CN117011430A - 游戏资源处理方法、装置、设备、存储介质和程序产品 - Google Patents
游戏资源处理方法、装置、设备、存储介质和程序产品 Download PDFInfo
- Publication number
- CN117011430A CN117011430A CN202211362802.8A CN202211362802A CN117011430A CN 117011430 A CN117011430 A CN 117011430A CN 202211362802 A CN202211362802 A CN 202211362802A CN 117011430 A CN117011430 A CN 117011430A
- Authority
- CN
- China
- Prior art keywords
- model
- game
- game resource
- adaptation
- processing
- 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
- 238000003672 processing method Methods 0.000 title abstract description 26
- 230000006978 adaptation Effects 0.000 claims abstract description 251
- 238000012545 processing Methods 0.000 claims abstract description 233
- 230000027455 binding Effects 0.000 claims abstract description 115
- 238000000034 method Methods 0.000 claims abstract description 76
- 238000011161 development Methods 0.000 claims description 64
- 238000004590 computer program Methods 0.000 claims description 25
- 230000009466 transformation Effects 0.000 claims description 15
- 238000012546 transfer Methods 0.000 claims description 10
- PXFBZOLANLWPMH-UHFFFAOYSA-N 16-Epiaffinine Natural products C1C(C2=CC=CC=C2N2)=C2C(=O)CC2C(=CC)CN(C)C1C2CO PXFBZOLANLWPMH-UHFFFAOYSA-N 0.000 claims description 8
- 238000013473 artificial intelligence Methods 0.000 abstract description 18
- 230000000875 corresponding effect Effects 0.000 description 139
- 230000008569 process Effects 0.000 description 35
- 210000003128 head Anatomy 0.000 description 26
- 238000010586 diagram Methods 0.000 description 25
- 238000005516 engineering process Methods 0.000 description 24
- 210000000988 bone and bone Anatomy 0.000 description 15
- 210000001508 eye Anatomy 0.000 description 14
- 238000004519 manufacturing process Methods 0.000 description 13
- 230000033001 locomotion Effects 0.000 description 11
- 210000001331 nose Anatomy 0.000 description 11
- 230000001960 triggered effect Effects 0.000 description 10
- 230000006870 function Effects 0.000 description 9
- 230000008921 facial expression Effects 0.000 description 6
- 238000010801 machine learning Methods 0.000 description 6
- 238000012986 modification Methods 0.000 description 6
- 230000004048 modification Effects 0.000 description 6
- 238000004458 analytical method Methods 0.000 description 4
- 210000005069 ears Anatomy 0.000 description 4
- 238000011160 research Methods 0.000 description 4
- 238000004891 communication Methods 0.000 description 3
- 238000009795 derivation Methods 0.000 description 3
- 230000014509 gene expression Effects 0.000 description 3
- 210000000214 mouth Anatomy 0.000 description 3
- 230000003044 adaptive effect Effects 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 2
- 230000006399 behavior Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 230000001276 controlling effect Effects 0.000 description 2
- 238000013500 data storage Methods 0.000 description 2
- 238000013135 deep learning Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000002372 labelling Methods 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 1
- 206010011469 Crying Diseases 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000003190 augmentative effect Effects 0.000 description 1
- 230000033228 biological regulation Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 210000005252 bulbus oculi Anatomy 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 229910021389 graphene Inorganic materials 0.000 description 1
- 230000006698 induction Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000003058 natural language processing Methods 0.000 description 1
- 210000003739 neck Anatomy 0.000 description 1
- 238000003062 neural network model Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000002787 reinforcement Effects 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 238000013526 transfer learning 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
- G06T13/00—Animation
- G06T13/20—3D [Three Dimensional] animation
- G06T13/40—3D [Three Dimensional] animation of characters, e.g. humans, animals or virtual beings
-
- 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
- A63F13/50—Controlling the output signals based on the game progress
- A63F13/52—Controlling the output signals based on the game progress involving aspects of the displayed game scene
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T15/00—3D [Three Dimensional] image rendering
- G06T15/005—General purpose rendering architectures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/46—Descriptors for shape, contour or point-related descriptors, e.g. scale invariant feature transform [SIFT] or bags of words [BoW]; Salient regional features
- G06V10/462—Salient features, e.g. scale invariant feature transforms [SIFT]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/16—Human faces, e.g. facial parts, sketches or expressions
- G06V40/168—Feature extraction; Face representation
-
- 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
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Multimedia (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Health & Medical Sciences (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Computer Graphics (AREA)
- General Health & Medical Sciences (AREA)
- Human Computer Interaction (AREA)
- Processing Or Creating Images (AREA)
Abstract
本申请涉及一种游戏资源处理方法、装置、计算机设备、存储介质和程序产品。所述方法涉及人工智能,包括:获取目标模板类型,生成与目标模板类型对应的代理适配模型,基于代理适配模型、以及游戏资源模型进行模型适配处理,获得适配处理后的游戏资源模型。根据适配处理后的游戏资源模型,确定待绑定的模型骨骼点,确定适配处理后的游戏资源模型、以及模型骨骼点之间的蒙皮权重数据,根据蒙皮权重数据,对适配处理后的游戏资源模型和模型骨骼点进行绑定处理,生成与游戏资源模型对应的绑定制作资源。采用本方法能够快速准确生成游戏资源模型的绑定制作资源,减少对游戏资源的处理流程,提升游戏资源的处理效率、以及各游戏资源模型的模型质量。
Description
技术领域
本申请涉及人工智能技术领域,特别是涉及一种有游戏资源处理方法、装置、计算机设备和存储介质和计算机程序产品。
背景技术
随着人工智能技术的发展,以及各类游戏应用程序的不断开发和完善,对于游戏应用程序中涉及的游戏资源,具体包括游戏角色模型、游戏道具以及游戏场景等游戏资源的处理要求也日益提升。比如,游戏应用程序开发过程中需要针对游戏角色模型进行处理,包括游戏角色的面部表情生成、以及面部表情替换等处理,以使得游戏角色的面部表情更加生动、丰富以及形象。
传统上,通常采用预先建立游戏应用程序中的多个游戏角色模型,开发人员基于第三方绑定插件,手动建立游戏角色模型的骨骼,并同时进行为模型的骨骼创建控制器、设置关联关系和表达式等处理操作,并在生成过程根据实际需求不断进行手动调整,才能生成得到与实际需求匹配的游戏角色面部表情。因此,传统的游戏资源处理方式,仍然存在处理流程繁琐,工作效率低下的问题。
发明内容
基于此,有必要针对上述技术问题,提供一种能够减少游戏应用程序开发过程中游戏资源的处理流程,提升游戏资源的处理效率的游戏资源处理方法、装置、计算机设备、计算机可读存储介质和计算机程序产品。
第一方面,本申请提供了一种游戏资源处理方法。所述方法包括:
获取目标模板类型,并生成与所述目标模板类型对应的代理适配模型;
基于所述代理适配模型、以及游戏资源模型进行模型适配处理,获得适配处理后的游戏资源模型;
根据所述适配处理后的游戏资源模型,确定待绑定的模型骨骼点;
确定所述适配处理后的游戏资源模型、以及所述模型骨骼点之间的蒙皮权重数据;
根据所述蒙皮权重数据,对所述适配处理后的游戏资源模型和所述模型骨骼点进行绑定处理,生成与所述游戏资源模型对应的绑定制作资源。
第二方面,本申请还提供了一种游戏资源处理装置。所述装置包括:
代理适配模型生成模块,用于获取目标模板类型,并生成与所述目标模板类型对应的代理适配模型;
模型适配处理模块,用于基于所述代理适配模型、以及游戏资源模型进行模型适配处理,获得适配处理后的游戏资源模型;
模型骨骼点确定模块,用于根据所述适配处理后的游戏资源模型,确定待绑定的模型骨骼点;
蒙皮权重数据确定模块,用于确定所述适配处理后的游戏资源模型、以及所述模型骨骼点之间的蒙皮权重数据;
绑定制作资源生成模块,用于根据所述蒙皮权重数据,对所述适配处理后的游戏资源模型和所述模型骨骼点进行绑定处理,生成与所述游戏资源模型对应的绑定制作资源。
第三方面,本申请还提供了一种计算机设备。所述计算机设备包括存储器和处理器,所述存储器存储有计算机程序,所述处理器执行所述计算机程序时实现以下步骤:
获取目标模板类型,并生成与所述目标模板类型对应的代理适配模型;
基于所述代理适配模型、以及游戏资源模型进行模型适配处理,获得适配处理后的游戏资源模型;
根据所述适配处理后的游戏资源模型,确定待绑定的模型骨骼点;
确定所述适配处理后的游戏资源模型、以及所述模型骨骼点之间的蒙皮权重数据;
根据所述蒙皮权重数据,对所述适配处理后的游戏资源模型和所述模型骨骼点进行绑定处理,生成与所述游戏资源模型对应的绑定制作资源。
第四方面,本申请还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,其上存储有计算机程序,所述计算机程序被处理器执行时实现以下步骤:
获取目标模板类型,并生成与所述目标模板类型对应的代理适配模型;
基于所述代理适配模型、以及游戏资源模型进行模型适配处理,获得适配处理后的游戏资源模型;
根据所述适配处理后的游戏资源模型,确定待绑定的模型骨骼点;
确定所述适配处理后的游戏资源模型、以及所述模型骨骼点之间的蒙皮权重数据;
根据所述蒙皮权重数据,对所述适配处理后的游戏资源模型和所述模型骨骼点进行绑定处理,生成与所述游戏资源模型对应的绑定制作资源。
第五方面,本申请还提供了一种计算机程序产品。所述计算机程序产品,包括计算机程序,该计算机程序被处理器执行时实现以下步骤:
获取目标模板类型,并生成与所述目标模板类型对应的代理适配模型;
基于所述代理适配模型、以及游戏资源模型进行模型适配处理,获得适配处理后的游戏资源模型;
根据所述适配处理后的游戏资源模型,确定待绑定的模型骨骼点;
确定所述适配处理后的游戏资源模型、以及所述模型骨骼点之间的蒙皮权重数据;
根据所述蒙皮权重数据,对所述适配处理后的游戏资源模型和所述模型骨骼点进行绑定处理,生成与所述游戏资源模型对应的绑定制作资源。
上述游戏资源处理方法、装置、计算机设备、存储介质和计算机程序产品中,通过获取目标模板类型,并生成与目标模板类型对应的代理适配模型,进而基于代理适配模型、以及游戏资源模型进行模型适配处理,可获得适配处理后的游戏资源模型,实现了根据用户实际需求生成匹配的代理适配模型,以完成对游戏资源模型的快速适配处理,避免出现游戏资源模型和代理适配模型间关键点不匹配导致模型适配度低的问题。进一步,可根据适配处理后的游戏资源模型,确定待绑定的模型骨骼点,同时还需确定适配处理后的游戏资源模型、以及模型骨骼点之间的蒙皮权重数据,进而可实现根据蒙皮权重数据,对适配处理后的游戏资源模型和模型骨骼点进行自动绑定处理,快速、准确生成与游戏资源模型对应的绑定制作资源,可减少游戏应用程序开发过程中对游戏资源的处理流程,进而提升游戏资源的处理效率、以及所获得的各游戏资源模型的模型质量。
附图说明
图1为一个实施例中游戏资源处理方法的应用环境图;
图2为一个实施例中游戏资源处理方法的流程示意图;
图3为一个实施例中基于项目模型资产的模型适配示意图;
图4为一个实施例中游戏资源处理方法的模板类型列表示意图;
图5为一个实施例中游戏资源处理方法的代理适配模型示意图;
图6为一个实施例中待绑定的模型骨骼点的示意图;
图7为一个实施例中绑定制作资源的生成示意图;
图8为一个实施例中游戏开发项目对应的不同格式的资源示意图;
图9为一个实施例中完整蒙皮权重数据的导出示意图;
图10为一个实施例中获得适配处理后的游戏资源模型的流程示意图;
图11为一个实施例中确定与游戏资源模型对应的第一完整关键点坐标的示意图;
图12为一个实施例中基于代理适配模型、以及游戏资源模型进行模型适配处理的示意图;
图13为另一个实施例中游戏资源处理方法的流程示意图;
图14为一个实施例中游戏资源处理装置的结构框图;
图15为一个实施例中计算机设备的内部结构图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本申请进行进一步详细说明。应当理解,此处描述的具体实施例仅仅用以解释本申请,并不用于限定本申请。
本申请实施例提供的游戏资源处理方法,涉及人工智能技术,其中,人工智能(Artificial Intelligence,AI)是利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智能,感知环境、获取知识并使用知识获得最佳结果的理论、方法、技术及应用系统。换句话说,人工智能是计算机科学的一个综合技术,它企图了解智能的实质,并生产出一种新的能以人类智能相似的方式做出反应的智能机器,即人工智能也就是研究各种智能机器的设计原理与实现方法,使机器具有感知、推理与决策的功能。而人工智能技术作为一门综合学科,涉及领域广泛,既有硬件层面的技术也有软件层面的技术,其中,人工智能基础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、大数据处理技术、操作/交互系统、机电一体化等技术。人工智能软件技术主要包括计算机视觉技术、语音处理技术、自然语言处理技术以及机器学习/深度学习等几大方向。
其中,计算机视觉技术(Computer Vision,CV)计算机视觉是一门研究如何使机器“看”的科学,更进一步的说,就是指用摄影机和电脑代替人眼对目标进行识别、检测和测量等机器视觉,并进一步做图形处理,使电脑处理成为更适合人眼观察或传送给仪器检测的图像。作为一个科学学科,计算机视觉研究相关的理论和技术,试图建立能够从图像或者多维数据中获取信息的人工智能系统。计算机视觉技术通常包括图像处理、图像识别、图像语义理解、图像检索、OCR、视频处理、视频语义理解、视频内容/行为识别、三维物体重建、3D技术、虚拟现实、增强现实、同步定位与地图构建等技术,还包括常见的人脸识别、指纹识别等生物特征识别技术。而机器学习(Machine Learning,ML)是一门多领域交叉学科,涉及概率论、统计学、逼近论、凸分析、算法复杂度理论等多门学科。专门研究计算机怎样模拟或实现人类的学习行为,以获取新的知识或技能,重新组织已有的知识结构使之不断改善自身的性能。机器学习是人工智能的核心,是使计算机具有智能的根本途径,其应用遍及人工智能的各个领域。机器学习和深度学习通常包括人工神经网络、置信网络、强化学习、迁移学习、归纳学习、式教学习等技术。
随着人工智能技术研究和进步,人工智能技术在多个领域展开研究和应用,例如常见的智能家居、智能穿戴设备、虚拟助理、智能音箱、智能营销、无人驾驶、自动驾驶、无人机、机器人、智能医疗、智能客服等,相信随着技术的发展,人工智能技术将在更多的领域得到应用,并发挥越来越重要的价值。
本申请实施例提供的游戏资源处理方法,具体涉及人工智能中的计算机视觉技术、以及机器学习技术等技术,可以应用于如图1所示的应用环境中。其中,终端102通过网络与服务器104进行通信。数据存储系统可以存储服务器104需要处理的数据。数据存储系统可以集成在服务器104上,也可以放在云上或其他网络服务器上。其中,终端102可以但不限于是各种个人计算机、笔记本电脑、智能手机、平板电脑、物联网设备和便携式可穿戴设备,物联网设备可为智能音箱、智能电视、智能空调、智能车载设备、飞行器等。便携式可穿戴设备可为智能手表、智能手环、头戴设备等。服务器104可以用独立的服务器或者是多个服务器组成的服务器集群来实现。
进一步地,终端102和服务器104均可单独用于执行本申请实施例中提供的游戏资源处理方法,终端102和服务器104也可协同用于执行本申请实施例中提供的游戏资源处理方法。举例来说,以终端102和服务器104协同执行本申请实施例中提供的游戏资源处理方法为例,比如当开发人员基于终端102的游戏资源处理界面触发目标模板类型的选择操作,终端102或者服务器104均可获取用户所选择的目标模板类型,并根据与目标模板类型对应的模型资源文件,生成与目标模板类型对应的代理适配模型。进一步地,终端102或服务器104基于代理适配模型以及游戏资源模型,可进行模型适配处理,获得适配处理后的游戏资源模型,以进一步根据适配处理后的游戏资源模型,确定待绑定的模型骨骼点。其中,确定待绑定的模型骨骼点后,终端102或服务器104进一步确定适配处理后的游戏资源模型、以及模型骨骼点之间的蒙皮权重数据,进而根据蒙皮权重数据,对适配处理后的游戏资源模型和模型骨骼点进行绑定处理,生成与游戏资源模型对应的绑定制作资源。其中,绑定制作资源可进一步用于游戏项目开发过程中后续的游戏角色表情制作、以及游戏角色动画制作等,可适应不同的游戏开发项目或者游戏应用场景,从而可减少游戏应用程序开发过程不同实际需求中对游戏资源的繁琐处理流程,进而提升对游戏资源的处理效率。
在一个实施例中,如图2所示,提供了一种游戏资源处理方法,以该方法由计算机设备执行为例进行说明,可以理解的是,该计算机设备可以是图1所示的终端102,也可以是服务器104,还可以是终端102服务器104所组成的系统,并通过终端102和服务器104之间的交互实现。本实施例中,该游戏资源处理方法,具体包括以下步骤:
步骤S202,获取目标模板类型,并生成与目标模板类型对应的代理适配模型。
其中,不同的游戏开发项目,其关联的项目模型资产不同,比如某游戏开发项目的某一子项目侧重于游戏角色的头部模型的开发,其所关联的项目模型资产则可以包括头部模型资产、以及人脸模型资产等。
举例来说,比如以头部模型资产为例,则具体是需基于头部模型资产进行一系列的绑定处理,以生成得到与头部模型对应的绑定制作资源,以便后续根据绑定制作资源生成与头部模型对应的人脸表情动画资源等,用以投入不同游戏引擎中使用,构建得到不同游戏开发项目在实际应用场景下的游戏角色。
在一个实施例中,如图3所示,提供了一种基于项目模型资产的模型适配示意图,参照图3可知,当前游戏开发项目的项目模型资产为“MaleHead.mb”的头部模型资产,则通过触发如图3所示的“模型适配”功能,则可进一步触发获取目标模板类型、以及生成与目标模板类型对应的代理适配模型的后续处理操作。
具体地,若检测到基于模板类型列表的选择操作,获取与选择操作对应的目标模板类型,并根据目标模板类型确定对应的模型精度,获取与模型精度匹配的代理模型类型,进而提取与代理模型类型对应的模型资源文件,以根据模型资源文件,生成与目标模板类型对应的代理适配模型。
其中,使用对象比如开发人员等,可基于与游戏开发项目的项目模型资产对应的模板类型列表,触发选择操作,进而在检测到基于模板类型列表的选择操作时,则获取与选择操作对应的目标模板类型。
在一个实施例中,如图4可知,提供了一种游戏资源处理方法的模板类型列表,当触发如图3所示的“模型适配”功能时,则触发对由不同模板类型组成的模板类型列表的展示操作,其中,展示操作可以是弹窗的方式。具体来说,参照图4可知,模板类型列表中,具体包括default模板(即游戏绑定模板)、cartoon模板(即卡通类型模板)、以及proj模板(即项目专属模板)等,其中,不同模板类型均设置有main(即主要的玩家角色)、以及npc(即非玩家角色)不同的选项。
其中,在获得与选择操作对应的目标模板类型后,进一步根据目标模板类型确定对应的模型精度,从而获取与模型精度匹配的代理模型类型。其中,根据用户选择的目标模板类型,比如用户选择了default模板(即游戏绑定模板),则进一步根据用户选择的是main选项还是npc选项,确定出与不同选项对应的模型精度,进而获取与模型精度匹配的代理模型类型。
具体来说,模型精度包括游戏精度和写实精度,可以理解为游戏精度与main选项对应,而写实精度与npc选项对应,进而与游戏精度匹配的代理模型类型为游戏代理模型,与写实精度匹配的代理模型类型为写实代理模型,进而可提取与代理模型类型对应的模型资源文件,以根据模型资源文件,生成与目标模板类型对应的代理适配模型。
其中,不同代理模型类型,比如游戏代理模型、写实代理模型,分别对应不同的模型资源文件,进而可根据与游戏代理模型对应的模型资源文件、或根据写实代理模型对应的模型资源文件,最终生成后续需要进行模型适配处理的代理适配模型。
进一步地,如图5所示,提供了一种游戏资源处理方法的代理适配模型,其中,代理适配模型可以理解为顶点数量少且基本能描述模型特征结构的模型,用于在游戏资源处理过程中,快速适配游戏资源模型,并进一步定位游戏资源模型的模型骨骼点。参照图5可知,所输出的代理适配模型标注了不同顶点,比如具体可以包括头部轮廓的多个顶点、与眼睛、鼻子、嘴巴、以及耳朵等分别对应的多个顶点。
步骤S204,基于代理适配模型、以及游戏资源模型进行模型适配处理,获得适配处理后的游戏资源模型。
其中,基于代理适配模型以及游戏资源模型,进行模型适配处理的目的,在于将代理适配模型适配到游戏资源模型上,以实现游戏资源模型的包裹适配,获得适配处理后的游戏资源模型。
具体地,通过确定出与游戏资源模型对应的第一完整关键点坐标,即获得游戏资源模型上的所有关键点的坐标,并获取代理适配模型上已标注的第二完整关键点坐标,即代理适配模型上的多个顶点,比如头部轮廓的多个顶点、与眼睛、鼻子、嘴巴、以及耳朵等分别对应的多个顶点。
进一步地,基于与游戏资源模型对应的第一完整关键点坐标、以及与代理适配模型对应的第二完整关键点坐标,分别确定出多组成对关键点,比如将在第一完整关键点坐标、第二完整关键点坐标中均属于左内眼角的关键点,确定为成对关键点,又比如在第一完整关键点坐标、第二完整关键点坐标中均属于鼻尖的关键点,同样也可确定为成对关键点,进而依次确定出在游戏资源模型、代理适配模型上相同位置的关键点,组成的多组成对关键点。
其中,在确定出多组成对关键点后,进一步基于多组成对关键点,进行仿射变换处理以及偏移处理,以将代理适配模型适配至游戏资源模型,实现对游戏资源模型的包裹适配,进而获得适配处理后的游戏资源模型。
步骤S206,根据适配处理后的游戏资源模型,确定待绑定的模型骨骼点。
其中,针对适配处理后的游戏资源模型,需要确定出该游戏资源模型待绑定的模型骨骼点,而由于模型骨骼点与游戏资源模型是相互独立的,为了让模型骨骼点驱动游戏资源模型产生合理的运动,进而需要针对游戏资源模型和模型骨骼点进行绑定处理,以将游戏资源模型绑定到模型骨骼点上,从而使得游戏资源模型可以被模型骨骼点带动。进一步地,还可以通过面部控制器控制骨骼变换数据,使得游戏资源模型构建得到的游戏角色,可根据需求进行复杂运动,获得与游戏角色对应的动画数据。
具体地,通过获取与游戏资源模型对应的配置信息,并根据配置信息,生成不同数量、不同位置的骨骼配置数据,同时,需要从代理适配模型中提取预设数目的顶点位置,比如左内眼角、左外眼角、鼻尖、左嘴角、以及下巴等顶点位置,进而根据预设数目的顶点位置、根据配置信息确定的骨骼配置数据、以及适配处理后的游戏资源模型,确定待绑定的多个模型骨骼点。
其中,配置信息具体可以是面部骨骼的基本配置信息,比如人脸头部骨骼点数量、不同骨骼点的初始位置、以及初始姿态等信息,根据基本配置信息可获得通用的骨骼配置数据,而由于实际开发过程中的不同需求变更,可根据需求对通用的骨骼配置数据进行进一步细化调整。
进一步地,在确定待绑定的模型骨骼点的同时,会根据预设数目的顶点位置、面部控制器文件、以及适配处理后的游戏资源模型,生成面部控制器。其中,面部控制器文件可以理解为面部控制器的配置文件,即用于存储不同游戏开发项目中控制骨骼变换的复杂逻辑的配置文件,而面部控制器用于执行复杂逻辑以控制骨骼变换数据,达到对模型骨骼点的复杂运动控制,使得游戏资源模型构建得到的游戏角色,可根据需求进行多样化运动,比如做出摇头、点头、抬头等动作,或做出笑、哭以及说话等表情,从而获得与游戏角色对应的动画数据。
在一个实施例中,如图6所示,提供了一种待绑定的模型骨骼点示意图,参照图6可知,针对适配处理后的游戏资源模型,可通过触发如图6所示的“自动绑定”功能,进一步确定出需要进行绑定处理的多个模型骨骼点,比如头部轮廓对应的骨骼点、眼部、嘴部、鼻子、耳朵、以及颈部等不同位置上的模型骨骼点。
步骤S208,确定适配处理后的游戏资源模型、以及模型骨骼点之间的蒙皮权重数据。
其中,在确定待绑定的模型骨骼点的过程中,会进一步确定待绑定的模型骨骼点和适配处理后的游戏资源模型之间的初始权重,而由于实际游戏开发项目中的不同需求变更,通常需要对初始权重进行调整,以使得待绑定的模型骨骼点、和适配处理后的游戏资源模型之间的蒙皮权重,符合实际游戏开发项目的需求,从而实现根据调整后的蒙皮权重,对适配处理后的游戏资源模型和模型骨骼点进行绑定,使得游戏资源模型可以被模型骨骼点驱动,且驱动得到的动画效果符合实际游戏开发项目中的不同需求。
具体地,在得到待绑定的模型骨骼点、以及绑定的模型骨骼点和适配处理后的游戏资源模型之间的初始权重之后,进一步检测基于初始权重触发的权重调整操作。其中,若检测到基于适配处理后的游戏资源模型、以及模型骨骼点之间的权重调整操作,则获取与权重调整操作对应的调整范围、以及调整强度,并根据调整范围以及调整强度,对游戏资源模型的初始权重进行调整,获得调整后的蒙皮权重数据。
进一步地,与权重调整操作对应的调整范围,可以理解为对游戏资源模型和模型骨骼点之间的影响范围进行调整,影响范围不同,则模型骨骼点对游戏资源模型的驱动力度或者驱动准确度不同,比如模型骨骼点对游戏资源模型的影响范围越大,则模型骨骼点对游戏资源模型的驱动操作更准确,相反地,模型骨骼点对游戏资源模型的影响范围越小,则模型骨骼点对游戏资源模型整体的驱动操作准确度有所降低,可能存在游戏资源模型某些位置无法准确驱动的问题。
同样地,与权重调整操作对应的调整强度,可以理解为对游戏资源模型和模型骨骼点之间的影响强度进行调整,影响强度不同,则模型骨骼点对游戏资源模型的驱动力度或者驱动准确度也有所不同,比如模型骨骼点对游戏资源模型的影响强度越大,则模型骨骼点对游戏资源模型的驱动操作更准确,相反地,模型骨骼点对游戏资源模型的影响强度越小,则模型骨骼点对游戏资源模型整体的驱动操作准确度有所降低,也同样可能存在对游戏资源模型某些位置无法准确驱动的问题。
步骤S210,根据蒙皮权重数据,对适配处理后的游戏资源模型和模型骨骼点进行绑定处理,生成与游戏资源模型对应的绑定制作资源。
具体地,将游戏资源模型绑定至模型骨骼点的过程,可以理解为蒙皮处理过程,进而根据蒙皮权重数据,对适配处理后的游戏资源模型和模型骨骼点进行绑定处理,获得与游戏资源模型对应的绑定制作资源,即可达到为游戏资源模型添加模型骨骼点,通过模型骨骼驱动游戏资源模型产生合理的运动的目的。
其中,绑定制作资源还可进一步生成引擎资源、以及骨骼蒙皮资源,其中,引擎资源和骨骼蒙皮资源的实质内容相同,但两者的数据格式不同,骨骼蒙皮资源的数据格式为maya格式(即三维动画软件支持的数据格式,可导入三维动画软件中使用、修改以及存储等),引擎资源的数据格式为fbx格式(即支持的三维数据元素以及二维、音频和视频媒体元素的3D数据交换格式,可用于3D编辑器和游戏引擎之间,并导入游戏引擎中应用和修改)。
进一步地,如图7所示,提供了一种绑定制作资源的生成示意图,参照图7可知,对于所导出的适配处理后的游戏资源模型、以及模型骨骼点之间的蒙皮权重数据,可通过触发“自动生成”的功能,触发绑定制作资源、以及其他引擎资源、骨骼蒙皮资源的生成操作。
其中,如图8所示,提供了一种游戏开发项目对应的不同格式的资源的示意图,参照图8可知,游戏开发项目对应的不同格式的资源,具体包括权重文件、模型文件、绑定文件、引擎文件、以及骨骼蒙皮文件,其中,权重文件(即权重资源)包括Eye_L.w、Eye_R.w、以及Head.w等不同的多个文件,分别对应游戏资源模型(比如头部资源模型)的不同组件,比如Eye_L.w对应人脸头部的左眼的权重,Eye_R.w则对应人脸头部的右眼的权重,Head.w则对应人脸头部的整体权重,可在游戏开发项目中的不同子项目中进行复用,以提升开发过程中对游戏资源模型的处理效率。
其中,模型文件(即图8中所示的MaleHead.mb文件,为maya格式的文件)即预先制作的游戏资源模型,比如人脸头部资源模型,但不具有具体的模型骨骼点,无法直接应用至游戏引擎中,需要进一步绑定模型骨骼点,以使得模型骨骼点可驱动游戏资源模型进行符合实际需求的多样化运动。
同样地,图8所示的绑定文件,即所生成的绑定制作资源(即图8中所示的MaleHead_AnimationRig.mb文件,为maya格式的文件),可进一步生成引擎文件(或者说引擎资源,即图8中所示的MaleHead_skeleton.fbx文件,为fbx格式的文件)、以及骨骼蒙皮文件(或者说骨骼蒙皮资源,即图8中所示的MaleHead_skeleton.mb文件,为maya格式的文件)。其中,引擎资源和骨骼蒙皮资源的实质内容相同,但两者的数据格式不同,支持不同的应用程序的使用或修改,即引擎资源可导入游戏引擎中进行使用,可应用于具体游戏应用程序的游戏场景,而骨骼蒙皮资源则可使用三维动画软件进行修改。
上述游戏资源处理方法中,通过获取目标模板类型,并生成与目标模板类型对应的代理适配模型,进而基于代理适配模型、以及游戏资源模型进行模型适配处理,可获得适配处理后的游戏资源模型,实现了根据用户实际需求生成匹配的代理适配模型,以完成对游戏资源模型的快速适配处理,避免出现游戏资源模型和代理适配模型间关键点不匹配导致模型适配度低的问题。进一步,可根据适配处理后的游戏资源模型,确定待绑定的模型骨骼点,同时还需确定适配处理后的游戏资源模型、以及模型骨骼点之间的蒙皮权重数据,进而可实现根据蒙皮权重数据,对适配处理后的游戏资源模型和模型骨骼点进行自动绑定处理,快速、准确生成与游戏资源模型对应的绑定制作资源,可减少游戏应用程序开发过程中对游戏资源的处理流程,进而提升游戏资源的处理效率、以及所获得的各游戏资源模型的模型质量。
在一个实施例中,在根据调整范围以及调整强度,对游戏资源模型的初始权重进行调整,获得调整后的蒙皮权重数据之后,还包括:
对不同游戏资源模型的蒙皮权重数据进行权重传递处理,获得与当前游戏开发项目对应的完整蒙皮权重数据;将完整蒙皮权重数据导出并存储;完整蒙皮权重数据用于不同游戏开发项目中对不同游戏资源模型和模型骨骼点的复用绑定处理。
具体地,由于不同游戏资源模型,比如以人脸为例,可以包括比如头部资源模型、眼球资源模型、牙齿资源模型以及舌头资源模型等,均对应各自的蒙皮权重数据,进而为了得到与当前游戏开发项目对应的完整蒙皮权重数据,实现对当前游戏开发项目,比如人脸表情绑定的项目的全面处理,避免遗漏的情况,则需要对当前游戏开发项目下的不同游戏资源模型的蒙皮权重数据,进行权重传递处理,以获得与当前游戏开发项目对应的完整蒙皮权重数据。其中,针对头部模型还需进行权重处理,以避免蒙皮权重数据传递过程中的嘴唇粘连问题。
进一步地,通过将完整蒙皮权重数据导出并存储,可实现对完整蒙皮权重数据的复用,即导出或存储的完整蒙皮数据,可用于不同游戏开发项目中对不同游戏资源模型和模型骨骼点的绑定处理,且不局限于某个或者某几个游戏资源模型的绑定处理,从而在游戏开发项目中存在大量需要进行绑定处理的游戏资源模型时,通过复用已导出或已存储的完整蒙皮数据,实现快速、高效的绑定处理,提升游戏资源绑定制作效率。
在一个实施例中,如图9所示,提供了一种完整蒙皮权重数据的导出示示意图,参照图9可知,可在对不同游戏资源模型的蒙皮权重数据进行权重传递处理,获得与当前游戏开发项目对应的完整蒙皮权重数据后,触发如图9所示的“保存蒙皮”的功能,从而达到对完整蒙皮权重数据的导出和存储。
其中,进行完整蒙皮权重数据的导出和存储时,参照图9可知,游戏资源模型比如头部资源模型的不同组件,比如头部轮廓、眼部、嘴部、鼻子、下巴以及耳朵等不同组件,对应存储各自组件的蒙皮权重数据,进而可得到头部资源模型的完整蒙皮权重数据,以便后续针对其他游戏开发项目的游戏资源模型进行绑定处理时,可复用已导出存储的蒙皮权重数据。
本实施例中,通过在根据调整范围以及调整强度,对游戏资源模型的初始权重进行调整,获得调整后的蒙皮权重数据之后,进一步对不同游戏资源模型的蒙皮权重数据进行权重传递处理,以获得与当前游戏开发项目对应的完整蒙皮权重数据,进而通过将完整蒙皮权重数据导出并存储,可将完整蒙皮权重数据用于不同游戏开发项目中,以对不同游戏资源模型和模型骨骼点的复用绑定处理。由于实现了蒙皮权重数据在不同游戏资源模型中的复用绑定处理,则无需针对重复的游戏资源模型进行重复的权重调整处理、以及蒙皮权重数据生成操作,提升游戏开发项目中对游戏资源处理过程中的重复、繁琐操作,以提升对游戏资源的处理效率,减少重复繁琐操作带来的资源消耗。
在一个实施例中,如图10所示,获得适配处理后的游戏资源模型的步骤,即基于代理适配模型、以及游戏资源模型进行模型适配处理,获得适配处理后的游戏资源模型的步骤,具体包括:
步骤S1002,确定与游戏资源模型对应的第一完整关键点坐标。
其中,对游戏资源模型进行模型适配处理时,具体是需要针对代理适配模型上的每个关键点、以及游戏资源模型上的每个关键点,进行包裹适配处理,进而需要确定出游戏资源模型上的所有关键点,即确定游戏资源模型上的所有关键点坐标,获得第一完整关键点坐标。
具体地,通过获取与游戏资源模型对应的正面深度图和侧面深度图,并提取基于游戏资源模型标注的预设数目的关键点坐标,进而基于正面深度图、侧面深度图、以及预设数目的关键点坐标,对游戏资源模型进行关键点预测处理,获得与游戏资源模型对应的第一完整关键点坐标。
其中,如图11所示,提供了一种确定与游戏资源模型对应的第一完整关键点坐标的示意图,参照图11可知,与游戏资源模型对应的正面深度图如图11中的(a)所示,可以是人脸头部模型的正面深度图,同样地,与游戏资源模型对应的侧面深度图如图11中的(b)图所示,可以是人脸头部模型的侧面深度图。
同样地,基于游戏资源模型标注的预设数目的关键点坐标,可以是预先标注的5个关键点坐标,比如包括左内眼角、左外眼角、鼻尖、下巴以及左嘴角位置的5个关键点坐标。其中,关键点坐标对应的预设数目不局限于某个或者某些取值,可以是3个、5个、8个、或10个,可根据游戏项目开发过程中的实际需求进行调整和修改。
进一步地,在获取与游戏资源模型对应的正面深度图、侧面深度图、以及预设数目的关键点坐标后,进一步将与游戏资源模型对应的正面深度图、侧面深度图、以及预设数目的关键点坐标,输入训练好的关键点预测模型中,实现对游戏资源模型进行关键点预测处理,获得与游戏资源模型对应的第一完整关键点坐标。其中,进行关键点预测处理获得的第一完整关键点坐标的示意图如图11中的(c)图所示,属于可视化的预测结果。
在一个实施例中,具体采用基于深度图、以及少量用户辅助标记的神经网络监督学习的方式,训练得到关键点预测模型,其中,深度图具体包括正面深度图和侧面深度图,少量用户辅助标记则具体可以是用户预先标注的预设数目的关键点坐标,比如预先标注的5个关键点坐标,进而通过将正面深度图、侧面深度图、以及标注的预设数目的关键点坐标作为输入数据,将需要应用的完整关键点坐标作为输出数据,对原始的神经网络模型进行训练,以获得训练好的关键点预测模型,以使得训练好的关键点预测模型,可根据游戏资源模型比如人脸头部资源模型的正面深度图、侧面深度图以及预先标注的预设数目的关键点坐标,预测得到游戏资源模型的第一完整关键点坐标。
步骤S1004,获取代理适配模型的第二完整关键点坐标,并基于第一完整关键点坐标、以及第二完整关键点坐标,确定成对关键点。
其中,针对代理适配模型,在生成得到代理适配模型的过程中,包括对代理适配模型的全部关键点的自动标注和生成处理,从而可基于所生成的代理适配模型,获得与其对应的第二完整关键点坐标。
具体地,针对游戏资源模型的第一完整关键点坐标、以及代理适配模型的第二完整关键点坐标,需要分别确定出多组成对关键点,比如将在第一完整关键点坐标、第二完整关键点坐标中均属于左内眼角的关键点,确定为成对关键点,又比如在第一完整关键点坐标、第二完整关键点坐标中均属于鼻尖的关键点,同样也可确定为成对关键点,进而依次确定出在游戏资源模型、代理适配模型上相同位置的关键点,组成的多组成对关键点。
步骤S1006,基于多组成对关键点,进行仿射变换处理以及偏移处理,以将代理适配模型适配至游戏资源模型,获得适配处理后的游戏资源模型。
具体地,基于多组成对关键点,一一进行反射变换处理和偏移处理,以将代理适配模型上的每个关键点适配至游戏资源模型上对应位置的关键点,达到对游戏资源模型的包裹适配,获得适配处理后的游戏资源模型。
其中,具体可以采用基于关键点的三角形仿射变换算法(即DeformationTransfer for Triangle Meshes,也可以理解为是基于关键点的三角网格的变形传递算法),实现对游戏资源模型的包裹适配。具体来说,变形传递理解为将源网格呈现的变形复制到目标网格上,在本申请实施例中,则是将代理适配模型上不同关键点的变形传递至游戏资源模型上对应位置的关键点,达到对游戏资源模型上各关键点的包裹适配。其中,也可以采用其他可以实现对关键点、目标模型的包裹适配的处理算法,不局限于某种或者某几种处理算法。
在一个实施例中,如图12所示,提供了一种基于代理适配模型、以及游戏资源模型进行模型适配处理的示意图,参照图12可知,基于图12中的(a)图所示的代理适配模型,以及图12中的(b)图所示的游戏资源模型,通过触发“自动适配”的功能,进行模型适配处理,以将代理适配模型适配至游戏资源模型上,实现对游戏资源模型的包裹适配,获得适配处理后的游戏资源模型。
其中,图12中的(b)图所示的游戏资源模型,只需确定出预设数目的关键点,比如5个关键点(具体可以是左内眼角、左外眼角、鼻尖、下巴以及左嘴角位置的5个关键点坐标),则在基于代理适配模型、以及游戏资源模型进行模型适配处理的过程中,会利用训练好的关键点预测模型,根据预设数目的关键点、以及游戏资源模型的正面深度图和侧面深度图,进行关键点预测处理,获得游戏资源模型的全部关键点坐标,而无需开发人员进行手动标注,减少标注时间以及人力资源消耗,提升对游戏资源模型的处理效率。
本实施例中,通过确定与游戏资源模型对应的第一完整关键点坐标,并获取代理适配模型的第二完整关键点坐标,进而基于第一完整关键点坐标、以及第二完整关键点坐标,确定成对关键点,从而可基于多组成对关键点,进行仿射变换处理以及偏移处理,以将代理适配模型适配至游戏资源模型,获得适配处理后的游戏资源模型。实现了利用代理适配模型对游戏资源模型的包裹适配处理,通过顶点较少、且可清楚描述模型特征结构的代理适配模型,以便后续实现对游戏资源模型的模型骨骼点的准确定位,而无需直接采用未知因素较多的游戏资源模型,进行后续的权重调整和绑定处理,进而可提升游戏资源模型处理效率,快速获得与游戏资源模型对应的绑定制作资源。
在一个实施例中,在根据蒙皮权重数据,对适配处理后的游戏资源模型和模型骨骼点进行绑定处理,生成与游戏资源模型对应的绑定制作资源之后,还包括:
解析绑定制作资源,获得与绑定制作资源对应的引擎资源;将引擎资源导入目标游戏引擎,通过目标游戏引擎,生成与游戏开发项目对应的游戏角色。
具体地,根据蒙皮权重数据,对适配处理后的游戏资源模型和模型骨骼点进行绑定处理,生成与游戏资源模型对应的绑定制作资源之后,根据游戏开发项目的实际需求,确定出需要投入应用的目标引擎,并进一步解析绑定制作资源,以获得与绑定制作资源对应的引擎资源。
进一步地,通过将引擎资源导入目标游戏引擎中,并调用目标游戏引擎加载引擎资源,以基于所加载的引擎资源进行进一步分析处理,获得与游戏开发项目对应的游戏角色。
其中,引擎资源可以单独导入目标游戏引擎中进行应用,生成游戏角色,若需要制作与游戏角色对应的动画数据,则需要基于绑定制作资源进行动画制作,获得动画制作资源,再将动画制作资源投入至目标游戏引擎中进行加载、分析处理,形成与游戏角色对应的动画数据。
同样地,获得与游戏角色对应的动画数据之后,可进一步将动画数据,应用至游戏应用程序中的实际应用场景中,比如某游戏应用程序中某游戏场景,需要游戏角色在回答提问时点头或者摇头,则可将对应动作的动画数据导入并播放,以满足实际游戏场景需求。
本实施中,通过解析绑定制作资源,以获得与绑定制作资源对应的引擎资源,进而通过将引擎资源导入目标游戏引擎,以调用目标游戏引擎对引擎资源进行加载、分析、制作,可生成与游戏开发项目对应的游戏角色。实现了根据绑定制作资源解析生成得到可用于导入游戏引擎中进行加载和应用的引擎资源,而无需重新根据游戏资源模型以及对应的模型骨骼点进行处理,减少游戏资源处理过程中繁琐操作,使得可根据绑定制作资源获得应用于不同应用程序的可处理资源,提升了游戏开发项目中的不同游戏资源的处理效率。
在一个实施例中,如图13所示,提供了一种游戏资源处理方法的流程示意图,具体包括以下步骤:
步骤S1301,若检测到基于模板类型列表的选择操作,获取与选择操作对应的目标模板类型。
步骤S1302,根据目标模板类型确定对应的模型精度,并获取与模型精度匹配的代理模型类型。
步骤S1303,提取与代理模型类型对应的模型资源文件,并根据模型资源文件,生成与目标模板类型对应的代理适配模型。
步骤S1304,获取与游戏资源模型对应的正面深度图和侧面深度图,并提取基于游戏资源模型标注的预设数目的关键点坐标。
步骤S1305,基于正面深度图、侧面深度图、以及预设数目的关键点坐标,对游戏资源模型进行关键点预测处理,获得与游戏资源模型对应的第一完整关键点坐标。
步骤S1306,获取代理适配模型的第二完整关键点坐标,并基于第一完整关键点坐标、以及第二完整关键点坐标,确定成对关键点。
步骤S1307,基于多组成对关键点,进行仿射变换处理以及偏移处理,以将代理适配模型适配至游戏资源模型,获得适配处理后的游戏资源模型。
步骤S1308,获取与游戏资源模型对应的配置信息,并跟将配置信息,生成不同数量、不同位置的骨骼配置数据。
步骤S1309,从代理适配模型中提取预设数目的顶点位置。
步骤S1310,根据预设数目的顶点位置、骨骼配置数据、以及适配处理后的游戏资源模型,确定待绑定的多个模型骨骼点。
步骤S1311,若检测到基于适配处理后的游戏资源模型、以及模型骨骼点之间的权重调整操作,获取与权重调整操作对应的调整范围、以及调整强度。
步骤S1312,根据调整范围以及调整强度,对游戏资源模型的初始权重进行调整,获得调整后的蒙皮权重数据。
步骤S1313,根据蒙皮权重数据,对适配处理后的游戏资源模型和模型骨骼点进行绑定处理,生成与游戏资源模型对应的绑定制作资源。
步骤S1314,解析绑定制作资源,获得与绑定制作资源对应的引擎资源。
步骤S1315,将引擎资源导入目标游戏引擎,通过目标游戏引擎,生成与游戏开发项目对应的游戏角色。
上述游戏资源处理方法中,通过获取目标模板类型,并生成与目标模板类型对应的代理适配模型,进而基于代理适配模型、以及游戏资源模型进行模型适配处理,可获得适配处理后的游戏资源模型,实现了根据用户实际需求生成匹配的代理适配模型,以完成对游戏资源模型的快速适配处理,避免出现游戏资源模型和代理适配模型间关键点不匹配导致模型适配度低的问题。进一步,可根据适配处理后的游戏资源模型,确定待绑定的模型骨骼点,同时还需确定适配处理后的游戏资源模型、以及模型骨骼点之间的蒙皮权重数据,进而可实现根据蒙皮权重数据,对适配处理后的游戏资源模型和模型骨骼点进行自动绑定处理,快速、准确生成与游戏资源模型对应的绑定制作资源,可减少游戏应用程序开发过程中对游戏资源的处理流程,进而提升游戏资源的处理效率、以及所获得的各游戏资源模型的模型质量。
在一个实施例中,提供了一种游戏资源处理方法,具体包括以下处理部分:
P1,模型适配处理:
首先,搭配角色动画制作管线工具,以模型项目资产为“MaleHead.mb”为例,通过触发角色动画制作管线工具提供的针对模型项目资产设置的“模型适配”功能,则根据所触发的“模型适配”功能,可进一步触发获取目标模板类型、以及生成与目标模板类型对应的代理适配模型的后续处理操作。
其中,具体是以弹窗的方式展示内置的模板类型列表,并在检测到基于模板类型列表的选择操作时,获取与选择操作对应的目标模板类型,其中,模板类型列表中,具体包括default模板(即游戏绑定模板)、cartoon模板(即卡通类型模板)、以及proj模板(即项目专属模板)等,其中,不同模板类型均设置有main(即主要的玩家角色)、以及npc(即非玩家角色)不同的选项。
其次,在获得与选择操作对应的目标模板类型后,进一步根据目标模板类型确定对应的模型精度,从而获取与模型精度匹配的代理模型类型。其中,根据用户选择的目标模板类型,比如用户选择了default模板(即游戏绑定模板),则进一步根据用户选择的是main选项还是npc选项,确定出与不同选项对应的模型精度,进而获取与模型精度匹配的代理模型类型。
具体来说,模型精度包括游戏精度和写实精度,可以理解为游戏精度与main选项对应,而写实精度与npc选项对应,进而与游戏精度匹配的代理模型类型为游戏代理模型,与写实精度匹配的代理模型类型为写实代理模型,进而可提取与代理模型类型对应的模型资源文件,以根据模型资源文件,生成与目标模板类型对应的代理适配模型。
其中,代理适配模型可以理解为顶点数量少且基本能描述模型特征结构的模型,用于在游戏资源处理过程中,快速适配游戏资源模型,并进一步定位游戏资源模型的模型骨骼点。
第三,通过获取游戏资源模型上预先标注的预设数目的关键点,并基于预设数目的关键点进一步预测出游戏资源模型的所有关键点坐标,即游戏资源模型的第一完整关键点坐标,同时,通过获取代理适配模型上的第二完整关键点坐标,基于与游戏资源模型对应的第一完整关键点坐标、以及与代理适配模型对应的第二完整关键点坐标,分别确定出多组成对关键点,比如将在第一完整关键点坐标、第二完整关键点坐标中均属于左内眼角的关键点,确定为成对关键点,又比如在第一完整关键点坐标、第二完整关键点坐标中均属于鼻尖的关键点,同样也可确定为成对关键点,进而依次确定出在游戏资源模型、代理适配模型上相同位置的关键点,组成的多组成对关键点。
其中,在确定出多组成对关键点后,进一步基于多组成对关键点,进行仿射变换处理以及偏移处理,以将代理适配模型适配至游戏资源模型,实现对游戏资源模型的包裹适配,进而获得适配处理后的游戏资源模型。
P2,确定模型骨骼点:
其中,针对适配处理后的游戏资源模型,需要确定出该游戏资源模型待绑定的模型骨骼点,而由于模型骨骼点与游戏资源模型是相互独立的,为了让模型骨骼点驱动游戏资源模型产生合理的运动,进而需要针对游戏资源模型和模型骨骼点进行绑定处理,以将游戏资源模型绑定到模型骨骼点上,从而使得游戏资源模型可以被模型骨骼点带动。进一步地,还可以通过面部控制器控制骨骼变换数据,使得游戏资源模型构建得到的游戏角色,可根据需求进行复杂运动,获得与游戏角色对应的动画数据。
具体地,通过获取与游戏资源模型对应的配置信息,并根据配置信息,生成不同数量、不同位置的骨骼配置数据,同时,需要从代理适配模型中提取预设数目的顶点位置,比如左内眼角、左外眼角、鼻尖、左嘴角、以及下巴等顶点位置,进而根据预设数目的顶点位置、根据配置信息确定的骨骼配置数据、以及适配处理后的游戏资源模型,确定待绑定的多个模型骨骼点。
进一步地,在确定待绑定的模型骨骼点的同时,会根据预设数目的顶点位置、面部控制器文件、以及适配处理后的游戏资源模型,生成面部控制器。其中,面部控制器文件可以理解为面部控制器的配置文件,即用于存储不同游戏开发项目中控制骨骼变换的复杂逻辑的配置文件,而面部控制器用于执行复杂逻辑以控制骨骼变换数据,达到对模型骨骼点的复杂运动控制,使得游戏资源模型构建得到的游戏角色,可根据需求进行多样化运动。
P3,确定蒙皮权重数据,绑定处理:
首先,在确定待绑定的模型骨骼点的过程中,会进一步确定待绑定的模型骨骼点和适配处理后的游戏资源模型之间的初始权重,而由于实际游戏开发项目中的不同需求变更,通常需要对初始权重进行调整,以使得待绑定的模型骨骼点、和适配处理后的游戏资源模型之间的蒙皮权重,符合实际游戏开发项目的需求,从而实现根据调整后的蒙皮权重,对适配处理后的游戏资源模型和模型骨骼点进行绑定,使得游戏资源模型可以被模型骨骼点驱动,且驱动得到的动画效果符合实际游戏开发项目中的不同需求。
具体地,在得到待绑定的模型骨骼点、以及绑定的模型骨骼点和适配处理后的游戏资源模型之间的初始权重之后,进一步检测基于初始权重触发的权重调整操作。其中,若检测到基于适配处理后的游戏资源模型、以及模型骨骼点之间的权重调整操作,则获取与权重调整操作对应的调整范围、以及调整强度,并根据调整范围以及调整强度,对游戏资源模型的初始权重进行调整,获得调整后的蒙皮权重数据。
其次,将游戏资源模型绑定至模型骨骼点的过程,可以理解为蒙皮处理过程,进而根据蒙皮权重数据,对适配处理后的游戏资源模型和模型骨骼点进行绑定处理,获得与游戏资源模型对应的绑定制作资源,即可达到为游戏资源模型添加模型骨骼点,通过模型骨骼驱动游戏资源模型产生合理的运动的目的。
其中,绑定制作资源还可进一步生成引擎资源、以及骨骼蒙皮资源,其中,引擎资源和骨骼蒙皮资源的实质内容相同,但两者的数据格式不同,骨骼蒙皮资源的数据格式为maya格式(即三维动画软件支持的数据格式,可导入三维动画软件中使用、修改以及存储等),引擎资源的数据格式为fbx格式(即支持的三维数据元素以及二维、音频和视频媒体元素的3D数据交换格式,可用于3D编辑器和游戏引擎之间,并导入游戏引擎中应用和修改)。
在一个实施例中,在根据调整范围以及调整强度,对游戏资源模型的初始权重进行调整,获得调整后的蒙皮权重数据之后,还包括:
对不同游戏资源模型的蒙皮权重数据进行权重传递处理,获得与当前游戏开发项目对应的完整蒙皮权重数据;将完整蒙皮权重数据导出并存储;完整蒙皮权重数据用于不同游戏开发项目中对不同游戏资源模型和模型骨骼点的复用绑定处理。
进一步地,通过将完整蒙皮权重数据导出并存储,可实现对完整蒙皮权重数据的复用,即导出或存储的完整蒙皮数据,可用于不同游戏开发项目中对不同游戏资源模型和模型骨骼点的绑定处理,且不局限于某个或者某几个游戏资源模型的绑定处理,从而在游戏开发项目中存在大量需要进行绑定处理的游戏资源模型时,通过复用已导出或已存储的完整蒙皮数据,实现快速、高效的绑定处理,提升游戏资源绑定制作效率。
P4,生成游戏角色:
其中,在根据蒙皮权重数据,对适配处理后的游戏资源模型和模型骨骼点进行绑定处理,生成与游戏资源模型对应的绑定制作资源之后,进一步通过解析绑定制作资源,获得与绑定制作资源对应的引擎资源;将引擎资源导入目标游戏引擎,通过目标游戏引擎,生成与游戏开发项目对应的游戏角色。
具体地,根据蒙皮权重数据,对适配处理后的游戏资源模型和模型骨骼点进行绑定处理,生成与游戏资源模型对应的绑定制作资源之后,根据游戏开发项目的实际需求,确定出需要投入应用的目标引擎,并进一步解析绑定制作资源,以获得与绑定制作资源对应的引擎资源。
进一步地,通过将引擎资源导入目标游戏引擎中,并调用目标游戏引擎加载引擎资源,以基于所加载的引擎资源进行进一步分析处理,获得与游戏开发项目对应的游戏角色。其中,引擎资源可以单独导入目标游戏引擎中进行应用,生成游戏角色,若需要制作与游戏角色对应的动画数据,则需要基于绑定制作资源进行动画制作,获得动画制作资源,再将动画制作资源投入至目标游戏引擎中进行加载、分析处理,形成与游戏角色对应的动画数据。
上述游戏资源处理方法,通过获取目标模板类型,并生成与目标模板类型对应的代理适配模型,进而基于代理适配模型、以及游戏资源模型进行模型适配处理,可获得适配处理后的游戏资源模型,实现了根据用户实际需求生成匹配的代理适配模型,以完成对游戏资源模型的快速适配处理,避免出现游戏资源模型和代理适配模型间关键点不匹配导致模型适配度低的问题。进一步,可根据适配处理后的游戏资源模型,确定待绑定的模型骨骼点,同时还需确定适配处理后的游戏资源模型、以及模型骨骼点之间的蒙皮权重数据,进而可实现根据蒙皮权重数据,对适配处理后的游戏资源模型和模型骨骼点进行自动绑定处理,快速、准确生成与游戏资源模型对应的绑定制作资源,可减少游戏应用程序开发过程中对游戏资源的处理流程,进而提升游戏资源的处理效率、以及所获得的各游戏资源模型的模型质量。
应该理解的是,虽然如上的各实施例所涉及的流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,这些步骤可以以其它的顺序执行。而且,如上的各实施例所涉及的流程图中的至少一部分步骤可以包括多个步骤或者多个阶段,这些步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,这些步骤或者阶段的执行顺序也不必然是依次进行,而是可以与其它步骤或者其它步骤中的步骤或者阶段的至少一部分轮流或者交替地执行。
基于同样的发明构思,本申请实施例还提供了一种用于实现上述所涉及的游戏资源处理方法的游戏资源处理装置。该装置所提供的解决问题的实现方案与上述方法中所记载的实现方案相似,故下面所提供的一个或多个游戏资源处理装置实施例中的具体限定可以参见上文中对于游戏资源处理方法的限定,在此不再赘述。
在一个实施例中,如图14所示,提供了一种游戏资源处理装置,包括:代理适配模型生成模块1402、模型适配处理模块1404、模型骨骼点确定模块1406、蒙皮权重数据确定模块1408以及绑定制作资源生成模块1410,其中:
代理适配模型生成模块1402,用于获取目标模板类型,并生成与目标模板类型对应的代理适配模型。
模型适配处理模块1404,用于基于代理适配模型、以及游戏资源模型进行模型适配处理,获得适配处理后的游戏资源模型。
模型骨骼点确定模块1406,用于根据适配处理后的游戏资源模型,确定待绑定的模型骨骼点。
蒙皮权重数据确定模块1408,用于确定适配处理后的游戏资源模型、以及模型骨骼点之间的蒙皮权重数据。
绑定制作资源生成模块1410,用于根据蒙皮权重数据,对适配处理后的游戏资源模型和模型骨骼点进行绑定处理,生成与游戏资源模型对应的绑定制作资源。
上述游戏资源处理装置,通过获取目标模板类型,并生成与目标模板类型对应的代理适配模型,进而基于代理适配模型、以及游戏资源模型进行模型适配处理,可获得适配处理后的游戏资源模型,实现了根据用户实际需求生成匹配的代理适配模型,以完成对游戏资源模型的快速适配处理,避免出现游戏资源模型和代理适配模型间关键点不匹配导致模型适配度低的问题。进一步,可根据适配处理后的游戏资源模型,确定待绑定的模型骨骼点,同时还需确定适配处理后的游戏资源模型、以及模型骨骼点之间的蒙皮权重数据,进而可实现根据蒙皮权重数据,对适配处理后的游戏资源模型和模型骨骼点进行自动绑定处理,快速、准确生成与游戏资源模型对应的绑定制作资源,可减少游戏应用程序开发过程中对游戏资源的处理流程,进而提升游戏资源的处理效率、以及所获得的各游戏资源模型的模型质量。
在一个实施例中,代理适配模型生成模块还用于:若检测到基于模板类型列表的选择操作,获取与选择操作对应的目标模板类型;根据目标模板类型确定对应的模型精度,并获取与模型精度匹配的代理模型类型;提取与代理模型类型对应的模型资源文件,并根据模型资源文件,生成与目标模板类型对应的代理适配模型。
在一个实施例中,模型适配处理模块还用于:确定与游戏资源模型对应的第一完整关键点坐标;获取代理适配模型的第二完整关键点坐标,并基于第一完整关键点坐标、以及第二完整关键点坐标,确定成对关键点;基于多组成对关键点,进行仿射变换处理以及偏移处理,以将代理适配模型适配至游戏资源模型,获得适配处理后的游戏资源模型。
在一个实施例中,模型适配处理模块还用于:获取与游戏资源模型对应的正面深度图和侧面深度图,并提取基于游戏资源模型标注的预设数目的关键点坐标;基于正面深度图、侧面深度图、以及预设数目的关键点坐标,对游戏资源模型进行关键点预测处理,获得与游戏资源模型对应的第一完整关键点坐标。
在一个实施例中,模型骨骼点确定模块还用于:获取与游戏资源模型对应的配置信息,并跟将配置信息,生成不同数量、不同位置的骨骼配置数据;从代理适配模型中提取预设数目的顶点位置;根据预设数目的顶点位置、骨骼配置数据、以及适配处理后的游戏资源模型,确定待绑定的多个模型骨骼点。
在一个实施例中,蒙皮权重数据确定模块还用于:若检测到基于适配处理后的游戏资源模型、以及模型骨骼点之间的权重调整操作,获取与权重调整操作对应的调整范围、以及调整强度;根据调整范围以及调整强度,对游戏资源模型的初始权重进行调整,获得调整后的蒙皮权重数据。
在一个实施例中,提供了一种游戏资源处理装置,还包括完整蒙皮权重数据导出模块,用于:对不同游戏资源模型的蒙皮权重数据进行权重传递处理,获得与当前游戏开发项目对应的完整蒙皮权重数据;将完整蒙皮权重数据导出并存储;完整蒙皮权重数据用于不同游戏开发项目中对不同游戏资源模型和模型骨骼点的复用绑定处理。
在一个实施例中,提供了一种游戏资源处理装置,还包括游戏角色生成模块,用于:解析绑定制作资源,获得与绑定制作资源对应的引擎资源;将引擎资源导入目标游戏引擎,通过目标游戏引擎,生成与游戏开发项目对应的游戏角色。
上述游戏资源处理装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中,也可以以软件形式存储于计算机设备中的存储器中,以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中,提供了一种计算机设备,该计算机设备可以是服务器,其内部结构图可以如图15所示。该计算机设备包括处理器、存储器、输入/输出接口(Input/Output,简称I/O)和通信接口。其中,处理器、存储器和输入/输出接口通过系统总线连接,通信接口通过输入/输出接口连接到系统总线。其中,该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质和内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于存储目标模板类型、代理适配模型、适配处理后的游戏资源模型、待绑定的模型骨骼点、蒙皮权重数据、以及绑定制作资源等数据。该计算机设备的输入/输出接口用于处理器与外部设备之间交换信息。该计算机设备的通信接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种游戏资源处理方法。
本领域技术人员可以理解,图15中示出的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其上的计算机设备的限定,具体的计算机设备可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
在一个实施例中,还提供了一种计算机设备,包括存储器和处理器,存储器中存储有计算机程序,该处理器执行计算机程序时实现上述各方法实施例中的步骤。
在一个实施例中,提供了一种计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现上述各方法实施例中的步骤。
在一个实施例中,提供了一种计算机程序产品,包括计算机程序,该计算机程序被处理器执行时实现上述各方法实施例中的步骤。
需要说明的是,本申请所涉及的用户信息(包括但不限于用户设备信息、用户个人信息等)和数据(包括但不限于用于分析的数据、存储的数据、展示的数据等),均为经用户授权或者经过各方充分授权的信息和数据,且相关数据的收集、使用和处理需要遵守相关国家和地区的相关法律法规和标准。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一非易失性计算机可读取存储介质中,该计算机程序在执行时,可包括如上述各方法的实施例的流程。其中,本申请所提供的各实施例中所使用的对存储器、数据库或其它介质的任何引用,均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器(Read-OnlyMemory,ROM)、磁带、软盘、闪存、光存储器、高密度嵌入式非易失性存储器、阻变存储器(ReRAM)、磁变存储器(Magnetoresistive Random Access Memory,MRAM)、铁电存储器(Ferroelectric Random Access Memory,FRAM)、相变存储器(Phase Change Memory,PCM)、石墨烯存储器等。易失性存储器可包括随机存取存储器(Random Access Memory,RAM)或外部高速缓冲存储器等。作为说明而非局限,RAM可以是多种形式,比如静态随机存取存储器(Static Random Access Memory,SRAM)或动态随机存取存储器(Dynamic RandomAccess Memory,DRAM)等。本申请所提供的各实施例中所涉及的数据库可包括关系型数据库和非关系型数据库中至少一种。非关系型数据库可包括基于区块链的分布式数据库等,不限于此。本申请所提供的各实施例中所涉及的处理器可为通用处理器、中央处理器、图形处理器、数字信号处理器、可编程逻辑器、基于量子计算的数据处理逻辑器等,不限于此。
以上实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对本申请专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本申请构思的前提下,还可以做出若干变形和改进,这些都属于本申请的保护范围。因此,本申请的保护范围应以所附权利要求为准。
Claims (12)
1.一种游戏资源处理方法,其特征在于,所述方法包括:
获取目标模板类型,并生成与所述目标模板类型对应的代理适配模型;
基于所述代理适配模型、以及游戏资源模型进行模型适配处理,获得适配处理后的游戏资源模型;
根据所述适配处理后的游戏资源模型,确定待绑定的模型骨骼点;
确定所述适配处理后的游戏资源模型、以及所述模型骨骼点之间的蒙皮权重数据;
根据所述蒙皮权重数据,对所述适配处理后的游戏资源模型和所述模型骨骼点进行绑定处理,生成与所述游戏资源模型对应的绑定制作资源。
2.根据权利要求1所述的方法,其特征在于,所述基于所述代理适配模型、以及游戏资源模型进行模型适配处理,获得适配处理后的游戏资源模型,包括:
确定与所述游戏资源模型对应的第一完整关键点坐标;
获取所述代理适配模型的第二完整关键点坐标,并基于所述第一完整关键点坐标、以及所述第二完整关键点坐标,确定成对关键点;
基于多组所述成对关键点,进行仿射变换处理以及偏移处理,以将所述代理适配模型适配至所述游戏资源模型,获得适配处理后的游戏资源模型。
3.根据权利要求2所述的方法,其特征在于,所述确定与所述游戏资源模型对应的第一完整关键点坐标,包括:
获取与所述游戏资源模型对应的正面深度图和侧面深度图,并提取基于所述游戏资源模型标注的预设数目的关键点坐标;
基于所述正面深度图、侧面深度图、以及预设数目的关键点坐标,对所述游戏资源模型进行关键点预测处理,获得与所述游戏资源模型对应的第一完整关键点坐标。
4.根据权利要求1所述的方法,其特征在于,所述根据所述适配处理后的游戏资源模型,确定待绑定的模型骨骼点,包括:
获取与所述游戏资源模型对应的配置信息,并跟将所述配置信息,生成不同数量、不同位置的骨骼配置数据;
从所述代理适配模型中提取预设数目的顶点位置;
根据所述预设数目的顶点位置、骨骼配置数据、以及适配处理后的游戏资源模型,确定待绑定的多个模型骨骼点。
5.根据权利要求1至4任意一项所述的方法,其特征在于,所述获取目标模板类型,并生成与所述目标模板类型对应的代理适配模型,包括:
若检测到基于模板类型列表的选择操作,获取与所述选择操作对应的目标模板类型;
根据所述目标模板类型确定对应的模型精度,并获取与所述模型精度匹配的代理模型类型;
提取与所述代理模型类型对应的模型资源文件,并根据所述模型资源文件,生成与所述目标模板类型对应的代理适配模型。
6.根据权利要求1至4任意一项所述的方法,其特征在于,所述确定所述适配处理后的游戏资源模型、以及所述模型骨骼点之间的蒙皮权重数据,包括:
若检测到基于所述适配处理后的游戏资源模型、以及所述模型骨骼点之间的权重调整操作,获取与所述权重调整操作对应的调整范围、以及调整强度;
根据所述调整范围以及所述调整强度,对所述游戏资源模型的初始权重进行调整,获得调整后的蒙皮权重数据。
7.根据权利要求6所述的方法,其特征在于,在所述根据所述调整范围以及所述调整强度,对所述游戏资源模型的初始权重进行调整,获得调整后的蒙皮权重数据之后,还包括:
对不同所述游戏资源模型的蒙皮权重数据进行权重传递处理,获得与当前游戏开发项目对应的完整蒙皮权重数据;
将所述完整蒙皮权重数据导出并存储;所述完整蒙皮权重数据用于不同游戏开发项目中对不同游戏资源模型和模型骨骼点的复用绑定处理。
8.根据权利要求1至4任意一项所述的方法,其特征在于,在所述根据所述蒙皮权重数据,对所述适配处理后的游戏资源模型和所述模型骨骼点进行绑定处理,生成与所述游戏资源模型对应的绑定制作资源之后,还包括:
解析所述绑定制作资源,获得与所述绑定制作资源对应的引擎资源;
将所述引擎资源导入目标游戏引擎,通过所述目标游戏引擎,生成与游戏开发项目对应的游戏角色。
9.一种游戏资源处理装置,其特征在于,所述装置包括:
代理适配模型生成模块,用于获取目标模板类型,并生成与所述目标模板类型对应的代理适配模型;
模型适配处理模块,用于基于所述代理适配模型、以及游戏资源模型进行模型适配处理,获得适配处理后的游戏资源模型;
模型骨骼点确定模块,用于根据所述适配处理后的游戏资源模型,确定待绑定的模型骨骼点;
蒙皮权重数据确定模块,用于确定所述适配处理后的游戏资源模型、以及所述模型骨骼点之间的蒙皮权重数据;
绑定制作资源生成模块,用于根据所述蒙皮权重数据,对所述适配处理后的游戏资源模型和所述模型骨骼点进行绑定处理,生成与所述游戏资源模型对应的绑定制作资源。
10.一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至8中任一项所述的方法的步骤。
11.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1至8中任一项所述的方法的步骤。
12.一种计算机程序产品,包括计算机程序,其特征在于,该计算机程序被处理器执行时实现权利要求1至8中任一项所述的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211362802.8A CN117011430A (zh) | 2022-11-02 | 2022-11-02 | 游戏资源处理方法、装置、设备、存储介质和程序产品 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211362802.8A CN117011430A (zh) | 2022-11-02 | 2022-11-02 | 游戏资源处理方法、装置、设备、存储介质和程序产品 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117011430A true CN117011430A (zh) | 2023-11-07 |
Family
ID=88571617
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211362802.8A Pending CN117011430A (zh) | 2022-11-02 | 2022-11-02 | 游戏资源处理方法、装置、设备、存储介质和程序产品 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117011430A (zh) |
-
2022
- 2022-11-02 CN CN202211362802.8A patent/CN117011430A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US12039454B2 (en) | Microexpression-based image recognition method and apparatus, and related device | |
CN108961369B (zh) | 生成3d动画的方法和装置 | |
CN111553267B (zh) | 图像处理方法、图像处理模型训练方法及设备 | |
US12020383B2 (en) | Facial synthesis in augmented reality content for third party applications | |
US11816926B2 (en) | Interactive augmented reality content including facial synthesis | |
US20210264207A1 (en) | Image editing by a generative adversarial network using keypoints or segmentation masks constraints | |
US11875600B2 (en) | Facial synthesis in augmented reality content for online communities | |
US20220319231A1 (en) | Facial synthesis for head turns in augmented reality content | |
US20220319060A1 (en) | Facial synthesis in augmented reality content for advertisements | |
US12003883B2 (en) | Facial synthesis in overlaid augmented reality content | |
CN117252791A (zh) | 图像处理方法、装置、电子设备及存储介质 | |
CN117237547B (zh) | 图像重建方法、重建模型的处理方法和装置 | |
WO2024066549A1 (zh) | 一种数据处理方法及相关设备 | |
CN117132690A (zh) | 一种图像生成方法及相关装置 | |
WO2024077791A1 (zh) | 视频生成方法、装置、设备与计算机可读存储介质 | |
CN117011430A (zh) | 游戏资源处理方法、装置、设备、存储介质和程序产品 | |
CN113762059A (zh) | 图像处理方法、装置、电子设备及可读存储介质 | |
CN110047118B (zh) | 视频生成方法、装置、计算机设备及存储介质 | |
CN118152609B (zh) | 图像生成方法、装置、计算机设备 | |
Wang | Fast Realistic 3D Face Modeling Algorithm for Film and Television Animation | |
CN117036554A (zh) | 图像处理方法、装置、计算机设备、存储介质和程序产品 | |
CN116543461A (zh) | 一种动作识别方法、装置、计算机设备及存储介质 | |
CN118587338A (zh) | 人物动画生成方法、装置、计算机设备和存储介质 | |
CN117333911A (zh) | 表情重定向模型的训练方法、表情重定向方法及设备 | |
CN116978085A (zh) | 人脸关键点检测方法、装置、计算机设备和存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication |