CN116894916A - 虚拟形象的发丝模型生成方法、装置、设备及存储介质 - Google Patents
虚拟形象的发丝模型生成方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN116894916A CN116894916A CN202310730327.3A CN202310730327A CN116894916A CN 116894916 A CN116894916 A CN 116894916A CN 202310730327 A CN202310730327 A CN 202310730327A CN 116894916 A CN116894916 A CN 116894916A
- Authority
- CN
- China
- Prior art keywords
- hairline
- adsorption
- node
- avatar
- virtual image
- 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 56
- 238000001179 sorption measurement Methods 0.000 claims abstract description 171
- 210000004209 hair Anatomy 0.000 claims description 55
- 239000013598 vector Substances 0.000 claims description 29
- 230000000694 effects Effects 0.000 claims description 23
- 238000012545 processing Methods 0.000 claims description 15
- 238000004590 computer program Methods 0.000 claims description 12
- 238000004458 analytical method Methods 0.000 claims description 11
- 238000001514 detection method Methods 0.000 claims description 6
- 239000004973 liquid crystal related substance Substances 0.000 claims description 5
- 238000010276 construction Methods 0.000 claims description 4
- 238000003780 insertion Methods 0.000 claims description 4
- 230000037431 insertion Effects 0.000 claims description 4
- 238000013473 artificial intelligence Methods 0.000 abstract description 3
- 238000005516 engineering process Methods 0.000 abstract description 3
- 230000003190 augmentative effect Effects 0.000 abstract description 2
- 238000013135 deep learning Methods 0.000 abstract description 2
- 238000010586 diagram Methods 0.000 description 14
- 238000004891 communication Methods 0.000 description 8
- 210000003128 head Anatomy 0.000 description 8
- 230000006870 function Effects 0.000 description 5
- 230000008569 process Effects 0.000 description 5
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 238000004422 calculation algorithm Methods 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 230000002745 absorbent Effects 0.000 description 1
- 239000002250 absorbent Substances 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 230000001186 cumulative effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000003062 neural network model Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000000149 penetrating effect Effects 0.000 description 1
- 230000035515 penetration Effects 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 210000004761 scalp Anatomy 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- 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
- G06T13/00—Animation
- G06T13/20—3D [Three Dimensional] animation
- G06T13/40—3D [Three Dimensional] animation of characters, e.g. humans, animals or virtual beings
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Graphics (AREA)
- Geometry (AREA)
- Software Systems (AREA)
- Processing Or Creating Images (AREA)
Abstract
本公开提供了一种虚拟形象的发丝模型生成方法、装置、设备及存储介质,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。具体实现方案为:获取虚拟形象的发丝的当前位置;基于发丝的当前位置,分析所述发丝所属区域;基于发丝的当前位置、发丝所属的区域以及预先配置的虚拟形象的发丝吸附面,对发丝进行吸附处理,得到发丝吸附后的目标位置;基于所述发丝的目标位置,生成所述虚拟形象的发丝模型。本公开的技术,能够准确地生成虚拟形象的发丝模型,进而可以有效地提高虚拟形象的发丝模型中的发丝表达的合理性、发丝状态描述的准确性,提高发丝的美观度。
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。尤其涉及一种虚拟形象的发丝模型生成方法、装置、设备及存储介质。
背景技术
三维虚拟形象在社交、直播、游戏等用户场景具有广泛应用价值。传统技术中,为用户定制个性化的虚拟形象往往成本较高,需要专业的设计人员为各个用户进行专属定制。
为了提高个性化的虚拟形象的生成效率,可以通过构建的神经网络模型来实现。例如,采用构建的虚拟形象生成模型,基于单张人脸图像,便可以生成对应的虚拟形象的形象,可以在有效满足用户的个性化需求的同时,能够降低三维形象构建成本。其中,虚拟形象中发丝建模较为复杂,由于发丝数量大,需要设计师基于发丝的属性,构建发丝模型,成本较高。
发明内容
本公开提供了一种虚拟形象的发丝模型生成方法、装置、电子设备及存储介质。
根据本公开的一方面,提供了一种虚拟形象的发丝模型生成方法,包括:
获取虚拟形象的发丝的当前位置;
基于所述发丝的当前位置,分析所述发丝所属区域;
基于所述发丝的当前位置、所述发丝所属的区域以及预先配置的所述虚拟形象的发丝吸附面,对所述发丝进行吸附处理,得到所述发丝吸附后的目标位置;
基于所述发丝的目标位置,生成所述虚拟形象的发丝模型。
根据本公开的另一方面,提供了一种虚拟形象的发丝模型生成装置,包括:
位置获取模块,用于获取虚拟形象的发丝的当前位置;
区域分析模块,用于基于所述发丝的当前位置,分析所述发丝所属区域;
吸附处理模块,用于基于所述发丝的当前位置、所述发丝所属的区域以及预先配置的所述虚拟形象的发丝吸附面,对所述发丝进行吸附处理,得到所述发丝吸附后的目标位置;
生成模块,用于基于所述发丝的目标位置,生成所述虚拟形象的发丝模型。
根据本公开的再一方面,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;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如上所述的方面和任一可能的实现方式的方法。
根据本公开的又一方面,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所述计算机执行如上所述的方面和任一可能的实现方式的方法。
根据本公开的再另一方面,提供了一种计算机程序产品,包括计算机程序,所述计算机程序在被处理器执行时实现如上所述的方面和任一可能的实现方式的方法。
根据本公开的技术,能够准确地生成虚拟形象的发丝模型,进而可以有效地提高虚拟形象的发丝模型中的发丝表达的合理性、发丝状态描述的准确性,提高发丝的美观度。
应当理解,本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征,也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。
附图说明
附图用于更好地理解本方案,不构成对本公开的限定。其中:
图1是根据本公开第一实施例的示意图;
图2是根据本公开第二实施例的示意图;
图3是本公开提供的一种发丝吸附面的正视图;
图4是本公开提供的发丝吸附面的后视图;
图5是本公开提供的发丝吸附面的俯视图;
图6是本公开提供的一根发丝的示意图;
图7是本公开提供的一种发丝模型的示意图;
图8是本公开实施例提供的一种发丝吸附效果示意图;
图9是本公开提供的一组发丝吸附效果图;
图10是根据本公开第三实施例的示意图;
图11是根据本公开第四实施例的示意图;
图12是用来实现本公开实施例的方法的电子设备的框图。
具体实施方式
以下结合附图对本公开的示范性实施例做出说明,其中包括本公开实施例的各种细节以助于理解,应当将它们认为仅仅是示范性的。因此,本领域普通技术人员应当认识到,可以对这里描述的实施例做出各种改变和修改,而不会背离本公开的范围和精神。同样,为了清楚和简明,以下的描述中省略了对公知功能和结构的描述。
显然,所描述的实施例是本公开一部分实施例,而不是全部的实施例。基于本公开中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的全部其他实施例,都属于本公开保护的范围。
需要说明的是,本公开实施例中所涉及的终端设备可以包括但不限于手机、个人数字助理(Personal Digital Assistant,PDA)、无线手持设备、平板电脑(TabletComputer)等智能设备;显示设备可以包括但不限于个人电脑、电视等具有显示功能的设备。
另外,本文中术语“和/或”,仅仅是一种描述关联对象的关联关系,表示可以存在三种关系,例如,A和/或B,可以表示:单独存在A,同时存在A和B,单独存在B这三种情况。另外,本文中字符“/”,一般表示前后关联对象是一种“或”的关系。
现有技术中,构建的发丝模型中的发丝经常会出现各种不合理或者状态描述不准确等问题,例如,因头体位姿不正引起的发丝后仰、前后侧发丝在肩部穿模、以及左右侧发丝在中间交叉等各种问题。
图1是根据本公开第一实施例的示意图;如图1所示,本实施例提供一种虚拟形象的发丝模型生成方法,具体可以包括如下步骤:
S101、获取虚拟形象的发丝的当前位置;
S102、基于发丝的当前位置,分析发丝所属区域;
S103、基于发丝的当前位置、发丝所属的区域以及预先配置的虚拟形象的发丝吸附面,对发丝进行吸附处理,得到发丝吸附后的目标位置;
S104、基于发丝的目标位置,生成虚拟形象的发丝模型。
本实施例的虚拟形象的发丝模型生成方法,可以应用于对元宇宙、数字人等各种场景中的虚拟形象的发丝模型中的发丝进行吸附处理,使得虚拟形象的发丝更加准确地描述其状态、表达更加合理、更加美观。
本实施例的虚拟形象即指的是虚拟人物的形象。
本实施例的虚拟形象的发丝模型生成方法,可以适用于对虚拟形象的发丝模型中任意一根头发进行吸附处理。
本实施例中发丝所属区域,用于标识发丝在虚拟形象的前侧还是后侧,以便于对发丝进行精准地吸附处理。
本实施例中,在对发丝进行吸附处理时,根据预先配置的虚拟形象的发丝吸附面对发丝进行吸附处理,同时参考发丝的当前位置以及发丝所属区域,可以实现对发丝进行非常精准地吸附处理,进而可以基于发丝吸附处理后的目标位置,准确地生成虚拟形象的发丝模型。
本实施例的虚拟形象的发丝模型生成方法,通过基于发丝的当前位置、发丝所属的区域以及预先配置的虚拟形象的发丝吸附面,对发丝进行吸附处理,进而基于吸附处理后发丝的目标位置,准确地生成虚拟形象的发丝模型;可以有效地解决因头体位姿不正引起的发丝后仰、前后侧发丝在肩部穿模、以及左右侧发丝在中间交叉等各种问题,有效地提高虚拟形象的发丝模型中的发丝表达的合理性、发丝状态描述的准确性,提高发丝的美观度。
图2是根据本公开第二实施例的示意图;如图2所示,本实施例的虚拟形象的发丝模型生成方法,在上述图1所示实施例的技术方案的基础上,进一步更加详细地描述本公开的技术方案。如图2所示,本实施例的虚拟形象的发丝模型生成方法,具体可以包括如下步骤:
S201、构建虚拟形象的发丝吸附面;
本实施例的发丝吸附面为与虚拟形象的肩部同宽的曲面、网格状结构,包括虚拟形象的面部方向的前吸附面、和虚拟形象的背部方向的后吸附面;且发丝吸附面的肩部以下部分与虚拟形象的人体模型重合;发丝吸附面的肩部到头顶的部分在虚拟形象的人体模型的头部周围构成一个扁状、曲面结构。
本实施例中,发丝吸附面的肩部以下部分可以完全参考人体模型,也就是说,若发丝长度达到肩部以下部分,肩部以下部分的发丝的吸附以人体模型的表面为吸附面即可。无论头发长度多少,都可以以人体模型的表面为吸附面进行吸附处理。
而对于发丝吸附面的肩部以上部分,即肩部到头顶的部分,需要在虚拟形象的人体模型的头部周围构成一个包括前后两个曲面的扁状结构。该发丝吸附面的肩部以下部分与人体模型重合,可以认为本实施例的发丝吸附面的结构主要用于限定肩部到头定的曲面结构。
例如,图3是本公开提供的一种发丝吸附面的正视图;如图3所示,该正视图展示的是发丝吸附面前吸附面。图4是本公开提供的发丝吸附面的后视图;该后视图展示的是发丝吸附面的后吸附面。图5是本公开提供的发丝吸附面的俯视图。例如,该图5可以为从虚拟形象的人体模型的头顶俯视下去的示意图。其中虚拟形象的人体模型的上半部分为发丝吸附面的前吸附面;虚拟形象的人体模型的下半部分为发丝吸附面的后吸附面。发丝吸附面的肩部以上部分和肩部以下部分无缝结合在一起。发丝吸附面的肩部以上部分的前吸附面和后吸附面边缘也可以无缝贴合在一起,形成包括前后两个曲面的扁状结构。发丝吸附面的肩部以上部分的结构可以基于球体形变制作而成。
根据上述图3-图5,能够清楚地看出虚拟形象的发丝吸附面的肩部到头顶的部分为包括前后两个曲面的扁状结构,方便发丝吸附。
整个发丝吸附面的表面为网格结构,该网格结构中可以包括有多个顶点。为了方便描述发丝吸附面,本实施例在构建发丝吸附面的时候,可以建立相应的坐标系,例如,可以取两肩之间的连线所在的直线为x轴;两肩之间中心点为坐标原点,垂直于x轴、指向虚拟形象的脸部正前方的方向为z轴的正向;z轴正向通过原点,在x轴和z垂所在的平面上逆时针旋转90度,即为x轴的正向;垂直于x轴,指向虚拟形象的人体模型的头顶方向的坐标可以为y轴的正向。这样,可以基于上述坐标系,表达发丝吸附面的网格结构中各顶点的坐标。
本实施例的发丝吸附面,仅在对发丝进行吸附处理时参考或者展示,而在对虚拟形象的形象进行表达时,并不需要展示。
本实施例的发丝可以为三维发丝,一根发丝中可以包括有m个节点,m为大于2的正整数。为了方便统一地对各种长度的发丝进行吸附处理,本实施例中,可以设定所有发丝中包括的节点m的数量相同。不同长度的发丝,节点之间相邻的距离可以不相同。
在本实施例的发丝模型中,每个发丝可以是一组节点序列组成的数据,具体由m个点的三维坐标表示。节点序列中限定的节点先后顺序可以限定相邻节点之间的连接关系。例如,图6是本公开提供的一根发丝的示意图。如图6所示,以发丝包括5个节点为例,实际应用中发丝包括的节点数m可以为大于2的任意正整数,在此不做限定。
在实际场景中,每个虚拟形象的发丝模型上可以包括有n根上述发丝,每根发丝由m各节点组成。每根发丝起始节点为发根节点,在头皮位置;结尾节点为发梢节点。例如,图7是本公开提供的一种发丝模型的示意图。如图7所示,该发丝模型上包括有n根图6所示的发丝,或者每根发丝包括的节点数量也可以为5之外的其他大于2的正整数,在此不做限定。
该步骤实现的前提是虚拟形象的人体模型已经初步创建好,采用本实施例的方式构建的发丝吸附面,非常地合理、准确,基于该发丝吸附面,能够准确、高效地对发丝进行吸附处理,提高发丝模型中发丝节点的位置的准确性,进而可以有效地生成的发丝模型的准确性。
S202、获取虚拟形象的发丝的m个节点中各节点的当前位置;
本实施例中,可以以一根发丝为例来描述本申请的方案,实际应用中,可以按照本实施例的步骤,对图7所示的发丝模型中的每一根发丝进行吸附处理。
该步骤S202中获取的虚拟形象的发丝的各节点的当前位置,可以为初始化时,基于发丝模型为各发丝的各节点随机赋值的初始位置。初始位置可以为虚拟形象设计师手动设计的,或者也可以是基于算法计算的。或者本实施例中,虚拟形象的发丝的各节点的当前位置,也可以为按照本实施例的方式或者其他方式,对发丝经过吸附处理后得到的发丝的各节点的位置。但是吸附效果不好,需要进一步采用本实施例的方案继续进行吸附处理。
本实施例中,以一根发丝包括m个节点为例,获取各节点的当前位置,能够辅助后续基于发丝中的各节点,对各节点进行吸附处理,提高发丝吸附处理的精度和准确性,进而可以有效地提升生成的发丝模型的准确性。
S203、获取发丝的m个节点中各节点到发丝吸附面的最近邻顶点,得到m个最近邻顶点;
例如,可以取发丝的每个节点到发丝吸附面的多个顶点之间的距离,然后获取各节点到发丝吸附面的最近邻顶点。为了提高获取效率。可以先取节点在发丝吸附面的投影点,以投影点为中心,获取中心外一定区域内的所有候选顶点。再计算节点到各候选顶点的距离,以最小距离对应的顶点,作为该节点的最近邻顶点。
S204、获取m个最近邻顶点的法向量;
S205、基于m个最近邻顶点的法向量,确定发丝所属区域;
假如n根的发丝中第i根发丝采用strand[i]表示,每根发丝中有m个发丝节点,第i根发丝第j个节点可以表示为node[i,j],发丝吸附面可以采用a表示。
基于步骤S203,可以获取到节点node[i,j]到发丝吸附面a的最近邻顶点a[i,j],可以基于该发丝吸附面a,获取最近邻顶点a[i,j]的法向量。
在发丝吸附面a中,顶点法向量z>0的顶点位于前吸附面,顶点法向量z<0的顶点位于后吸附面。
基于m个最近邻顶点的法向量,确定发丝所属区域,具体可以包如下步骤:
检测m个最近邻顶点的法向量中大于0的法向量的数量是否大于或者等于1/2*m;若是,确定发丝属于前侧发丝;即进行吸附处理时,可以认为该发丝位于虚拟人体的人体模型的前侧;否则,确定发丝属于后侧发丝;即进行吸附处理时,可以认为该发丝位于虚拟人体的人体模型的后侧。
例如,以前侧发丝为例,具体实现时,可以为每根发丝维护一个前侧发丝计数表L[i],若a[i,j]的法向量z>0,L[i]计数+1。通过对该发丝的所有节点进行分析,可以得到该L[i]的累计值。
在完成该发丝的所有节点node[i,j]统计后,对发丝进行划分。例如若L[i]大于或者等于m*1/2,则该发丝属于前侧发丝;若L[i]小于m*1/2,则该发丝属于后侧发丝。
同理,采用上述方式,也可以实现对所有后侧发丝的分析。
通过采用上述方式,能够准确、高效地获取到各发丝所属的区域,进而可以方便后续能够更加准确地对发丝进行吸附处理。
S206、对于发丝的m个节点中各节点,基于节点的当前位置的高度、虚拟形象的人体模型中耳朵的高度、以及下巴高度,计算节点的吸附比率;
S207、基于节点的当前位置、节点的吸附比率、节点投影至发丝所属区域对应的发丝吸附面上的投影点的位置坐标,对节点进行吸附处理,得到节点吸附后的坐标信息,作节点吸附后的目标位置;
例如,基于节点的当前位置可以获取到节点的高度h。进一步地,可以以人体模型耳朵高度为阈值th1,下巴高度为阈值th2,发丝的节点高度为h,采用如下公式计算节点的吸附比率r:
r=(h-th2)/(th1–th2)
对于发丝的节点node[i,j],计算节点至发丝所属区域对应的发丝吸附面上的投影点p[i,j]的位置坐标,然后采用插值计算的方式,计算节点吸附后的目标位置node’[i,j],例如,可以采用如下公式实现:
node’[i,j]=node[i,j]*(1-r)+p[i,j]*r
具体地,对于前侧发丝,发丝上的节点在发丝吸附面的投影点只能在前吸附面上。对于后侧发丝,发丝上的节点在发丝吸附面的投影点只能在后吸附面上。
通过上述吸附处理,能够高效、准确地获取到发丝中各节点吸附后的目标位置。
例如,图8是本公开实施例提供的一种发丝吸附效果示意图。如图8所示,以包括10个节点的发丝为例,吸附前该发丝曲线不合理,而且有插模嫌疑,经过本实施例的发丝吸附处理后,可以使得发丝曲线更合理、美观,发丝中各节点的位置更加准确。
S208、基于发丝的各节点的目标位置,检测吸附效果是否满足要求;若不满足,执行步骤S209;若满足,执行步骤S210;若满足要求,则可以确定该发丝吸附面进行吸附处理的效果比较理想,此时可以认为该发丝吸附面为完美的,不用再优化或者调整。后续虚拟形象的每一帧运动图像中的每一根发丝的展示效果,均可以直接使用该发丝吸附面对该虚拟形象的发丝进行吸附处理。或者为了提高准确性,可以进行多轮检测,若多轮吸附处理后,发丝吸附面吸附效果都很好,则不用再继续优化,后续直接使用该发丝吸附面进行吸附处理即可。
例如,步骤S208具体实施时,可以包括如下步骤:
基于发丝的各节点的目标位置和虚拟形象的人体模型,检测发丝的各节点是否发生插模现象;和/或基于发丝的各节点的目标位置,检测发丝曲线是否满足预设条件。
具体实施时,上述两个条件可以择一使用,也可以联合使用。
其中插模现象指的是发丝中的节点落在了虚拟形象的人体模型内,这显然不符合发丝的状态。
其中,基于发丝的各节点的目标位置,检测发丝曲线是否满足预设条件,包括:检测发丝的m个节点限定的m-1个线段中,是否存在两个相邻线段之间的夹角大于预设夹角阈值的情况,若存在,确定发丝曲线不满足预设条件。
实际应用中,可以认为两条线段之间的夹角包括一个大于90度的角和一个小于90度的角,两个角之和等于180度。本实施例中以两条线段之间的夹角取小于90度的角为例。实际场景中,发丝处于自然状态时,两个相邻线段之间的夹角不会太大。基于此,可以基于经验设值一个预设夹角阈值,在两个相邻线段之间的夹角大于预设夹角阈值时,可以认为发丝曲线不合理。该预设夹角阈值可以为30度、25度等,也可以根据该虚拟形象的头发属性,设置其相应的预设夹角阈值。例如卷发的阈值夹角阈值大于直发对应的预设夹角阈值。
采用上述方式,可以对发丝吸附面的吸附效果进行准确、有效地检测,以在发丝吸附面效果不好时,及时进行优化处理,提高发丝吸附面的合理性和准确性。
S209、对发丝吸附面进行优化处理,返回步骤S202继续进行吸附处理。
例如,由于步骤S208检测发丝吸附面对当前发丝的吸附效果不好,所以,在步骤S209对发丝吸附面进行优化后,可以继续采用优化后的发丝吸附面对发丝进行吸附处理。
S210、确定发丝吸附面;基于确定的发丝吸附面,获取发丝模型中各发丝吸附处理后各节点的目标位置;执行步骤S211;
确实发丝吸附面之后,可以基于该发丝吸附面,按照上述步骤S206和步骤S207,获取发丝模型中每根发丝上的每个节点吸附处理后的目标位置。
S211、基于发丝的各节点的目标位置,生成虚拟形象的发丝模型,结束。
本实施例中,生成的发丝模型中可以包括n根头发,第i根发丝采用strand[i]表示,该i取值范围为【1,n】。
每根发丝包括有m个节点,发丝模型中,每根发丝可以是由m组节点序列组成的数据。m组节点序列中限定了该发丝从发根到发尾的m个节点的先后顺序。每组节点的数据为一个三维坐标,该三维坐标即为该节点基于发丝吸附面吸附后的目标位置。
本实施例中,对发丝吸附面进行优化处理,主要是对发丝吸附面的肩部以上区域进行调整,例如改变网格中各顶点的位置,以调整发丝吸附面的表面曲度,使得发丝吸附面的吸附效果更好。
本实施例中,可以针对每一个虚拟形象的人体模型,采用本实施例的技术方案,建立其相应的发丝吸附面,并基于发丝吸附面对该虚拟形象的发丝进行有效地吸附处理,进而基于吸附处理后的发丝,高效、准确地生成发丝模型,提高虚拟形象的发丝表达的准确性和发丝表现得效果,进而可以提高生成的虚拟形象的准确性和生成效率。
图9是本公开提供的一组发丝吸附效果图。如图9所示,左侧为未吸附的效果图,右侧为吸附的效果图,经过对比,可以发现,吸附后发丝模型更加合理,更加美观,头发表达效果更好。
本实施例的虚拟形象的发丝模型生成方法,通过采用上述技术方案,可以准确、高效地生成虚拟形象的发丝模型,实现对三维发丝的因头体位姿不正引起的发丝后仰问题、前后发型在肩部穿模问题以及左右侧发丝在中间交叉问题等,都进行改善,有效地提高虚拟形象的发丝模型中的发丝表达的合理性、发丝状态描述的准确性,提高发丝的美观度。
图10是根据本公开第三实施例的示意图;如图10所示,本实施例提供一种虚拟形象的发丝模型生成装置1000,包括:
位置获取模块1001,用于获取虚拟形象的发丝的当前位置;
区域分析模块1002,用于基于所述发丝的当前位置,分析所述发丝所属区域;
吸附处理模块1003,用于基于所述发丝的当前位置、所述发丝所属的区域以及预先配置的所述虚拟形象的发丝吸附面,对所述发丝进行吸附处理,得到所述发丝吸附后的目标位置;
生成模块1004,用于基于所述发丝的目标位置生成所述虚拟形象的发丝模型。
本实施例的虚拟形象的发丝模型生成装置1000,通过采用上述模块实现发丝的吸附处理的实现原理以及技术效果,与上述相关方法实施例的实现相同,详细可以参考上述相关方法实施例的记载,在此不再赘述。
图11是根据本公开第四实施例的示意图;如图11所示,本实施例提供一种虚拟形象的发丝模型生成装置1100,包括:上述图10所示的同名同功能模块:位置获取模块1101、区域分析模块1102、吸附处理模块1103、以及生成模块1004。
本实施例中,位置获取模块1101,用于:
获取所述虚拟形象的发丝的m个节点中各节点的当前位置;所述m为大于2的正整数。
可选地,在本公开的一个实施例中,区域分析模块1102,用于:
获取所述发丝的m个节点中各节点到所述发丝吸附面的最近邻顶点,得到m个最近邻顶点;
获取所述m个最近邻顶点的法向量;
基于所述m个最近邻顶点的法向量,确定所述发丝所属区域。
可选地,在本公开的一个实施例中,区域分析模块1102,用于:
检测所述m个最近邻顶点的法向量中大于0的法向量的数量是否大于或者等于1/2*m;
若是,确定所述发丝属于前侧发丝。
可选地,在本公开的一个实施例中,区域分析模块1102,还用于:
若所述m个最近邻顶点的法向量中大于0的法向量的数量小于1/2*m,确定所述发丝属于后侧发丝。
可选地,在本公开的一个实施例中,吸附处理模块1103,用于:
对于所述发丝的m个节点中各节点,基于所述节点的当前位置的高度、所述虚拟形象的人体模型中耳朵的高度、以及下巴高度,计算所述节点的吸附比率;
基于所述节点的当前位置、所述节点的吸附比率、所述节点投影至所述发丝所属区域对应的吸附面上的投影点的位置坐标,对所述节点进行吸附处理,得到所述节点吸附后的坐标信息,作所述节点吸附后的目标位置。
可选地,在本公开的一个实施例中,生成模块1004,用于:
基于发丝的各节点的目标位置,生成虚拟形象的发丝模型。
可选地,如图11所示,在本公开的一个实施例中,虚拟形象的发丝模型生成装置1100,还包括:
构建模块1103,用于构建所述虚拟形象的发丝吸附面;所述发丝吸附面为与所述虚拟形象的肩部同宽的曲面、网格状结构,包括所述虚拟形象的面部方向的前吸附面和所述虚拟形象的背部方向的后吸附面;且所述发丝吸附面的肩部以下部分与所述虚拟形象的人体模型重合;所述发丝吸附面的肩部到头顶的部分在所述虚拟形象的人体模型的头部周围构成一个包括前后两个曲面的扁状结构。
可选地,如图11所示,在本公开的一个实施例中,虚拟形象的发丝模型生成装置1100,还包括:
优化模块1105,用于对所述发丝吸附面进行优化处理。
可选地,如图11所示,在本公开的一个实施例中,虚拟形象的发丝模型生成装置1100,还包括:
检测模块1106,用于基于所述发丝的各节点的目标位置,检测并确定吸附效果不满足要求。
可选地,在本公开的一个实施例中,检测模块1106,用于:
基于发丝的各节点的目标位置和虚拟形象的人体模型,检测并确定发丝中存在发生插模现象的节点;和/或
基于发丝的各节点的目标位置,检测并确定发丝曲线不满足预设条件。
可选地,在本公开的一个实施例中,检测模块1106,用于:
检测并确定发丝的m个节点限定的m-1个线段中,存在两个相邻线段之间的夹角大于预设夹角阈值的情况。
本实施例的虚拟形象的发丝模型生成装置1100,通过采用上述模块实现发丝的吸附处理的实现原理以及技术效果,与上述相关方法实施例的实现相同,详细可以参考上述相关方法实施例的记载,在此不再赘述。
根据本公开的实施例,本公开还提供了一种电子设备、一种可读存储介质和一种计算机程序产品。
图12示出了可以用来实施本公开的实施例的示例电子设备1200的示意性框图。电子设备旨在表示各种形式的数字计算机,诸如,膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置,诸如,个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例,并且不意在限制本文中描述的和/或者要求的本公开的实现。
如图12所示,设备1200包括计算单元1201,其可以根据存储在只读存储器(ROM)1202中的计算机程序或者从存储单元1208加载到随机访问存储器(RAM)1203中的计算机程序,来执行各种适当的动作和处理。在RAM 1203中,还可存储设备1200操作所需的各种程序和数据。计算单元1201、ROM 1202以及RAM 1203通过总线1204彼此相连。输入/输出(I/O)接口1205也连接至总线1204。
设备1200中的多个部件连接至I/O接口1205,包括:输入单元1206,例如键盘、鼠标等;输出单元1207,例如各种类型的显示器、扬声器等;存储单元1208,例如磁盘、光盘等;以及通信单元1209,例如网卡、调制解调器、无线通信收发机等。通信单元1209允许设备1200通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
计算单元1201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1201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1201执行上文所描述的各个方法和处理,例如本公开的上述方法。例如,在一些实施例中,本公开的上述方法可被实现为计算机软件程序,其被有形地包含于机器可读介质,例如存储单元1208。在一些实施例中,计算机程序的部分或者全部可以经由ROM 1202和/或通信单元1209而被载入和/或安装到设备1200上。当计算机程序加载到RAM 1203并由计算单元1201执行时,可以执行上文描述的本公开的上述方法的一个或多个步骤。备选地,在其他实施例中,计算单元1201可以通过其他任何适当的方式(例如,借助于固件)而被配置为执行本公开的上述方法。
本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、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)和互联网。
计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器,也可以为分布式系统的服务器,或者是结合了区块链的服务器。
应该理解,可以使用上面所示的各种形式的流程,重新排序、增加或删除步骤。例如,本发公开中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行,只要能够实现本公开公开的技术方案所期望的结果,本文在此不进行限制。
上述具体实施方式,并不构成对本公开保护范围的限制。本领域技术人员应该明白的是,根据设计要求和其他因素,可以进行各种修改、组合、子组合和替代。任何在本公开的精神和原则之内所作的修改、等同替换和改进等,均应包含在本公开保护范围之内。
Claims (27)
1.一种虚拟形象的发丝模型生成方法,包括:
获取虚拟形象的发丝的当前位置;
基于所述发丝的当前位置,分析所述发丝所属区域;
基于所述发丝的当前位置、所述发丝所属的区域以及预先配置的所述虚拟形象的发丝吸附面,对所述发丝进行吸附处理,得到所述发丝吸附后的目标位置;
基于所述发丝的目标位置,生成所述虚拟形象的发丝模型。
2.根据权利要求1所述的方法,其中,获取虚拟形象的发丝的当前位置,包括:
获取所述虚拟形象的发丝的m个节点中各节点的当前位置;所述m为大于2的正整数。
3.根据权利要求2所述的方法,其中,基于所述发丝的当前位置,分析所述发丝所属区域,包括:
获取所述发丝的m个节点中各节点到所述发丝吸附面的最近邻顶点,得到m个最近邻顶点;
获取所述m个最近邻顶点的法向量;
基于所述m个最近邻顶点的法向量,确定所述发丝所属区域。
4.根据权利要求3所述的方法,其中,基于所述m个最近邻顶点的法向量,确定所述发丝所属区域,包括:
检测所述m个最近邻顶点的法向量中大于0的法向量的数量是否大于或者等于1/2*m;
若是,确定所述发丝属于前侧发丝。
5.根据权利要求4所述的方法,其中,基于所述m个最近邻顶点的法向量,确定所述发丝所属区域,还包括:
若所述m个最近邻顶点的法向量中大于0的法向量的数量小于1/2*m,确定所述发丝属于后侧发丝。
6.根据权利要求2-5任一所述的方法,其中,基于所述发丝的当前位置、所述发丝所属的区域以及预先配置的所述虚拟形象的发丝吸附面,对所述发丝进行吸附处理,得到所述发丝吸附后的目标位置,包括:
对于所述发丝的m个节点中各节点,基于所述节点的当前位置的高度、所述虚拟形象的人体模型中耳朵的高度、以及下巴高度,计算所述节点的吸附比率;
基于所述节点的当前位置、所述节点的吸附比率、所述节点投影至所述发丝所属区域对应的吸附面上的投影点的位置坐标,对所述节点进行吸附处理,得到所述节点吸附后的坐标信息,作所述节点吸附后的目标位置。
7.根据权利要求6所述的方法,其中,基于所述发丝的目标位置,生成所述虚拟形象的发丝模型,包括:
基于所述发丝的各节点的目标位置,生成所述虚拟形象的发丝模型。
8.根据权利要求2-5任一所述的方法,其中,基于所述发丝的当前位置、所述发丝所属的区域以及预先配置的所述虚拟形象的发丝吸附面,对所述发丝进行吸附处理,得到所述发丝吸附后的目标位置之前,所述方法还包括:
构建所述虚拟形象的发丝吸附面;所述发丝吸附面为与所述虚拟形象的肩部同宽的曲面、网格状结构,包括所述虚拟形象的面部方向的前吸附面和所述虚拟形象的背部方向的后吸附面;且所述发丝吸附面的肩部以下部分与所述虚拟形象的人体模型重合;所述发丝吸附面的肩部到头顶的部分在所述虚拟形象的人体模型的头部周围构成一个包括前后两个曲面的扁状结构。
9.根据权利要求2-5任一所述的方法,其中,基于所述发丝的当前位置、所述发丝所属的区域以及预先配置的所述虚拟形象的发丝吸附面,对所述发丝进行吸附处理,得到所述发丝吸附后的目标位置之后,所述方法还包括:
对所述发丝吸附面进行优化处理。
10.根据权利要求9所述的方法,其中,对所述发丝吸附面进行优化处理之前,所述方法还包括:
基于所述发丝的各节点的目标位置,检测并确定吸附效果不满足要求。
11.根据权利要求10所述的方法,其中,基于所述发丝的各节点的目标位置,检测并确定吸附效果不满足要求,包括:
基于所述发丝的各节点的目标位置和所述虚拟形象的人体模型,检测并确定所述发丝中存在发生插模现象的节点;和/或
基于所述发丝的各节点的目标位置,检测并确定所述发丝曲线不满足预设条件。
12.根据权利要求11所述的方法,其中,基于所述发丝的各节点的目标位置,检测并确定所述发丝曲线不满足预设条件,包括:
检测并确定所述发丝的m个节点限定的m-1个线段中,存在两个相邻线段之间的夹角大于预设夹角阈值的情况。
13.一种虚拟形象的发丝模型生成装置,包括:
位置获取模块,用于获取虚拟形象的发丝的当前位置;
区域分析模块,用于基于所述发丝的当前位置,分析所述发丝所属区域;
吸附处理模块,用于基于所述发丝的当前位置、所述发丝所属的区域以及预先配置的所述虚拟形象的发丝吸附面,对所述发丝进行吸附处理,得到所述发丝吸附后的目标位置;
生成模块,用于基于所述发丝的目标位置,生成所述虚拟形象的发丝模型。
14.根据权利要求13所述的装置,其中,所述位置获取模块,用于:
获取所述虚拟形象的发丝的m个节点中各节点的当前位置;所述m为大于2的正整数。
15.根据权利要求14所述的装置,其中,所述区域分析模块,用于:
获取所述发丝的m个节点中各节点到所述发丝吸附面的最近邻顶点,得到m个最近邻顶点;
获取所述m个最近邻顶点的法向量;
基于所述m个最近邻顶点的法向量,确定所述发丝所属区域。
16.根据权利要求15所述的装置,其中,所述区域分析模块,用于:
检测所述m个最近邻顶点的法向量中大于0的法向量的数量是否大于或者等于1/2*m;
若是,确定所述发丝属于前侧发丝。
17.根据权利要求16所述的装置,其中,所述区域分析模块,还用于:
若所述m个最近邻顶点的法向量中大于0的法向量的数量小于1/2*m,确定所述发丝属于后侧发丝。
18.根据权利要求14-17任一所述的装置,其中,所述吸附处理模块,用于:
对于所述发丝的m个节点中各节点,基于所述节点的当前位置的高度、所述虚拟形象的人体模型中耳朵的高度、以及下巴高度,计算所述节点的吸附比率;
基于所述节点的当前位置、所述节点的吸附比率、所述节点投影至所述发丝所属区域对应的吸附面上的投影点的位置坐标,对所述节点进行吸附处理,得到所述节点吸附后的坐标信息,作所述节点吸附后的目标位置。
19.根据权利要求18所述的装置,其中,所述生成模块,用于:
基于所述发丝的各节点的目标位置,生成所述虚拟形象的发丝模型。
20.根据权利要求14-17任一所述的装置,其中,所述装置还包括:
构建模块,用于构建所述虚拟形象的发丝吸附面;所述发丝吸附面为与所述虚拟形象的肩部同宽的曲面、网格状结构,包括所述虚拟形象的面部方向的前吸附面和所述虚拟形象的背部方向的后吸附面;且所述发丝吸附面的肩部以下部分与所述虚拟形象的人体模型重合;所述发丝吸附面的肩部到头顶的部分在所述虚拟形象的人体模型的头部周围构成一个包括前后两个曲面的扁状结构。
21.根据权利要求14-17任一所述的装置,其中,所述装置还包括:
优化模块,用于对所述发丝吸附面进行优化处理。
22.根据权利要求21所述的装置,其中,所述装置还包括:
检测模块,用于基于所述发丝的各节点的目标位置,检测并确定吸附效果不满足要求。
23.根据权利要求22所述的装置,其中,所述检测模块,用于:
基于所述发丝的各节点的目标位置和所述虚拟形象的人体模型,检测并确定所述发丝中存在发生插模现象的节点;和/或
基于所述发丝的各节点的目标位置,检测并确定所述发丝曲线不满足预设条件。
24.根据权利要求23所述的装置,其中,所述检测模块,用于:
检测并确定所述发丝的m个节点限定的m-1个线段中,存在两个相邻线段之间的夹角大于预设夹角阈值的情况。
25.一种电子设备,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1-12中任一项所述的方法。
26.一种存储有计算机指令的非瞬时计算机可读存储介质,其中,所述计算机指令用于使所述计算机执行根据权利要求1-12中任一项所述的方法。
27.一种计算机程序产品,包括计算机程序,所述计算机程序在被处理器执行时实现根据权利要求1-12中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310730327.3A CN116894916A (zh) | 2023-06-19 | 2023-06-19 | 虚拟形象的发丝模型生成方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310730327.3A CN116894916A (zh) | 2023-06-19 | 2023-06-19 | 虚拟形象的发丝模型生成方法、装置、设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116894916A true CN116894916A (zh) | 2023-10-17 |
Family
ID=88314149
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310730327.3A Pending CN116894916A (zh) | 2023-06-19 | 2023-06-19 | 虚拟形象的发丝模型生成方法、装置、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116894916A (zh) |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20100299106A1 (en) * | 2006-06-22 | 2010-11-25 | Centre National De La Recherche Scientifique | Method and a system for generating a synthesized image of at least a portion of a head of hair |
KR101965073B1 (ko) * | 2017-11-07 | 2019-04-03 | 주식회사 한올엔터프라이즈 | 가상 헤어 디자인 장치 및 그 제어 방법 |
US20210407154A1 (en) * | 2020-06-30 | 2021-12-30 | Beijing Dajia Internet Information Technology Co., Ltd. | Method and electronic device for processing images |
CN114187633A (zh) * | 2021-12-07 | 2022-03-15 | 北京百度网讯科技有限公司 | 图像处理方法及装置、图像生成模型的训练方法及装置 |
CN114723888A (zh) * | 2022-04-08 | 2022-07-08 | 北京百度网讯科技有限公司 | 三维发丝模型生成方法、装置、设备、存储介质及产品 |
CN115018992A (zh) * | 2022-06-29 | 2022-09-06 | 北京百度网讯科技有限公司 | 发型模型的生成方法、装置、电子设备及存储介质 |
CN115588065A (zh) * | 2022-11-01 | 2023-01-10 | 广州博冠信息科技有限公司 | 一种毛发模型的生成方法、装置、计算机设备及存储介质 |
WO2023029626A1 (zh) * | 2021-08-30 | 2023-03-09 | 网易(杭州)网络有限公司 | 虚拟对象的交互方法、装置、存储介质及电子设备 |
-
2023
- 2023-06-19 CN CN202310730327.3A patent/CN116894916A/zh active Pending
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20100299106A1 (en) * | 2006-06-22 | 2010-11-25 | Centre National De La Recherche Scientifique | Method and a system for generating a synthesized image of at least a portion of a head of hair |
KR101965073B1 (ko) * | 2017-11-07 | 2019-04-03 | 주식회사 한올엔터프라이즈 | 가상 헤어 디자인 장치 및 그 제어 방법 |
US20210407154A1 (en) * | 2020-06-30 | 2021-12-30 | Beijing Dajia Internet Information Technology Co., Ltd. | Method and electronic device for processing images |
WO2023029626A1 (zh) * | 2021-08-30 | 2023-03-09 | 网易(杭州)网络有限公司 | 虚拟对象的交互方法、装置、存储介质及电子设备 |
CN114187633A (zh) * | 2021-12-07 | 2022-03-15 | 北京百度网讯科技有限公司 | 图像处理方法及装置、图像生成模型的训练方法及装置 |
CN114723888A (zh) * | 2022-04-08 | 2022-07-08 | 北京百度网讯科技有限公司 | 三维发丝模型生成方法、装置、设备、存储介质及产品 |
CN115018992A (zh) * | 2022-06-29 | 2022-09-06 | 北京百度网讯科技有限公司 | 发型模型的生成方法、装置、电子设备及存储介质 |
CN115588065A (zh) * | 2022-11-01 | 2023-01-10 | 广州博冠信息科技有限公司 | 一种毛发模型的生成方法、装置、计算机设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113643412B (zh) | 虚拟形象的生成方法、装置、电子设备及存储介质 | |
CN115049799B (zh) | 3d模型和虚拟形象的生成方法和装置 | |
CN114723888B (zh) | 三维发丝模型生成方法、装置、设备、存储介质及产品 | |
CN115018992B (zh) | 发型模型的生成方法、装置、电子设备及存储介质 | |
EP3855386B1 (en) | Method, apparatus, device and storage medium for transforming hairstyle and computer program product | |
CN114549710A (zh) | 一种虚拟形象的生成方法、装置、电子设备及存储介质 | |
CN115409933A (zh) | 多风格纹理贴图生成方法及其装置 | |
CN114202597B (zh) | 图像处理方法及装置、设备、介质和产品 | |
CN114677572B (zh) | 对象描述参数的生成方法、深度学习模型的训练方法 | |
CN113421204A (zh) | 图像处理方法、装置、电子设备及可读存储介质 | |
CN114708374A (zh) | 虚拟形象生成方法、装置、电子设备和存储介质 | |
CN115359171B (zh) | 虚拟形象处理方法、装置、电子设备和存储介质 | |
CN115359166B (zh) | 一种图像生成方法、装置、电子设备和介质 | |
CN116524162A (zh) | 三维虚拟形象迁移方法、模型更新方法及相关设备 | |
CN116894916A (zh) | 虚拟形象的发丝模型生成方法、装置、设备及存储介质 | |
CN114078184B (zh) | 数据处理方法、装置、电子设备和介质 | |
CN115147306A (zh) | 图像处理方法、装置、电子设备和存储介质 | |
CN114581586A (zh) | 一种模型基底的生成方法、装置、电子设备及存储介质 | |
CN113608615B (zh) | 对象数据处理方法、处理装置、电子设备以及存储介质 | |
CN115861543B (zh) | 三维虚拟形象生成方法、装置及电子设备 | |
CN115147578B (zh) | 风格化三维人脸生成方法、装置、电子设备及存储介质 | |
CN115953553B (zh) | 虚拟形象生成方法、装置、电子设备以及存储介质 | |
CN116168131B (zh) | 布料的渲染处理方法、装置、电子设备及存储介质 | |
CN113538644B (zh) | 人物动态视频生成方法、装置、电子设备以及存储介质 | |
CN114820908B (zh) | 虚拟形象生成方法、装置、电子设备和存储介质 |
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 |