络参数调整单元，用于根据损失结果，分别调整生成对抗网络的网络参数，得到风格迁移网络模型。
在一种可能的实现方式中，风格化编码单元具体用于：
提取目标三元组中初始皮肤图像的目标数据分布；
对目标数据分布依次执行反卷积、归一化以及基于线性整流函数进行非线性激活，得到初始皮肤特征；
提取目标三元组中皮肤风格参数对应的风格特征，并将风格特征与初始皮肤特征进行特征拼接，得到特征映射图；
对特征映射图执行反卷积，并基于双曲正切函数激活反卷积的结果，得到风格皮肤预测图像。
在一种可能的实现方式中，网络参数调整单元具体用于：
将损失结果由生成对抗网络模型的输出层向隐藏层反向传播；
当损失结果被传播至隐藏层时，根据损失结果，采用随机梯度下降算法迭代更新隐藏层中各神经元的权重与偏置，并重新计算每次迭代更新后的损失结果；
在损失结果小于预置阈值时确定生成对抗网络当前的网络参数为目标参数，得到风格迁移网络模型。
在一种可能的实现方式中，游戏角色皮肤的建模装置还包括：
图像接收模块，用于分别接收游戏角色在五面视图方向上的皮肤图像；其中，五面视图方向包括后视图、左视图、右视图、俯视图以及仰视图；
图像处理模块，用于分别将每个视图方向上的皮肤图像和目标风格参数输入至风格迁移网络模型中进行处理，得到每个视图方向上的第三目标皮肤图像；
三维皮肤生成模块，用于基于每个视图方向上的第三目标皮肤图像和第一目标皮肤图像生成游戏角色的三维皮肤模型。
在一种可能的实现方式中，游戏角色皮肤的建模装置还包括：
模型获取模块，用于获取基于多视图三维重建网络模型训练后得到的三维皮肤生成网络模型；其中，多视图三维重建网络模型为基于神经辐射场的网络模型，三维皮肤生成网络模型包括皮肤自编码网络和皮肤生成对抗网络；
自编码模块，用于调用皮肤自编码网络，提取第一目标皮肤图像的初始姿态特征和初始内容特征，并基于神经辐射场算法对初始内容特征执行计算，得到第一目标皮肤图像的多个隐藏内容特征，其中，初始内容特征对应于初始姿态特征，每个隐藏内容特征对应于一个预置的姿态特征；
姿态图像计算模块，用于调用皮肤生成对抗网络处理每个内容特征及其对应的姿态特征，得到不同姿态下的第二目标皮肤图像；
三维皮肤生成模块，用于基于不同姿态下的第二目标皮肤图像生成游戏角色的三维皮肤模型。
第二方面及其各种可能实现方式的技术效果与上述第一方面及其各种可能实现方式的技术效果类似，此处不再赘述。
第三方面，本申请实施例提供了一种游戏角色皮肤的建模设备，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，以使得所述游戏角色皮肤的建模设备执行上述的游戏角色皮肤的建模方法的各个步骤。
第四方面，本申请实施例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游戏角色皮肤的建模方法的各个步骤。
基于本申请实施例提供的方法，通过用户的评价信息确定与游戏角色匹配的关键词标签，根据该关键词标签匹配相应的游戏背景音乐，解析该音乐的音律风格，根据音律风格确定目标皮肤风格参数，从而根据目标皮肤风格参数对原始皮肤图像进行风格迁移，由于皮肤的风格是与背景音乐的音律所匹配的，故风格迁移后的游戏皮肤与背景音乐匹配度更高，显得更加融洽，进而提升玩家的游戏体验感；同时，通过生成对抗网络对皮肤图像进行风格迁移，建模效率更高。
附图说明
图1为本申请实施例提供的一种游戏角色皮肤的建模方法的实施例流程图；
图2为本申请实施例提供的一种游戏角色皮肤的建模方法的实施例流程图；
图3为本申请实施例提供的一种游戏角色皮肤的建模方法的实施例流程图；
图4为本申请实施例提供的一种游戏角色皮肤的建模装置的结构示意图；
图5为本申请实施例提供的另一种游戏角色皮肤的建模装置的结构示意图；
图6为本申请实施例提供的一种游戏角色皮肤的建模设备的结构示意图。
具体实施方式
本申请实施例提供一种游戏角色皮肤的建模方法，本发明能够根据游戏角色皮肤对应背景音乐确定与其匹配皮肤风格，从而结合该皮肤风格快速生成符合该背景音乐的游戏角色皮肤。
下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行描述。其中，本申请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。
可以理解的是，本申请中涉及到的任何关于数据获取或采集的部分，均已获得用户授权。
可以理解的是，本申请的执行主体可以为游戏角色皮肤的建模装置，还可以是终端或者服务器，具体此处不做限定。
为便于理解，本申请实施例以服务器为执行主体为例说明该游戏角色皮肤的建模方法，下面对本申请实施例的具体流程进行描述，请参阅图1，本申请实施例提供一种游戏角色皮肤的建模方法，包括：
101、接收游戏角色的参考皮肤图像和玩家对游戏角色的评价信息；其中，参考皮肤图像为皮肤主视图；
应理解，参考皮肤图像为该游戏角色的皮肤主视图，服务器以该主视图图像作为待建模的新皮肤的主视图设计参考。
可以理解，玩家可以游戏官方网站、游戏社区或者问卷调查表中发表对某一游戏角色的评价信息，与游戏设计师、游戏策划共同参与游戏的设计开发。例如某一游戏角色的机制设定、皮肤设计方向与灵感等。
102、根据评价信息确定至少一个与游戏角色的人设匹配的关键词标签，并确定与关键词标签匹配的游戏背景音乐；
示例性的，游戏角色的原型为一古代的将军，玩家的评价信息中可能包括“古风”、“将军”、“肃杀”等关键词标签，从而根据这些关键词进行基于数据统计特性的音乐匹配，例如上述关键词标签可对应匹配快节奏、氛围低沉的背景音乐。在一种优选的实施方式中，服务器在预置的游戏背景音乐库中匹配与关键词标签对应的背景音乐。
103、解析游戏背景音乐的音律风格，并根据音律风格，确定目标皮肤风格参数；
应理解，不同的背景音乐和不同的游戏角色皮肤风格之间存在一定的关联性，该风格包括但不限游戏角色的装饰类型、人物动作、衣饰的元素，线条，颜色，图案等。举例而言，快节奏的背景音乐下游戏角色皮肤整体更加暗沉锐利、衣饰的线条更加粗犷且多采用冷色、游戏角色的动作和衣饰偏向运动风格，而柔和的背景音乐下游戏角色皮肤整体更加明亮通透、衣饰的线条更加细腻且多采用暖色、游戏角色的人物动作偏向优雅风格。
在一种优选的实施方式中，服务器通过数据统计确定生活中不同音乐场景下的人物形象，从而以每个人物形象为设计原型确定对应游戏角色的皮肤风格。例如咖啡厅中经常播放的是慵懒休闲的场景音乐，对应该场景下的人物形象可能是商务白领；又例如运动场中播放的是激烈澎湃的场景音乐，对应场景下的人物形象可能是运动员。
104、将参考皮肤图像和目标皮肤风格参数输入至预置的风格迁移网络模型中进行处理，得到第一目标皮肤图像；其中，风格迁移网络模型为基于生成对抗网络模型训练得到；
应当理解的是，服务器以参考皮肤图像为图像基础，基于目标风格参数中所指示的皮肤风格特征对该参考皮肤图像进行风格迁移，从而生成包含差异性风格的第一目标皮肤图像。风格迁移网络模型为一种生成式图像模型，其通过训练隐式密度的生成对抗网络(Generative Adversarial Networks，GAN)所得，用于将已知的服从某个数据分布的输入皮肤图像训练至服从另一数据分布的新皮肤图像。
105、根据第一目标皮肤图像生成游戏角色的二维皮肤模型。
具体实现中，服务器提取第一目标皮肤图像的掩模以得到该游戏角色的二维皮肤模型。
在一种可能的实施方式中，服务器还分别接收游戏角色在五面视图方向上的皮肤图像；其中，五面视图方向包括后视图、左视图、右视图、俯视图以及仰视图；分别将每个视图方向上的皮肤图像和目标风格参数输入至风格迁移网络模型中进行处理，得到每个视图方向上的第三目标皮肤图像；基于每个视图方向上的第三目标皮肤图像和第一目标皮肤图像生成游戏角色的三维皮肤模型。这样一来，通过生成参考游戏皮肤的六面视图各自对应的二维风格化图像，从而基于六面视图快速构建三维皮肤图像模型。
基于本申请实施例提供的方法，通过用户的评价信息确定与游戏角色匹配的关键词标签，根据该关键词标签匹配相应的游戏背景音乐，解析该音乐的音律风格，根据音律风格确定目标皮肤风格参数，从而根据目标皮肤风格参数对原始皮肤图像进行风格迁移，由于皮肤的风格是与背景音乐的音律所匹配的，故风格迁移后的游戏皮肤与背景音乐匹配度更高，显得更加融洽，进而提升玩家在游戏时的沉浸式体验感；同时，通过生成对抗网络对皮肤图像进行风格迁移，建模效率更高。
请参阅图2，本申请实施例提供另一种游戏角色皮肤的建模方法，包括：
201、构建训练数据集；其中，训练数据集中包括多个三元组，每个三元组包括初始皮肤图像、风格皮肤图像以及风格皮肤图像对应的皮肤风格参数组成；
可以理解的是，训练数据集中的图像来源可以为预先采集，也可以为从网络公开数据集中直接获取，本申请实施例对其不做限定。
202、构建生成对抗网络模型，并初始化生成对抗网络模型中的网络参数；
本申请实施例中的生成对抗网络模型包括但不限于StyleGAN、StyleGAN2、DCGAN等，其均为现有技术，本申请对其网络结构不再赘述。
203、分别将训练数据集中的每个三元组输入至生成对抗网络模型中执行风格化训练，得到风格迁移网络模型；
可以理解的是，本申请实施例中生成对抗网络模型包括生成网络和判别网络，服务器从训练数据集中确定待训练的目标三元组；首先使用目标三元组训练判别网络，判别网络训练完成时冻结其网络参数。其次在冻结判别网络的网络参数前提下训练生成网络，将目标三元组中的初始皮肤图像和皮肤风格参数作为先验数据分布，调用生成网络对其进行处理，得到风格皮肤预测图像，具体包括：提取目标三元组中初始皮肤图像的目标数据分布；对目标数据分布依次执行反卷积、归一化以及基于线性整流函数进行非线性激活，得到初始皮肤特征；提取目标三元组中皮肤风格参数对应的风格特征，并将风格特征与初始皮肤特征进行特征拼接，得到特征映射图；对特征映射图执行反卷积，并基于双曲正切函数激活反卷积的结果，得到风格皮肤预测图像。这样一来，先验数据分布即对所生成的目标数据分布进行了约束，减少生对抗感知路径长度，从而提升了模型的拟合效率。
其次，生成网络将风格皮肤预测图像输入至判别网络中，服务器调用判别网络计算风格皮肤预测图像为目标三元组中风格皮肤图像的概率值，该判别网络为二分类网络，通过预设的匹配函数或概率矩阵计算该风格皮肤预测图像与真实样本(即目标三元组中风格皮肤图像)之间的匹配得分，进而通过激活函数将其收敛至[0,1]区间内，得到该概率值；
基于预置的损失函数，计算概率值对应的损失结果，损失函数包括用于优化判别网络的第一损失函数和用于优化生成网络的第二损失函数，第一损失函数请参考公式一：
Figure BDA0004153175790000101
其中，
Figure BDA0004153175790000102
为计算在判别网络损失最大的约束下计算该生成对抗网络整体的损失值，z为先验参数(即目标三元组中的初始皮肤图像和目标风格化参数)，G(z)为生成网络基于先验参数风格化编码后所生成的预测样本(即风格皮肤预测图像)，D(G(z))为判断预测样本是否真实的概率，D(G(z))越小则生成的风格皮肤预测图像与目标三元组中的风格皮肤图像越相似，x表示的是真实数据(即目标三元组中的风格皮肤图像)，D(x)为判断真实数据是否真实的概率，D(x)越大则表示越真实，E表示期望值，x～Pdata(x)表示x服从真实数据的概率密度分布，z～Pz(z)表示z服从先验参数的概率密度分布。
第二损失函数请参考公式二：
Figure BDA0004153175790000103
根据损失结果，调整生成网络中的网络参数，得到风格迁移网络模型。其中，
Figure BDA0004153175790000111
为计算在生成网络损失最小的约束下计算该生成对抗网络整体的损失值。最小化该函数，就是令D(G(z))最大，该值越大则表示该风格皮肤预测图像越逼真，判别网络D无法识别，即生成网络G和判别网络D为此消彼长的过程。
需要说明的是，在调整生成网络的网络参数时，需对判别网络的参数进行冻结，即生成网络与判别网络两者是独立且交替的训练，判别网络的作用只是传递误差，而不是联合训练。
在一种可能的实施方式中，根据损失结果，分别调整生成对抗网络的网络参数，得到风格迁移网络模型包括：将损失结果由生成对抗网络模型的输出层向隐藏层反向传播；当损失结果被传播至隐藏层时，根据损失结果，采用随机梯度下降算法迭代更新隐藏层中各神经元的权重与偏置，并重新计算每次迭代更新后的损失结果；在损失结果小于预置阈值时确定生成对抗网络当前的网络参数为目标参数，得到风格迁移网络模型。
204、接收游戏角色的参考皮肤图像和玩家对游戏角色的评价信息；其中，参考皮肤图像为皮肤主视图；
205、根据评价信息确定至少一个与游戏角色的人设匹配的关键词标签，并确定与关键词标签匹配的游戏背景音乐；
206、解析游戏背景音乐的音律风格，并根据音律风格，确定目标皮肤风格参数；
207、将参考皮肤图像和目标皮肤风格参数输入至预置的风格迁移网络模型中进行处理，得到第一目标皮肤图像；其中，风格迁移网络模型为基于生成对抗网络模型训练得到；
208、根据第一目标皮肤图像生成游戏角色的二维皮肤模型。
其中，步骤204-208与上述步骤101-105的执行步骤类似，具体此处不再赘述。
基于本申请实施例提供的方法，通过训练生成对抗网络模型以得到游戏角色皮肤的风格迁移网络模型，从而将一个已知的皮肤图像样本空间映射至另一个皮肤图像样本空间中以实现样本的变换，模型泛化能力更强。
请参阅图3，本申请实施例提供另一种游戏角色皮肤的建模方法，包括：
301、接收游戏角色的参考皮肤图像和玩家对游戏角色的评价信息；其中，参考皮肤图像为皮肤主视图；
302、根据评价信息确定至少一个与游戏角色的人设匹配的关键词标签，并确定与关键词标签匹配的游戏背景音乐；
303、解析游戏背景音乐的音律风格，并根据音律风格，确定目标皮肤风格参数；
304、将参考皮肤图像和目标皮肤风格参数输入至预置的风格迁移网络模型中进行处理，得到第一目标皮肤图像；其中，风格迁移网络模型为基于生成对抗网络模型训练得到；
305、根据第一目标皮肤图像生成游戏角色的二维皮肤模型；
其中，步骤301-305与上述步骤101-105的执行步骤类似，具体此处不再赘述。
306、获取基于多视图三维重建网络模型训练后得到的三维皮肤生成网络模型；其中，多视图三维重建网络模型为基于神经辐射场的网络模型，三维皮肤生成网络模型包括皮肤自编码网络和皮肤生成对抗网络；
应理解，多视图三维重建网络模型为Pix2NeRF网络模型，其用于在单幅输入图像条件下，生成特定类别目标或场景的神经辐射场(Nerual Radiance Fileds，NeRF)，从而基于三维感知合成新视图，使单幅二维图像转换三维模型。具体到本申请实施例中，服务器基于多张游戏角色的参考皮肤二维图像对该Pix2NeRF网络模型进行二维皮肤图像至三维皮肤模型的转换训练以得到该三维皮肤生成网络模型。
Pix2NeRF中包括生成网络G、判别网络D以及编码网络E三个存在耦合关系的网络组成，其中，生成网络G与编码网络共同组成自编码网络，生成网络G与判别网络D共同组成生成对抗网络。
307、调用皮肤自编码网络，提取第一目标皮肤图像的初始姿态特征和初始内容特征，并基于神经辐射场算法对初始内容特征执行计算，得到第一目标皮肤图像的多个隐藏内容特征，其中，初始内容特征对应于初始姿态特征，每个隐藏内容特征对应于一个预置的姿态特征；
应当理解的是，服务器通过调用皮肤自动编码器，分离出目标皮肤图像中的姿态特征dreal和内容特征zreal，并基于神经辐射场算法计算内容特征对应的辐射场，得到多个隐藏内容特征zhide，神经辐射场算法通过将场景编码为与多层感知机(MLP，MultilayerPerceptron)相似的多变量向量值函数
Figure BDA0004153175790000131
Figure BDA0004153175790000132
其中，(x，y，z)表示三维空间坐标，/>
Figure BDA0004153175790000133
表示皮肤的观看方向，(r，g，b，σ)对应游戏皮肤的颜色和体积密度，可基于该函数来绘制隐藏内容特征对应的皮肤图像。
308、调用皮肤生成对抗网络处理每个内容特征及其对应的姿态特征，得到不同姿态下的第二目标皮肤图像；
应当理解的是，皮肤生成对抗网络的训练过程同上述第二个实施例的训练过程类似，本申请实施例对此不再赘述。
309、基于不同姿态下的第二目标皮肤图像生成游戏角色的三维皮肤模型。
基于本申请实施例提供的方法，基于为单幅二维皮肤图像通过无监督的神经辐射场算法分离出皮肤的姿态角度，形状、颜色、图形等皮肤内容，并通过皮肤生成对抗网络以及共享的公共姿态先验来处理这些特征和内容以重构出新视角，提升了所构建游戏角色皮肤的三维一致性；同时，仅需一幅主视图的二维皮肤图像“脑补”出其他姿态下的皮肤图像从而直接生成三维皮肤，提升了游戏皮肤的建模效率。
上面对本申请实施例中游戏角色皮肤的建模方法进行了描述，下面对本申请实施例中游戏角色皮肤的建模装置进行描述，请参阅图4，本申请实施例提供一种游戏角色皮肤的建模装置，包括：
数据接收模块401，用于接收游戏角色的参考皮肤图像和玩家对游戏角色的评价信息；其中，参考皮肤图像为皮肤主视图；
音乐确定模块402，用于根据评价信息确定至少一个与游戏角色的人设匹配的关键词标签，并确定与关键词标签匹配的游戏背景音乐；
风格确定模块403，用于解析游戏背景音乐的音律风格，并根据音律风格，确定目标皮肤风格参数；
模型处理模块404，用于将参考皮肤图像和目标皮肤风格参数输入至预置的风格迁移网络模型中进行处理，得到第一目标皮肤图像；其中，风格迁移网络模型为基于生成对抗网络模型训练得到；
皮肤生成模块405，用于根据第一目标皮肤图像生成游戏角色的二维皮肤模型。
基于本申请实施例提供的装置，通过用户的评价信息确定与游戏角色匹配的关键词标签，根据该关键词标签匹配相应的游戏背景音乐，解析该音乐的音律风格，根据音律风格确定目标皮肤风格参数，从而根据目标皮肤风格参数对原始皮肤图像进行风格迁移，由于皮肤的风格是与背景音乐的音律所匹配的，故风格迁移后的游戏皮肤与背景音乐匹配度更高，显得更加融洽，进而提升玩家的游戏体验感；同时，通过生成对抗网络对皮肤图像进行风格迁移，建模效率更高。
请参阅图5，本申请实施例提供一种游戏角色皮肤的建模装置，包括：
数据接收模块401，用于接收游戏角色的参考皮肤图像和玩家对游戏角色的评价信息；其中，参考皮肤图像为皮肤主视图；
音乐确定模块402，用于根据评价信息确定至少一个与游戏角色的人设匹配的关键词标签，并确定与关键词标签匹配的游戏背景音乐；
风格确定模块403，用于解析游戏背景音乐的音律风格，并根据音律风格，确定目标皮肤风格参数；
模型处理模块404，用于将参考皮肤图像和目标皮肤风格参数输入至预置的风格迁移网络模型中进行处理，得到第一目标皮肤图像；其中，风格迁移网络模型为基于生成对抗网络模型训练得到；
皮肤生成模块405，用于根据第一目标皮肤图像生成游戏角色的二维皮肤模型。
在一种可能的实施方式中，游戏角色皮肤的建模装置还包括：
图像集构建模块406，用于构建训练数据集；其中，训练数据集中包括多个三元组，每个三元组包括初始皮肤图像、风格皮肤图像以及风格皮肤图像对应的皮肤风格参数组成；
初始网络构建模块407，用于构建生成对抗网络模型，并初始化生成对抗网络模型中的网络参数；
风格化训练模块408，用于分别将训练数据集中的每个三元组输入至生成对抗网络模型中执行风格化训练，得到风格迁移网络模型。
在一种可能的实施方式中，游戏角色皮肤的建模装置还包括：
模型获取模块409，用于获取基于多视图三维重建网络模型训练后得到的三维皮肤生成网络模型；其中，多视图三维重建网络模型为基于神经辐射场的网络模型，三维皮肤生成网络模型包括皮肤自编码网络和皮肤生成对抗网络；
自编码模块410，用于调用皮肤自编码网络，提取第一目标皮肤图像的初始姿态特征和初始内容特征，并基于神经辐射场算法对初始内容特征执行计算，得到第一目标皮肤图像的多个隐藏内容特征，其中，初始内容特征对应于初始姿态特征，每个隐藏内容特征对应于一个预置的姿态特征；
姿态图像计算模块411，用于调用皮肤生成对抗网络处理每个内容特征及其对应的姿态特征，得到不同姿态下的第二目标皮肤图像；
三维皮肤生成模块412，用于基于不同姿态下的第二目标皮肤图像生成游戏角色的三维皮肤模型。
在一种可能的实施方式中，生成对抗网络模型包括生成网络和判别网络，风格化训练模块408具体包括：
目标确定单元4081，用于确定训练数据集中待训练的目标三元组；
风格化编码单元4082，用于调用生成网络处理目标三元组中的初始皮肤图像和皮肤风格参数，得到风格皮肤预测图像；其中，生成网络将风格皮肤预测图像输入至判别网络中；
概率计算单元4083，用于调用判别网络计算风格皮肤预测图像为目标三元组中风格皮肤图像的概率值；
损失计算单元4084，用于基于预置的损失函数计算概率值对应的损失结果；
网络参数调整单元4085，用于根据损失结果，分别调整生成对抗网络的网络参数，得到风格迁移网络模型。
在一种可能的实施方式中，风格化编码单元4082具体用于：
提取目标三元组中初始皮肤图像的目标数据分布；
对目标数据分布依次执行反卷积、归一化以及基于线性整流函数进行非线性激活，得到初始皮肤特征；
提取目标三元组中皮肤风格参数对应的风格特征，并将风格特征与初始皮肤特征进行特征拼接，得到特征映射图；
对特征映射图执行反卷积，并基于双曲正切函数激活反卷积的结果，得到风格皮肤预测图像。
在一种可能的实现方式中，网络参数调整单元4085具体用于：
将损失结果由生成对抗网络模型的输出层向隐藏层反向传播；
当损失结果被传播至隐藏层时，根据损失结果，采用随机梯度下降算法迭代更新隐藏层中各神经元的权重与偏置，并重新计算每次迭代更新后的损失结果；
在损失结果小于预置阈值时确定生成对抗网络当前的网络参数为目标参数，得到风格迁移网络模型。
基于本申请实施例提供的装置，模块化的设计让游戏角色皮肤的建模装置各部位的硬件专注于某一功能的实现，最大化实现了硬件的性能，同时模块化的设计也降低了装置的模块之间的耦合性，更加方便维护。
上面图4至图5从模块化功能实体的角度对本申请实施例中的游戏角色皮肤的建模装置进行详细描述，下面从硬件处理的角度对本申请实施例中游戏角色皮肤的建模设备进行详细描述。
图6是本申请实施例提供的一种游戏角色皮肤的建模设备的结构示意图，该游戏角色皮肤的建模设备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游戏角色皮肤的建模设备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，在游戏角色皮肤的建模设备600上执行存储介质630中的一系列指令操作。
游戏角色皮肤的建模设备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6示出的游戏角色皮肤的建模设备结构并不构成对游戏角色皮肤的建模设备的限定，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。
本申请还提供一种游戏角色皮肤的建模设备，所述计算机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游戏角色皮肤的建模方法的各个步骤。
本申请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游戏角色皮肤的建模方法的各个步骤。
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，本申请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)执行本申请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 access memory，RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
本申请可用于众多通用或专用的计算机系统环境或配置中。例如：个人计算机、服务器计算机、手持设备或便携式设备、平板型设备、多处理器系统、基于微处理器的系统、置顶盒、可编程的消费电子设备、网络PC、小型计算机、大型计算机、包括以上任何系统或设备的分布式计算环境等等。本申请可以在由计算机执行的计算机可执行指令的一般上下文中描述，例如程序模块。一般地，程序模块包括执行特定任务或实现特定抽象数据类型的例程、程序、对象、组件、数据结构等等。也可以在分布式计算环境中实践本申请，在这些分布式计算环境中，由通过通信网络而被连接的远程处理设备来执行任务。在分布式计算环境中，程序模块可以位于包括存储设备在内的本地和远程计算机存储介质中。
以上所述，以上实施例仅用以说明本申请的技术方案，而非对其限制；尽管参照前述实施例对本申请进行了详细的说明，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申请各实施例技术方案的精神和范围。

Claims (10)

1.一种游戏角色皮肤的建模方法，其特征在于，所述游戏角色皮肤的建模方法包括：
接收游戏角色的参考皮肤图像和玩家对所述游戏角色的评价信息；其中，所述参考皮肤图像为皮肤主视图；
根据所述评价信息确定至少一个与所述游戏角色的人设匹配的关键词标签，并确定与所述关键词标签匹配的游戏背景音乐；
解析所述游戏背景音乐的音律风格，并根据所述音律风格，确定目标皮肤风格参数；
将所述参考皮肤图像和所述目标皮肤风格参数输入至预置的风格迁移网络模型中进行处理，得到第一目标皮肤图像；其中，所述风格迁移网络模型为基于生成对抗网络模型训练得到；
根据所述第一目标皮肤图像生成所述游戏角色的二维皮肤模型。
2.根据权利要求1所述的游戏角色皮肤的建模方法，其特征在于，所述将所述参考皮肤图像和所述目标皮肤风格参数输入至预置的风格迁移网络模型中进行处理，得到第一目标皮肤图像之前，还包括：
构建训练数据集；其中，所述训练数据集中包括多个三元组，每个三元组包括初始皮肤图像、风格皮肤图像以及所述风格皮肤图像对应的皮肤风格参数组成；
构建生成对抗网络模型，并初始化所述生成对抗网络模型中的网络参数；
分别将所述训练数据集中的每个三元组输入至所述生成对抗网络模型中执行风格化训练，得到风格迁移网络模型。
3.根据权利要求2所述的游戏角色皮肤的建模方法，其特征在于，所述生成对抗网络模型包括生成网络和判别网络，所述分别将所述训练数据集中的每个三元组输入至所述生成对抗网络模型中执行风格化训练，得到风格迁移网络模型包括：
确定所述训练数据集中待训练的目标三元组；
调用所述生成网络处理所述目标三元组中的初始皮肤图像和皮肤风格参数，得到风格皮肤预测图像；其中，所述生成网络将所述风格皮肤预测图像输入至所述判别网络中；
调用所述判别网络计算所述风格皮肤预测图像为所述目标三元组中风格皮肤图像的概率值；
基于预置的损失函数计算所述概率值对应的损失结果；
根据所述损失结果，分别调整所述生成对抗网络的网络参数，得到风格迁移网络模型。
4.根据权利要求3所述的游戏角色皮肤的建模方法，其特征在于，所述调用所述生成网络处理所述目标三元组中的初始皮肤图像和皮肤风格参数，得到风格皮肤预测图像包括：
提取所述目标三元组中初始皮肤图像的目标数据分布；
对所述目标数据分布依次执行反卷积、归一化以及基于线性整流函数进行非线性激活，得到初始皮肤特征；
提取所述目标三元组中皮肤风格参数对应的风格特征，并将所述风格特征与所述初始皮肤特征进行特征拼接，得到特征映射图；
对所述特征映射图执行反卷积，并基于双曲正切函数激活反卷积的结果，得到风格皮肤预测图像。
5.根据权利要求3所述的游戏角色皮肤的建模方法，其特征在于，所述根据所述损失结果，调整所述生成对抗网络模型的网络参数，得到风格迁移网络模型包括：
将所述损失结果由所述生成对抗网络模型的输出层向隐藏层反向传播；
当所述损失结果被传播至所述隐藏层时，根据所述损失结果，采用随机梯度下降算法迭代更新所述隐藏层中各神经元的权重与偏置，并重新计算每次迭代更新后的损失结果；
在所述损失结果小于预置阈值时确定所述生成对抗网络当前的网络参数为目标参数，得到风格迁移网络模型。
6.根据权利要求1-5中任一项所述的游戏角色皮肤的建模方法，其特征在于，所述将所述参考皮肤图像和所述目标皮肤风格参数输入至预置的风格迁移网络模型中进行处理，得到第一目标皮肤图像之后，还包括：
获取基于多视图三维重建网络模型训练后得到的三维皮肤生成网络模型；其中，所述多视图三维重建网络模型为基于神经辐射场的网络模型，所述三维皮肤生成网络模型包括皮肤自编码网络和皮肤生成对抗网络；
调用所述皮肤自编码网络，提取所述第一目标皮肤图像的初始姿态特征和初始内容特征，并基于神经辐射场算法对所述初始内容特征执行计算，得到所述第一目标皮肤图像的多个隐藏内容特征，其中，所述初始内容特征对应于所述初始姿态特征，每个隐藏内容特征对应于一个预置的姿态特征；
调用所述皮肤生成对抗网络处理每个内容特征及其对应的姿态特征，得到不同姿态下的第二目标皮肤图像；
基于所述不同姿态下的第二目标皮肤图像生成所述游戏角色的三维皮肤模型。
7.根据权利要求1-5中任一项所述的游戏角色皮肤的建模方法，其特征在于，所述根据所述第一目标皮肤图像生成所述游戏角色的二维皮肤模型之后，还包括：
分别接收所述游戏角色在五面视图方向上的皮肤图像；其中，所述五面视图方向包括后视图、左视图、右视图、俯视图以及仰视图；
分别将每个视图方向上的皮肤图像和所述目标风格参数输入至所述风格迁移网络模型中进行处理，得到每个视图方向上的第三目标皮肤图像；
基于每个视图方向上的第三目标皮肤图像和所述第一目标皮肤图像生成所述游戏角色的三维皮肤模型。
8.一种游戏角色皮肤的建模装置，其特征在于，所述游戏角色皮肤的建模装置包括：
数据接收模块，用于接收游戏角色的参考皮肤图像和玩家对所述游戏角色的评价信息；其中，所述参考皮肤图像为皮肤主视图；
音乐确定模块，用于根据所述评价信息确定至少一个与所述游戏角色的人设匹配的关键词标签，并确定与所述关键词标签匹配的游戏背景音乐；
风格确定模块，用于解析所述游戏背景音乐的音律风格，并根据所述音律风格，确定目标皮肤风格参数；
模型处理模块，用于将所述参考皮肤图像和所述目标皮肤风格参数输入至预置的风格迁移网络模型中进行处理，得到第一目标皮肤图像；其中，所述风格迁移网络模型为基于生成对抗网络模型训练得到；
皮肤生成模块，用于根据所述第一目标皮肤图像生成所述游戏角色的二维皮肤模型。
9.一种游戏角色皮肤的建模设备，其特征在于，所述游戏角色皮肤的建模设备包括：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，以使得所述游戏角色皮肤的建模设备执行如权利要求1-7中任一项所述的游戏角色皮肤的建模方法的各个步骤。
10.一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1-7中任一项所述游戏角色皮肤的建模方法的各个步骤。
CN202310325706.4A 2023-03-23 2023-03-23 游戏角色皮肤的建模方法、装置、设备及存储介质 Pending CN116402676A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310325706.4A CN116402676A (zh) 2023-03-23 2023-03-23 游戏角色皮肤的建模方法、装置、设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310325706.4A CN116402676A (zh) 2023-03-23 2023-03-23 游戏角色皮肤的建模方法、装置、设备及存储介质

Publications (1)

Publication Number Publication Date
CN116402676A true CN116402676A (zh) 2023-07-07

Family

ID=87013633

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310325706.4A Pending CN116402676A (zh) 2023-03-23 2023-03-23 游戏角色皮肤的建模方法、装置、设备及存储介质

Country Status (1)

Country Link
CN (1) CN116402676A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117351120A (zh) * 2023-12-06 2024-01-05 青岛蓝飞互娱科技股份有限公司 一种3d游戏动画生成方法

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117351120A (zh) * 2023-12-06 2024-01-05 青岛蓝飞互娱科技股份有限公司 一种3d游戏动画生成方法
CN117351120B (zh) * 2023-12-06 2024-03-19 青岛蓝飞互娱科技股份有限公司 一种3d游戏动画生成方法

Similar Documents

Publication Publication Date Title
CN110717977B (zh) 游戏角色脸部处理的方法、装置、计算机设备及存储介质
EP3944200B1 (en) Facial image generation method and apparatus, device and storage medium
Gui et al. A review on generative adversarial networks: Algorithms, theory, and applications
US11682155B2 (en) Skeletal systems for animating virtual avatars
CN109196526B (zh) 用于生成多模态数字图像的方法和系统
US11232286B2 (en) Method and apparatus for generating face rotation image
CN108334816A (zh) 基于轮廓对称约束生成式对抗网络的多姿态人脸识别方法
CN110705448A (zh) 一种人体检测方法及装置
CN112085835B (zh) 三维卡通人脸生成方法、装置、电子设备及存储介质
US20230100427A1 (en) Face image processing method, face image processing model training method, apparatus, device, storage medium, and program product
CN111815768B (zh) 三维人脸重建方法和装置
CN114067088A (zh) 虚拟穿戴方法、装置、设备、存储介质及程序产品
CN110390259A (zh) 图数据的识别方法、装置、计算机设备和存储介质
CN116402676A (zh) 游戏角色皮肤的建模方法、装置、设备及存储介质
CN112102480A (zh) 图像数据处理方法、装置、设备以及介质
Kwon et al. Optimal camera point selection toward the most preferable view of 3-d human pose
Zhang et al. Multi-view dimensionality reduction via canonical random correlation analysis
WO2023160074A1 (zh) 一种图像生成方法、装置、电子设备以及存储介质
CN114092616B (zh) 渲染方法、装置、电子设备和存储介质
CN115861515A (zh) 一种三维人脸重建方法、计算机程序产品及电子设备
CN115546011A (zh) 图像处理方法、装置、计算机设备和存储介质
Kuo et al. Generating ambiguous figure-ground images
CN114912574A (zh) 角色面部表情拆分方法、装置、计算机设备及存储介质
CN116452601A (zh) 虚拟试衣方法、装置、电子设备及存储介质
JP2024511343A (ja) 下層のボディおよび／または衣服レイヤに適合する重ねられた衣服

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