CN116824103A - 一种数字人换装模型融合方法、系统及存储介质 - Google Patents
一种数字人换装模型融合方法、系统及存储介质 Download PDFInfo
- Publication number
- CN116824103A CN116824103A CN202310392069.2A CN202310392069A CN116824103A CN 116824103 A CN116824103 A CN 116824103A CN 202310392069 A CN202310392069 A CN 202310392069A CN 116824103 A CN116824103 A CN 116824103A
- Authority
- CN
- China
- Prior art keywords
- straight line
- dimensional space
- dimensional
- model
- matching
- 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
- 238000007500 overflow downdraw method Methods 0.000 title claims abstract description 11
- 238000003860 storage Methods 0.000 title claims abstract description 9
- 230000004927 fusion Effects 0.000 claims abstract description 32
- 238000011156 evaluation Methods 0.000 claims description 27
- 238000000034 method Methods 0.000 claims description 25
- 239000011159 matrix material Substances 0.000 claims description 24
- 229920001983 poloxamer Polymers 0.000 claims description 12
- 238000000605 extraction Methods 0.000 claims description 6
- 238000005520 cutting process Methods 0.000 claims description 3
- 238000013507 mapping Methods 0.000 claims description 3
- 238000007781 pre-processing Methods 0.000 claims description 3
- 230000000694 effects Effects 0.000 abstract description 3
- 238000013461 design Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 4
- 238000010276 construction Methods 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 238000004590 computer program Methods 0.000 description 2
- 238000005286 illumination Methods 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 210000001503 joint Anatomy 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
Landscapes
- Image Analysis (AREA)
Abstract
本发明涉及虚拟数字模型技术领域，具体公开了一种数字人换装模型融合方法、系统及存储介质，通过获取自建头部三维模型以及不含头部的目标服装三维模型来提取相应的三维空间直线，对自建头部三维模型和目标服装三维模型对应的三维空间直线进行相应的特征描述，然后进行相似性评估，基于相似性评估结果进行匹配参数的确定，最后根据匹配参数完成自建头部三维模型和目标服装三维模型的匹配融合，可以快速生成高质量的换装数字人。本发明可以实现换装数字人模型的快速融合生成，大大提高模型的配准速度和准确度，达到良好的模型融合效果。
Description
技术领域
本发明属于虚拟数字模型技术领域，具体涉及一种数字人换装模型融合方法、系统及存储介质。
背景技术
随着虚拟数字人应用领域的逐渐增多，带来了与日俱增的数字人换装需求，比如在不同的虚拟应用场景，数字人需要有与之配套的全身服装，并且伴随用户个性化、多样化的需求，服装变化也越来越频繁。现有的数字人换装实现方式大都是在三维人体网格模型基础上进行全身服装模型的制作，或者将三维人体网格模型与预制的服装模型进行整体化的形体匹配，十分耗费时间和成本，极大地限制了数字人换装的快速大规模生成。
发明内容
本发明的目的是提供一种数字人换装模型融合方法、系统及存储介质，用以解决现有技术中存在的上述问题。
为了实现上述目的，本发明采用以下技术方案：
第一方面，提供一种数字人换装模型融合方法，包括：
获取数字人的自建头部三维模型以及不含头部的目标服装三维模型；
提取所述自建头部三维模型的脖颈底部第一类三维空间直线，提取所述目标服装三维模型的脖颈顶部第二类三维空间直线；
分别对第一类三维空间直线和第二类三维空间直线进行特征表示，得到第一类三维空间直线对应的第一类描述特征以及第二类三维空间直线对应的第二类描述特征；
根据第一类描述特征和第二类描述特征评估第一类三维空间直线和第二类三维空间直线的相似性，得到相似性评估结果；
根据相似性评估结果生成代表匹配概率的权重矩阵；
基于权重矩阵确定第一类三维空间直线和第二类三维空间直线的匹配参数组，并从匹配参数组中选取出最优匹配参数；
根据最优匹配参数进行自建头部三维模型与目标服装三维模型的匹配融合，得到融合后的换装数字人。
在一个可能的设计中，所述获取不含头部的目标服装三维模型，包括：获取包含头部的目标全身服装模型，对目标全身服装模型进行预处理，截去目标全身服装模型的头部，得到不含头部的目标服装三维模型。
在一个可能的设计中，所述分别对第一类三维空间直线和第二类三维空间直线进行特征表示，包括：
采用普吕克坐标表示方式来分别表征第一类三维空间直线和第二类三维空间直线的直线特征；
然后通过K近邻算法分别对第一类三维空间直线和第二类三维空间直线进行局部特征提取，并将提取的局部特征通过多层感知器映射成高维空间编码，得到第一类三维空间直线的第一普吕克直线子空间高维编码以及第二类三维空间直线的第二普吕克直线子空间高维编码；
基于第一普吕克直线子空间高维编码嵌入对应第一类三维空间直线的直线特征及其邻域直线特征进行编码显著描述，形成第一类描述特征，基于第二普吕克直线子空间高维编码嵌入对应第二类三维空间直线的直线特征及其邻域直线特征进行编码显著描述，形成第二类描述特征。
在一个可能的设计中，所述根据第一类直线特征和第二类直线特征评估第一类三维空间直线和第二类三维空间直线的相似性，包括：根据第一类直线特征和第二类直线特征采用全局特征匹配方法评估第一类三维空间直线和第二类三维空间直线的相似性。
在一个可能的设计中，所述根据相似性评估结果生成代表匹配概率的权重矩阵，包括：将相似性评估结果输入轻量级匹配回归网络生成代表匹配概率的权重矩阵。
在一个可能的设计中，所述基于权重矩阵确定第一类三维空间直线和第二类三维空间直线的匹配参数组，并从匹配参数组中选取出最优匹配参数，包括：根据权重矩阵提取第一类三维空间直线和第二类三维空间直线包含外点的一致直线匹配组合，得到相应匹配参数组；采用RANSAC算法迭代配准选取匹配参数组中包含内点最多的相应匹配参数作为最优匹配参数。
在一个可能的设计中，所述根据最优匹配参数进行自建头部三维模型与目标服装三维模型的匹配融合，得到融合后的换装数字人，包括：根据最优匹配参数进行自建头部三维模型与目标服装三维模型的平滑连接，得到融合后的换装数字人。
第二方面，提供一种数字人换装模型融合系统，包括获取单元、提取单元、表示单元、评估单元、生成单元、确定单元和融合单元，其中：
获取单元，用于获取数字人的自建头部三维模型以及不含头部的目标服装三维模型；
提取单元，用于提取所述自建头部三维模型的脖颈底部第一类三维空间直线，提取所述目标服装三维模型的脖颈顶部第二类三维空间直线；
表示单元，用于分别对第一类三维空间直线和第二类三维空间直线进行特征表示，得到第一类三维空间直线对应的第一类描述特征以及第二类三维空间直线对应的第二类描述特征；
评估单元，用于根据第一类描述特征和第二类描述特征评估第一类三维空间直线和第二类三维空间直线的相似性，得到相似性评估结果；
生成单元，用于根据相似性评估结果生成代表匹配概率的权重矩阵；
确定单元，用于基于权重矩阵确定第一类三维空间直线和第二类三维空间直线的匹配参数组，并从匹配参数组中选取出最优匹配参数；
融合单元，用于根据最优匹配参数进行自建头部三维模型与目标服装三维模型的匹配融合，得到融合后的换装数字人。
第三方面，提供一种数字人换装模型融合系统，包括：
存储器，用于存储指令；
处理器，用于读取所述存储器中存储的指令，并根据指令执行上述第一方面中任意一种所述的方法。
第四方面，提供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，当所述指令在计算机上运行时，使得所述计算机执行第一方面中任意一种所述的方法。同时，还提供一种包含指令的计算机程序产品，当所述指令在计算机上运行时，使所述计算机执行第一方面中任意一种所述的方法。
有益效果：本发明通过获取自建头部三维模型以及不含头部的目标服装三维模型来提取相应的三维空间直线，对自建头部三维模型和目标服装三维模型对应的三维空间直线进行相应的特征描述，然后进行相似性评估，基于相似性评估结果进行匹配参数的确定，最后根据匹配参数完成自建头部三维模型和目标服装三维模型的匹配融合，可以快速生成高质量的换装数字人。本发明将三维模型的整体匹配转换为普吕克坐标表征的三维直线对的匹配，大大提高了匹配速度；通过嵌入直线及其邻域直线特征形成便于匹配的显著特征描述保证直线特征的显著性；通过使用RANSAC框架完成三维直线结构配准，提高了匹配融合的准确度，并保留直线的法线元素，保证了最终融合效果不受光照影响。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本发明实施例1中方法的步骤示意图；
图2为本发明实施例2中系统的构成示意图；
图3为本发明实施例3中系统的构成示意图。
具体实施方式
在此需要说明的是，对于这些实施例方式的说明用于帮助理解本发明，但并不构成对本发明的限定。本文公开的特定结构和功能细节仅用于描述本发明的示例实施例。然而，可用很多备选的形式来体现本发明，并且不应当理解为本发明限制在本文阐述的实施例中。
应当理解，除非另有明确的规定和限定，术语“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以根据具体情况理解上述术语在实施例中的具体含义。
在下面的描述中提供了特定的细节，以便于对示例实施例的完全理解。然而，本领域普通技术人员应当理解可以在没有这些特定细节的情况下实现示例实施例。例如可以在框图中示出系统，以避免用不必要的细节来使得示例不清楚。在其他实施例中，可以不以非必要的细节来示出众所周知的过程、结构和技术，以避免使得实施例不清楚。
实施例1：
本实施例提供一种数字人换装模型融合方法，可应用于相应的虚拟数字人模型构建服务器，如图1所示，方法包括以下步骤：
S1.获取数字人的自建头部三维模型以及不含头部的目标服装三维模型。
具体实施时，先从模型库或者其他数据端获取需要换装的数字人的自建头部三维模型，以及选定的目标服装三维模型，所述目标服装三维模型可由包含头部的目标全身服装模型进行相应预处理，截去目标全身服装模型的头部模型部分后得到。
S2.提取所述自建头部三维模型的脖颈底部第一类三维空间直线，提取所述目标服装三维模型的脖颈顶部第二类三维空间直线。
具体实施时，在获取到相应的自建头部三维模型和目标服装三维模型后，提取所述自建头部三维模型的脖颈底部第一类三维空间直线，同时提取所述目标服装三维模型的脖颈顶部第二类三维空间直线。
S3.分别对第一类三维空间直线和第二类三维空间直线进行特征表示，得到第一类三维空间直线对应的第一类描述特征以及第二类三维空间直线对应的第二类描述特征。
具体实施时，提取得到第一类三维空间直线和第二类三维空间直线后，分别对第一类三维空间直线和第二类三维空间直线进行特征表示，过程包括：采用普吕克坐标表示方式来分别表征第一类三维空间直线和第二类三维空间直线的直线特征；然后通过K近邻算法分别对第一类三维空间直线和第二类三维空间直线进行局部特征提取，并将提取的局部特征通过多层感知器映射成高维空间编码，得到第一类三维空间直线的第一普吕克直线子空间高维编码以及第二类三维空间直线的第二普吕克直线子空间高维编码；基于第一普吕克直线子空间高维编码嵌入对应第一类三维空间直线的直线特征及其邻域直线特征进行编码显著描述，形成第一类描述特征，基于第二普吕克直线子空间高维编码嵌入对应第二类三维空间直线的直线特征及其邻域直线特征进行编码显著描述，形成第二类描述特征。
S4.根据第一类描述特征和第二类描述特征评估第一类三维空间直线和第二类三维空间直线的相似性，得到相似性评估结果。
具体实施时，在完成对三维空间直线的特征表示，得到相应的描述特征后，就可根据第一类描述特征和第二类描述特采用全局特征匹配方法评估第一类三维空间直线和第二类三维空间直线的相似性，得到相似性评估结果，以表征自建头部三维模型和目标服装三维模型相应三维空间直线的匹配度。
S5.根据相似性评估结果生成代表匹配概率的权重矩阵。
具体实施时，在得到相似性评估结果后，将相似性评估结果输入轻量级匹配回归网络生成代表匹配概率的权重矩阵，以便后续根据权重矩阵进行模型匹配参数的确定。
S6.基于权重矩阵确定第一类三维空间直线和第二类三维空间直线的匹配参数组，并从匹配参数组中选取出最优匹配参数。
具体实施时，在得到权重矩阵，即可根据权重矩阵提取第一类三维空间直线和第二类三维空间直线包含外点的一致直线匹配组合，得到相应匹配参数组，然后采用RANSAC算法迭代配准选取匹配参数组中包含内点最多的相应匹配参数作为最优匹配参数。
S7.根据最优匹配参数进行自建头部三维模型与目标服装三维模型的匹配融合，得到融合后的换装数字人。
具体实施时，在根据最优匹配参数进行自建头部三维模型与目标服装三维模型的匹配融合时，可采用平滑连接处理方式完成自建头部三维模型与目标服装三维模型的匹配融合，得到无缝融合后的换装数字人。
本实施例方法通过将三维模型的整体匹配转换为普吕克坐标表征的三维直线对的匹配，大大提高了匹配速度，可实现换装数字人模型的快速融合生成；通过嵌入直线及其邻域直线特征形成便于匹配的显著特征描述保证直线特征的显著性；通过使用RANSAC框架完成三维直线结构配准，提高了匹配融合的准确度，并保留直线的法线元素，保证了最终融合效果不受光照影响。
实施例2：
本实施例提供一种数字人换装模型融合系统，如图2所示，包括获取单元、提取单元、表示单元、评估单元、生成单元、确定单元和融合单元，其中：
获取单元，用于获取数字人的自建头部三维模型以及不含头部的目标服装三维模型；
提取单元，用于提取所述自建头部三维模型的脖颈底部第一类三维空间直线，提取所述目标服装三维模型的脖颈顶部第二类三维空间直线；
表示单元，用于分别对第一类三维空间直线和第二类三维空间直线进行特征表示，得到第一类三维空间直线对应的第一类描述特征以及第二类三维空间直线对应的第二类描述特征；
评估单元，用于根据第一类描述特征和第二类描述特征评估第一类三维空间直线和第二类三维空间直线的相似性，得到相似性评估结果；
生成单元，用于根据相似性评估结果生成代表匹配概率的权重矩阵；
确定单元，用于基于权重矩阵确定第一类三维空间直线和第二类三维空间直线的匹配参数组，并从匹配参数组中选取出最优匹配参数；
融合单元，用于根据最优匹配参数进行自建头部三维模型与目标服装三维模型的匹配融合，得到融合后的换装数字人。
实施例3：
本实施例提供一种数字人换装模型融合系统，如图3所示，在硬件层面，包括：
数据接口，用于建立处理器与相应数据端的数据对接；
存储器，用于存储指令；
处理器，用于读取所述存储器中存储的指令，并根据指令执行实施例1中的数字人换装模型融合方法。
可选地，该系统还包括内部总线，处理器与存储器和数据接口可以通过内部总线相互连接，该内部总线可以是ISA(Industry Standard Architecture，工业标准体系结构)总线、PCI(Peripheral Component Interconnect，外设部件互连标准)总线或EISA(Extended Industry Standard Architecture，扩展工业标准结构)总线等。所述总线可以分为地址总线、数据总线、控制总线等。
所述存储器可以但不限于包括随机存取存储器(Random Access Memory，RAM)、只读存储器(Read Only Memory，ROM)、闪存(Flash Memory)、先进先出存储器(First InputFirst Output，FIFO)和/或先进后出存储器(First In Last Out，FILO)等。所述处理器可以是通用处理器，包括中央处理器(Central Processing Unit，CPU)、网络处理器(NetworkProcessor，NP)等；还可以是数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现场可编程门阵列(Field－Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。
实施例4：
本实施例提供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，当所述指令在计算机上运行时，使得所述计算机执行实施例1中的数字人换装模型融合方法。其中，所述计算机可读存储介质是指存储数据的载体，可以但不限于包括软盘、光盘、硬盘、闪存、优盘和/或记忆棒(Memory Stick)等，所述计算机可以是通用计算机、专用计算机、计算机网络或者其他可编程系统。
本实施例还提供一种包含指令的计算机程序产品，当所述指令在计算机上运行时，使所述计算机执行实施例1中的数字人换装模型融合方法。其中，所述计算机可以是通用计算机、专用计算机、计算机网络或者其他可编程系统。
最后应说明的是：以上所述仅为本发明的优选实施例而已，并不用于限制本发明的保护范围。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
Claims (10)
1.一种数字人换装模型融合方法，其特征在于，包括：
获取数字人的自建头部三维模型以及不含头部的目标服装三维模型；
提取所述自建头部三维模型的脖颈底部第一类三维空间直线，提取所述目标服装三维模型的脖颈顶部第二类三维空间直线；
分别对第一类三维空间直线和第二类三维空间直线进行特征表示，得到第一类三维空间直线对应的第一类描述特征以及第二类三维空间直线对应的第二类描述特征；
根据第一类描述特征和第二类描述特征评估第一类三维空间直线和第二类三维空间直线的相似性，得到相似性评估结果；
根据相似性评估结果生成代表匹配概率的权重矩阵；
基于权重矩阵确定第一类三维空间直线和第二类三维空间直线的匹配参数组，并从匹配参数组中选取出最优匹配参数；
根据最优匹配参数进行自建头部三维模型与目标服装三维模型的匹配融合，得到融合后的换装数字人。
2.根据权利要求1所述的一种数字人换装模型融合方法，其特征在于，所述获取不含头部的目标服装三维模型，包括：获取包含头部的目标全身服装模型，对目标全身服装模型进行预处理，截去目标全身服装模型的头部，得到不含头部的目标服装三维模型。
3.根据权利要求1所述的一种数字人换装模型融合方法，其特征在于，所述分别对第一类三维空间直线和第二类三维空间直线进行特征表示，包括：
采用普吕克坐标表示方式来分别表征第一类三维空间直线和第二类三维空间直线的直线特征；
然后通过K近邻算法分别对第一类三维空间直线和第二类三维空间直线进行局部特征提取，并将提取的局部特征通过多层感知器映射成高维空间编码，得到第一类三维空间直线的第一普吕克直线子空间高维编码以及第二类三维空间直线的第二普吕克直线子空间高维编码；
基于第一普吕克直线子空间高维编码嵌入对应第一类三维空间直线的直线特征及其邻域直线特征进行编码显著描述，形成第一类描述特征，基于第二普吕克直线子空间高维编码嵌入对应第二类三维空间直线的直线特征及其邻域直线特征进行编码显著描述，形成第二类描述特征。
4.根据权利要求1所述的一种数字人换装模型融合方法，其特征在于，所述根据第一类直线特征和第二类直线特征评估第一类三维空间直线和第二类三维空间直线的相似性，包括：根据第一类直线特征和第二类直线特征采用全局特征匹配方法评估第一类三维空间直线和第二类三维空间直线的相似性。
5.根据权利要求1所述的一种数字人换装模型融合方法，其特征在于，所述根据相似性评估结果生成代表匹配概率的权重矩阵，包括：将相似性评估结果输入轻量级匹配回归网络生成代表匹配概率的权重矩阵。
6.根据权利要求1所述的一种数字人换装模型融合方法，其特征在于，所述基于权重矩阵确定第一类三维空间直线和第二类三维空间直线的匹配参数组，并从匹配参数组中选取出最优匹配参数，包括：根据权重矩阵提取第一类三维空间直线和第二类三维空间直线包含外点的一致直线匹配组合，得到相应匹配参数组；采用RANSAC算法迭代配准选取匹配参数组中包含内点最多的相应匹配参数作为最优匹配参数。
7.根据权利要求1所述的一种数字人换装模型融合方法，其特征在于，所述根据最优匹配参数进行自建头部三维模型与目标服装三维模型的匹配融合，得到融合后的换装数字人，包括：根据最优匹配参数进行自建头部三维模型与目标服装三维模型的平滑连接，得到融合后的换装数字人。
8.一种数字人换装模型融合系统，其特征在于，包括获取单元、提取单元、表示单元、评估单元、生成单元、确定单元和融合单元，其中：
获取单元，用于获取数字人的自建头部三维模型以及不含头部的目标服装三维模型；
提取单元，用于提取所述自建头部三维模型的脖颈底部第一类三维空间直线，提取所述目标服装三维模型的脖颈顶部第二类三维空间直线；
表示单元，用于分别对第一类三维空间直线和第二类三维空间直线进行特征表示，得到第一类三维空间直线对应的第一类描述特征以及第二类三维空间直线对应的第二类描述特征；
评估单元，用于根据第一类描述特征和第二类描述特征评估第一类三维空间直线和第二类三维空间直线的相似性，得到相似性评估结果；
生成单元，用于根据相似性评估结果生成代表匹配概率的权重矩阵；
确定单元，用于基于权重矩阵确定第一类三维空间直线和第二类三维空间直线的匹配参数组，并从匹配参数组中选取出最优匹配参数；
融合单元，用于根据最优匹配参数进行自建头部三维模型与目标服装三维模型的匹配融合，得到融合后的换装数字人。
9.一种数字人换装模型融合系统，其特征在于，包括：
存储器，用于存储指令；
处理器，用于读取所述存储器中存储的指令，并根据指令执行权利要求1-7任意一项所述的方法。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有指令，当所述指令在计算机上运行时，使得所述计算机执行权利要求1-7任意一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310392069.2A CN116824103A (zh) | 2023-04-12 | 2023-04-12 | 一种数字人换装模型融合方法、系统及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310392069.2A CN116824103A (zh) | 2023-04-12 | 2023-04-12 | 一种数字人换装模型融合方法、系统及存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN116824103A true CN116824103A (zh) | 2023-09-29 |
Family
ID=88140089
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310392069.2A Pending CN116824103A (zh) | 2023-04-12 | 2023-04-12 | 一种数字人换装模型融合方法、系统及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116824103A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117152370A (zh) * | 2023-10-30 | 2023-12-01 | 碳丝路文化传播(成都)有限公司 | 基于aigc的3d地形模型生成方法、系统、设备及存储介质 |
-
2023
- 2023-04-12 CN CN202310392069.2A patent/CN116824103A/zh active Pending
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117152370A (zh) * | 2023-10-30 | 2023-12-01 | 碳丝路文化传播(成都)有限公司 | 基于aigc的3d地形模型生成方法、系统、设备及存储介质 |
| CN117152370B (zh) * | 2023-10-30 | 2024-02-02 | 碳丝路文化传播(成都)有限公司 | 基于aigc的3d地形模型生成方法、系统、设备及存储介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US11670071B2 (en) | Fine-grained image recognition | |
| Tu et al. | ORSI salient object detection via multiscale joint region and boundary model | |
| CN112381837B (zh) | 一种图像处理方法及电子设备 | |
| JP7475772B2 (ja) | 画像生成方法、画像生成装置、コンピュータ機器、及びコンピュータプログラム | |
| CN109360633B (zh) | 医疗影像处理方法及装置、处理设备及存储介质 | |
| WO2020134533A1 (zh) | 深度模型训练方法及装置、电子设备及存储介质 | |
| CN110210431B (zh) | 一种基于点云语义标注和优化的点云分类方法 | |
| CN116824103A (zh) | 一种数字人换装模型融合方法、系统及存储介质 | |
| CN113487618B (zh) | 人像分割方法、装置、电子设备及存储介质 | |
| CN111915555B (zh) | 一种3d网络模型预训练方法、系统、终端及存储介质 | |
| CN112036260A (zh) | 一种自然环境下多尺度子块聚合的表情识别方法及系统 | |
| CN111507184A (zh) | 基于并联空洞卷积和身体结构约束的人体姿态检测方法 | |
| CN116129042A (zh) | 三维血管模型的构建方法、装置及设备 | |
| CN112907517B (zh) | 一种图像处理方法、装置、计算机设备及存储介质 | |
| CN117078921B (zh) | 一种基于多尺度边缘信息的自监督小样本汉字生成方法 | |
| CN117437697B (zh) | 卧姿人体检测模型的训练方法、卧姿人体检测方法及系统 | |
| Shi et al. | Semisupervised adaptive ladder network for remote sensing image change detection | |
| Xiao et al. | Zero-shot co-salient object detection framework | |
| CN114092703A (zh) | 视频文本的相似性度量方法及系统 | |
| Du et al. | Vipnet: A fast and accurate single-view volumetric reconstruction by learning sparse implicit point guidance | |
| CN115760575A (zh) | 一种激光点云数据处理方法、装置、电子设备及存储介质 | |
| JP7419226B2 (ja) | 画像変換方法及び装置、画像変換モデルのトレーニング方法及び装置 | |
| CN114913330A (zh) | 点云部件分割方法、装置、电子设备与存储介质 | |
| CN115273177A (zh) | 异质人脸的人脸类型识别方法、装置、设备及存储介质 | |
| CN111833239B (zh) | 图像的翻译方法和装置、图像翻译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 | ||
| CB02 | Change of applicant information | ||
| CB02 | Change of applicant information |
Country or region after: China Address after: No. 6, 26th Floor, Building 4, No. 666 Jincheng Avenue, High tech Zone, Chengdu City, Sichuan Province, 610000 Applicant after: Yuanmeng Space Cultural Communication (Chengdu) Co.,Ltd. Address before: No. 6, 26th Floor, Building 4, No. 666 Jincheng Avenue, High tech Zone, Chengdu City, Sichuan Province, 610000 Applicant before: Carbon Silk Road Culture Communication (Chengdu) Co.,Ltd. Country or region before: China |