CN117788720A - 一种生成用户人脸模型的方法、存储介质及终端 - Google Patents
一种生成用户人脸模型的方法、存储介质及终端 Download PDFInfo
- Publication number
- CN117788720A CN117788720A CN202410205654.1A CN202410205654A CN117788720A CN 117788720 A CN117788720 A CN 117788720A CN 202410205654 A CN202410205654 A CN 202410205654A CN 117788720 A CN117788720 A CN 117788720A
- Authority
- CN
- China
- Prior art keywords
- user
- face
- face model
- model
- prefabricated
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 22
- 230000001815 facial effect Effects 0.000 claims abstract description 38
- 238000013507 mapping Methods 0.000 claims abstract description 23
- 210000000988 bone and bone Anatomy 0.000 claims description 12
- 238000010606 normalization Methods 0.000 claims description 5
- 238000001514 detection method Methods 0.000 description 4
- 230000002159 abnormal effect Effects 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 238000013145 classification model Methods 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
Landscapes
- Processing Or Creating Images (AREA)
Abstract
本发明属于涉及计算机领域,具体涉及一种生成用户人脸模型的方法、存储介质及终端,该方法包括:建立男女的预制脸模型;获取用户人脸图像的性别所对应的预制脸模型;获取用户人脸与预制脸模型图像的脸部特征属性的关键点数据的特征偏差值;获取特征偏差值的映射值K;根据映射值K调整预制脸模型的脸部特征属性的控制骨骼头部的目标坐标参数生成用户脸模型。提高了用户人脸模型生成的效率。
Description
技术领域
本发明属于涉及计算机领域,具体涉及一种用户人脸模型生成的方法、存储介质及终端。
背景技术
在元宇宙、XR、虚拟社交等应用场景中,用户对于个性化的角色造型提出了新的需求,目前的脸部模型个性化定制技术主要通过手动调整脸部骨骼与更换脸部网格模型两种方式来进行,对于不同的用户,需要对于生成对应的不同脸部模型,因此需要耗费大量的人力和硬件资源。
发明内容
为解决现有技术中的不足,本发明提出了一种用户人脸模型生成的方法、终端,可以提高用户人脸模型生成的效率。
为了达到上述目的,本发明采用的技术方案是一种生成用户人脸模型的方法,其特征在于,
S1.建立男女的预制脸模型;
S2.获取用户人脸图像的性别所对应的预制脸模型;
S3.获取用户人脸与预制脸模型图像的脸部特征属性的关键点数据的特征偏差值;
S4.获取特征偏差值的映射值K;
S5.根据映射值K调整预制脸模型的脸部特征属性的控制骨骼头部的目标坐标参数生成用户脸模型。
优选的,脸部特征属性包括:眼睛长度、眼睛大小、鼻子高度、嘴巴长度、嘴巴大小、下巴长度、脸颊宽度。
优选的,步骤3中:
S31.将用户脸数据关键点按宽度方式进行归一化处理;
S32.分别获取用户脸和预制脸模型的脸部特征属性的关键点的距离和;
S33.计算用户脸与预制脸模型的脸部特征属性的关键点的距离和的偏差值。
优选的,步骤S4中:
根据脸部特征属性的特征偏差值正态概率分布规律,当特征偏差值超过u+3σ时,映射值K为10;当特征偏差值小于u-3σ时,K为-10;
当特征偏差值在[u-3σ,u+3σ],映射值K通过特征偏差值线性映射获取,其映射值K的范围为[-10,10],其中σ为正态分布的标准差,u为正态分布的平均值。
优选的,步骤S5中:
如果K等于0,则用户人脸模型的特征属性的控制骨骼头部坐标P(PX,Py,Pz)不变;
如果K大于0,则用户人脸模型的特征属性的控制骨骼头部坐标P为:
Px=k*(Hx-Wx)/(10-k)+Wx,
Py=k*(Hy-Wy)/(10-k)+Wy,
Pz=k*(Hz-Wz)/(10-k)+Wz,
如果K小于0,则用户人脸模型的特征属性的控制骨骼头部坐标P为:
Px=(k+10)*(Wx-Vx)/k+Vx,
Py=(k+10)*(Wy-Vy)/k+Vy,
Pz=(k+10)*(Wz-Vz)/k+Vz,
W(Wx,Wy,Wz)、V(Vx,Vy,Vz)、H(Hx,Hy,Hz)为标定坐标。
优选的,其特征在于,
V、H控制骨骼头部坐标的标定方法分别为:手动拖动预制脸模型的特征属性的控制骨骼向模型表面内、外移动,使模型不产生错误的最大形变的坐标。
本发明还提供了一种计算机可读存储介质,其特征在于,存储有能够被处理器加载并执行所述任意一项所述的一种生成用户人脸模型的方法。
本发明还提供了一种终端,其特征在于,包括:一个或多个处理器,存储器,显示装置以及一个或多个程序,其中,所述一个或多个程序被存储在所述存储器中,并且被配置为由所述一个或多个处理器执行,所述一个或多个程序用于执行所述任意一项所述的一种生成用户人脸模型的。
与现有技术相比,本申请的优点如下:
对于不同用户的人脸模型只需调整预制脸模型的控制骨骼头部坐标,提高了用户人脸模型生成的效率。
在调整预制脸模型的控制骨骼的基础上,加入了分类模型与人脸检测模型的应用,提高了用户脸模型生成的准确度。
通过对于预制脸模型的控制骨骼头部坐标提前标定,防止生成的用户人脸模型失真。
附图说明
图1本发明流程图。
图2 本发明预制脸模型数据与用户上传的用户脸模型数据。
图3 本发明脸颊宽度特征偏差的映射值K概率的正态分布图。
具体实施方式
以下详细说明都是例示性的,旨在对本申请提供进一步的说明。除非另有指明,本文使用的所有技术和科学术语具有与本申请所属技术领域的普通技术人员通常理解的相同含义。需要注意的是,这里所使用的术语仅是为了描述具体实施方式,而非意图限制根据本申请的示例性实施方式。
下面结合说明书附图对本申请实施例作进一步详细描述。
本实施例提供了一种生成用户人脸模型的方法,如图1所示,包括以下步骤:
由于男女脸部特征属性具有较大差别,如果用户脸模型的生成基于同一预制脸模型,并且用户脸与预制脸模型的性别不相对应,那么生成的脸模型与用户实际的脸相差较大。因此为了获得准确的用户脸模型,考虑在对应的性别的预制脸模型的基础上进行控制骨骼调整。
S1 建立男女预制脸模型
按照平均脸型进行人物建模,建立男女各一套预制脸模型。包括:
建立预制脸模型的控制骨骼结构,从模型的骨骼root节点开始引出head节点,从head节点引出脸部特征属性的控制骨骼,脸部特征属性包括:眼睛长度、眼睛大小、鼻子高度、嘴巴长度、嘴巴大小、下巴长度、脸颊宽度。每一个脸部特征属性通过若干的控制骨骼控制,以脸颊宽度为例,右脸颊通过两根控制骨骼进行控制。
将预制脸模型网格进行蒙皮绑定然后倒入三维引擎中,生成男女各一套绑定好的预制脸部模型。
然后对预制脸模型进行拍照,并将照片输入通过81点人脸检测模型,获取预制脸模型数据。
S2.获取用户人脸图像的性别所对应的预制脸模型
用户通过前端网页上传脸部照片,并将该照片输入FairFace模型,判断其性别,然后根据性别选择对应性别的预制脸模型进行处理。
最后将用户照片输入81点人脸检测模型中,获取用户脸模型数据。
S3 获取当前人脸与预制脸模型图像脸部属性的特征关键点数据的特征偏差值;
由于现实中拍摄的照片可大可小,所以我们首先对得到的用户脸模型数据进行归一化处理,避免了同一个人脸的不同大小照片影响获取到的特征偏差值不一致。
S31.将用户脸数据关键点按宽度方式进行归一化处理;
如图2所示,A、B分别为通过81点人脸检测模型获取的预制脸模型数据与用户上传的用户脸模型数据,图中1-81号点即为脸部特征属性的关键点。
采取统一宽度的方式,进行归一化处理。计算1号点到8号点与其在宽度方向对应的17号点到10号点所对应的横坐标差值平方和,设预制脸与用户脸部数据1-81号点的坐标分别设为Xan与Xbn,n为点的号数。将预制脸的横坐标与用户的横坐标差值平方和相比,得到如下归一化比例系数Pr:
将用户上传脸部数据与该归一化比例系数相乘,即得到归一化的用户脸部数据。
S32.分别获取用户脸和预制脸模型的脸部特征属性的关键点的距离和;
以脸部特征属性脸颊宽度为例,分别计算预制脸部模型图像与用户图像脸部数据点1到点17,点2到点16,点3到点15...点7到点11的距离和AL与BL。
S33.计算用户脸与预制脸模型的脸部特征属性的关键点的距离和的偏差值D(即特征偏差值):
D=AL-BL
S4. 获取特征偏差值的映射值K;
为了使特征偏差值的映射能够覆盖绝大部分脸型,并且能够过滤掉由于硬件和环境造成的误差较大的偏差值,需要对脸部特征属性关键点的距离和偏差值进行映射处理。
为了提高用户人脸模型生成的鲁棒性,在实际应用特征偏差值之前,首先对人脸的各个图像脸部特征属性关键点距离和的特征偏差值的范围进行处理,通过计算多张人脸的各个脸部图像的脸部特征属性关键点的特征偏差值的分布数据,根据统计其概率密度函数符合正态分布,因此使用使用正态分布曲线来拟合图像脸部特征属性关键点特征偏差值的分布数据。
控制骨骼如果根据各个脸部特征属性的正态分布规律,取其中3σ值作为控制骨骼调节量的最大值,即当特征偏差值超过u+3σ时,其中σ为正态分布的标准差,u为正态分布的平均值,映射值K为10,当特征偏差值小于u-3σ时,K的取值为-10,这样可以避免异常脸部模型出现。
当特征偏差值在[u-3σ,u+3σ],特征偏差值通过线性映射,其映射值K的范围为[-10,10]。
如图3所示,为脸颊宽度特征偏差的映射值K的概率正态分布,柱状图为真实的分布,曲线为正态分布拟合后的函数曲线。
S5. 根据映射值K调整预制脸模型的控制骨骼的目标坐标参数生成用户人脸模型。
S51 获取预制脸模型的脸部特征属性的控制骨骼头部的标定坐标
如果控制骨骼头部的坐标移动幅度过大,会造成生成的用户人脸模型异常,严重失真。因此,首先确定预制脸模型各个脸部特征属性的控制骨骼头部的初始位置坐标W(Wx,Wy,Wz),然后建模人员通过手动拖动脸部特征属性的控制骨骼,分别向预制脸部模型表面内、外移动,使模型不产生错误的最大形变的位置即为控制骨骼头部移动向预制脸部模型表面收窄的标定坐标V(Vx,Vy,Vz),向外最大拉伸标定坐标H(Hx,Hy,Hz)。因此通过对于预制脸模型的控制骨骼头部坐标提前标定,防止生成的用户人脸模型失真。
S52 根据映射值K计算预制脸模型脸部特征属性的控制骨骼头部目标坐标位置
如果K等于0,则用户人脸模型的特征属性的控制骨骼头部坐标P(Px,Py,Pz)不变;
如果K大于0,则用户人脸模型的特征属性的控制骨骼头部坐标P为:
Px=k*(Hx-Wx)/(10-k)+Wx,
Py=k*(Hy-Wy)/(10-k)+Wy,
Pz=k*(Hz-Wz)/(10-k)+Wz,
如果K小于0,则用户人脸模型的特征属性的控制骨骼头部坐标P为:
Px=(k+10)*(Wx-Vx)/k+Vx,
Py=(k+10)*(Wy-Vy)/k+Vy,
Pz=(k+10)*(Wz-Vz)/k+Vz,
S53 根据用户人脸模型的特征属性的控制骨骼头部坐标设置预制脸模型的脸部特征属性的控制骨骼头部坐标参数,当预制脸模型的脸部特征属性的控制骨骼头部坐标调整完成时,相应的生成用户人脸模型。
本发明实施例提供一种计算机可读存储介质,存储有能够被处理器加载并执行一种生成用户人脸模型的方法的计算机程序。
计算机存储介质例如包括:U盘、移动硬盘、只读存储器(Read-Only Memory,ROM)、随机存取存储器(Random Access Memory,RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
基于同一发明构思,本发明实施例还提供一种终端,包括:一个或多个处理器,存储器,显示装置以及一个或多个程序,其中,所述一个或多个程序被存储在所述存储器中,并且被配置为由所述一个或多个处理器执行,所述一个或多个程序用于执行的一种生成用户人脸模型的方法。
以上所述仅为本申请的优选实施例而已,并不用于限制本申请,对于本领域的技术人员来说,本申请可以有各种更改和变化。凡在本申请的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本申请的保护范围之内。
Claims (8)
1.一种生成用户人脸模型的方法,其特征在于,
S1.建立男女的预制脸模型;
S2.获取用户人脸图像的性别所对应的预制脸模型;
S3.获取用户人脸与预制脸模型图像的脸部特征属性的关键点数据的特征偏差值;
S4.获取特征偏差值的映射值K;
S5.根据映射值K调整预制脸模型的脸部特征属性的控制骨骼头部的目标坐标参数生成用户脸模型。
2.根据权利要求1所述的一种生成用户人脸模型的方法,其特征在于,
脸部特征属性包括:眼睛长度、眼睛大小、鼻子高度、嘴巴长度、嘴巴大小、下巴长度、脸颊宽度。
3.根据权利要求1所述的一种生成用户人脸模型的方法,其特征在于,步骤3中:
S31.将用户脸数据关键点按宽度方式进行归一化处理;
S32.分别获取用户脸和预制脸模型的脸部特征属性的关键点的距离和;
S33.计算用户脸与预制脸模型的脸部特征属性的关键点的距离和的偏差值。
4.根据权利要求1所述的一种生成用户人脸模型的方法,其特征在于,步骤S4中:
根据脸部特征属性的特征偏差值正态概率分布规律,当特征偏差值超过u+3σ时,映射值K为10;当特征偏差值小于u-3σ时,K为-10;
当特征偏差值在[u-3σ,u+3σ],映射值K通过特征偏差值线性映射获取,其映射值K的范围为[-10,10],其中σ为正态分布的标准差,u为正态分布的平均值。
5.根据权利要求1所述的一种生成用户人脸模型的方法,其特征在于,步骤S5中:
如果K等于0,则用户人脸模型的特征属性的控制骨骼头部坐标P(PX,Py,Pz)不变;
如果K大于0,则用户人脸模型的特征属性的控制骨骼头部坐标P为:
Px=k*(Hx-Wx)/(10-k)+Wx,
Py=k*(Hy-Wy)/(10-k)+Wy,
Pz=k*(Hz-Wz)/(10-k)+Wz,
如果K小于0,则用户人脸模型的特征属性的控制骨骼头部坐标P为:
Px=(k+10)*(Wx-Vx)/k+Vx,
Py=(k+10)*(Wy-Vy)/k+Vy,
Pz=(k+10)*(Wz-Vz)/k+Vz,
W(Wx,Wy,Wz)、V(Vx,Vy,Vz)、H(Hx,Hy,Hz)为标定坐标。
6.根据权利要求5所述的一种生成用户人脸模型的方法,其特征在于,
V、H控制骨骼头部坐标的标定方法分别为:手动拖动预制脸模型的特征属性的控制骨骼向模型表面内、外移动,使模型不产生错误的最大形变的坐标。
7.一种计算机可读存储介质,其特征在于,
存储有能够被处理器加载并执行如权利要求1至6中任意一项所述的一种生成用户人脸模型的方法。
8.一种终端,其特征在于,包括:
一个或多个处理器,存储器,显示装置以及一个或多个程序,其中,所述一个或多个程序被存储在所述存储器中,并且被配置为由所述一个或多个处理器执行,所述一个或多个程序用于执行权利要求1至6中任意一项所述的一种生成用户人脸模型的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410205654.1A CN117788720B (zh) | 2024-02-26 | 一种生成用户人脸模型的方法、存储介质及终端 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410205654.1A CN117788720B (zh) | 2024-02-26 | 一种生成用户人脸模型的方法、存储介质及终端 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117788720A true CN117788720A (zh) | 2024-03-29 |
CN117788720B CN117788720B (zh) | 2024-05-17 |
Family
ID=
Citations (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2005208850A (ja) * | 2004-01-21 | 2005-08-04 | Nippon Hoso Kyokai <Nhk> | 顔画像認識装置及び顔画像認識プログラム |
WO2014205768A1 (zh) * | 2013-06-28 | 2014-12-31 | 中国科学院自动化研究所 | 基于增量主成分分析的特征与模型互匹配人脸跟踪方法 |
CN104715447A (zh) * | 2015-03-02 | 2015-06-17 | 百度在线网络技术(北京)有限公司 | 图像合成方法和装置 |
CN107452049A (zh) * | 2016-05-30 | 2017-12-08 | 腾讯科技(深圳)有限公司 | 一种三维头部建模方法及装置 |
CN108701216A (zh) * | 2017-11-13 | 2018-10-23 | 深圳和而泰智能控制股份有限公司 | 一种人脸脸型识别方法、装置和智能终端 |
CN110175558A (zh) * | 2019-05-24 | 2019-08-27 | 北京达佳互联信息技术有限公司 | 一种人脸关键点的检测方法、装置、计算设备及存储介质 |
CN110675475A (zh) * | 2019-08-19 | 2020-01-10 | 腾讯科技(深圳)有限公司 | 一种人脸模型生成方法、装置、设备及存储介质 |
CN111931630A (zh) * | 2020-08-05 | 2020-11-13 | 重庆邮电大学 | 一种基于人脸特征点数据增强的动态表情识别方法 |
WO2022012085A1 (zh) * | 2020-07-15 | 2022-01-20 | 北京沃东天骏信息技术有限公司 | 人脸图像处理方法、装置、存储介质及电子设备 |
CN114529640A (zh) * | 2022-02-17 | 2022-05-24 | 北京字跳网络技术有限公司 | 一种运动画面生成方法、装置、计算机设备和存储介质 |
US20220292773A1 (en) * | 2021-03-15 | 2022-09-15 | Tencent America LLC | Methods and systems for personalized 3d head model deformation |
CN115393532A (zh) * | 2022-10-27 | 2022-11-25 | 科大讯飞股份有限公司 | 脸部绑定方法、装置、设备及存储介质 |
CN115457635A (zh) * | 2022-09-20 | 2022-12-09 | 广州方硅信息技术有限公司 | 人脸关键点检测模型训练方法、直播图像处理方法及装置 |
CN115546364A (zh) * | 2022-10-19 | 2022-12-30 | 浙江吉利控股集团有限公司 | 虚拟形象的脸部模型生成方法、装置、存储介质及车辆 |
US20230343137A1 (en) * | 2022-04-26 | 2023-10-26 | Black Sesame Technologies Co., Ltd. | Method and apparatus for detecting key point of image, computer device and storage medium |
Patent Citations (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2005208850A (ja) * | 2004-01-21 | 2005-08-04 | Nippon Hoso Kyokai <Nhk> | 顔画像認識装置及び顔画像認識プログラム |
WO2014205768A1 (zh) * | 2013-06-28 | 2014-12-31 | 中国科学院自动化研究所 | 基于增量主成分分析的特征与模型互匹配人脸跟踪方法 |
CN104715447A (zh) * | 2015-03-02 | 2015-06-17 | 百度在线网络技术(北京)有限公司 | 图像合成方法和装置 |
CN107452049A (zh) * | 2016-05-30 | 2017-12-08 | 腾讯科技(深圳)有限公司 | 一种三维头部建模方法及装置 |
CN108701216A (zh) * | 2017-11-13 | 2018-10-23 | 深圳和而泰智能控制股份有限公司 | 一种人脸脸型识别方法、装置和智能终端 |
CN110175558A (zh) * | 2019-05-24 | 2019-08-27 | 北京达佳互联信息技术有限公司 | 一种人脸关键点的检测方法、装置、计算设备及存储介质 |
CN110675475A (zh) * | 2019-08-19 | 2020-01-10 | 腾讯科技(深圳)有限公司 | 一种人脸模型生成方法、装置、设备及存储介质 |
WO2022012085A1 (zh) * | 2020-07-15 | 2022-01-20 | 北京沃东天骏信息技术有限公司 | 人脸图像处理方法、装置、存储介质及电子设备 |
CN111931630A (zh) * | 2020-08-05 | 2020-11-13 | 重庆邮电大学 | 一种基于人脸特征点数据增强的动态表情识别方法 |
US20220292773A1 (en) * | 2021-03-15 | 2022-09-15 | Tencent America LLC | Methods and systems for personalized 3d head model deformation |
CN114529640A (zh) * | 2022-02-17 | 2022-05-24 | 北京字跳网络技术有限公司 | 一种运动画面生成方法、装置、计算机设备和存储介质 |
US20230343137A1 (en) * | 2022-04-26 | 2023-10-26 | Black Sesame Technologies Co., Ltd. | Method and apparatus for detecting key point of image, computer device and storage medium |
CN115457635A (zh) * | 2022-09-20 | 2022-12-09 | 广州方硅信息技术有限公司 | 人脸关键点检测模型训练方法、直播图像处理方法及装置 |
CN115546364A (zh) * | 2022-10-19 | 2022-12-30 | 浙江吉利控股集团有限公司 | 虚拟形象的脸部模型生成方法、装置、存储介质及车辆 |
CN115393532A (zh) * | 2022-10-27 | 2022-11-25 | 科大讯飞股份有限公司 | 脸部绑定方法、装置、设备及存储介质 |
Non-Patent Citations (3)
Title |
---|
NGA LAM OR: "MEMORY-Based Hardware Architectures to Detect ClamAV Virus Signatures with Restricted Regular Expression Features", 《IEEE TRANSACTIONS ON COMPUTERS ( VOLUME: 65, ISSUE: 4, 01 APRIL 2016)》, 1 June 2015 (2015-06-01) * |
侯珂: "基于单张图像的三维人脸重建技术研究", 《电子技术与软件工程》, 31 August 2022 (2022-08-31) * |
李梦东, 阮秋琦: "一种交互式脸部网格模型调整算法", 北方交通大学学报, no. 04, 15 August 2002 (2002-08-15) * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11302064B2 (en) | Method and apparatus for reconstructing three-dimensional model of human body, and storage medium | |
WO2021174939A1 (zh) | 人脸图像的获取方法与系统 | |
CN103208133B (zh) | 一种图像中人脸胖瘦的调整方法 | |
KR20220066366A (ko) | 예측적 개인별 3차원 신체 모델 | |
CN111652123B (zh) | 图像处理和图像合成方法、装置和存储介质 | |
WO2022143645A1 (zh) | 三维人脸重建的方法、装置、设备和存储介质 | |
CN111325846B (zh) | 表情基确定方法、虚拟形象驱动方法、装置及介质 | |
CN111127668B (zh) | 一种角色模型生成方法、装置、电子设备和存储介质 | |
WO2022143354A1 (zh) | 虚拟对象的脸部生成方法、装置、设备和可读存储介质 | |
CN101021943A (zh) | 一种图像调整的方法和系统 | |
CN114783022B (zh) | 一种信息处理方法、装置、计算机设备及存储介质 | |
CN117788720B (zh) | 一种生成用户人脸模型的方法、存储介质及终端 | |
CN117788720A (zh) | 一种生成用户人脸模型的方法、存储介质及终端 | |
CN117274605A (zh) | 一种从无人机拍摄的照片中提取水域轮廓的方法及装置 | |
US20220277586A1 (en) | Modeling method, device, and system for three-dimensional head model, and storage medium | |
CN112507766B (zh) | 人脸图像提取方法、存储介质及终端设备 | |
US20230079478A1 (en) | Face mesh deformation with detailed wrinkles | |
CN105528763B (zh) | 一种基于多重网格近似算法的自适应区域感知蒙板生成方法 | |
CN114820907A (zh) | 人脸图像卡通化处理方法、装置、计算机设备和存储介质 | |
CN109741360B (zh) | 一种骨关节分割方法、装置、终端及可读介质 | |
CN112906629A (zh) | 人脸表情分类器的训练、人脸表情的识别方法和装置 | |
CN112734901B (zh) | 一种3d说明书生成方法及相关设备 | |
CN116912433B (zh) | 三维模型骨骼绑定方法、装置、设备及存储介质 | |
CN114359311B (zh) | 基于人工智能的医学影像分割方法与系统 | |
CN115100216A (zh) | 人脸分割方法及其装置 |
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 | ||
GR01 | Patent grant |