CN116433847A - 姿态迁移方法及装置、电子设备和存储介质 - Google Patents
姿态迁移方法及装置、电子设备和存储介质 Download PDFInfo
- Publication number
- CN116433847A CN116433847A CN202310436459.5A CN202310436459A CN116433847A CN 116433847 A CN116433847 A CN 116433847A CN 202310436459 A CN202310436459 A CN 202310436459A CN 116433847 A CN116433847 A CN 116433847A
- Authority
- CN
- China
- Prior art keywords
- joint
- position information
- target
- information
- pose
- 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
- 238000000034 method Methods 0.000 title claims abstract description 74
- 230000005012 migration Effects 0.000 title claims abstract description 49
- 238000013508 migration Methods 0.000 title claims abstract description 49
- 238000005070 sampling Methods 0.000 claims description 99
- 239000013598 vector Substances 0.000 claims description 85
- 210000000988 bone and bone Anatomy 0.000 claims description 54
- 238000004590 computer program Methods 0.000 claims description 17
- 230000009466 transformation Effects 0.000 claims description 13
- 238000006073 displacement reaction Methods 0.000 claims description 12
- 230000004044 response Effects 0.000 claims description 8
- 230000001131 transforming effect Effects 0.000 claims description 5
- 238000013507 mapping Methods 0.000 claims description 2
- 238000013473 artificial intelligence Methods 0.000 abstract description 7
- 238000013135 deep learning Methods 0.000 abstract description 3
- 230000003190 augmentative effect Effects 0.000 abstract description 2
- 230000000875 corresponding effect Effects 0.000 description 25
- 239000011159 matrix material Substances 0.000 description 19
- 238000004891 communication Methods 0.000 description 14
- 230000008569 process Effects 0.000 description 14
- 238000010586 diagram Methods 0.000 description 13
- 238000005516 engineering process Methods 0.000 description 10
- 230000006870 function Effects 0.000 description 10
- 238000012545 processing Methods 0.000 description 9
- 210000003857 wrist joint Anatomy 0.000 description 9
- 238000001514 detection method Methods 0.000 description 7
- 210000001503 joint Anatomy 0.000 description 7
- 210000002310 elbow joint Anatomy 0.000 description 6
- 238000013459 approach Methods 0.000 description 3
- 210000003414 extremity Anatomy 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 210000000323 shoulder joint Anatomy 0.000 description 3
- 230000009471 action Effects 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 230000001413 cellular effect Effects 0.000 description 2
- 230000002596 correlated effect Effects 0.000 description 2
- 238000012217 deletion Methods 0.000 description 2
- 230000037430 deletion Effects 0.000 description 2
- 210000001145 finger joint Anatomy 0.000 description 2
- 238000001727 in vivo Methods 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 238000003062 neural network model Methods 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 238000013519 translation Methods 0.000 description 2
- 210000001015 abdomen Anatomy 0.000 description 1
- 210000000784 arm bone Anatomy 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000010267 cellular communication Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000000338 in vitro Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 230000003924 mental process Effects 0.000 description 1
- 230000003278 mimic effect Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003058 natural language processing Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 230000035515 penetration Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 239000004984 smart glass Substances 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/70—Determining position or orientation of objects or cameras
- G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Graphics (AREA)
- Geometry (AREA)
- Software Systems (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Processing Or Creating Images (AREA)
Abstract
本公开提供了一种姿态迁移方法及装置、电子设备和存储介质,涉及人工智能技术领域,具体为计算机视觉、增强现实、虚拟现实、深度学习等技术领域,可应用于元宇宙、数字人等场景。实现方案为:基于源对象的第一位姿信息,确定目标对象的第二位姿信息;基于第一位姿信息,确定源对象的第一参考关节的第一关节位置信息和第一参考蒙皮顶点的第一蒙皮顶点位置信息;基于第二位姿信息,确定目标对象的第二参考关节的第二关节位置信息和第二参考蒙皮顶点的第二蒙皮顶点位置信息;基于第一关节位置信息、第一蒙皮顶点位置信息和第二蒙皮顶点位置信息,确定第二参考关节的目标位置信息;对第二位姿信息进行调整以得到目标对象的第三位姿信息。
Description
技术领域
本公开涉及人工智能技术领域,具体为计算机视觉、增强现实、虚拟现实、深度学习等技术领域,可应用于元宇宙、数字人等场景。本公开具体涉及一种姿态迁移方法及装置、电子设备、计算机可读存储介质和计算机程序产品。
背景技术
人工智能是研究使计算机来模拟人的某些思维过程和智能行为(如学习、推理、思考、规划等)的学科,既有硬件层面的技术也有软件层面的技术。人工智能硬件技术一般包括如传感器、专用人工智能芯片、云计算、分布式存储、大数据处理等技术;人工智能软件技术主要包括计算机视觉技术、语音识别技术、自然语言处理技术以及机器学习/深度学习、大数据处理技术、知识图谱技术等几大方向。
三维虚拟形象在游戏、影视、直播、社交等场景中具有广泛的应用价值。姿态迁移又称动作迁移、动作重定向,指的是将一个三维对象(即,源对象)的姿态迁移到另一个三维对象(即,目标对象)上,使后者的姿态与前者保持一致。
在此部分中描述的方法不一定是之前已经设想到或采用的方法。除非另有指明,否则不应假定此部分中描述的任何方法仅因其包括在此部分中就被认为是现有技术。类似地,除非另有指明,否则此部分中提及的问题不应认为在任何现有技术中已被公认。
发明内容
本公开提供了一种姿态迁移方法及装置、电子设备、计算机可读存储介质和计算机程序产品。
根据本公开的一方面,提供了一种姿态迁移方法,包括:基于源对象的第一位姿信息,确定目标对象的第二位姿信息;基于所述第一位姿信息,确定所述源对象的第一参考关节的第一关节位置信息和第一参考蒙皮顶点的第一蒙皮顶点位置信息;基于所述第二位姿信息,确定所述目标对象的第二参考关节的第二关节位置信息和第二参考蒙皮顶点的第二蒙皮顶点位置信息,其中,所述第二参考关节与所述第一参考关节相对应,所述第二参考蒙皮顶点与所述第一参考蒙皮顶点相对应;基于所述第一关节位置信息、所述第一蒙皮顶点位置信息和所述第二蒙皮顶点位置信息,确定所述第二参考关节的目标位置信息;基于所述第二关节位置信息和所述目标位置信息,对所述第二位姿信息进行调整以得到所述目标对象的第三位姿信息;以及基于所述第三位姿信息,驱动所述目标对象。
根据本公开的一方面,提供了一种姿态迁移装置,包括:旋转迁移模块,被配置为基于源对象的第一位姿信息,确定目标对象的第二位姿信息;第一位置确定模块,被配置为基于所述第一位姿信息,确定所述源对象的第一参考关节的第一关节位置信息和第一参考蒙皮顶点的第一蒙皮顶点位置信息;第二位置确定模块,被配置为基于所述第二位姿信息,确定所述目标对象的第二参考关节的第二关节位置信息和第二参考蒙皮顶点的第二蒙皮顶点位置信息,其中,所述第二参考关节与所述第一参考关节相对应,所述第二参考蒙皮顶点与所述第一参考蒙皮顶点相对应;第三位置确定模块,被配置为基于所述第一关节位置信息、所述第一蒙皮顶点位置信息和所述第二蒙皮顶点位置信息,确定所述第二参考关节的目标位置信息;调整模块,被配置为基于所述第二关节位置信息和所述目标位置信息,对所述第二位姿信息进行调整以得到所述目标对象的第三位姿信息;以及驱动模块,被配置为基于所述第三位姿信息,驱动所述目标对象。
根据本公开的一方面,提供了一种电子设备,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。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上述方法。
根据本公开的一方面,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,所述计算机指令用于使计算机执行上述方法。
根据本公开的一方面,提供了一种计算机程序产品,包括计算机程序指令,所述计算机程序指令在被处理器执行时实现上述方法。
根据本公开的一个或多个实施例,能够提高姿态迁移的准确性。
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
附图示例性地示出了实施例并且构成说明书的一部分,与说明书的文字描述一起用于讲解实施例的示例性实施方式。所示出的实施例仅出于例示的目的,并不限制权利要求的范围。在所有附图中,相同的附图标记指代类似但不一定相同的要素。
图1示出了根据本公开实施例的可以在其中实施本文描述的各种方法的示例性系统的示意图;
图2示出了根据本公开实施例的姿态迁移方法的流程图;
图3A示出了根据本公开实施例的源对象的第一参考蒙皮顶点及其对应的目标对象的第二参考蒙皮顶点的示意图;
图3B示出了根据本公开实施例的姿态迁移过程的示意图;
图3C示出了根据本公开实施例的碰撞力场的示意图;
图4示出了根据本公开实施例的姿态迁移装置的结构框图;以及
图5示出了能够用于实现本公开实施例的示例性电子设备的结构框图。
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。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。
在本公开中,除非另有说明,否则使用术语“第一”、“第二”等来描述各种要素不意图限定这些要素的位置关系、时序关系或重要性关系,这种术语只是用于将一个要素与另一要素区分开。在一些示例中,第一要素和第二要素可以指向该要素的同一实例,而在某些情况下,基于上下文的描述,它们也可以指代不同实例。
在本公开中对各种所述示例的描述中所使用的术语只是为了描述特定示例的目的,而并非旨在进行限制。除非上下文另外明确地表明,如果不特意限定要素的数量,则该要素可以是一个也可以是多个。此外,本公开中所使用的术语“和/或”涵盖所列出的项目中的任何一个以及全部可能的组合方式。
本公开的技术方案中,所涉及的用户个人信息的获取,存储和应用等,均符合相关法律法规的规定,且不违背公序良俗。
相关技术中,通常采用基于旋转一致性的方法来实现姿态迁移。即,在姿态迁移的过程中,使目标对象的关节的旋转信息与源对象的相应关节的旋转信息保持一致。对象例如可以是真实人物、影视角色、游戏角色、虚拟主播、卡通人物等。但是,不同对象的外形不同(例如身高、身材不同),基于旋转一致性的姿态迁移方法可能导致目标对象的姿态与源对象的姿态的语义不同。即,目标对象丢失了源对象的姿态语义,使得目标对象不能完整地重现源对象的姿态。
例如,源对象是一个矮胖的对象A,其当前处于手触腰的姿态,即,对象A的肘关节弯曲,手部与腰部相接触。目标对象是一个瘦高的对象B,对象B的手臂比对象A的手臂更长。如果基于旋转一致性将对象A的姿态迁移到对象B上,使对象B的肘关节、指关节的旋转角度与对象A的肘关节、指关节分别相同,由于对象B的手臂更长,则对象B的手部可能会穿过其腰部而与腹部相接触(俗称“穿模”),使对象B的姿态与对象A的姿态的接触性语义不同,不能重现对象A的手触腰姿态。
又例如,源虚拟对象仍为上述处于手触腰姿态的对象A。目标对象是一个腰部比对象A更细的对象C。如果基于旋转一致性,将对象A的姿态迁移到对象C上,由于对象C的腰更细,则对象C的手部可能无法接触到其腰部,使对象C的姿态与对象A的接触性语义不同,不能重现对象A的手触腰姿态。
针对上述问题,本公开实施例提供了一种姿态迁移方法,通过利用参考关节和参考蒙皮顶点的位置信息对基于旋转一致性所得到的目标对象的位姿信息进行修正,能够在姿态迁移的过程中保证相对位置的一致性,避免姿态语义缺失,提高姿态迁移的准确性。
下面将结合附图详细描述本公开的实施例。
图1示出了根据本公开的实施例可以将本文描述的各种方法和装置在其中实施的示例性系统100的示意图。参考图1,该系统100包括一个或多个客户端设备101、102、103、104、105和106、服务器120以及将一个或多个客户端设备耦接到服务器120的一个或多个通信网络110。客户端设备101、102、103、104、105和106可以被配置为执行一个或多个应用程序。
在本公开的实施例中,客户端设备101、102、103、104、105和106以及服务器120可以运行使得能够执行姿态迁移方法的一个或多个服务或软件应用。
在某些实施例中,服务器120还可以提供其他服务或软件应用,这些服务或软件应用可以包括非虚拟环境和虚拟环境。在某些实施例中,这些服务可以作为基于web的服务或云服务提供,例如在软件即服务(SaaS)模型下提供给客户端设备101、102、103、104、105和/或106的用户。
在图1所示的配置中,服务器120可以包括实现由服务器120执行的功能的一个或多个组件。这些组件可以包括可由一个或多个处理器执行的软件组件、硬件组件或其组合。操作客户端设备101、102、103、104、105和/或106的用户可以依次利用一个或多个客户端应用程序来与服务器120进行交互以利用这些组件提供的服务。应当理解,各种不同的系统配置是可能的,其可以与系统100不同。因此,图1是用于实施本文所描述的各种方法的系统的一个示例,并且不旨在进行限制。
客户端设备101、102、103、104、105和/或106可以提供使客户端设备的用户能够与客户端设备进行交互的接口。客户端设备还可以经由该接口向用户输出信息。尽管图1仅描绘了六种客户端设备,但是本领域技术人员将能够理解,本公开可以支持任何数量的客户端设备。
客户端设备101、102、103、104、105和/或106可以包括各种类型的计算机设备,例如便携式手持设备、通用计算机(诸如个人计算机和膝上型计算机)、工作站计算机、可穿戴设备、智能屏设备、自助服务终端设备、服务机器人、车载设备、游戏系统、瘦客户端、各种消息收发设备、传感器或其他感测设备等。这些计算机设备可以运行各种类型和版本的软件应用程序和操作系统,例如MICROSOFT Windows、APPLE iOS、类UNIX操作系统、Linux或类Linux操作系统;或包括各种移动操作系统,例如MICROSOFT Windows Mobile OS、iOS、Windows Phone、Android。便携式手持设备可以包括蜂窝电话、智能电话、平板电脑、个人数字助理(PDA)等。可穿戴设备可以包括头戴式显示器(诸如智能眼镜)和其他设备。游戏系统可以包括各种手持式游戏设备、支持互联网的游戏设备等。客户端设备能够执行各种不同的应用程序,例如各种与Internet相关的应用程序、通信应用程序(例如电子邮件应用程序)、短消息服务(SMS)应用程序,并且可以使用各种通信协议。
网络110可以是本领域技术人员熟知的任何类型的网络,其可以使用多种可用协议中的任何一种(包括但不限于TCP/IP、SNA、IPX等)来支持数据通信。仅作为示例,一个或多个网络110可以是局域网(LAN)、基于以太网的网络、令牌环、广域网(WAN)、因特网、虚拟网络、虚拟专用网络(VPN)、内部网、外部网、区块链网络、公共交换电话网(PSTN)、红外网络、无线网络(例如蓝牙、Wi-Fi)和/或这些和/或其他网络的任意组合。
服务器120可以包括一个或多个通用计算机、专用服务器计算机(例如PC(个人计算机)服务器、UNIX服务器、中端服务器)、刀片式服务器、大型计算机、服务器群集或任何其他适当的布置和/或组合。服务器120可以包括运行虚拟操作系统的一个或多个虚拟机,或者涉及虚拟化的其他计算架构(例如可以被虚拟化以维护服务器的虚拟存储设备的逻辑存储设备的一个或多个灵活池)。在各种实施例中,服务器120可以运行提供下文所描述的功能的一个或多个服务或软件应用。
服务器120中的计算单元可以运行包括上述任何操作系统以及任何商业上可用的服务器操作系统的一个或多个操作系统。服务器120还可以运行各种附加服务器应用程序和/或中间层应用程序中的任何一个,包括HTTP服务器、FTP服务器、CGI服务器、JAVA服务器、数据库服务器等。
在一些实施方式中,服务器120可以包括一个或多个应用程序,以分析和合并从客户端设备101、102、103、104、105和/或106的用户接收的数据馈送和/或事件更新。服务器120还可以包括一个或多个应用程序,以经由客户端设备101、102、103、104、105和/或106的一个或多个显示设备来显示数据馈送和/或实时事件。
在一些实施方式中,服务器120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。服务器120也可以是云服务器,或者是带人工智能技术的智能云计算服务器或智能云主机。云服务器是云计算服务体系中的一项主机产品,以解决传统物理主机与虚拟专用服务器(VPS,Virtual Private Server)服务中存在的管理难度大、业务扩展性弱的缺陷。
系统100还可以包括一个或多个数据库130。在某些实施例中,这些数据库可以用于存储数据和其他信息。例如,数据库130中的一个或多个可用于存储诸如音频文件和视频文件的信息。数据库130可以驻留在各种位置。例如,由服务器120使用的数据库可以在服务器120本地,或者可以远离服务器120且可以经由基于网络或专用的连接与服务器120通信。数据库130可以是不同的类型。在某些实施例中,由服务器120使用的数据库例如可以是关系数据库。这些数据库中的一个或多个可以响应于命令而存储、更新和检索到数据库以及来自数据库的数据。
在某些实施例中,数据库130中的一个或多个还可以由应用程序使用来存储应用程序数据。由应用程序使用的数据库可以是不同类型的数据库,例如键值存储库,对象存储库或由文件系统支持的常规存储库。
图1的系统100可以以各种方式配置和操作,以使得能够应用根据本公开所描述的各种方法和装置。
根据一些实施例,客户端设备101-106可以采集运动对象(例如,真实人物)的视频,并经由网络110将该视频发送至服务器120。视频中的该运动对象即为源对象。服务器120可以通过执行本公开实施例的姿态迁移方法,将每个视频帧中的源对象的姿态迁移到指定的目标对象(例如,卡通人物)上,从而生成该目标对象的动画。动画中的目标对象呈现与视频中的源对象相同的动作。
在另一些实施例中,客户端设备101-106也可以执行本公开实施例的姿态迁移方法,以将源对象的姿态迁移至目标对象上。
图2示出了根据本公开实施例的姿态迁移方法200的流程图。如上所述,方法200的执行主体可以是服务器(例如,上述服务器120),也可以是客户端设备(例如,上述客户端设备101-106)。如图2所示,方法200包括步骤S210-S260。
在步骤S210中,基于源对象的第一位姿信息,确定目标对象的第二位姿信息。
在步骤S220中,基于第一位姿信息,确定源对象的第一参考关节的第一关节位置信息和第一参考蒙皮顶点的第一蒙皮顶点位置信息。
在步骤S230中,基于第二位姿信息,确定目标对象的第二参考关节的第二关节位置信息和第二参考蒙皮顶点的第二蒙皮顶点位置信息。第二参考关节与第一参考关节相对应,第二参考蒙皮顶点与第一参考蒙皮顶点相对应。
在步骤S240中,基于第一关节位置信息、第一蒙皮顶点位置信息和第二蒙皮顶点位置信息,确定第二参考关节的目标位置信息。
在步骤S250中,基于第二关节位置信息和目标位置信息,对第二位姿信息进行调整以得到目标对象的第三位姿信息。
在步骤S260中,基于第三位姿信息,驱动目标对象。
根据本公开的实施例,首先基于关节的旋转一致性,完成由源对象到目标对象的初步姿态迁移(即,确定目标对象的第二位姿信息)。随后,基于参考关节和参考蒙皮顶点的位置信息对第二位姿信息进行修正,能够在姿态迁移的过程中保证参考关节与参考蒙皮顶点的相对位置的一致性,从而避免姿态语义缺失,提高姿态迁移的准确性。
源对象可以是三维的真实形象(例如,真实人物)或虚拟形象(例如,游戏角色、虚拟主播、卡通人物等)。目标对象通常为三维虚拟形象。根据本公开的实施例,可以将真实形象或虚拟形象的三维肢体动作迁移至另一个虚拟形象上,从而自动生成后者的动画,降低美术成本。
三维对象(包括源对象和目标对象)可以通过蒙皮骨骼模型来表示。蒙皮骨骼模型包括骨骼(Bone)架构和蒙皮(Skinned Mesh)两部分。
骨骼架构包括多个骨骼节点(Node)。骨骼节点也可以被称为关节。骨骼架构可以是多个关节按照连接关系所形成的树状层级结构。树状层级结构通常包括多个骨骼链。在每一个骨骼链中,某个关节的上一层关节为其父关节,下一层关节为其子关节。例如,在由肩关节、肘关节、腕关节所形成的骨骼链中,肘关节的父关节为肩关节,子关节为腕关节。
蒙皮包括多个蒙皮顶点(Vertex)。一定数量的蒙皮顶点可以构建为一个面片,例如,3个蒙皮顶点可以形成一个三角面片。大量的面片拼接形成一个面片模型,该面片模型即为三维对象的表面。
蒙皮附着在骨骼上。每个蒙皮顶点可以被一个或多个骨骼节点所控制,每个骨骼节点也可以控制一个或多个蒙皮顶点。需要说明的是,由于一个蒙皮顶点可以被至少一个骨骼节点所控制,为了便于对不同骨骼节点对同一蒙皮顶点的控制程度加以区分,在构建蒙皮骨骼模型时,需要设置不同骨骼节点对所控制的蒙皮顶点的蒙皮权重。其中,对同一蒙皮顶点具备控制作用的各骨骼节点对应的蒙皮权重的和为1。蒙皮权重的具体数值可以由三维对象的设计师根据需求确定或调整。
每个骨骼节点具有相应的骨骼驱动系数。骨骼驱动系数能够对骨骼节点进行驱动,确定骨骼节点的位置坐标。进而,基于各骨骼节点的位置坐标和预设的蒙皮权重,可以得到各蒙皮顶点的位置坐标。骨骼驱动系数包括平移(Translate)、旋转(Rotation)和缩放(Scale),可以被简记为TRS。骨骼驱动系数是节点的局部TRS属性,其具体包括x、y、z三个轴的平移值、旋转值(即,欧拉角)和缩放值共9个数值。
骨骼节点j的骨骼驱动系数可以被表示成一个4*4的局部位姿矩阵matTRS(j)。该局部位姿矩阵表示骨骼节点由初始姿态(例如,“T”型姿态,T-pose)到某一姿态的局部坐标变换。骨骼驱动系数与位姿矩阵等价,可以相互无损转换。基于骨骼节点的局部位姿矩阵matTRS(j),可以进一步计算出其全局变换矩阵Derformj。全局变换矩阵表示骨骼节点从初始姿态到某一姿态的全局坐标变换。
可以根据骨骼节点的层级关系,将骨骼节点j的局部位姿矩阵转换为全局位姿矩阵。具体地,在骨骼节点j为树状层级结构中的根节点的情况下,其全局位姿矩阵currentNode(j)Global为:
currentNode(j)Global=matTRS(j) (1)
在其他情况下:
currentNode(j)Global=parentNode(j)Global*matTRS(j) (2)
其中,parentNode(j)Global是节点j的父节点的全局位姿矩阵。
节点j的变换矩阵Derformj可以根据下式计算得出:
Derformj=currentNodejGlobal*initNodejGlobal-1 (3)
其中,initNodejGlobal-1为节点j在初始姿态下的全局位姿矩阵。
骨骼蒙皮模型的驱动过程如下:
1、获取骨骼节点j的骨骼驱动系数,即局部位姿矩阵matTRS(j);
2、计算骨骼节点j的全局位姿矩阵currentNode(j)Global;
3、计算骨骼节点j的全局变换矩阵Derformj;
4、基于全局变换矩阵Derformj,对骨骼节点j进行坐标变换,确定其位置坐标;
5、基于各骨骼节点的位置坐标和预设的蒙皮权重,计算各蒙皮顶点的位置坐标。蒙皮顶点i的位置坐标Vertexi′为:
其中,m为影响蒙皮顶点i的骨骼节点的数量减一,Vertexi为蒙皮顶点i在初始姿态下的位置坐标,α(i,j)为蒙皮顶点i受骨骼节点j影响的蒙皮权重。
在本公开的实施例中,将源对象当前的姿态记为目标姿态。例如,目标姿态可以是从图像中识别出的源对象的姿态。第一位姿信息指的是源对象在目标姿态下的位姿信息。
源对象包括多个第一关节和多个第一蒙皮顶点。第一位姿信息包括每个第一关节的位姿信息,即,第一关节位姿信息。进一步地,第一关节位姿信息包括第一关节位置信息和第一关节旋转信息。第一关节位置信息表示第一关节的位置,即,第一关节在x、y、z三轴的位置坐标。第一关节旋转信息表示第一关节的姿态,即,第一关节绕x、y、z三轴的旋转角(即,欧拉角)。由于在骨骼蒙皮模型中,骨骼的长度和连接关系是固定的,因此第一关节位置信息和第一关节旋转信息是相关联的。若其中一者的数值发生变化,另一者的数值也随之发生变化。
第二位姿信息指的是目标对象在经过旋转一致性的姿态迁移后的位姿信息。
目标对象包括多个第二关节和多个第二蒙皮顶点。第二位姿信息包括每个第二关节的位姿信息,即,第二关节位姿信息。进一步地,第二关节位姿信息包括第二关节位置信息和第二关节旋转信息。第二关节位置信息表示第二关节的位置,即,第二关节在x、y、z三轴的位置坐标。第二关节旋转信息表示第二关节的姿态,即,第二关节绕x、y、z三轴的旋转角(即,欧拉角)。由于在骨骼蒙皮模型中,骨骼的长度和连接关系是固定的,因此第二关节位置信息和第二关节旋转信息是相关联的。若其中一者的数值发生变化,另一者的数值也随之发生变化。
第一位姿信息可以通过任意姿态检测方法获得。例如,可以将包含源对象的图像输入经训练的姿态检测模型,以得到姿态检测模型输出的源对象的第一位姿信息。姿态检测模型可以是神经网络模型。
在获得源对象在目标姿态下的第一位姿信息后,基于第一关节的第一关节旋转信息,确定相应的第二关节的第二关节旋转信息,使第二关节旋转信息与第一关节旋转信息相匹配,由此完成基于旋转一致性的姿态迁移。具体地,第二关节旋转信息与第一关节旋转信息相匹配,指的是目标姿态下的第二关节旋转信息相对于初始姿态下的第二关节旋转信息的第二变化量与目标姿态下的第一关节旋转信息相对于初始姿态下的第一关节旋转信息的第一变化量相同。
第一关节与第二关节的对应关系可以是预先设置的。
在步骤S220中,基于第一位姿信息,确定源对象的第一参考关节的第一关节位置信息和第一参考蒙皮顶点的第一蒙皮顶点位置信息。
第一参考关节可以是任一第一关节,第一参考蒙皮顶点可以是任一第一蒙皮顶点。第一参考关节和第一参考蒙皮顶点用于保证姿态迁移过程中的相对位置语义。第一参考关节和第一参考蒙皮顶点可以根据姿态迁移过程中的语义保证需求来确定。例如,如果需要在姿态迁移过程中保证手触腰的动作语义,则第一参考关节可以设置为腕关节或指关节,第一参考蒙皮顶点可以设置为腰部的蒙皮顶点。又例如,如果需要在姿态迁移过程中保证双手比心的动作语义,则第一参考关节可以设置为左手(或右手)的指关节,第一参考蒙皮顶点可以设置为右手(或左手)指尖的蒙皮顶点。
如上所述,第一位姿信息包括所有第一关节的第一关节位置信息和第一关节旋转信息。因此,第一参考关节的第一关节位置信息可以从第一位姿信息中直接获取。第一蒙皮顶点位置信息可以根据第一参考蒙皮顶点对应的各第一关节的第一关节位置信息计算得出。
在步骤S230中,基于第二位姿信息,确定目标对象的第二参考关节的第二关节位置信息和第二参考蒙皮顶点的第二蒙皮顶点位置信息。
第二参考关节是与第一参考关节相对应的第二关节。第二参考蒙皮顶点是与第一参考蒙皮顶点相对应的第二蒙皮顶点。例如,第一参考关节是源对象的腕关节,相应地,第二参考关节是目标对象的腕关节。第一参考蒙皮顶点是源对象腰部的蒙皮顶点,相应地,第二参考蒙皮顶点是目标对象腰部的蒙皮顶点。
根据一些实施例,可以预先设置第一关节与第二关节的对应关系。相应地,基于该对应关系,可以确定第一参考关节对应的第二参考关节。
根据一些实施例,可以获取源对象在初始姿态下的第一参考蒙皮顶点的第一初始位置信息和目标对象在初始姿态下的多个第二蒙皮顶点各自的第二初始位置信息,并将多个第二蒙皮顶点中的距离第一参考蒙皮顶点最近的第二蒙皮顶点确定为第二参考蒙皮顶点。根据该实施例,能够从大量的第二蒙皮顶点中自动确定与第一参考蒙皮顶点相对应的第二参考蒙皮顶点,避免手动设置第一参考蒙皮顶点与第二参考蒙皮顶点的对应关系,提高了计算效率。
初始姿态例如可以是双手平举所形成的“T”型姿态,即,T-pose。在初始姿态下,每个第一蒙皮顶点和每个第二蒙皮顶点都具有相应的初始位置信息,即初始位置坐标。基于初始位置坐标,可以确定任一第一蒙皮顶点与任一第二蒙皮顶点的距离。第二参考蒙皮顶点为距离第一参考蒙皮顶点最近的第二蒙皮顶点。
第一参考蒙皮顶点的第一初始位置信息可以是该第一参考蒙皮顶点在源对象的本地坐标系(例如,以源对象的头关节为原点)下的三维坐标。第二蒙皮顶点的第二初始位置信息可以是该第二蒙皮顶点在目标对象的本地坐标系(例如,以目标对象的头关节为原点)下的三维坐标。第二蒙皮顶点距离第一参考蒙皮顶点最近,指的是二者的三维坐标的差最小。
图3A示出了根据本公开实施例的源对象的第一参考蒙皮顶点及其对应的目标对象的第二参考蒙皮顶点的示意图。如图3A所示,源对象310的第一参考蒙皮顶点为其腰部的蒙皮顶点A。蒙皮顶点B、C、D均为目标对象320的腰部的蒙皮顶点。其中,蒙皮顶点B距离蒙皮顶点A最近,即,二者的三维坐标差最小。因此,蒙皮顶点B为蒙皮顶点A对应的第二参考蒙皮顶点。
根据一些实施例,可以预先设置第一蒙皮顶点与第二蒙皮顶点的对应关系。相应地,基于该对应关系,可以确定第一参考蒙皮顶点对应的第二参考蒙皮顶点。
第一蒙皮顶点与第二蒙皮顶点的对应关系可以通过最近邻原则确定。即,对于每一个第一蒙皮顶点,将距离该第一蒙皮顶点最近的第二蒙皮顶点确定为该第一蒙皮顶点对应的第二蒙皮顶点。
如上所述,第二位姿信息包括所有第二关节的第二关节位置信息和第二关节旋转信息。因此,第二参考关节的第二关节位置信息可以从第二位姿信息中直接获取。第二蒙皮顶点位置信息可以根据第二参考蒙皮顶点对应的各第二关节的第二关节位置信息计算得出。
在步骤S240中,基于通过步骤S220所得到的第一关节位置信息、第一蒙皮顶点位置信息和通过步骤S230所得到的第二蒙皮顶点位置信息,确定第二参考关节的目标位置信息。
根据一些实施例,可以基于第一关节位置信息和第一蒙皮顶点位置信息,确定第一参考关节与第一参考蒙皮顶点的相对位置信息;以及将目标位置信息确定为第二蒙皮顶点位置信息与相对位置信息的和。根据该实施例,能够在姿态迁移的过程中,保证参考关节与参考蒙皮顶点之间的相对位置不变,从而避免姿态语义缺失。
根据上述实施例,目标位置信息postarget可以通过以下公式计算:
postarget=vertexBref+(nodeA-vertexAref) (5)
其中nodeA、vertexAref、vertexBref分别为第一关节位置信息、第一蒙皮顶点位置信息和第二蒙皮顶点位置信息,(nodeA-vertexAref)为相对位置信息。
根据一些实施例,在步骤S250中,可以以减小第二关节位置信息与目标位置信息的差异为目标,对第二位姿信息进行调整以得到目标对象的第三位姿信息。
根据一些实施例,可以基于第二关节位置信息与目标位置信息的差异,确定优化过程的损失值。通过对第二位姿信息进行调整,使损失值逐渐减小。当损失值小于第一阈值或调整次数达到第二阈值时,优化过程结束得到目标对象的第三位姿信息。
损失值例如可以是第二关节位置信息与目标位置信息的绝对误差、绝对误差的平方,等。
根据一些实施例,在步骤S250中,可以对第二位姿信息的全部或部分进行调整,以得到第三位姿信息。
根据一些实施例,可以基于反向动力学,调整目标骨骼链中的待优化的目标关节的第二关节位姿信息,以得到第三位姿信息。其中,目标骨骼链包括第二参考关节所在的骨骼链,目标关节包括第二参考关节和目标骨骼链中的拓扑层级高于第二参考关节的关节。例如,第二参考关节可以是腕关节,目标骨骼链是手臂骨骼链,待优化的目标关节包括腕关节、肘关节和肩关节。
根据上述实施例,能够基于第二参考关节的目标位置信息,反推其各层级父节点的位姿信息。无需手动设置各第二关节的位姿信息,并且能够保证调整后的姿态自然、协调。
图3B示出了根据本公开实施例的姿态迁移过程的示意图。如图3B所示,源对象330的目标姿态为左手触腰的姿态,其左手手掌与腰部相接触。经过基于旋转一致性的姿态迁移所得到目标对象340的姿态如图3B中部所示。由图3B可见,经过基于旋转一致性的姿态迁移,目标对象340的姿态相较于源对象的姿态发生了变化,其左手的手掌不再与其腰部相接触,即,丢失了源对象的接触语义。图3B中部的目标对象的位姿信息即为上文所述的第二位姿信息。
利用源对象330的第一参考关节Anode(左手腕关节)、第一参考蒙皮顶点Aref(腰部的蒙皮顶点)、目标对象330的第二参考关节Bnode(左手腕关节)和第二参考蒙皮顶点Bref的位置信息,对图3B中部的目标对象的位姿信息进行调整,得到第三位姿信息。基于第三位姿信息驱动目标对象340,使得目标对象呈现如图3B最右所示的姿态。
如图3B最右所示,在调整后的姿态中,第二参考关节Bnode’与第二参考蒙皮顶点Bref’的相对位置(即,由Bref’指向Bnode’的向量)大致与第一参考关节Anode与第一参考蒙皮顶点Aref的相对位置(即,由Aref指向Anode的向量)相同,由此在姿态迁移的过程中,保证了参考关节与参考蒙皮顶点之间的相对位置不变,从而避免语义缺失。
根据一些实施例,可以在上述基于相对位置的一致性调整第二位姿信息的基础上,结合待优化的目标关节与蒙皮顶点的碰撞检测结果来对调整后的位姿信息作进一步调整。
根据一些实施例,步骤S250可以包括步骤S252-S256。
在步骤S252中,以减小第二关节位置信息与目标位置信息的差异为目标,对第二位姿信息进行调整,以得到目标对象的第四位姿信息。其中,第四位姿信息包括待优化的至少一个目标关节各自的第四关节位置信息。
在步骤S254中,对于至少一个目标关节中的任一目标关节,获取该目标关节对应的碰撞采样点的碰撞向量。其中,所述碰撞向量指示所述碰撞采样点与距离所述碰撞采样点最近的第二蒙皮顶点的相对位置。
在步骤S256中,响应于碰撞向量指示第二蒙皮顶点与目标关节发生碰撞,基于碰撞向量调整目标关节的第四关节位置信息,以得到目标关节的第三关节位置信息,从而得到调整后的目标对象的第三位姿信息。
根据上述实施例,通过结合参考关节与参考蒙皮顶点的相对位置的一致性和碰撞检测结果对第二位姿信息进行调整,能够在避免姿态语义缺失的同时,避免目标对象的肢体发生碰撞、穿模。
根据一些实施例,步骤S252包括:基于反向动力学,调整至少一个目标关节各自的第二关节位姿信息,以得到第四位姿信息。至少一个目标关节包括第二参考关节和目标骨骼链中的拓扑层级高于第二参考关节的关节。目标骨骼链包括第二参考关节所在的骨骼链。根据该实施例,利用反向动力学,基于第二参考关节的目标位置信息,反推其各层级父节点的位姿,无需手动设置各关节的位姿信息,并且能够保证调整后的姿态自然、协调。
根据一些实施例,可以基于第二位姿信息,确定目标对象的多个采样点各自的采样点位置信息;以及将目标关节的预设范围内的距离该目标关节最近的采样点确定为碰撞采样点。
根据一些实施例,目标对象的多个采样点可以通过对初始姿态下的目标对象的体内和体外进行均匀采样得到。根据一些实施例,可以通过线性插值的方式确定采样点与第二蒙皮顶点的位置关系,从而基于相应第二蒙皮顶点的第二蒙皮顶点位置信息,确定采样点的采样点位置信息。由于第二蒙皮顶点位置信息可以基于相应第二关节的第二关节位置信息和蒙皮权重确定,因此,采样点位置信息也可以基于相应第二关节的第二关节位置信息和蒙皮权重确定。
根据一些实施例,采样点位置信息可以通过以下步骤得到:对于多个采样点中的任一采样点,获取该采样点在初始姿态下的初始位置信息;以及基于第二位姿信息,对初始位置信息进行变换,以得到采样点位置信息。
具体地,可以根据上文描述的骨骼蒙皮模型的驱动过程,对采样点的初始位置信息进行变换,以得到采样点在目标姿态下的采样点位置信息。即,利用第二位姿信息对应的全局变换矩阵,对初始位置信息进行变换,以得到采样点在目标姿态下的采样点位置信息。采样点位置信息可以是相应第二关节的全局变换矩阵与该采样点的初始位置信息的乘积的加权和。其中,每个乘积的权重可以基于蒙皮权重确定。
在确定了各采样点在目标姿态下的采样点位置信息后,可以将目标关节的预设范围内的距离该目标关节最近的采样点确定为碰撞采样点。预设范围例如可以是目标关节的非子关节所影响的蒙皮范围。
根据一些实施例,碰撞采样点在目标姿态下的碰撞向量可以根据以下步骤S2542和S2544获得。
在步骤S2542中,基于碰撞采样点在初始姿态下的初始位置信息,确定碰撞采样点在初始姿态下的初始碰撞向量,其中,所述初始碰撞向量指示在所述初始姿态下所述碰撞采样点与距离所述碰撞采样点最近的第二蒙皮顶点的相对位置。
在步骤S2544中,基于所述第二位姿信息,对所述初始碰撞向量进行变换,以得到所述碰撞向量。
根据一些实施例,在步骤S2542中,可以将碰撞采样点在初始姿态下的初始位置信息输入经训练的碰撞力场模型,以得到碰撞力场模型输出的初始碰撞向量。碰撞力场模型可以是神经网络模型。利用碰撞力场模型来预测碰撞采样点的碰撞向量,能够提升碰撞检测的连续性和平滑性。
碰撞力场模型的训练样本可以是由采样点的初始位置信息和碰撞向量所组成的数据对。其中,初始位置信息为采样点在初始姿态下的三维坐标。在采样点位于目标对象内部的情况下,碰撞向量被标记为该采样点到最近的第二蒙皮顶点的距离向量,即,第二蒙皮顶点的三维坐标与采样点的三维坐标之差。在采样点位于目标对象外部的情况下,碰撞向量被标记为零向量。
多个采样点各自的碰撞向量组成碰撞力场。图3C示出了根据本公开实施例的目标对象350的腰部的碰撞力场的示意图。如图3C所示,通过对目标对象350的腰部蒙皮354附近的区域352进行均匀采样,可以得到多个采样点。位于目标对象350体内的采样点用点(·)表示,位于目标对象350体外的采样点用叉(x)表示。体内采样点的碰撞向量为该采样点到最近的蒙皮顶点的距离向量,如图3C中的箭头所示。例如,体内采样点E的碰撞向量为由其自身指向最近的蒙皮顶点F的向量体外采样点(例如,采样点G)的碰撞向量为零向量。
针对步骤S2544,可以利用第二位姿信息所对应的全局变换矩阵,对初始状态下的初始碰撞向量进行变换,以得到目标姿态下的碰撞向量。
由于碰撞采样点是距离目标关节最近的采样点,并且碰撞向量能够指示碰撞采样点与距离碰撞采样点最近的第二蒙皮顶点的相对位置。因此,碰撞向量能够指示该第二蒙皮顶点是否与目标关节发生碰撞。
根据一些实施例,响应于碰撞向量非零且模小于阈值,确定第二蒙皮顶点与目标关节发生碰撞。碰撞向量非零,表示碰撞采样点位于目标对象体内,即,位于目标对象的蒙皮以内。碰撞向量的模小于阈值,表示碰撞采样点距离第二蒙皮顶点较近。同时,由于碰撞采样点距离目标关节最近,因此第二蒙皮顶点与目标关节很可能发生碰撞,导致目标对象发生肢体遮挡、穿模等情况。
根据一些实施例,步骤S256可以包括:将目标关节的第三关节位置信息确定为目标关节的第四关节位置信息与位移向量的和,其中,位移向量是基于碰撞向量确定的。例如,位移向量可以是碰撞向量与预设常数的乘积。
在通过步骤S250得到目标对象的第三位姿信息后,可以基于第三位姿信息,驱动目标对象。即,对目标对象的骨骼蒙皮模型进行驱动,以使目标对象呈现为与源对象相同的姿态(即,目标姿态)。
根据本公开的实施例,还提供了一种姿态迁移装置。图4示出了根据本公开实施例的姿态迁移装置400的结构框图。如图4所示,装置400包括旋转迁移模块410、第一位置确定模块420、第二位置确定模块430、第三位置确定模块440、调整模块450和驱动模块460。
旋转迁移模块410被配置为基于源对象的第一位姿信息,确定目标对象的第二位姿信息。
第一位置确定模块420被配置为基于所述第一位姿信息,确定所述源对象的第一参考关节的第一关节位置信息和第一参考蒙皮顶点的第一蒙皮顶点位置信息。
第二位置确定模块430被配置为基于所述第二位姿信息,确定所述目标对象的第二参考关节的第二关节位置信息和第二参考蒙皮顶点的第二蒙皮顶点位置信息,其中,所述第二参考关节与所述第一参考关节相对应,所述第二参考蒙皮顶点与所述第一参考蒙皮顶点相对应。
第三位置确定模块440被配置为基于所述第一关节位置信息、所述第一蒙皮顶点位置信息和所述第二蒙皮顶点位置信息,确定所述第二参考关节的目标位置信息。
调整模块450被配置为基于第二关节位置信息和目标位置信息,对所述第二位姿信息进行调整以得到所述目标对象的第三位姿信息。
驱动模块460被配置为基于所述第三位姿信息,驱动所述目标对象。
根据本公开的实施例,首先基于关节的旋转一致性,完成由源对象到目标对象的初步姿态迁移(即,确定目标对象的第二位姿信息)。随后,基于参考关节和参考蒙皮顶点的位置信息对第二位姿信息进行修正,能够在姿态迁移的过程中保证参考关节与参考蒙皮顶点的相对位置的一致性,从而避免姿态语义缺失,提高姿态迁移的准确性。
根据一些实施例,装置400还包括:获取模块,被配置为获取所述源对象在初始姿态下的所述第一参考蒙皮顶点的第一初始位置信息和所述目标对象在所述初始姿态下的多个第二蒙皮顶点各自的第二初始位置信息;以及映射模块,被配置为将所述多个第二蒙皮顶点中的距离所述第一参考蒙皮顶点最近的第二蒙皮顶点确定为所述第二参考蒙皮顶点。
根据一些实施例,所述第三位置确定模块包括:相对位置确定单元,被配置为基于所述第一关节位置信息和所述第一蒙皮顶点位置信息,确定所述第一参考关节与所述第一参考蒙皮顶点的相对位置信息;以及相对位置迁移单元,被配置为将所述目标位置信息确定为所述第二蒙皮顶点位置信息与所述相对位置信息的和。
根据一些实施例,所述调整模块进一步被配置为:以减小所述第二关节位置信息与所述目标位置信息的差异为目标,对所述第二位姿信息进行调整以得到所述目标对象的第三位姿信息。
根据一些实施例,所述调整模块进一步被配置为:基于反向动力学,调整目标骨骼链中的待优化的目标关节的第二关节位姿信息,以得到所述第三位姿信息,其中,所述目标骨骼链包括所述第二参考关节所在的骨骼链,所述目标关节包括所述第二参考关节和所述目标骨骼链中的拓扑层级高于所述第二参考关节的关节。
根据一些实施例,所述调整模块包括:第一调整单元,被配置为以减小所述第二关节位置信息与所述目标位置信息的差异为目标,对所述第二位姿信息进行调整,以得到所述目标对象的第四位姿信息,其中,所述第四位姿信息包括待优化的至少一个目标关节各自的第四关节位置信息;获取单元,被配置为对于所述至少一个目标关节中的任一目标关节,获取所述目标关节对应的碰撞采样点的碰撞向量,其中,所述碰撞向量指示所述碰撞采样点与距离所述碰撞采样点最近的第二蒙皮顶点的相对位置;以及第二调整单元,被配置为响应于所述碰撞向量指示所述第二蒙皮顶点与所述目标关节发生碰撞,基于所述碰撞向量调整所述目标关节的第四关节位置信息,以得到所述目标关节的第三关节位置信息。
根据一些实施例,所述第一调整单元进一步被配置为:基于反向动力学,调整所述至少一个目标关节各自的第二关节位姿信息,以得到所述第四位姿信息,其中,所述至少一个目标关节包括所述第二参考关节和目标骨骼链中的拓扑层级高于所述第二参考关节的关节,所述目标骨骼链包括所述第二参考关节所在的骨骼链。
根据一些实施例,装置400还包括:第一确定单元,被配置为基于所述第二位姿信息,确定所述目标对象的多个采样点各自的采样点位置信息;以及第二确定单元,被配置为将所述目标关节的预设范围内的距离所述目标关节最近的采样点确定为所述碰撞采样点。
根据一些实施例,所述第一确定单元进一步被配置为:对于所述多个采样点中的任一采样点,获取所述采样点在初始姿态下的初始位置信息;以及基于所述第二位姿信息,对所述初始位置信息进行变换,以得到所述采样点位置信息。
根据一些实施例,所述获取单元包括:确定子单元,被配置为基于所述碰撞采样点在初始姿态下的初始位置信息,确定所述碰撞采样点在所述初始姿态下的初始碰撞向量,其中,所述初始碰撞向量指示在所述初始姿态下所述碰撞采样点与距离所述碰撞采样点最近的第二蒙皮顶点的相对位置;以及变换子单元,被配置为基于所述第二位姿信息,对所述初始碰撞向量进行变换,以得到所述碰撞向量。
根据一些实施例,所述确定子单元进一步被配置为:将所述碰撞采样点在初始姿态下的初始位置信息输入经训练的碰撞力场模型,以得到所述碰撞力场模型输出的所述初始碰撞向量。
根据一些实施例,装置400还包括:第三确定单元,被配置为响应于所述碰撞向量非零且模小于阈值,确定所述第二蒙皮顶点与所述目标关节发生碰撞。
根据一些实施例,所述第二调整单元进一步被配置为:将所述第三关节位置信息确定为所述第四关节位置信息与位移向量的和,其中,所述位移向量是基于所述碰撞向量确定的。
根据一些实施例,所述位移向量为所述碰撞向量与预设常数的乘积。
根据一些实施例,所述第二位姿信息中的第二关节旋转信息与所述第一位姿信息中的第一关节旋转信息相匹配。
应当理解,图4中所示装置400的各个模块和单元可以与参考图2描述的方法200中的各个步骤相对应。由此,上面针对方法200描述的操作、特征和优点同样适用于装置400及其包括的模块和单元。为了简洁起见,某些操作、特征和优点在此不再赘述。
虽然上面参考特定模块讨论了特定功能,但是应当注意,本文讨论的各个模块的功能可以分为多个模块,和/或多个模块的至少一些功能可以组合成单个模块。
还应当理解,本文可以在软件硬件元件或程序模块的一般上下文中描述各种技术。上面关于图4描述的各个单元可以在硬件中或在结合软件和/或固件的硬件中实现。例如,这些单元可以被实现为计算机程序代码/指令,该计算机程序代码/指令被配置为在一个或多个处理器中执行并存储在计算机可读存储介质中。可替换地,这些单元可以被实现为硬件逻辑/电路。例如,在一些实施例中,模块410-460中的一个或多个可以一起被实现在片上系统(System on Chip,SoC)中。SoC可以包括集成电路芯片(其包括处理器(例如,中央处理单元(Central Processing Unit,CPU)、微控制器、微处理器、数字信号处理器(Digital Signal Processor,DSP)等)、存储器、一个或多个通信接口、和/或其他电路中的一个或多个部件),并且可以可选地执行所接收的程序代码和/或包括嵌入式固件以执行功能。
根据本公开的实施例,还提供了一种电子设备,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,该存储器存储有可被上述至少一个处理器执行的指令,该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本公开实施例的姿态迁移方法。
根据本公开的实施例,还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本公开实施例的姿态迁移方法。
根据本公开的实施例,还提供了一种计算机程序产品,包括计算机程序指令,该计算机程序指令在被处理器执行时实现本公开实施例的姿态迁移方法。
参考图5,现将描述可以作为本公开的服务器或客户端的电子设备500的结构框图,其是可以应用于本公开的各方面的硬件设备的示例。电子设备旨在表示各种形式的数字电子的计算机设备,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,个人数字助理、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,还可存储电子设备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。
电子设备500中的多个部件连接至I/O接口505,包括:输入单元506、输出单元507、存储单元508以及通信单元509。输入单元506可以是能向电子设备500输入信息的任何类型的设备,输入单元506可以接收输入的数字或字符信息,以及产生与电子设备的用户设置和/或功能控制有关的键信号输入,并且可以包括但不限于鼠标、键盘、触摸屏、轨迹板、轨迹球、操作杆、麦克风和/或遥控器。输出单元507可以是能呈现信息的任何类型的设备,并且可以包括但不限于显示器、扬声器、视频/音频输出终端、振动器和/或打印机。存储单元508可以包括但不限于磁盘、光盘。通信单元509允许电子设备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,并且可以包括但不限于调制解调器、网卡、红外通信设备、无线通信收发机和/或芯片组,例如蓝牙设备、802.11设备、Wi-Fi设备、WiMAX设备、蜂窝通信设备和/或类似物。
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,例如方法200。例如,在一些实施例中,方法200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/或安装到电子设备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方法200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)而被配置为执行方法200。
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)、复杂可编程逻辑设备(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)、互联网和区块链网络。
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、也可以顺序地或以不同的次序执行,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。
虽然已经参照附图描述了本公开的实施例或示例,但应理解,上述的方法、系统和设备仅仅是示例性的实施例或示例,本公开的范围并不由这些实施例或示例限制,而是仅由授权后的权利要求书及其等同范围来限定。实施例或示例中的各种要素可以被省略或者可由其等同要素替代。此外,可以通过不同于本公开中描述的次序来执行各步骤。进一步地,可以以各种方式组合实施例或示例中的各种要素。重要的是随着技术的演进,在此描述的很多要素可以由本公开之后出现的等同要素进行替换。
Claims (33)
1.一种姿态迁移方法,包括:
基于源对象的第一位姿信息,确定目标对象的第二位姿信息;
基于所述第一位姿信息,确定所述源对象的第一参考关节的第一关节位置信息和第一参考蒙皮顶点的第一蒙皮顶点位置信息;
基于所述第二位姿信息,确定所述目标对象的第二参考关节的第二关节位置信息和第二参考蒙皮顶点的第二蒙皮顶点位置信息,其中,所述第二参考关节与所述第一参考关节相对应,所述第二参考蒙皮顶点与所述第一参考蒙皮顶点相对应;
基于所述第一关节位置信息、所述第一蒙皮顶点位置信息和所述第二蒙皮顶点位置信息,确定所述第二参考关节的目标位置信息;
基于所述第二关节位置信息和所述目标位置信息,对所述第二位姿信息进行调整以得到所述目标对象的第三位姿信息;以及
基于所述第三位姿信息,驱动所述目标对象。
2.根据权利要求1所述的方法,还包括:
获取所述源对象在初始姿态下的所述第一参考蒙皮顶点的第一初始位置信息和所述目标对象在所述初始姿态下的多个第二蒙皮顶点各自的第二初始位置信息;以及
将所述多个第二蒙皮顶点中的距离所述第一参考蒙皮顶点最近的第二蒙皮顶点确定为所述第二参考蒙皮顶点。
3.根据权利要求1或2所述的方法,其中,所述基于所述第一关节位置信息、所述第一蒙皮顶点位置信息和所述第二蒙皮顶点位置信息,确定所述第二参考关节的目标位置信息包括:
基于所述第一关节位置信息和所述第一蒙皮顶点位置信息,确定所述第一参考关节与所述第一参考蒙皮顶点的相对位置信息;以及
将所述目标位置信息确定为所述第二蒙皮顶点位置信息与所述相对位置信息的和。
4.根据权利要求1-3中任一项所述的方法,其中,所述基于所述第二关节位置信息和所述目标位置信息,对所述第二位姿信息进行调整以得到所述目标对象的第三位姿信息包括:
以减小所述第二关节位置信息与所述目标位置信息的差异为目标,对所述第二位姿信息进行调整以得到所述目标对象的第三位姿信息。
5.根据权利要求4所述的方法,其中,所述对所述第二位姿信息进行调整以得到所述目标对象的第三位姿信息包括:
基于反向动力学,调整目标骨骼链中的待优化的目标关节的第二关节位姿信息,以得到所述第三位姿信息,其中,所述目标骨骼链包括所述第二参考关节所在的骨骼链,所述目标关节包括所述第二参考关节和所述目标骨骼链中的拓扑层级高于所述第二参考关节的关节。
6.根据权利要求4所述的方法,其中,所述以减小所述第二关节位置信息与所述目标位置信息的差异为目标,对所述第二位姿信息进行调整以得到所述目标对象的第三位姿信息包括:
以减小所述第二关节位置信息与所述目标位置信息的差异为目标,对所述第二位姿信息进行调整,以得到所述目标对象的第四位姿信息,其中,所述第四位姿信息包括待优化的至少一个目标关节各自的第四关节位置信息;
对于所述至少一个目标关节中的任一目标关节,获取所述目标关节对应的碰撞采样点的碰撞向量,其中,所述碰撞向量指示所述碰撞采样点与距离所述碰撞采样点最近的第二蒙皮顶点的相对位置;以及
响应于所述碰撞向量指示所述第二蒙皮顶点与所述目标关节发生碰撞,基于所述碰撞向量调整所述目标关节的第四关节位置信息,以得到所述目标关节的第三关节位置信息。
7.根据权利要求6所述的方法,其中,所述对所述第二位姿信息进行调整,以得到所述目标对象的第四位姿信息包括:
基于反向动力学,调整所述至少一个目标关节各自的第二关节位姿信息,以得到所述第四位姿信息,其中,所述至少一个目标关节包括所述第二参考关节和目标骨骼链中的拓扑层级高于所述第二参考关节的关节,所述目标骨骼链包括所述第二参考关节所在的骨骼链。
8.根据权利要求6或7所述的方法,还包括:
基于所述第二位姿信息,确定所述目标对象的多个采样点各自的采样点位置信息;以及
将所述目标关节的预设范围内的距离所述目标关节最近的采样点确定为所述碰撞采样点。
9.根据权利要求8所述的方法,其中,基于所述第二位姿信息,确定所述目标对象的多个采样点各自的采样点位置信息包括:
对于所述多个采样点中的任一采样点,获取所述采样点在初始姿态下的初始位置信息;以及
基于所述第二位姿信息,对所述初始位置信息进行变换,以得到所述采样点位置信息。
10.根据权利要求6-9中任一项所述的方法,其中,所述获取所述目标关节对应的碰撞采样点的碰撞向量包括:
基于所述碰撞采样点在初始姿态下的初始位置信息,确定所述碰撞采样点在所述初始姿态下的初始碰撞向量,其中,所述初始碰撞向量指示在所述初始姿态下所述碰撞采样点与距离所述碰撞采样点最近的第二蒙皮顶点的相对位置;以及
基于所述第二位姿信息,对所述初始碰撞向量进行变换,以得到所述碰撞向量。
11.根据权利要求10所述的方法,其中,所述基于所述碰撞采样点在初始姿态下的初始位置信息,确定所述碰撞采样点在所述初始姿态下的初始碰撞向量包括:
将所述碰撞采样点在初始姿态下的初始位置信息输入经训练的碰撞力场模型,以得到所述碰撞力场模型输出的所述初始碰撞向量。
12.根据权利要求6-11中任一项所述的方法,还包括:
响应于所述碰撞向量非零且模小于阈值,确定所述第二蒙皮顶点与所述目标关节发生碰撞。
13.根据权利要求6-12中任一项所述的方法,其中,所述基于所述碰撞向量调整所述目标关节的第四关节位置信息,以得到所述目标关节的第三关节位置信息包括:
将所述第三关节位置信息确定为所述第四关节位置信息与位移向量的和,其中,所述位移向量是基于所述碰撞向量确定的。
14.根据权利要求13所述的方法,其中,所述位移向量为所述碰撞向量与预设常数的乘积。
15.根据权利要求1-14中任一项所述的方法,其中,所述第二位姿信息中的第二关节旋转信息与所述第一位姿信息中的第一关节旋转信息相匹配。
16.一种姿态迁移装置,包括:
旋转迁移模块,被配置为基于源对象的第一位姿信息,确定目标对象的第二位姿信息;
第一位置确定模块,被配置为基于所述第一位姿信息,确定所述源对象的第一参考关节的第一关节位置信息和第一参考蒙皮顶点的第一蒙皮顶点位置信息;
第二位置确定模块,被配置为基于所述第二位姿信息,确定所述目标对象的第二参考关节的第二关节位置信息和第二参考蒙皮顶点的第二蒙皮顶点位置信息,其中,所述第二参考关节与所述第一参考关节相对应,所述第二参考蒙皮顶点与所述第一参考蒙皮顶点相对应;
第三位置确定模块,被配置为基于所述第一关节位置信息、所述第一蒙皮顶点位置信息和所述第二蒙皮顶点位置信息,确定所述第二参考关节的目标位置信息;
调整模块,被配置为基于所述第二关节位置信息和所述目标位置信息,对所述第二位姿信息进行调整以得到所述目标对象的第三位姿信息;以及
驱动模块,被配置为基于所述第三位姿信息,驱动所述目标对象。
17.根据权利要求16所述的装置,还包括:
获取模块,被配置为获取所述源对象在初始姿态下的所述第一参考蒙皮顶点的第一初始位置信息和所述目标对象在所述初始姿态下的多个第二蒙皮顶点各自的第二初始位置信息;以及
映射模块,被配置为将所述多个第二蒙皮顶点中的距离所述第一参考蒙皮顶点最近的第二蒙皮顶点确定为所述第二参考蒙皮顶点。
18.根据权利要求16或17所述的装置,其中,所述第三位置确定模块包括:
相对位置确定单元,被配置为基于所述第一关节位置信息和所述第一蒙皮顶点位置信息,确定所述第一参考关节与所述第一参考蒙皮顶点的相对位置信息;以及
相对位置迁移单元,被配置为将所述目标位置信息确定为所述第二蒙皮顶点位置信息与所述相对位置信息的和。
19.根据权利要求16-18中任一项所述的装置,其中,所述调整模块进一步被配置为:
以减小所述第二关节位置信息与所述目标位置信息的差异为目标,对所述第二位姿信息进行调整以得到所述目标对象的第三位姿信息。
20.根据权利要求19所述的装置,其中,所述调整模块进一步被配置为:
基于反向动力学,调整目标骨骼链中的待优化的目标关节的第二关节位姿信息,以得到所述第三位姿信息,其中,所述目标骨骼链包括所述第二参考关节所在的骨骼链,所述目标关节包括所述第二参考关节和所述目标骨骼链中的拓扑层级高于所述第二参考关节的关节。
21.根据权利要求19所述的装置,其中,所述调整模块包括:
第一调整单元,被配置为以减小所述第二关节位置信息与所述目标位置信息的差异为目标,对所述第二位姿信息进行调整,以得到所述目标对象的第四位姿信息,其中,所述第四位姿信息包括待优化的至少一个目标关节各自的第四关节位置信息;
获取单元,被配置为对于所述至少一个目标关节中的任一目标关节,获取所述目标关节对应的碰撞采样点的碰撞向量,其中,所述碰撞向量指示所述碰撞采样点与距离所述碰撞采样点最近的第二蒙皮顶点的相对位置;以及
第二调整单元,被配置为响应于所述碰撞向量指示所述第二蒙皮顶点与所述目标关节发生碰撞,基于所述碰撞向量调整所述目标关节的第四关节位置信息,以得到所述目标关节的第三关节位置信息。
22.根据权利要求21所述的装置,其中,所述第一调整单元进一步被配置为:
基于反向动力学,调整所述至少一个目标关节各自的第二关节位姿信息,以得到所述第四位姿信息,其中,所述至少一个目标关节包括所述第二参考关节和目标骨骼链中的拓扑层级高于所述第二参考关节的关节,所述目标骨骼链包括所述第二参考关节所在的骨骼链。
23.根据权利要求21或22所述的装置,还包括:
第一确定单元,被配置为基于所述第二位姿信息,确定所述目标对象的多个采样点各自的采样点位置信息;以及
第二确定单元,被配置为将所述目标关节的预设范围内的距离所述目标关节最近的采样点确定为所述碰撞采样点。
24.根据权利要求23所述的装置,其中,所述第一确定单元进一步被配置为:
对于所述多个采样点中的任一采样点,获取所述采样点在初始姿态下的初始位置信息;以及
基于所述第二位姿信息,对所述初始位置信息进行变换,以得到所述采样点位置信息。
25.根据权利要求21-24中任一项所述的装置,其中,所述获取单元包括:
确定子单元,被配置为基于所述碰撞采样点在初始姿态下的初始位置信息,确定所述碰撞采样点在所述初始姿态下的初始碰撞向量,其中,所述初始碰撞向量指示在所述初始姿态下所述碰撞采样点与距离所述碰撞采样点最近的第二蒙皮顶点的相对位置;以及
变换子单元,被配置为基于所述第二位姿信息,对所述初始碰撞向量进行变换,以得到所述碰撞向量。
26.根据权利要求25所述的装置,其中,所述确定子单元进一步被配置为:
将所述碰撞采样点在初始姿态下的初始位置信息输入经训练的碰撞力场模型,以得到所述碰撞力场模型输出的所述初始碰撞向量。
27.根据权利要求21-26中任一项所述的装置,还包括:
第三确定单元,被配置为响应于所述碰撞向量非零且模小于阈值,确定所述第二蒙皮顶点与所述目标关节发生碰撞。
28.根据权利要求21-27中任一项所述的装置,其中,所述第二调整单元进一步被配置为:
将所述第三关节位置信息确定为所述第四关节位置信息与位移向量的和,其中,所述位移向量是基于所述碰撞向量确定的。
29.根据权利要求28所述的装置,其中,所述位移向量为所述碰撞向量与预设常数的乘积。
30.根据权利要求16-29中任一项所述的装置,其中,所述第二位姿信息中的第二关节旋转信息与所述第一位姿信息中的第一关节旋转信息相匹配。
31.一种电子设备,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1-15中任一项所述的方法。
32.一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计算机执行根据权利要求1-15中任一项所述的方法。
33.一种计算机程序产品,包括计算机程序指令,其中,所述计算机程序指令在被处理器执行时实现权利要求1-15中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310436459.5A CN116433847A (zh) | 2023-04-21 | 2023-04-21 | 姿态迁移方法及装置、电子设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310436459.5A CN116433847A (zh) | 2023-04-21 | 2023-04-21 | 姿态迁移方法及装置、电子设备和存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116433847A true CN116433847A (zh) | 2023-07-14 |
Family
ID=87085222
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310436459.5A Pending CN116433847A (zh) | 2023-04-21 | 2023-04-21 | 姿态迁移方法及装置、电子设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116433847A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117557699A (zh) * | 2024-01-11 | 2024-02-13 | 腾讯科技(深圳)有限公司 | 动画数据生成方法、装置、计算机设备和存储介质 |
-
2023
- 2023-04-21 CN CN202310436459.5A patent/CN116433847A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117557699A (zh) * | 2024-01-11 | 2024-02-13 | 腾讯科技(深圳)有限公司 | 动画数据生成方法、装置、计算机设备和存储介质 |
CN117557699B (zh) * | 2024-01-11 | 2024-04-02 | 腾讯科技(深圳)有限公司 | 动画数据生成方法、装置、计算机设备和存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113313650B (zh) | 图像画质增强方法、装置、设备和介质 | |
CN116051729B (zh) | 三维内容生成方法、装置和电子设备 | |
WO2017116814A1 (en) | Calibrating object shape | |
CN114972958B (zh) | 关键点检测方法、神经网络的训练方法、装置和设备 | |
CN115147558A (zh) | 三维重建模型的训练方法、三维重建方法及装置 | |
CN116228867B (zh) | 位姿确定方法、装置、电子设备、介质 | |
CN114549710A (zh) | 一种虚拟形象的生成方法、装置、电子设备及存储介质 | |
CN115511779B (zh) | 图像检测方法、装置、电子设备和存储介质 | |
CN112967355A (zh) | 图像填充方法及装置、电子设备和介质 | |
CN116433847A (zh) | 姿态迁移方法及装置、电子设备和存储介质 | |
CN117274491A (zh) | 三维重建模型的训练方法、装置、设备和介质 | |
CN114792445A (zh) | 目标人体姿态样本的挖掘方法及装置、设备和介质 | |
CN116311519B (zh) | 动作识别方法、模型训练方法及装置 | |
CN114913549B (zh) | 图像处理方法、装置、设备及介质 | |
CN115761855B (zh) | 面部关键点信息生成、神经网络训练和三维面部重建方法 | |
CN114119935B (zh) | 图像处理方法和装置 | |
CN116524162A (zh) | 三维虚拟形象迁移方法、模型更新方法及相关设备 | |
CN114120448B (zh) | 图像处理方法和装置 | |
CN114510308B (zh) | 移动终端存储应用页面的方法、装置、设备和介质 | |
CN115601555A (zh) | 图像处理方法及装置、设备和介质 | |
CN114882587A (zh) | 生成对抗样本的方法、装置、电子设备和介质 | |
CN114049472A (zh) | 三维模型调整方法、装置、电子设备、介质 | |
CN116824014B (zh) | 用于虚拟形象的数据生成方法、装置、电子设备、介质 | |
CN114821233B (zh) | 目标检测模型的训练方法及装置、设备和介质 | |
CN115578451B (zh) | 图像处理方法、图像处理模型的训练方法和装置 |
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 |