KR20230000921A - 이미지 데이터 생성 방법, 장치, 전자 기기 및 저장 매체 - Google Patents
이미지 데이터 생성 방법, 장치, 전자 기기 및 저장 매체 Download PDFInfo
- Publication number
- KR20230000921A KR20230000921A KR1020217026665A KR20217026665A KR20230000921A KR 20230000921 A KR20230000921 A KR 20230000921A KR 1020217026665 A KR1020217026665 A KR 1020217026665A KR 20217026665 A KR20217026665 A KR 20217026665A KR 20230000921 A KR20230000921 A KR 20230000921A
- Authority
- KR
- South Korea
- Prior art keywords
- virtual
- tool
- board game
- model
- scene
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims abstract description 74
- 238000003860 storage Methods 0.000 title claims abstract description 20
- 230000008569 process Effects 0.000 claims abstract description 24
- 238000012545 processing Methods 0.000 claims description 55
- 230000007704 transition Effects 0.000 claims description 43
- 230000000007 visual effect Effects 0.000 claims description 30
- 238000009499 grossing Methods 0.000 claims description 26
- 230000015654 memory Effects 0.000 claims description 20
- 238000004590 computer program Methods 0.000 claims description 14
- 238000009877 rendering Methods 0.000 claims description 12
- 238000001914 filtration Methods 0.000 claims description 8
- 238000012546 transfer Methods 0.000 claims description 2
- 238000010586 diagram Methods 0.000 description 16
- 230000036544 posture Effects 0.000 description 14
- 238000012549 training Methods 0.000 description 7
- 238000001514 detection method Methods 0.000 description 6
- 238000005516 engineering process Methods 0.000 description 5
- 230000006870 function Effects 0.000 description 4
- 238000004891 communication Methods 0.000 description 3
- 230000008094 contradictory effect Effects 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 238000000638 solvent extraction Methods 0.000 description 3
- 238000012360 testing method Methods 0.000 description 3
- 238000013528 artificial neural network Methods 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000003190 augmentative effect Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000004883 computer application Methods 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 238000007493 shaping process Methods 0.000 description 1
- 230000001131 transforming effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T19/00—Manipulating 3D models or images for computer graphics
- G06T19/20—Editing of 3D images, e.g. changing shapes or colours, aligning objects or positioning parts
-
- 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
- A63F13/60—Generating or modifying game content before or while executing the game program, e.g. authoring tools specially adapted for game development or game-integrated level editor
-
- 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
- A63F13/20—Input arrangements for video game devices
- A63F13/21—Input arrangements for video game devices characterised by their sensors, purposes or types
- A63F13/213—Input arrangements for video game devices characterised by their sensors, purposes or types comprising photodetecting means, e.g. cameras, photodiodes or infrared cells
-
- 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
- A63F13/60—Generating or modifying game content before or while executing the game program, e.g. authoring tools specially adapted for game development or game-integrated level editor
- A63F13/65—Generating or modifying game content before or while executing the game program, e.g. authoring tools specially adapted for game development or game-integrated level editor automatically by game devices or servers from real world data, e.g. measurement in live racing competition
-
- 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
- A63F3/00—Board games; Raffle games
- A63F3/00643—Electric board games; Electric features of board games
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
- G06N3/084—Backpropagation, e.g. using gradient descent
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T11/00—2D [Two Dimensional] image generation
- G06T11/003—Reconstruction from projections, e.g. tomography
-
- 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
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T15/00—3D [Three Dimensional] image rendering
- G06T15/04—Texture mapping
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T15/00—3D [Three Dimensional] image rendering
- G06T15/08—Volume rendering
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T15/00—3D [Three Dimensional] image rendering
- G06T15/10—Geometric effects
- G06T15/20—Perspective computation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T15/00—3D [Three Dimensional] image rendering
- G06T15/10—Geometric effects
- G06T15/20—Perspective computation
- G06T15/205—Image-based rendering
-
- 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
- G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
- G06T17/20—Finite element generation, e.g. wire-frame surface description, tesselation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T19/00—Manipulating 3D models or images for computer graphics
-
- G06T5/002—
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/70—Denoising; Smoothing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/194—Segmentation; Edge detection involving foreground-background segmentation
-
- 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
- G06T7/74—Determining position or orientation of objects or cameras using feature-based methods involving reference images or patches
-
- 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
- G06T7/75—Determining position or orientation of objects or cameras using feature-based methods involving models
-
- 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
- A63F2300/00—Features of games using an electronically generated display having two or more dimensions, e.g. on a television screen, showing representations related to the game
- A63F2300/60—Methods for processing data by generating or executing the game program
- A63F2300/6009—Methods for processing data by generating or executing the game program for importing or creating game content, e.g. authoring tools during game development, adapting content to different platforms, use of a scripting language to create content
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10028—Range image; Depth image; 3D point clouds
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Computer Graphics (AREA)
- Multimedia (AREA)
- Software Systems (AREA)
- Geometry (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Biophysics (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- Data Mining & Analysis (AREA)
- Mathematical Physics (AREA)
- Computational Linguistics (AREA)
- General Health & Medical Sciences (AREA)
- Biomedical Technology (AREA)
- Molecular Biology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Health & Medical Sciences (AREA)
- Computer Hardware Design (AREA)
- Human Computer Interaction (AREA)
- Architecture (AREA)
- Processing Or Creating Images (AREA)
Abstract
본 발명의 실시예는 복수 타입의 보드 게임 도구에 각각 대응되는 복수 개의 가상의 3차원 도구 모델을 획득하는 단계 - 보드 게임 도구는 보드 게임 장면 중 사용되는 게임 소품임 - ； 가상의 3차원 보드 게임 장면에서, 상기 복수 개의 가상의 3차원 도구 모델로부터, 적어도 한 가지 보드 게임 도구를 포함하는 적어도 하나의 가상의 3차원 도구 모델을 랜덤으로 결정하는 단계; 상기 적어도 하나의 가상의 3차원 도구 모델을 상기 가상의 3차원 보드 게임 장면에 중첩하여, 가상의 타깃 게임 장면을 형성하는 단계; 및 상기 가상의 타깃 게임 장면에 대해 평면 투영 처리를 수행하여, 상기 적어도 한 가지 보드 게임 도구를 포함하는 2차원 이미지 데이터를 얻는 단계를 포함하는 이미지 데이터 생성 방법을 제공한다. 본 발명의 실시예는 또한 이미지 데이터 생성 장치, 전자 기기 및 컴퓨터 판독 가능한 저장 매체를 제공한다.
Description
관련 출원의 상호 참조
본 발명은 2021년 6월 21일에 싱가포르 특허국에 제출된 출원번호가 10202106738T인 싱가포르 특허 출원의 우선권을 주장하는 바, 상기 싱가포르 특허 출원의 모든 내용은 참조로서 본 발명에 인용된다.
본 발명은 이미지 처리 기술분야에 관한 것으로, 특히 이미지 데이터 생성 방법, 장치, 전자 기기 및 컴퓨터 판독 가능한 저장 매체에 관한 것이다.
인공 지능 기술 및 증강 현실 기술이 발전함에 따라, 스마트 보드 게임 애플리케이션이 빠르게 발전하고 있다. 스마트 보드 게임 장면에서, 식별 모델을 사용하여 실제 장면 중의 게임 카드 또는 게임 코인 등 보드 게임 도구를 식별하고, 식별 결과에 따라 승패 및 결제 상황을 계산할 수 있다.
실제 응용에서, 보드 게임 도구를 식별할 수 있는 식별 모델을 트레이닝하려면, 엄청난 량의 보드 게임 도구가 포함되는 샘플 이미지를 수집해야 하고, 샘플 이미지에 포함되는 물체를 수동으로 태깅해야 하므로, 이미지 데이터의 생성 효율이 크게 떨어진다.
본 발명의 실시예는 이미지 데이터 생성 방법, 장치, 전자 기기 및 컴퓨터 판독 가능한 저장 매체를 제공한다.
본 발명의 실시예의 기술적 해결수단은 아래와 같이 구현된다.
본 발명의 실시예는, 복수 타입의 보드 게임 도구에 각각 대응되는 복수 개의 가상의 3차원 도구 모델을 획득하는 단계 - 보드 게임 도구는 보드 게임 장면 중 사용되는 게임 소품임 - ； 가상의 3차원 보드 게임 장면에서, 상기 복수 개의 가상의 3차원 도구 모델로부터, 적어도 한 가지 보드 게임 도구를 포함하는 적어도 하나의 가상의 3차원 도구 모델을 랜덤으로 결정하는 단계; 상기 적어도 하나의 가상의 3차원 도구 모델을 상기 가상의 3차원 보드 게임 장면에 중첩하여, 가상의 타깃 게임 장면을 형성하는 단계; 및 상기 가상의 타깃 게임 장면에 대해 평면 투영 처리를 수행하여, 상기 적어도 한 가지 보드 게임 도구를 포함하는 2차원 이미지 데이터를 얻는 단계를 포함하는 이미지 데이터 생성 방법을 제공한다.
일부 실시예에서, 상기 복수 타입의 보드 게임 도구에 각각 대응되는 복수 개의 가상의 3차원 모델을 획득하는 단계는, 복수 타입의 촬영 시각에 기반하여, 상기 복수 타입의 보드 게임 도구 중 각 타입의 보드 게임 도구에 대해 이미지 수집을 진행하여, 상기 각 타입의 보드 게임 도구의 시각 이미지 시퀀스를 얻는 단계; 및 상기 시각 이미지 시퀀스에 기반하여, 상기 각 타입의 보드 게임 도구에 대해 3차원 모델 구축을 진행하여, 상기 각 타입의 보드 게임 도구에 대응되는 적어도 하나의 가상의 3차원 도구 모델을 얻는 단계를 포함한다.
일부 실시예에서, 상기 시각 이미지 시퀀스에 기반하여, 상기 각 타입의 보드 게임 도구에 대해 3차원 모델 구축을 진행하여, 상기 각 타입의 보드 게임 도구에 대응되는 적어도 하나의 가상의 3차원 도구 모델을 얻는 단계는, 상기 시각 이미지 시퀀스에 기반하여, 상기 각 타입의 보드 게임 도구 중 적어도 하나의 보드 게임 도구에 대응되는 3차원 포인트 클라우드 데이터를 결정하는 단계; 및 상기 적어도 하나의 보드 게임 도구에 대응되는 상기 3차원 포인트 클라우드 데이터를 렌더링하여, 상기 적어도 하나의 보드 게임 도구에 대응되는 가상의 3차원 도구 모델을 얻는 단계를 포함한다.
일부 실시예에서, 상기 적어도 한 가지 보드 게임 도구에 대응되는 상기 3차원 포인트 클라우드 데이터를 렌더링하는 단계는, 상기 3차원 포인트 클라우드 데이터에 대해 표면 평활화 처리를 진행하는 단계 - 상기 표면 평활화 처리는 상기 3차원 포인트 클라우드 데이터 표면의 포인트 클라우드를 필터링하여, 가상의 3차원 도구 모델에 대응되는 표면 윤곽을 얻기 위한 것임 - ; 상기 3차원 포인트 클라우드 데이터에 대해 텍스처 평활화 처리를 진행하는 단계 - 상기 텍스처 평활화 처리는 가상의 3차원 도구 모델에 대응되는 표면 이미지의 텍스처를 필터링하기 위한 것임 - ; 및 상기 3차원 포인트 클라우드 데이터에 대해 대칭 처리하는 단계 - 상기 대칭 처리는 상기 3차원 포인트 클라우드 데이터의 윤곽 형상을 조절하기 위한 것임 - ; 중 적어도 하나를 포함한다.
일부 실시예에서, 상기 적어도 하나의 가상의 3차원 도구 모델을 상기 가상의 3차원 보드 게임 장면에 중첩하여, 가상의 타깃 게임 장면을 형성하는 단계는, 상기 적어도 하나의 가상의 3차원 도구 모델을 전경 정보로 하고, 상기 가상의 3차원 보드 게임 장면을 배경 정보로 하여 중첩함으로써, 가상의 타깃 게임 장면을 얻는 단계를 포함한다.
일부 실시예에서, 상기 적어도 하나의 가상의 3차원 도구 모델을 상기 가상의 3차원 보드 게임 장면에 중첩하여, 가상의 타깃 게임 장면을 형성하는 단계는, 상기 적어도 하나의 가상의 3차원 도구 모델 중 각각의 가상의 3차원 도구 모델의 표시 정보를 결정하는 단계; 및 상기 적어도 하나의 가상의 3차원 도구 모델의 표시 정보에 기반하여, 상기 적어도 하나의 가상의 3차원 도구 모델을 상기 가상의 3차원 보드 게임 장면에 중첩하여, 상기 가상의 타깃 게임 장면을 형성하는 단계를 포함한다.
일부 실시예에서, 상기 적어도 하나의 가상의 3차원 도구 모델 중 각각의 가상의 3차원 도구 모델의 표시 정보를 결정하는 단계는,
기설정된 장면 배치 규칙에 따라, 상기 적어도 하나의 가상의 3차원 도구 모델 중 각각의 가상의 3차원 도구 모델의 표시 위치를 결정하는 단계 - 상기 기설정된 장면 배치 규칙은 기설정된 상기 가상의 3차원 도구 모델이 상기 3차원 보드 게임 장면 중의 중첩 규칙임 - ;
상기 적어도 하나의 가상의 3차원 도구 모델 중 각각의 가상의 3차원 도구 모델의 표시 자세를 랜덤으로 결정하는 단계；및
상기 적어도 하나의 가상의 3차원 도구 모델 중 각각의 가상의 3차원 도구 모델의 표시 수량을 랜덤으로 결정하는 단계 중 적어도 하나를 포함한다.
일부 실시예에서, 상기 가상의 타깃 게임 장면에 대해 평면 투영 처리를 수행하여, 상기 적어도 한 가지 보드 게임 도구를 포함하는 2차원 이미지 데이터를 얻는 단계는, 복수 개의 투영 시각에 기반하여, 상기 가상의 타깃 게임 장면에 대해 평면 투영 처리를 수행하여, 상기 적어도 한 가지 보드 게임 도구를 포함하는 복수 개의 2차원 이미지 데이터를 얻는 단계를 포함한다.
일부 실시예에서, 리얼 보드 게임 장면 이미지를 획득하고; 상기 리얼 보드 게임 장면 이미지 및 상기 2차원 이미지 데이터를 각각 스타일링하여, 리얼 보드 게임 장면 특징맵 및 2차원 이미지 특징맵을 얻는 단계; 및
상기 리얼 보드 게임 장면 특징맵을 사용하여 상기 2차원 이미지 특징맵을 스타일 전이하여, 2차원 이미지 전이 특징맵을 얻으며; 상기 2차원 이미지 전이 특징맵에 기반하여 역 전파하고, 스타일 전이 후의 전이 이미지 데이터를 결정하는 단계를 더 포함한다.
일부 실시예에서, 보드 게임 도구는,
복수 개의 화폐 타입의 게임 코인, 복수 개의 카드 타입의 게임 카드, 및 주사위 중 적어도 하나를 포함한다.
본 발명의 실시예는, 복수 타입의 보드 게임 도구에 각각 대응되는 복수 개의 가상의 3차원 도구 모델을 획득하기 위한 모델 획득 유닛 - 보드 게임 도구는 보드 게임 장면 중 사용되는 게임 소품임 - ；
가상의 3차원 보드 게임 장면에서, 상기 복수 개의 가상의 3차원 도구 모델로부터, 적어도 한 가지 보드 게임 도구를 포함하는 적어도 하나의 가상의 3차원 도구 모델을 랜덤으로 결정하기 위한 모델 결정 유닛;
상기 적어도 하나의 가상의 3차원 도구 모델을 상기 가상의 3차원 보드 게임 장면에 중첩하여, 가상의 타깃 게임 장면을 형성하기 위한 중첩 처리 유닛; 및
상기 가상의 타깃 게임 장면에 대해 평면 투영 처리를 수행하여, 상기 적어도 한 가지 보드 게임 도구를 포함하는 2차원 이미지 데이터를 얻기 위한이미지 생성 유닛 - 상기 2차원 이미지 데이터는 식별 모델을 트레이닝하기 위한 것임 - ;을 포함하는 이미지 데이터 생성 장치를 제공한다.
일부 실시예에서, 상기 모델 획득 유닛은, 구체적으로 복수 타입의 촬영 시각에 기반하여, 상기 복수 타입의 보드 게임 도구 중 각 타입의 보드 게임 도구에 대해 이미지 수집을 진행하여, 상기 각 타입의 보드 게임 도구의 시각 이미지 시퀀스를 얻고; 상기 시각 이미지 시퀀스에 기반하여, 상기 각 타입의 보드 게임 도구에 대해 3차원 모델 구축을 진행하여, 상기 각 타입의 보드 게임 도구에 대응되는 적어도 하나의 가상의 3차원 도구 모델을 얻기 위한 것이다.
일부 실시예에서, 상기 모델 획득 유닛은, 구체적으로 상기 시각 이미지 시퀀스에 기반하여, 상기 각 타입의 보드 게임 도구 중 적어도 하나의 보드 게임 도구에 대응되는 3차원 포인트 클라우드 데이터를 결정하고; 상기 적어도 하나의 보드 게임 도구에 대응되는 상기 3차원 포인트 클라우드 데이터를 렌더링하여, 상기 적어도 하나의 보드 게임 도구에 대응되는 가상의 3차원 도구 모델을 얻기 위한 것이다.
일부 실시예에서, 상기 중첩 처리 유닛은, 구체적으로 상기 적어도 하나의 가상의 3차원 도구 모델을 전경 정보로 하고, 상기 가상의 3차원 보드 게임 장면을 배경 정보로 하여 중첩함으로써, 가상의 타깃 게임 장면을 얻기 위한 것이다.
일부 실시예에서, 상기 중첩 처리 유닛은, 구체적으로 상기 적어도 하나의 가상의 3차원 도구 모델 중 각각의 가상의 3차원 도구 모델의 표시 정보를 결정하고; 상기 적어도 하나의 가상의 3차원 도구 모델의 표시 정보에 기반하여, 상기 적어도 하나의 가상의 3차원 도구 모델을 상기 가상의 3차원 보드 게임 장면에 중첩하여, 상기 가상의 타깃 게임 장면을 형성하기 위한 것이다.
일부 실시예에서, 상기 이미지 생성 유닛은, 구체적으로 복수 개의 투영 시각에 기반하여, 상기 가상의 타깃 게임 장면에 대해 평면 투영 처리를 수행하여, 상기 적어도 한 가지 보드 게임 도구를 포함하는 복수 개의 2차원 이미지 데이터를 얻기 위한 것이다.
일부 실시예에서, 스타일 전이 처리 유닛을 더 포함하고;
상기 스타일 전이 처리 유닛은, 리얼 보드 게임 장면 이미지를 획득하고; 상기 리얼 보드 게임 장면 이미지 및 상기 2차원 이미지 데이터를 각각 스타일링하여, 리얼 보드 게임 장면 특징맵 및 2차원 이미지 특징맵을 얻으며; 상기 리얼 보드 게임 장면 특징맵을 사용하여 상기 2차원 이미지 특징맵을 스타일 전이하여, 2차원 이미지 전이 특징맵을 얻으며; 상기 2차원 이미지 전이 특징맵에 기반하여 역 전파하고, 스타일 전이 후의 전이 이미지 데이터를 결정하기 위한 것이다.
본 발명의 실시예는,
컴퓨터 프로그램을 저장하기 위한 메모리; 및
상기 메모리에 저장되는 컴퓨터 프로그램을 실행할 경우, 상기 이미지 데이터 생성 방법을 구현하기 위한 프로세서를 포함하는 전자 기기를 제공한다.
본 발명의 실시예는, 컴퓨터 프로그램이 저장되고, 프로세서에 의해 실행될 경우, 상기 이미지 데이터 생성 방법을 구현하기 위한 컴퓨터 판독 가능한 저장 매체를 제공한다.
본 발명의 실시예에서 제공되는 이미지 데이터 생성 방법, 장치, 표시 기기 및 컴퓨터 판독 가능한 저장 매체는, 복수 타입의 보드 게임 도구에 각각 대응되는 복수 개의 가상의 3차원 도구 모델을 획득할 수 있고; 복수 개의 가상의 3차원 도구 모델에 따라, 가상의 타깃 게임 장면을 자동으로 구축할 수 있다. 이로써, 가상의 타깃 게임 장면을 평면 투영함으로써, 보드 게임 도구를 포함하는 2차원 이미지 데이터를 자동으로 얻을 수 있어, 이미지 데이터의 생성 효율을 대폭적으로 높인다.
도 1A는 본 발명의 실시예가 제공하는 이미지 데이터 생성 방법의 시스템 아키텍처 모식도 1이다.
도 1B는 본 발명의 실시예가 제공하는 이미지 데이터 생성 방법의 시스템 아키텍처 모식도 2이다.
도 2는 본 발명의 실시예가 제공하는 이미지 데이터 생성 방법의 흐름 모식도 1이다.
도 3은 본 발명의 실시예가 제공하는 이미지 데이터 생성 방법의 흐름 모식도 2이다.
도 4는 본 발명의 실시예가 제공하는 이미지 데이터 생성 방법의 흐름 모식도 3이다.
도 5는 본 발명의 실시예가 제공하는 응용 장면 모식도이다.
도 6은 본 발명의 실시예가 제공하는 이미지 데이터 생성 방법의 흐름 모식도 4이다.
도 7은 본 발명의 실시예가 제공하는 이미지 데이터 생성 장치의 조성 구조 모식도이다.
도 8은 본 발명의 실시예가 제공하는 전자 기기의 조성 구조 모식도이다.
도 1B는 본 발명의 실시예가 제공하는 이미지 데이터 생성 방법의 시스템 아키텍처 모식도 2이다.
도 2는 본 발명의 실시예가 제공하는 이미지 데이터 생성 방법의 흐름 모식도 1이다.
도 3은 본 발명의 실시예가 제공하는 이미지 데이터 생성 방법의 흐름 모식도 2이다.
도 4는 본 발명의 실시예가 제공하는 이미지 데이터 생성 방법의 흐름 모식도 3이다.
도 5는 본 발명의 실시예가 제공하는 응용 장면 모식도이다.
도 6은 본 발명의 실시예가 제공하는 이미지 데이터 생성 방법의 흐름 모식도 4이다.
도 7은 본 발명의 실시예가 제공하는 이미지 데이터 생성 장치의 조성 구조 모식도이다.
도 8은 본 발명의 실시예가 제공하는 전자 기기의 조성 구조 모식도이다.
본 발명의 목적, 기술적 해결수단 및 장점이 더 명확하도록, 아래에 도면 및 실시예를 참조하여, 본 발명을 더 상세하게 설명한다. 여기서 설명되는 구체적 실시예는 단지 본 발명을 설명하기 위한 것일 뿐, 본 발명을 한정하지 않는 것을 이해해야 한다.
아래의 설명에 관한 용어 "제1/제2/제3"은 단지 유사한 대상을 구별하기 위한 것이고, 대상의 특정 배열을 뜻하지 않으며, “제1/제2/제3"은 허락되는 정황에서 특정한 순서 또는 선후 차례를 서로 교환하여, 여기서 설명되는 본 발명의 실시예가 여기서 도시 또는 설명되는 이외의 순서로 실행될 수 있도록 하는 것을 이해해야 한다.
다른 정의가 없는 한, 본문에서 사용되는 기술 및 과학 용어는 본 발명의 기술분야의 기술자가 일반적으로 이해하는 함의와 동일하다. 본문에서 사용되는 용어는 단지 본 발명의 실시예의 목적을 설명하기 위한 것일 뿐, 본 발명을 한정하지 않는다.
본 발명의 실시예는 이미지 데이터 생성 방법, 장치, 전자 기기 및 저장 매체를 제공하여, 이미지 수집의 인력 및 물력 비용을 줄이고, 이미지 수집의 효율을 높일 수 있다. 아래에 본 발명의 실시예에서 제공되는 전자 기기의 예시적인 응용을 설명하고, 본 발명의 실시예에서 제공되는 전자 기기는 서버로 실행될 수 있으며, 예를 들어 식별 모델을 트레이닝 하기 위한 서버이고, 노트북, 태블릿 PC, 데스크톱 컴퓨터, 모바일 기기 등 각종 타입의 사용자 단말기로 실행될 수도 있다.
아래에, 본 발명의 실시예에서 제공되는 이미지 데이터 생성 방법의 시스템 아키텍처 모식도를 설명한다.
가능한 실시 형태에서, 도 1A에 도시된 이미지 데이터 생성 방법 시스템 아키텍처 모식도 1을 참조하면, 전자 기기(10)는 처리 장치(11) 및 이미지 수집 장치(12)를 포함할 수 있고, 이로써 전자 기기(10)는 이미지 수집 장치(12)를 통해 상이한 촬영 시각에서의 보드 게임 도구의 시각 이미지 시퀀스를 수집할 수 있으며, 처리 장치(11)를 통해 시각 이미지 시퀀스에 대해 3차원 재구축을 진행하여 가상의 3차원 도구 모델을 얻고, 나아가 복수 개의 가상의 3차원 도구 모델에 대해 조합 및 평면 투영 처리를 진행하여, 2차원 이미지 데이터를 생성한다.
다른 가능한 실시 형태에서, 도 1B에 도시된 이미지 데이터 생성 방법 시스템 아키텍처 모식도 2를 참조하면, 전자 기기(10)는 다른 기기(13)가 네트워크(14)를 통해 전송하는 복수 타입의 보드 게임 도구에 대응되는 복수 개의 가상의 3차원 도구 모델을 수신할 수 있고, 이로써, 전자 기기(10)는 복수 개의 가상의 3차원 도구 모델에 대해 조합 및 평면 투영 처리를 진행하여, 2차원 이미지 데이터를 생성할 수 있다.
상기 응용 장면에 기반하여, 본 발명의 실시예가 제공하는 이미지 데이터 생성 방법을 설명한다. 도 2를 참조하면, 도 2는 본 발명의 실시예에서 제공되는 이미지 데이터 생성 방법의 하나의 선택 가능한 흐름 모식도이고, 도 2에 도시된 단계를 결부하여 설명한다.
단계 S101에서, 복수 타입의 보드 게임 도구에 각각 대응되는 복수 개의 가상의 3차원 도구 모델을 획득한다.
여기서, 보드 게임 도구는 보드 게임 장면 중 사용되는 게임 소품이다. 예를 들어, 보드 게임 도구는 게임 코인, 게임 카드 및 주사위 등을 포함할 수 있다.
본 발명의 실시예에서, 가상의 3차원 도구 모델은, 가상의 3차원 공간 중 재구축되는 보드 게임 도구의 입체 모델을 가리킨다. 가상의 3차원 도구 모델은, 가상의 3차원 공간에서 리얼 장면 중 보드 게임 도구를 시뮬레이션할 수 있다.
설명해야 할 것은, 각 타입의 보드 게임 도구는 하나의 가상의 3차원 도구 모델, 또는 복수 개의 3차원 도구 모델을 포함할 수 있다. 일 예시에서, 게임 카드는 보드 게임 도구로서, 상이한 카드 면을 포함할 수 있고, 이로써, 게임 카드 중의 각각의 카드 면은 모두 하나의 3차원 도구 모델에 대응될 수 있다. 따라서, 게임 카드는 복수 타입의 가상의 3차원 도구 모델을 포함할 수 있다. 다른 예시에서, 주사위는 보드 게임 도구로서, 일반적으로 하나의 타입을 구비하고, 즉 6개 면을 구비하는 정육면체이다. 따라서, 주사위는 하나의 가상의 3차원 도구를 포함할 수 있다.
본 발명의 실시예에서, 전자 기기는 각각의 게임 도구를 3차원 모델링하는 것을 통해, 각각의 도구에 각각 대응되는 복수 개의 가상의 3차원 도구 모델을 얻을 수 있다. 또한, 전자 기기는 다른 기기가 전송하는 복수 타입의 게임 도구에 각각 대응되는 복수 개의 가상의 3차원 도구 모델을 수신할 수 있다. 본 발명의 실시예는 가상의 3차원 도구 모델의 출처를 한정하지 않는다.
단계 S102에서, 가상의 3차원 보드 게임 장면에서, 복수 개의 가상의 3차원 도구 모델로부터, 적어도 한 가지 보드 게임 도구를 포함하는 적어도 하나의 가상의 3차원 도구 모델을 랜덤으로 결정한다.
리얼한 보드 게임 장면을 시뮬레이션하기 위해, 생성되는 이미지 데이터의 진실성을 높이고, 전자 기기는 하나의 가상의 3차원 보드 게임 장면을 구축할 수 있다. 예시적으로, 전자 기기는 보드 게임 도구를 놓기 위한 가상의 게임 테이블, 및 가상의 게임 배경 환경을 구축할 수 있다.
이로써, 전자 기기는 가상의 3차원 보드 게임 장면에서 상이한 가상의 3차원 도구 모델을 임의로 중첩하여, 리얼한 보드 게임 장면을 시뮬레이션할 수 있다.
본 발명의 실시예에서, 단계 S101에서 복수 타입의 보드 게임 도구에 각각 대응되는 복수 개의 가상의 3차원 도구 모델을 획득한 후, 전자 기기는 가상의 3차원 도구 모델을 랜덤으로 선택하여 상기 가상의 3차원 보드 게임 장면에 중첩할 수 있다.
본 발명의 실시예에서, 전자 기기는 복수 타입의 보드 게임 도구에서 적어도 한 가지 보드 게임 도구를 랜덤으로 선택할 수 있고, 선택되는 적어도 한 가지 보드 게임 도구 중 포함되는 복수 개의 가상의 3차원 도구 모델에서 적어도 하나의 가상의 3차원 도구 모델을 랜덤으로 선택한다. 본 발명의 실시예는, 선택되는 보드 게임 도구의 종류, 및 각 타입의 보드 게임 도구의 3차원 도구 모델의 개수를 한정하지 않는다.
예시적으로, 전자 기기는 게임 카드와 주사위 두 가지 보드 게임 도구를 선택할 수 있고, 구체적으로 게임 카드 중 카드 면 A에 대응되는 가상의 3차원 도구 모델 및 카드 면 B에 대응되는 가상의 3차원 도구 모델 및 주사위에 대응되는 가상의 3차원 도구 모델을 선택한다.
단계 S103에서, 적어도 하나의 가상의 3차원 도구 모델을 가상의 3차원 보드 게임 장면에 중첩하여, 가상의 타깃 게임 장면을 형성한다.
본 발명의 실시예에서, 전자 기기는 리얼 장면을 시뮬레이션할 수 있고, 랜덤으로 선택되는 적어도 하나의 가상의 3차원 도구 모델을 미리 구축된 가상의 3차원 보드 게임 장면에 중첩하여, 가상의 타깃 게임 장면을 형성함으로써, 리얼 보드 게임 장면을 시뮬레이션하는 효과에 도달한다.
본 발명의 일부 실시예에서, 전자 기기는 일정한 규칙에 따라 랜덤으로 선택되는 적어도 하나의 가상의 3차원 도구 모델을 가상의 3차원 보드 게임 장면에 중첩하여, 가상의 타깃 게임 장면을 형성할 수 있다. 예시적으로, 전자 기기는 랜덤으로 선택되는 적어도 하나의 가상의 3차원 도구 모델을 상기 가상의 3차원 보드 게임 장면 중의 기설정된 영역에 중첩할 수 있고, 또는 전자 기기는 가상의 3차원 도구 모델이 속하는 보드 게임 도구 종류에 따라, 상이한 영역에 각각 중첩할 수 있다.
본 발명의 일부 실시예에서, 전자 기기는 적어도 하나의 가상의 3차원 도구 모델을 상이한 위치, 자세, 수량에 의해 가상의 3차원 보드 게임 장면 중첩하여, 가상의 타깃 게임 장면을 형성하도록 제어할 수도 있다. 예시적으로, 전자 기기는 선택되는 적어도 하나의 가상의 3차원 도구 모델을 수미상접의 방식으로 가상의 3차원 보드 게임 장면의 기설정된 영역에 중첩할 수 있고, 또는 전자 기기는 선택되는 적어도 하나의 가상의 3차원 도구 모델을 서로 겹치는 방식으로 가상의 3차원 보드 게임 장면의 기설정된 영역에 중첩할 수 있다.
단계 S104에서, 가상의 타깃 게임 장면에 대해 평면 투영 처리를 수행하여, 적어도 한 가지 보드 게임 도구를 포함하는 2차원 이미지 데이터를 얻는다.
본 발명의 실시예에서, 리얼 장면을 모방한 가상의 타깃 게임 장면 얻은 후, 전자 기기는 가상의 타깃 게임 장면에 따라 식별 모델을 트레이닝 하기 위한 이미지를 생성할 수 있다.
가상의 타깃 게임 장면은 3차원 모델이므로, 전자 기기는 가상의 타깃 게임 장면에 대해 평면 투영 처리를 수행하여, 2차원 이미지 데이터를 얻을 수 있다.
본 발명의 실시예에서, 가상의 타깃 게임 장면에 중첩되는 가상의 3차원 도구 모델은 전자 기기에 의해 결정되고, 즉 전자 기기는 상기 가상의 3차원 도구 모델의 종류 등 속성 정보를 획득할 수 있으므로, 전자 기기가 가상의 타깃 게임 장면에 대해 평면 투영을 진행한 후, 생성되는 2차원 이미지 중 데이터 이미지 내용을 위해 태깅 정보를 자동으로 첨가하여, 태깅 정보가 구비되는 2차원 이미지 데이터를 얻을 수 있으므로, 생성되는 2차원 이미지 데이터는 직접적으로 식별 모델의 트레이닝 또는 테스트에 사용될 수 있다.
본 발명의 일부 실시예에서, 전자 기기는 상기 단계 S101 내지 단계 S104를 끊임없이 수행하여, 대량의 2차원 이미지 데이터를 획득할 수 있고, 식별 모델의 트레이닝 또는 테스트에 사용될 수 있다.
이로부터 알 수 있다시피, 전자 기기는 복수 개의 가상의 3차원 도구 모델을 통해, 가상의 타깃 게임 장면을 자동으로 구축하고, 가상의 타깃 게임 장면에 대해 평면 투영을 진행하며, 보드 게임 도구를 포함하는 2차원 이미지 데이터를 얻을 수 있다. 이로써, 이미지 데이터 수집 및 태깅 과정 중의 수동적인 참여를 줄이고, 데이터의 생성 효율을 대폭적으로 높인다. 일부 태깅 데이터가 비교적 적은 게임 장면에 있어서, 예를 들어, 새로운 게임 도구를 사용하는 게임 장면에 있어서, 본 발명의 실시예는 가상의 3차원 도구 모델을 가상의 게임 장면에 중첩한 후 투영을 진행하는 것을 통해, 리얼 장면 이미지에 가까운 게임 장면 이미지를 효율적으로 생성할 수 있고, 새로운 게임 장면에 적합한 게임 도구 식별 모델의 트레이닝 정확도를 높일 수 있다.
본 발명의 일부 실시예에서, 전자 기기는 복수 개의 투영 시각에 기반하여, 가상의 타깃 게임 장면에 대해 평면 투영 처리를 수행하여, 적어도 한 가지 보드 게임 도구를 포함하는 복수 개의 2차원 이미지 데이터를 얻을 수 있다.
이해해야 할 것은, 전자 기기는 상이한 위치에서, 상이한 투영 각도에 의해, 동일한 가상의 타깃 게임 장면에 대해 평면 투영 처리를 진행할 수 있고, 복수 타입의 투영 시각에서의 복수 개의 2차원 이미지 데이터를 얻을 수 있다. 이로써, 가상의 타깃 게임 장면을 구축하는 것을 통해, 복수 개의 상이한 2차원 이미지 데이터를 생성함으로써, 이미지 데이터의 생성 효율을 더 높인다.
본 발명의 일부 실시예에서, 도 3에 도시된 흐름 모식도를 참조하면, 단계 S101에서 복수 타입의 보드 게임 도구에 각각 대응되는 복수 개의 가상의 3차원 모델을 획득하는 것은 아래의 단계를 통해 구현될 수 있다.
단계 S1011에서, 복수 타입의 촬영 시각에 기반하여, 복수 타입의 보드 게임 도구 중 각 타입의 보드 게임 도구에 대해 이미지 수집을 진행하여, 각 타입의 보드 게임 도구의 시각 이미지 시퀀스를 얻는다.
단계 S1012에서, 시각 이미지 시퀀스에 기반하여, 각 타입의 보드 게임 도구에 대해 3차원 모델 구축을 진행하여, 각 타입의 보드 게임 도구에 대응되는 적어도 하나의 가상의 3차원 도구 모델을 얻는다.
이해해야 할 것은, 본 발명의 실시예에서 전자 기기는 자동으로 보드 게임 도구에 대해 3차원 재구축을 진행하여, 각 타입의 보드 게임 도구에 대응되는 복수 개의 가상의 3차원 도구 모델을 얻을 수 있다.
설명해야 할 것은, 전자 기기는 각 타입의 보드 게임 도구에 포함되는 적어도 하나의 상이한 타입의 분류 도구에 대해 별도로 3차원 재구축을 진행할 수 있다. 예시적으로, 전자 기기는 게임 카드에 포함되는 복수 개의 상이한 카드 타입의 게임 카드에 대해 각각 3차원 재구축을 진행할 수 있고, 전자 기기는 게임 코인에 포함되는 복수 개의 상이한 화폐 타입의 게임 코인에 대해 각각 3차원 재구축을 진행할 수 있다. 이로써, 전자 기기는 각 타입의 보드 게임 도구에 대응되는 복수 개의 가상의 3차원 도구 모델을 얻고, 생성되는 이미지 데이터의 다양성을 높일 수 있다.
본 발명의 실시예에서, 전자 기기는 이미지 수집 장치를 통해 각 타입의 보드 게임 도구가 각 촬영 시각 방향하의 시각 이미지 시퀀스를 수집할 수 있다.
여기서, 시각 이미지 시퀀스는 비디오 데이터 중의 멀티 프레임 이미지일 수 있고, 단독으로 수집한 멀티 프레임 이미지일 수 도 있으며, 본 발명의 실시예는 이에 대해 한정하지 않는다.
본 발명의 일부 실시예에서, 전자 기기는 순색의 배경 환경 중에 놓인 보드 게임 도구 각 촬영 시각의 이미지를 수집하여, 시각 이미지 시퀀스를 얻을 수 있기에, 보드 게임 도구의 특징을 더 정확하게 추출하여 3차원 재구축에 사용함으로써, 보드 게임 도구의 가상의 3차원 모델 구축 중 배경 정보의 영향을 감소하도록 한다.
본 발명의 실시예에서, 전자 기기가 각 타입의 보드 게임 도구의 시각 이미지 시퀀스를 수집한 후, 운동으로부터 구조의 출현(Structure From Motion, SfM) 알고리즘을 사용하여, 보드 게임 도구에 대해 3차원 모델 재구축을 진행할 수 있다. 구체적으로, 전자 기기는 시각 이미지 시퀀스 중의 픽셀점 모션 파라미터를 추출하고, 픽셀점의 모션 파라미터에 기반하여, 보드 게임 도구의 가상의 3차원 도구 모델을 구축할 수 있다.
이로부터 알 수 있다시피, 전자 기기는 단지 각 타입의 보드 게임 도구에 대응되는 가상의 3차원 도구 모델을 구축하고, 상이한 보드 게임 도구에 대응되는 가상의 3차원 도구 모델을 조합하여 가상의 타깃 게임 장면을 얻는 것만으로도, 풍부하고 복수 타입의 이미지 데이터를 생성할 수 있다. 이로써, 이미지 데이터의 생성 효율을 높인다.
본 발명의 일부 실시예에서, 단계 S1012에서 시각 이미지 시퀀스에 기반하여, 각 타입의 보드 게임 도구에 대해 3차원 모델을 구축하여, 각 타입의 보드 게임 도구에 대응되는 적어도 하나의 가상의 3차원 도구 모델을 얻는 것은 아래의 단계를 통해 구현될 수 있다.
시각 이미지 시퀀스에 기반하여, 각 타입의 보드 게임 도구 중 적어도 하나의 보드 게임 도구에 대응되는 3차원 포인트 클라우드 데이터를 결정하고;
적어도 하나의 보드 게임 도구에 대응되는 상기 3차원 포인트 클라우드 데이터를 렌더링하여, 적어도 하나의 보드 게임 도구에 대응되는 가상의 3차원 도구 모델을 얻음으로써, 각 타입의 보드 게임 도구에 대응되는 적어도 하나의 가상의 3차원 도구 모델을 얻는다.
본 발명의 실시예에서, 시각 이미지 시퀀스에 대해 SfM 처리를 진행하여, 시각 이미지 시퀀스 중의 촬영한 보드 게임 도구에 대응되는 3차원 포인트 클라우드 데이터를 초보적으로 얻을 수 있다.
본 발명의 실시예에서, 또한 초보적으로 얻은 보드 게임 도구의 3차원 포인트 클라우드 데이터에 대해 렌더링 최적화를 진행하여, 가상의 3차원 도구 모델의 진실성을 높여야 한다.
본 발명의 일부 실시예에서, 적어도 하나의 보드 게임 도구에 대응되는 3차원 포인트 클라우드 데이터를 렌더링하는 단계는,
3차원 포인트 클라우드 데이터에 대해 표면 평활화 처리를 수행하고, 표면 평활화 처리는 3차원 포인트 클라우드 데이터 표면의 포인트 클라우드를 필터링하여, 가상의 3차원 도구 모델에 대응되는 표면 윤곽을 얻기 위한 것-인 단계;
3차원 포인트 클라우드 데이터에 대해 텍스처 평활화 처리를 수행하고, 텍스처 평활화 처리는 가상의 3차원 도구 모델에 대응되는 표면 이미지의 텍스처를 필터링하기 위한 것인 단계;
3차원 포인트 클라우드 데이터에 대해 대칭 처리를 수행하고, 대칭 처리는 3차원 포인트 클라우드 데이터의 윤곽 형상을 조절하기 위한 것인 단계 중 적어도 하나를 포함할 수 있다.
이해해야 할 것은, 전자 기기는 초보적으로 구축되는 3차원 포인트 클라우드 데이터의 표면에 대해 평활화 처리를 수행하여, 3차원 포인트 클라우드 데이터가 완전한 표면 윤곽을 형성하도록 할 수 있다. 또한, 전자 기기는 이미 표면 평활화 처리를 완성한 3차원 포인트 클라우드 데이터에 대해 텍스처 평활화 처리를 진행할 수 있다. 다시 말해, 전자 기기는 3차원 포인트 클라우드 데이터가 형성한 표면 윤곽 위의 텍스처에 대해 선별, 융합, 평활화 처리를 진행하고, 주위의 다른 픽셀점의 픽셀 값과 비교적 큰 차이가 존재하는 픽셀 값의 픽셀점을 여과할 수 있다. 마지막으로, 전자 기기는 3차원 포인트 클라우드 데이터가 형성한 윤곽 형상을 수식하여, 생성되는 가상의 3차원 도구 모델의 형상이 더 대칭되고 균일하도록 할 수 있다.
본 발명의 일부 실시예에서, 도 4에 도시된 흐름 모식도를 참조하면, 단계 S103에서 적어도 하나의 가상의 3차원 도구 모델을 상기 가상의 3차원 보드 게임 장면에 중첩하여, 가상의 타깃 게임 장면을 형성하는 것은, 아래의 단계를 통해 구현될 수 있다.
단계 S1031에서, 적어도 하나의 가상의 3차원 도구 모델 중 각각의 가상의 3차원 도구 모델의 표시 정보를 결정한다.
단계 S1032에서, 적어도 하나의 가상의 3차원 모델의 표시 정보에 기반하여, 적어도 하나의 가상의 3차원 도구 모델을 가상의 3차원 보드 게임 장면에 중첩하여, 가상의 타깃 게임 장면을 형성한다.
본 발명의 실시예에서, 전자 기기는 복수 타입의 보드 게임 도구에 대응되는 복수 개의 가상의 3차원 도구 모델로부터, 하나 또는 복수 개의 가상의 3차원 도구 모델을 랜덤으로 선택할 수 있고, 일정한 규칙에 따라 선택되는 가상의 3차원 도구 모델을 가상의 3차원 보드 게임 장면에 중첩하여, 가상의 타깃 게임 장면을 얻을 수 있다.
여기서, 가상의 3차원 보드 게임 장면은 게임 테이블의3차원 정보를 포함할 수 있고, 구체적으로 게임 데스크톱에 보드 게임 도구를 놓기 위한 영역의 3차원 정보를 포함한다. 또는 가상의 3차원 보드 게임 장면은 데스크톱의 위치 정보 및 데스크톱의 배경 정보를 포함할 수 있다, 데스크톱의 배경 정보는 예를 들어, 테이블 보의 타입 및/또는 테이블 보의 게임 영역 분할 정보이다.
일부 실시예에서, 전자 기기는 적어도 하나의 가상의 3차원 도구 모델을 선택한 후, 각각의 가상의 3차원 도구 모델의 표시 정보를 결정할 수 있고, 각각의 가상의 3차원 도구 모델의 표시 정보에 따라 대응되는 가상의 3차원 도구 모델을 가상의 3차원 보드 게임 장면에 중첩할 수 있다.
여기서, 표시 정보는 가상의 3차원 도구 모델의 표시 위치, 표시 자세 및 표시 수량 중의 적어도 하나를 포함할 수 있다.
다른 일부 실시예에서, 전자 기기는 가상의 3차원 도구 모델 및 가상의 3차원 보드 게임 장면을 동일한 좌표계로 변환한 후, 가상의 3차원 도구 모델을 전경 정보로 하고, 가상의 3차원 보드 게임 장면을 배경 정보로 하여 중첩함으로써, 가상의 게임 데스크톱에 가상의 3차원 도구가 놓인 것을 포함하는 가상의 타깃 게임 장면을 얻을 수 있다.
이해해야 할 것은, 전자 기기는 복수 개의 가상의 3차원 도구 모델을 중첩하기 전에, 각각의 가상의 3차원 도구 모델의 표시 위치, 표시 자세 및 표시 수량을 결정할 수 있다. 이로써, 전자 기기는 각각의 가상의 3차원 도구 모델의 표시 위치, 표시 자세 및 표시 수량에 기반하여, 복수 개의 가상의 3차원 도구 모델을 조합할 수 있고, 조합하여 얻은 복수 개의 가상의 3차원 도구 모델을 가상의 3차원 보드 게임 장면에 중첩할 수 있다.
여기서, 표시 위치는 가상의 3차원 도구 모델 가상의 3차원 보드 게임 장면 중의 중첩 위치이다. 예를 들어, 표시 위치는 가상의 3차원 도구 모델이 가상의 3차원 보드 게임 장면 중의 좌표 정보일 수 있다.
표시 자세는, 가상의 3차원 도구 모델이 가상의 3차원 게임 장면 중에 놓인 자세이고; 예를 들어 게임 카드에 대응되는 가상의 3차원 도구 모델은 카드 면이 위로 향하게 가상의 3차원 게임 장면에 중첩되거나, 뒷면이 위로 향하게 가상의 3차원 게임 장면에 중첩될 수 있다.
표시 수량은, 가상의 3차원 보드 게임 장면에 중첩되는 가상의 3차원 도구 모델의 수량이다. 다시 말해, 가상의 3차원 보드 게임 장면에서 복수 개의 동일한 가상의 3차원 도구 모델을 중첩할 수 있다. 설명해야 할 것은, 가상의 3차원 도구 모델의 수량이 복수 개인 경우, 전자 기기는 각각의 가상의 3차원 도구 모델을 위해 상이한 표시 위치 및 상이한 표시 자세를 설정할 수 있다.
본 발명의 일부 실시예에서, 적어도 하나의 가상의 3차원 도구 모델 중 각각의 가상의 3차원 도구 모델의 표시 정보를 결정하는 단계 S1031은,
기설정된 장면 배치 규칙에 따라, 적어도 하나의 가상의 3차원 도구 모델 중 각각의 가상의 3차원 도구 모델의 표시 위치를 결정하고, 기설정된 장면 배치 규칙은 기설정된 가상의 3차원 도구 모델이 3차원 보드 게임 장면 중의 중첩 규칙인 단계;
적어도 하나의 가상의 3차원 도구 모델 중 각각의 가상의 3차원 도구 모델의 표시 자세를 랜덤으로 결정하는 단계；및
적어도 하나의 가상의 3차원 도구 모델 중 각각의 가상의 3차원 도구 모델의 표시 수량을 랜덤으로 결정하는 단계 중 적어도 하나를 포함한다.
실제 응용에서, 모든 보드 게임 도구는 보드 게임 장면의 기설정된 영역에 놓아야 하고, 예를 들어 보드 게임 도구는 게임 테이블의 중심 영역에 놓아야 한다. 또한, 종류가 상이한 보드 게임 도구는, 기설정된 영역에서 놓이는 위치가 상이하다. 예를 들어, 게임 카드는 게임 테이블 각각의 측변의 중간 위치에 놓을 수 있고, 게임 칩은 게임 테이블 두 변의 모서리에 놓아야 한다.
이에 기반하여, 전자 기기는 리얼 장면 중의 배치 규칙을 모방할 수 있고, 적어도 하나의 가상의 3차원 도구 모델을 가상의 3차원 보드 게임 장면에 중첩할 수 있다.
구체적으로, 전자 기기는 가상의 3차원 보드 게임 장면에 대응되는 기설정된 장면 배치 규칙을 획득할 수 있고, 기설정된 장면 배치 규칙에 따라, 각각의 가상의 3차원 도구 모델의 표시 위치를 결정할 수 있다. 여기서, 기설정된 장면 배치 규칙은, 각각의 가상의 3차원 도구 모델이 놓이는 것이 금지되는 영역일 수 있고, 예를 들어, 게임 카드의 3차원 도구 모델은 가상의 게임 테이블 가장자리로부터 20밀리미터 떨어진 범위 내에 놓이는 것이 금지된다. 기설정된 장면 배치 규칙은 각각의 가상의 3차원 도구 모델이 놓일 수 있는 영역일 수 도 있고, 예를 들어, 게임 코인의 3차원 도구 모델은 가상의 게임 테이블의 중심 영역에 놓인다. 본 발명의 실시예는 기설정된 장면 배치 규칙을 한정하지 않는다.
본 발명의 일부 실시예에서, 기설정된 장면 배치 규칙에 따라, 적어도 하나의 가상의 3차원 도구 모델 중 각각의 가상의 3차원 도구 모델의 표시 위치를 결정하는 것은, 아래의 단계를 통해 구현될 수 있다.
기설정된 장면 배치 규칙에 따라, 적어도 하나의 가상의 3차원 도구 모델에 대응되는 타깃 중첩 영역을 각각 결정하고, 각 타입의 보드 게임 도구의 가상의 3차원 도구 모델은 각각 하나의 타깃 중첩 영역에 대응되며;
타깃 중첩 영역에서, 상기 각각의 가상의 3차원 도구 모델 각자의 표시 위치를 랜덤으로 결정한다.
설명해야 할 것은, 리얼 장면 중 상이한 종류의 보드 게임 도구가 보드 게임 장면 중의 상이한 영역에 놓는 것과 유사하게, 본 발명의 실시예에서, 각 타입의 보드 게임 도구의 가상의 3차원 도구 모델은 각각 하나의 타깃 중첩 영역에 대응된다.
이해해야 할 것은, 전자 기기는 먼저 각각의 가상의 3차원 도구 모델에 대응되는 보드 게임 도구의 타입을 결정하고, 보드 게임 도구의 타입에 기반하여 각각의 가상의 3차원 도구 모델의 타깃 중첩 영역을 결정할 수 있다. 타깃 중첩 영역의 면적은 가상의 3차원 도구 모델의 면적보다 크다. 또한, 전자 기기는 타깃 중첩 영역에서 하나의 구체적인 위치를 랜덤으로 결정하여, 가상의 3차원 도구 모델의 표시 위치로 할 수 있다.
다시 말해, 전자 기기는 먼저 가상의 3차원 도구 모델이 중첩될 수 있는 영역 범위를 결정하고, 다음 이 영역 범위에서 가상의 3차원 도구 모델을 위해 하나의 구체적인 표시 위치를 랜덤으로 결정할 수 있다.
예시적으로, 도 5에 도시된 응용 장면 모식도를 참조하면, 전자 기기는 게임 칩의 가상의 3차원 도구 모델(51)을 가상의 게임 테이블(52)에 중첩할 수 있다. 가상의 게임 테이블(52)의 데스크톱에는 모두 4개의 게임 칩(51)을 놓기 위한 영역(영역(53) 내지 영역(56))이 구비된다. 이에 기반하여, 전자 기기가 게임 칩의 가상의 3차원 도구 모델(51)의 표시 위치를 결정할 경우, 먼저 게임 칩의 가상의 3차원 도구 모델(51)의 타깃 중첩 영역을 결정할 수 있고, 타깃 중첩 영역은 영역(53) 내지 영역(56)을 포함한다. 또한, 전자 기기는 타깃 중첩 영역에서 영역(53)을 랜덤으로 선택하여, 가상의 3차원 도구 모델(51)의 표시 위치로 할 수 있다.
본 발명의 실시예에서, 전자 기기는 가상의 3차원 도구 모델의 표시 자세 및 표시 수량을 랜덤으로 결정할 수 있다.
종합하면, 전자 기기가 적어도 하나의 가상의 3차원 도구 모델을 결정한 후, 랜덤 표시 위치, 표시 자세 및 표시 수량으로 적어도 하나의 가상의 3차원 도구 모델을 가상의 3차원 보드 게임 장면에 중첩할 수 있다. 이로써, 타깃 게임 장면의 다양성 및 풍부성을 증가시키고, 동시에 생성되는 이미지 데이터의 다양성 및 풍부성을 증가시킨다.
본 발명의 일부 실시예에서, 도 6을 참조하면, 본 발명의 실시예에서 제공되는 이미지 데이터 생성 방법은 아래의 단계를 더 포함할 수 있다.
단계 S105에서, 리얼 보드 게임 장면 이미지를 획득한다.
실제 응용에서, 상이한 보드 게임 장면에서 상이한 보드 게임 도구를 사용한다. 예를 들어, 일부 보드 게임 장면 중의 게임 카드의 글자체는 초서체이고, 일부 보드 게임 장면 중의 게임 카드의 글자체는 고딕체이다.
이에 기반하여, 본 발명의 실시예에서, 전자 기기는 신경망 기술에 기반하여 단계 S104에서 생성되는 2차원 이미지 데이터에 대해 스타일 전이를 진행할 수 있고, 생성되는 2차원 이미지의 스타일이 리얼 보드 게임 장면 이미지와 더 가깝도록하며, 이미지 데이터의 생성 품질을 높인다.
구체적으로, 전자 기기는 리얼 보드 게임 장면 이미지를 획득할 수 있으므로, 리얼 보드 게임 장면 이미지 중의 스타일을 참조하기 편리하고, 단계 S104에서 생성되는 2차원 이미지 데이터에 대해 스타일 전이를 진행할 수 있다. 전자 기기는 한 장의 리얼 보드 게임 장면 이미지, 또는 여러 장의 리얼 보드 게임 장면 이미지를 획득할 수 있고, 본 발명의 실시예는 이에 대해 한정하지 않는다.
단계 S106에서, 리얼 보드 게임 장면 이미지 및 2차원 이미지 데이터를 각각 스타일링하여, 리얼 보드 게임 장면 특징맵 및 2차원 이미지 특징맵을 얻는다.
본 발명의 실시예에서, 전자 기기는 리얼 보드 게임 장면 이미지 중 스타일과 관련되는 이미지 특징을 추출하여, 리얼 보드 게임 장면 특징맵을 얻을 수 있다. 동시에, 전자 기기는 2차원 이미지 데이터 중 스타일과 관련되는 이미지 특징을 추출하여, 2차원 이미지 특징맵을 얻을 수도 있다. 이로써, 얻은 리얼 보드 게임 장면 특징맵 및 2차원 이미지 특징맵에 풍부한 스타일 정보가 포함될 수 있다.
여기서, 스타일과 관련되는 이미지 특징은 글자체의 이미지 특징 또는 게임 카드의 형상 특징 등일 수 있고, 본 발명의 실시예는 이에 대해 한정하지 않는다.
단계 S107에서, 리얼 보드 게임 장면 특징맵을 사용하여 2차원 이미지 특징맵에 대해 스타일 전이를 진행하여, 2차원 이미지 전이 특징맵을 얻는다.
단계 S108에서, 2차원 이미지 전이 특징맵에 기반하여 역 전파를 진행하여, 스타일 전이 후의 전이 이미지 데이터를 결정한다.
여기서, 전이 이미지 데이터는 식별 모델의 트레이닝 또는 테스트에 사용된다.
본 발명의 실시예에서, 전자 기기는 미리 트레이닝된 스타일 전이 모델을 사용하여, 2차원 이미지 특징맵에 대해 스타일 전이를 진행할 수 있다. 스타일 전이 모델은 신경망 기술에 기반하여 구축될 수 있다.
구체적으로, 전자 기기는 스타일 전이 모델을 사용하여 2차원 이미지 특징맵에 대해 스타일 전이 처리를 진행하여, 2차원 이미지 전이 특징맵을 얻을 수 있다. 2차원 이미지 전이 특징맵은 2차원 이미지 데이터의 일부분 영역에 대해서만 스타일 전이를 진행한 것일 수 있으므로, 2차원 이미지 전이 특징맵을 얻은 후, 2차원 이미지 전이 특징맵에 기반하여 역 전파 처리를 하여, 일부분의 스타일 전이를 2차원 이미지의 전부로 확장하여, 전이 후의 전이 이미지 데이터를 얻을 수 있다.
이로써, 스타일 전이 처리를 통해 얻은 전이 이미지 데이터의 이미지 스타일은 리얼 보드 게임 장면에 더 가까울 수 있고, 생성되는 이미지 데이터를 이용하여 복수 타입의 상이한 리얼 보드 게임 장면의 식별 모델을 트레이닝할 수 있으므로, 대량의 상이한 리얼 보드 게임 장면의 이미지를 수집하는 어려운 문제를 해결하고, 이미지 데이터의 생성 효율을 높인다.
아래에 구체적인 응용 장면을 결부하여, 본 발명의 실시예에서 제공되는 이미지 데이터 생성 방법을 상세하게 설명한다.
본 발명의 실시예에서 제공되는 이미지 데이터 생성 방법은 아래의 단계를 포함할 수 있다.
단계 a에서, 보드 게임 도구의 가상의 3차원 도구 모델을 구축한다.
본 발명의 실시예에서, 단계 a의 목적은 알고리즘을 통해 자동으로 보드 게임 장면 중 각 타입의 보드 게임 도구의 가상의 3차원 도구 모델을 재구축하는 것이다. 보드 게임 도구는 게임 칩, 주사위, 트럼프 카드 등일 수 있다.
여기서, 전자 기기는 보드 게임 도구가 상이한 촬영 시각에서의 비디오 데이터를 수집할 수 있고, 상기 보드 게임 도구가 상이한 시각에서의 비디오 데이터에 기반하여, 상기 보드 게임 도구에 대응되는 가상의 3차원 도구 모델을 구축한다.
구체적으로, 단계 a는 아래의 단계를 포함한다.
단계 a1에서, 보드 게임 도구가 상이한 촬영 시각에서의 비디오 데이터를 획득한다.
여기서, 보드 게임 도구를 배경의 방해가 없는 순색의 데스크톱에 놓고, 작은 물체의 각 방향 촬영 시각이 포함되는 비디오 데이터를 수집할 수 있다.
단계 a2에서, 상이한 촬영 시각에서의 비디오 데이터에 기반하여, 보드 게임 도구에 대응되는 3차원 포인트 클라우드 데이터를 구축한다.
여기서, 전자 기기는 단계 a1에서 수집되는 비디오에 대해 SfM 알고리즘 처리를 진행하여, 보드 게임 도구의 3차원 포인트 클라우드 데이터를 초보적으로 재구축할 수 있다.
단계 a3에서, 3차원 포인트 클라우드 데이터를 렌더링하여, 가상의 3차원 도구 모델을 얻는다.
여기서, 전자 기기는 보드 게임 도구의 3차원 포인트 클라우드 데이터에 대해 렌더링 최적화를 진행할 수 있고, 표면 평활화 처리, 텍스처 평활화 처리, 및 대칭 처리 등을 포함한다. 표면 평활화 처리는 3차원 포인트 클라우드 데이터의 표면에 대해 평활화 처리를 진행하여, 더 매끄러운 가상의 3차원 도구 모델의 표면 윤곽을 얻는 것이고; 텍스처 평활화 처리는 3차원 포인트 클라우드 데이터 표면 윤곽의 텍스처 스티커에 대해 평활화 처리를 진행하여, 비디오 중 멀티 프레임 이미지가 얻는 텍스처 스티커에 대해 선별, 융합, 평활화 처리를 진행하는 것이며; 대칭 처리는 3차원 포인트 클라우드 데이터의 윤곽 형상을 수식하여, 생성되는 가상의 3차원 도구 모델 형상이 더 대칭되고, 균일하도록 하는 것이다.
단계 b에서, 가상의 3차원 도구 모델에 기반하여, 2차원 이미지 데이터를 생성한다.
구체적으로, 전자 기기는 가상의 3차원 보드 게임 장면에서, 복수 개의 보드 게임 도구의 가상의 3차원 도구 모델을 랜덤으로 조합하여, 가상의 타깃 게임 장면을 얻을 수 있다.
여기서, 전자 기기는 각 타입의 보드 게임 도구의 가상의 3차원 도구 모델을 위해 랜덤 표시 위치, 표시 자세 및 표시 수량을 설정할 수 있고, 설정되는 표시 위치, 표시 자세 및 표시 수량에 기반하여 복수 개의 보드 게임 도구를 가상의 3차원 보드 게임 장면에 중첩하여, 가상의 타깃 게임 장면을 얻을 수 있다.
또한, 전자 기기는 가상의 타깃 게임 장면에 대해 평면 투영 처리를 진행하여, 2차원 이미지 데이터를 생성한다.
단계 c에서, 2차원 이미지 데이터에 대해 스타일 전이를 진행한다.
구체적으로, 전자 기기는 리얼 보드 게임 장면 이미지를 수집하고, 리얼 보드 게임 장면 이미지를 참조하여 단계 b에서 생성되는 2차원 이미지에 대해 스타일 전이를 진행하여, 그 스타일이 리얼 보드 게임 장면 중의 이미지 스타일과 더 가깝도록 할 수 있다.
이로부터 알 수 있다시피, 본 발명의 실시예에서 제공되는 이미지 데이터 생성 방법은, 이미지 데이터 수집 및 태깅 과정 중의 수동적인 참여를 감소하고, 이미지 데이터의 생성 효율을 대폭적으로 높일 수 있다. 또한, 전자 기기는 SfM알고리즘에 기반하여 보드 게임 도구를 3차원 모델링하고, 생성되는 2차원 이미지 데이터에 대해 스타일 전이를 진행하여, 이미지 생성 데이터 효율 및 품질을 높일 수 있다.
도 7은 본 발명의 실시예의 이미지 데이터 생성 장치의 구조 조성 모식도 1이고, 도 6에 도시된 바와 같이, 상기 이미지 데이터 생성 장치는,
복수 타입의 보드 게임 도구에 각각 대응되는 복수 개의 가상의 3차원 도구 모델을 획득하며, 보드 게임 도구는 보드 게임 장면 중 사용되는 게임 소품인 모델 획득 유닛(71)；
가상의 3차원 보드 게임 장면에서, 상기 복수 개의 가상의 3차원 도구 모델로부터, 적어도 한 가지 보드 게임 도구를 포함하는 적어도 하나의 가상의 3차원 도구 모델을 랜덤으로 결정하기 위한 모델 결정 유닛(72);
상기 적어도 하나의 가상의 3차원 도구 모델을 상기 가상의 3차원 보드 게임 장면에 중첩하여, 가상의 타깃 게임 장면을 형성하기 위한 중첩 처리 유닛(73); 및
상기 가상의 타깃 게임 장면에 대해 평면 투영 처리를 수행하여, 상기 적어도 한 가지 보드 게임 도구를 포함하는 2차원 이미지 데이터를 얻기 위한 이미지 생성 유닛(74)을 포함한다.
일부 실시예에서, 모델 획득 유닛(71)은, 구체적으로 상기 복수 타입의 보드 게임 도구 중 각 타입의 보드 게임 도구에 대해 이미지 수집을 진행하여, 상기 각 타입의 보드 게임 도구의 시각 이미지 시퀀스를 얻고; 상기 시각 이미지 시퀀스에 기반하여, 상기 각 타입의 보드 게임 도구에 대해 3차원 모델 구축을 진행하여, 상기 각 타입의 보드 게임 도구에 대응되는 적어도 하나의 가상의 3차원 도구 모델을 얻기 위한 것이다.
일부 실시예에서, 모델 획득 유닛(71)은, 또한 상기 시각 이미지 시퀀스에 기반하여, 상기 각 타입의 보드 게임 도구 중 적어도 하나의 보드 게임 도구에 대응되는 3차원 포인트 클라우드 데이터를 결정하고; 상기 적어도 하나의 보드 게임 도구에 대응되는 상기 3차원 포인트 클라우드 데이터를 렌더링하여, 상기 적어도 하나의 보드 게임 도구에 대응되는 가상의 3차원 도구 모델을 얻기 위한 것이다.
일부 실시예에서, 상기 적어도 한 가지 보드 게임 도구에 대응되는 상기 3차원 포인트 클라우드 데이터를 렌더링하는 단계는,
상기 3차원 포인트 클라우드 데이터에 대해 표면 평활화 처리를 진행하고, 상기 표면 평활화 처리는 상기 3차원 포인트 클라우드 데이터 표면의 포인트 클라우드를 필터링하여, 가상의 3차원 도구 모델에 대응되는 표면 윤곽을 얻기 위한 것인 단계;
상기 3차원 포인트 클라우드 데이터에 대해 텍스처 평활화 처리를 진행하고, 상기 텍스처 평활화 처리는 가상의 3차원 도구 모델에 대응되는 표면 이미지의 텍스처를 필터링하기 위한 것인 단계;
상기 3차원 포인트 클라우드 데이터에 대해 대칭 처리를 진행하고, 상기 대칭 처리는 상기 3차원 포인트 클라우드 데이터의 윤곽 형상을 조절하기 위한 것인 단계 중 적어도 하나를 포함한다.
일부 실시예에서, 중첩 처리 유닛(73)은, 구체적으로 상기 적어도 하나의 가상의 3차원 도구 모델을 전경 정보로 하고, 상기 가상의 3차원 보드 게임 장면을 배경 정보로 하여 중첩함으로써, 상기 가상의 타깃 게임 장면을 얻기 위한 것이다.
일부 실시예에서, 중첩 처리 유닛(73)은, 상기 적어도 하나의 가상의 3차원 도구 모델 중 각각의 가상의 3차원 도구 모델의 표시 정보를 결정하고; 상기 적어도 하나의 가상의 3차원 도구 모델의 표시 정보에 기반하여, 상기 적어도 하나의 가상의 3차원 도구 모델을 상기 가상의 3차원 보드 게임 장면에 중첩하여, 상기 가상의 타깃 게임 장면을 형성하기 위한 것이다.
일부 실시예에서, 중첩 처리 유닛(73)은, 또한 기설정된 장면 배치 규칙에 따라, 상기 적어도 하나의 가상의 3차원 도구 모델 중 각각의 가상의 3차원 도구 모델의 표시 위치를 결정하고; 상기 기설정된 장면 배치 규칙은 기설정된 상기 가상의 3차원 도구 모델이 상기 3차원 보드 게임 장면 중의 중첩 규칙이며; 상기 적어도 하나의 가상의 3차원 도구 모델 중 각각의 가상의 3차원 도구 모델의 표시 자세를 랜덤으로 결정하고; 상기 적어도 하나의 가상의 3차원 도구 모델 중 각각의 가상의 3차원 도구 모델의 표시 수량을 랜덤으로 결정하기 위한 것이다.
일부 실시예에서, 중첩 처리 유닛(73)은, 또한 기설정된 장면 배치 규칙에 따라, 상기 적어도 하나의 가상의 3차원 도구 모델에 대응되는 타깃 중첩 영역을 각각 결정하고; 각 타입의 보드 게임 도구의 가상의 3차원 도구 모델은 각각 하나의 타깃 중첩 영역에 대응되며; 상기 타깃 중첩 영역에서, 상기 각각의 가상의 3차원 도구 모델 각자의 표시 위치를 랜덤으로 결정하기 위한 것이다.
일부 실시예에서, 이미지 생성 유닛(74)은, 구체적으로 복수 개의 투영 시각에 기반하여, 상기 가상의 타깃 게임 장면에 대해 평면 투영 처리를 수행하여, 상기 적어도 한 가지 보드 게임 도구를 포함하는 복수 개의 2차원 이미지 데이터를 얻기 위한 것이다.
일부 실시예에서, 이미지 데이터 생성 장치는 스타일 전이 처리 유닛을 더 포함할 수 있고, 구체적으로 리얼 보드 게임 장면 이미지를 획득하고; 상기 리얼 보드 게임 장면 이미지 및 상기 2차원 이미지 데이터를 각각 스타일링하여, 리얼 보드 게임 장면 특징맵 및 2차원 이미지 특징맵을 얻으며; 상기 리얼 보드 게임 장면 특징맵을 사용하여 상기 2차원 이미지 특징맵을 스타일 전이하여, 2차원 이미지 전이 특징맵을 얻으며; 상기 2차원 이미지 전이 특징맵에 기반하여 역 전파하고, 스타일 전이 후의 전이 이미지 데이터를 결정하기 위한 것이다.
일부 실시예에서, 보드 게임 도구는 복수 개의 화폐 타입의 게임 코인, 복수 개의 카드 타입의 게임 카드, 및 주사위 중 적어도 하나를 포함한다.
대응되게, 본 발명의 실시예는 전자 기기를 제공하고, 도 8은 본 발명의 실시예의 전자 기기 구조 모식도이며, 도 8에 도시된 바와 같이, 메모리(801), 프로세서(802) 및 메모리(801)에 저장되고 프로세서(802)에서 실행될 수 있는 컴퓨터 프로그램을 포함하며; 프로세서(802)는 컴퓨터 프로그램을 실행할 경우, 상기 실시예 중의 이미지 데이터 생성 방법을 구현하기 위한 것이다.
이해해야 할것은, 전자 기기는 버스 시스템(803)을 더 포함하고； 전자 기기 중의 각 컴포넌트는 버스 시스템(803)을 통해 하나로 커플링되며, 버스 시스템(803)은 컴포넌트 사이의 연결 통신을 구현하기 위한 것이다. 버스 시스템(803)은 데이터 버스를 포함하는 외에, 전원 버스, 제어 버스 및 상태 신호 버스를 더 포함할 수 있다.
메모리(801)는 프로세서(802)에서 처리되는 컴퓨터 프로그램 및 애플리케이션을 저장하도록 구성되고, 프로세서(802)에 의해 처리될 데이터를 캐싱할 수 있으며, 플래시(FLASH) 또는 랜덤 액세스 메모리(Random Access Memory, RAM)를 통해 구현될 수 있다.
프로세서(802)는 프로그램을 실행할 경우 상기 임의의 하나의 이미지 데이터 생성 방법의 단계를 수행한다.
본 발명의 실시예는 컴퓨터 저장 매체를 제공하고, 컴퓨터 저장 매체에는 하나 또는 복수 개의 프로그램이 저장되며, 상기 하나 또는 복수 개의 프로그램은 하나 또는 복수 개의 프로세서에 의해 실행되어, 상술한 임의의 실시예에 따른 이미지 데이터 생성 방법의 단계를 수행할 수 있다.
여기서 지적해야 할 것은, 상술한 저장 매체 및 기기 실시예의 설명은, 상술한 방법 실시예의 설명과 유사하고, 방법 실시예와 유사한 유익한 효과를 구비한다. 본 발명의 저장 매체 및 기기 실시예에서 미공개되는 기술 디테일은, 본 발명의 방법 실시예의 설명을 참조하여 이해해야 한다.
상기 프로세서는 응용 주문형 집적 회로(Application Specific Integrated Circuit, ASIC), 디지털 시그널 프로세서(Digital Signal Processor, DSP), 디지털 시그널 처리 장치(Digital Signal Processing Device, DSPD), 프로그램 가능 논리 소자(Programmable Logic Device, PLD), 필드 프로그램 가능 게이트 어레이(Field Programmable Gate Array, FPGA), 중앙 처리 장치(Central Processing Unit, CPU), 컨트롤러, 마이크로 컨트롤러, 마이크로 프로세서 중의 적어도 하나일 수 있다. 이해해야 할 것은, 상기 프로세서의 기능을 구현하는 전자 부품은 다른 것일 수도 있고, 본 발명의 실시예는 구체적으로 한정하지 않는다.
상기 컴퓨터 저장 매체/메모리는 판독 전용 메모리(Read Only Memory, ROM), 프로그램 가능 판독 전용 메모리(Programmable Read-Only Memory, PROM), 소거 및 프로그램 가능 판독 전용 메모리(Erasable Programmable Read-Only Memory, EPROM), 전기적 소거 및 프로그램 가능 판독 전용 메모리(Electrically Erasable Programmable Read-Only Memory, EEPROM), 자기 랜덤 액세스 메모리(Ferromagnetic Random Access Memory, FRAM), 플래시 메모리(Flash Memory), 자기 표면 메모리, 광 디스크, 또는 판독 전용 광 디스크(Compact Disc Read-Only Memory, CD-ROM) 등 메모리일 수 있고; 상기 메모리 중 하나 또는 임의로 조합된 각종 단말기, 예를 들어 핸드폰, 컴퓨터, 태블릿 기기, 개인용 정보 단말기 등을 포함할 수도 있다.
이해해야 할 것은, 전반 명세서에서 언급된 “하나의 실시예” 또는 “일 실시예”는 실시예와 관련된 특정 특징, 구조 또는 특성이 본 발명의 적어도 하나의 실시예에 포함됨을 의미한다. 따라서 전반 명세서 각 부분에 기재된 "하나의 실시예에서” 또는 "일 실시예에서”는 동일한 실시예를 가리키는 것이 아닐 수 있다. 이 밖에, 이러한 특정 특징, 구조 또는 특성은 임의의 적절한 방식으로 하나 또는 복수 개의 실시예에 조합될 수 있다. 이해해야 할 것은, 본 발명의 복수 타입의 실시예에서 각 과정의 순번의 크기는 수행 순서의 선후를 의미하는 것이 아니고, 각 과정의 수행 순서는 그 기능 및 내재적 논리에 따라 결정되어야 하며, 본 발명의 실시예에 따른 실시 과정에 대해 어떠한 제한도 구성하지 않아야 한다. 상술한 본 발명의 실시예의 순번은 단지 설명하기 위한 것이고, 실시예의 우열을 의미하는 것은 아니다.
특별한 설명이 없을 경우, 검출 기기가 본 발명의 실시예 중 임의의 단계를 수행하는 것은, 검출 기기의 프로세서가 상기 단계를 수행하는 것일 수 있다. 특별한 설명이 없는 한, 본 발명의 실시예는 검출 기기가 아래의 단계를 수행하는 선후 순서를 한정하지 않는다. 또한, 상이한 실시예에서 데이터 처리에 사용되는 방식은 동일한 방법 또는 상이한 방법일 수 있다. 더 설명해야 할 것은, 본 발명의 실시예 중 임의의 단계는 검출 기기가 독립적으로 수행할 수 있는 것이고, 즉 검출 기기가 상기 실시예 중 임의의 단계를 수행할 경우, 다른 단계의 수행에 의존하지 않아도 된다.
본 발명에서 제공되는 몇 개의 실시예에서, 개시된 기기 및 방법은, 다른 방식으로 실현될 수 있음을 이해해야 할 것이다. 이상에서 설명한 기기 실시예는 단지 예시적인 것이고, 예를 들면 상기 유닛의 구획은 단지 논리적 기능 구획일 뿐이고 실제 응용시 다른 구획 방식이 있을 수 있으며, 예를 들면 복수 개의 유닛 또는 컴포넌트는 다른 하나의 시스템에 조합 또는 통합될 수 있거나, 일부 특징은 생략되거나 실행되지 않을 수 있다. 또한, 기재 또는 토론된 서로 간의 커플링 또는 직접 커플링 또는 통신 연결은 일부 인터페이스를 통한 것일 수 있고, 장치 또는 유닛의 간접 커플링 또는 통신 연결은 전기적, 기계적 또는 다른 형식일 수 있다.
이상에서 분리 부재로 설명된 유닛은 물리적으로 분리되거나 분리되지 않을 것일 수 있고, 유닛으로 표시된 부재는 물리적 유닛일 수 있거나, 물리적 유닛이 아닐 수 있으며, 하나의 장소에 위치하거나, 복수 개의 네트워크 유닛에 분포될 수 있다. 실제 수요에 따라 그중의 일부 또는 전부 유닛을 선택하여 본 실시예의 해결수단의 목적을 실현할 수 있다.
이밖에, 본 발명의 각 실시예의 각 기능 유닛은 하나의 프로세싱 유닛에 통합될 수 있거나, 각 유닛이 별도로 물리적으로 존재할 수 있거나, 둘 또는 둘 이상의 유닛이 하나의 유닛에 통합될 수 있다. 상기 통합된 유닛은 하드웨어의 형식으로 구현되거나, 하드웨어와 소프트웨어 기능 유닛의 형식으로 구현될 수 있다.
본 발명에서 제공되는 몇 개의 방법 실시예에서 개시된 방법은, 모순되지 않는 전제하에 임의로 조합되어, 새로운 방법 실시예를 얻을 수 있다.
본 발명에서 제공되는 몇 개의 제품 실시예에서 개시된 특징은, 모순되지 않는 전제하에 임의로 조합되어, 새로운 제품 실시예를 얻을 수 있다.
본 발명에서 제공되는 몇 개의 방법 또는 기기 실시예에서 개시된 특징은, 모순되지 않는 전제하에 임의로 조합되어, 새로운 방법 실시예 또는 기기 실시예를 얻을 수 있다.
본 기술분야의 통상의 기술자는 상술한 방법 실시예의 전부 또는 일부 단계는 프로그램 명령과 관련된 하드웨어를 통해 수행될 수 있고, 전술한 프로그램은 컴퓨터 판독 가능 저장 매체에 저장될 수 있으며, 상기 프로그램이 실행될 경우, 상술한 방법 실시예의 단계를 수행하는 것을 포함하고; 전술한 저장 매체는 모바일 저장 기기, 판독 전용 메모리(Read Only Memory, ROM), 자기 디스크 또는 광 디스크 등 프로그램 코드를 저장할 수 있는 복수 타입의 매체를 포함한다는 것을 이해할 수 있을 것이다.
또는, 본 발명의 상기 통합된 유닛이 만약 소프트웨어 기능 모듈의 형식으로 구현되고 별도의 제품으로 판매되거나 사용될 경우, 컴퓨터 판독 가능 저장 매체에 저장될 수 있다. 이러한 이해에 기반해보면, 본 발명의 기술적 해결수단은 본질적으로 또는 선행기술에 기여하는 부분 또는 해당 기술적 해결수단의 일부는 소프트웨어 제품의 형식으로 구현될 수 있고, 해당 컴퓨터 소프트웨어 제품은 하나의 저장 매체에 저장되며, 약간의 명령을 포함하여 하나의 컴퓨터 기기(개인용 컴퓨터, 검출 기기 또는 네트워크 기기 등일 수 있음)가 본 발명의 각 실시예에 따른 방법의 전체 또는 일부 단계를 실행하도록 할 수 있다. 전술한 저장 매체는 모바일 저장 기기, 판독 전용 메모리(ROM, Read-Only Memory), 자기 디스크 또는 광 디스크 등 프로그램 코드를 저장할 수 있는 여러가지 매체를 포함한다.
본 발명의 실시예에서, 상이한 실시예의 동일한 단계 및 동일한 내용의 설명은, 서로 참조할 수 있다. 본 발명의 실시예에서, 용어 "고, 며”는 단계의 선후 순서에 영향을 미치지 않는다.
상술한 내용은 본 발명의 구체적인 실시양태일 뿐 본 발명의 보호범위는 이에 한정되지 않으며, 본 기술분야의 통상의 기술자가 본 발명에서 공개된 기술 범위 내에서 용이하게 생각해낸 변경 또는 대체는 모두 본 발명의 보호범위에 포함되어야 할 것이다. 따라서 본 발명의 보호범위는 청구범위의 보호범위를 기준으로 한다.
Claims (21)
- 이미지 데이터 생성 방법으로서,
복수 타입의 보드 게임 도구에 각각 대응되는 복수 개의 가상의 3차원 도구 모델을 획득하는 단계 - 보드 게임 도구는 보드 게임 장면 중에 사용되는 게임 소품임 - ；
가상의 3차원 보드 게임 장면에서, 상기 복수 개의 가상의 3차원 도구 모델로부터, 적어도 한 가지 보드 게임 도구를 포함하는 적어도 하나의 가상의 3차원 도구 모델을 랜덤으로 결정하는 단계;
상기 적어도 하나의 가상의 3차원 도구 모델을 상기 가상의 3차원 보드 게임 장면에 중첩하여, 가상의 타깃 게임 장면을 형성하는 단계; 및
상기 가상의 타깃 게임 장면에 대해 평면 투영 처리를 수행하여, 상기 적어도 한 가지 보드 게임 도구를 포함하는 2차원 이미지 데이터를 얻는 단계를 포함하는 것을 특징으로 하는 이미지 데이터 생성 방법. - 제1항에 있어서,
상기 복수 타입의 보드 게임 도구에 각각 대응되는 복수 개의 가상의 3차원 모델을 획득하는 단계는,
복수 타입의 촬영 시각에 기반하여, 상기 복수 타입의 보드 게임 도구 중 각 타입의 보드 게임 도구에 대해 이미지 수집을 진행하여, 상기 각 타입의 보드 게임 도구의 시각 이미지 시퀀스를 얻는 단계; 및
상기 시각 이미지 시퀀스에 기반하여, 상기 각 타입의 보드 게임 도구에 대해 3차원 모델 구축을 진행하여, 상기 각 타입의 보드 게임 도구에 대응되는 적어도 하나의 가상의 3차원 도구 모델을 얻는 단계를 포함하는 것을 특징으로 하는 이미지 데이터 생성 방법. - 제2항에 있어서,
상기 시각 이미지 시퀀스에 기반하여, 상기 각 타입의 보드 게임 도구에 대해 3차원 모델 구축을 진행하여, 상기 각 타입의 보드 게임 도구에 대응되는 적어도 하나의 가상의 3차원 도구 모델을 얻는 단계는,
상기 시각 이미지 시퀀스에 기반하여, 상기 각 타입의 보드 게임 도구 중 적어도 하나의 보드 게임 도구에 대응되는 3차원 포인트 클라우드 데이터를 결정하는 단계; 및
상기 적어도 하나의 보드 게임 도구에 대응되는 상기 3차원 포인트 클라우드 데이터를 렌더링하여, 상기 적어도 하나의 보드 게임 도구에 대응되는 가상의 3차원 도구 모델을 얻는 단계를 포함하는 것을 특징으로 하는 이미지 데이터 생성 방법. - 제3항에 있어서,
상기 적어도 하나의 보드 게임 도구에 대응되는 상기 3차원 포인트 클라우드 데이터를 렌더링하는 단계는,
상기 3차원 포인트 클라우드 데이터에 대해 표면 평활화 처리를 진행하는 단계 - 상기 표면 평활화 처리는 상기 3차원 포인트 클라우드 데이터 표면의 포인트 클라우드를 필터링하여, 가상의 3차원 도구 모델에 대응되는 표면 윤곽을 얻기 위한 것임 - ;
상기 3차원 포인트 클라우드 데이터에 대해 텍스처 평활화 처리를 진행하는 단계 - 상기 텍스처 평활화 처리는 가상의 3차원 도구 모델에 대응되는 표면 이미지의 텍스처를 필터링하기 위한 것임 - ; 및
상기 3차원 포인트 클라우드 데이터에 대해 대칭 처리하는 단계 - 상기 대칭 처리는 상기 3차원 포인트 클라우드 데이터의 윤곽 형상을 조절하기 위한 것임 - 중 적어도 하나를 포함하는 것을 특징으로 하는 이미지 데이터 생성 방법. - 제1항 내지 제4항에 중 어느 한 항에 있어서,
상기 적어도 하나의 가상의 3차원 도구 모델을 상기 가상의 3차원 보드 게임 장면에 중첩하여, 가상의 타깃 게임 장면을 형성하는 단계는,
상기 적어도 하나의 가상의 3차원 도구 모델을 전경 정보로 하고, 상기 가상의 3차원 보드 게임 장면을 배경 정보로 하여 중첩함으로써, 상기 가상의 타깃 게임 장면을 얻는 단계를 포함하는 것을 특징으로 하는 이미지 데이터 생성 방법. - 제1항 내지 제4항에 중 어느 한 항에 있어서,
상기 적어도 하나의 가상의 3차원 도구 모델을 상기 가상의 3차원 보드 게임 장면에 중첩하여, 가상의 타깃 게임 장면을 형성하는 단계는,
상기 적어도 하나의 가상의 3차원 도구 모델 중 각각의 가상의 3차원 도구 모델의 표시 정보를 결정하는 단계; 및
상기 적어도 하나의 가상의 3차원 도구 모델의 표시 정보에 기반하여, 상기 적어도 하나의 가상의 3차원 도구 모델을 상기 가상의 3차원 보드 게임 장면에 중첩하여, 상기 가상의 타깃 게임 장면을 형성하는 단계를 포함하는 것을 특징으로 하는 이미지 데이터 생성 방법. - 제6항에 있어서,
상기 적어도 하나의 가상의 3차원 도구 모델 중 각각의 가상의 3차원 도구 모델의 표시 정보를 결정하는 단계는,
기설정된 장면 배치 규칙에 따라, 상기 적어도 하나의 가상의 3차원 도구 모델 중 각각의 가상의 3차원 도구 모델의 표시 위치를 결정하는 단계 - 상기 기설정된 장면 배치 규칙은 기설정된 상기 가상의 3차원 도구 모델이 상기 3차원 보드 게임 장면 중의 중첩 규칙임 - ;
상기 적어도 하나의 가상의 3차원 도구 모델 중 각각의 가상의 3차원 도구 모델의 표시 자세를 랜덤으로 결정하는 단계；및
상기 적어도 하나의 가상의 3차원 도구 모델 중 각각의 가상의 3차원 도구 모델의 표시 수량을 랜덤으로 결정하는 단계 중 적어도 하나를 포함하는 이미지 데이터 생성 방법. - 제7항에 있어서,
상기 기설정된 장면 배치 규칙에 따라, 상기 적어도 하나의 가상의 3차원 도구 모델 중 각각의 가상의 3차원 도구 모델의 표시 위치를 결정하는 단계는,
기설정된 장면 배치 규칙에 따라, 상기 적어도 하나의 가상의 3차원 도구 모델에 대응되는 타깃 중첩 영역을 각각 결정하는 단계 - 각 타입의 보드 게임 도구의 가상의 3차원 도구 모델은 각각 하나의 타깃 중첩 영역에 대응됨 - ; 및
상기 타깃 중첩 영역에서, 상기 각각의 가상의 3차원 도구 모델 각자의 표시 위치를 랜덤으로 결정하는 단계를 포함하는 이미지 데이터 생성 방법. - 제1항 내지 제8항 중 어느 한 항에 있어서,
상기 가상의 타깃 게임 장면에 대해 평면 투영 처리를 수행하여, 상기 적어도 하나의 보드 게임 도구를 포함하는 2차원 이미지 데이터를 얻는 단계는,
복수 개의 투영 시각에 기반하여, 상기 가상의 타깃 게임 장면에 대해 평면 투영 처리를 수행하여, 상기 적어도 한 가지 보드 게임 도구를 포함하는 복수 개의 2차원 이미지 데이터를 얻는 단계를 포함하는 이미지 데이터 생성 방법. - 제1항 내지 제9항 중 어느 한 항에 있어서,
리얼 보드 게임 장면 이미지를 획득하는 단계;
상기 리얼 보드 게임 장면 이미지 및 상기 2차원 이미지 데이터를 각각 스타일링하여, 리얼 보드 게임 장면 특징맵 및 2차원 이미지 특징맵을 얻는 단계;
상기 리얼 보드 게임 장면 특징맵을 사용하여 상기 2차원 이미지 특징맵을 스타일 전이(style_transfer)하여, 2차원 이미지 전이 특징맵을 얻는 단계; 및
상기 2차원 이미지 전이 특징맵에 기반하여 역 전파하고, 스타일 전이 후의 전이 이미지 데이터를 결정하는 단계를 더 포함하는 것을 특징으로 하는 이미지 데이터 생성 방법. - 제1항 내지 제8항 중 어느 한 항에 있어서,
보드 게임 도구는,
복수 개의 화폐 타입의 게임 코인, 복수 개의 카드 타입의 게임 카드, 및 주사위 중 적어도 하나를 포함하는 것을 특징으로 하는 이미지 데이터 생성 방법. - 이미지 데이터 생성 장치로서,
복수 타입의 보드 게임 도구에 각각 대응되는 복수 개의 가상의 3차원 도구 모델을 획득하기 위한 모델 획득 유닛 - 보드 게임 도구는 보드 게임 장면 중 사용되는 게임 소품임 - ；
가상의 3차원 보드 게임 장면에서, 상기 복수 개의 가상의 3차원 도구 모델로부터, 적어도 한 가지 보드 게임 도구를 포함하는 적어도 하나의 가상의 3차원 도구 모델을 랜덤으로 결정하기 위한 모델 결정 유닛;
상기 적어도 하나의 가상의 3차원 도구 모델을 상기 가상의 3차원 보드 게임 장면에 중첩하여, 가상의 타깃 게임 장면을 형성하기 위한 중첩 처리 유닛; 및
상기 가상의 타깃 게임 장면에 대해 평면 투영 처리를 수행하여, 상기 적어도 한 가지 보드 게임 도구를 포함하는 2차원 이미지 데이터를 얻기 위한 이미지 생성 유닛을 포함하는 것을 특징으로 하는 이미지 데이터 생성 장치. - 전자 기기로서,
프로세서 및 프로세서에서 실행될 수 있는 컴퓨터 프로그램을 저장하기 위한 메모리를 포함하고;
상기 프로세서는 상기 컴퓨터 프로그램을 실행하여,
복수 타입의 보드 게임 도구에 각각 대응되는 복수 개의 가상의 3차원 도구 모델을 획득하는 단계 - 보드 게임 도구는 보드 게임 장면 중 사용되는 게임 소품임 - ；
가상의 3차원 보드 게임 장면에서, 상기 복수 개의 가상의 3차원 도구 모델로부터, 적어도 한 가지 보드 게임 도구를 포함하는 적어도 하나의 가상의 3차원 도구 모델을 랜덤으로 결정하는 단계;
상기 적어도 하나의 가상의 3차원 도구 모델을 상기 가상의 3차원 보드 게임 장면에 중첩하여, 가상의 타깃 게임 장면을 형성하는 단계; 및
상기 가상의 타깃 게임 장면에 대해 평면 투영 처리를 수행하여, 상기 적어도 한 가지 보드 게임 도구를 포함하는 2차원 이미지 데이터를 얻는 단계를 수행하도록 하는 것을 특징으로 하는 전자 기기. - 제13항에 있어서,
상기 프로세서는 구체적으로,
복수 타입의 촬영 시각에 기반하여, 상기 복수 타입의 보드 게임 도구 중 각 타입의 보드 게임 도구에 대해 이미지 수집을 진행하여, 상기 각 타입의 보드 게임 도구의 시각 이미지 시퀀스를 얻고;
상기 시각 이미지 시퀀스에 기반하여, 상기 각 타입의 보드 게임 도구에 대해 3차원 모델 구축을 진행하여, 상기 각 타입의 보드 게임 도구에 대응되는 적어도 하나의 가상의 3차원 도구 모델을 얻도록 구성되는 것을 특징으로 하는 전자 기기. - 제14항에 있어서,
상기 프로세서는 구체적으로,
상기 시각 이미지 시퀀스에 기반하여, 상기 각 타입의 보드 게임 도구 중 적어도 하나의 보드 게임 도구에 대응되는 3차원 포인트 클라우드 데이터를 결정하고;
상기 적어도 하나의 보드 게임 도구에 대응되는 상기 3차원 포인트 클라우드 데이터를 렌더링하여, 상기 적어도 하나의 보드 게임 도구에 대응되는 가상의 3차원 도구 모델을 얻도록 구성되는 것을 특징으로 하는 전자 기기. - 제13항 내지 제15항 중 어느 한 항에 있어서,
상기 프로세서는 구체적으로,
상기 적어도 하나의 가상의 3차원 도구 모델을 전경 정보로 하고, 상기 가상의 3차원 보드 게임 장면을 배경 정보로 하여 중첩함으로써, 가상의 타깃 게임 장면을 얻도록 구성되는 것을 특징으로 하는 전자 기기. - 제13항 내지 제15항 중 어느 한 항에 있어서,
상기 프로세서는 구체적으로,
상기 적어도 하나의 가상의 3차원 도구 모델 중 각각의 가상의 3차원 도구 모델의 표시 정보를 결정하고;
상기 적어도 하나의 가상의 3차원 도구 모델의 표시 정보에 기반하여, 상기 적어도 하나의 가상의 3차원 도구 모델을 상기 가상의 3차원 보드 게임 장면에 중첩하여, 상기 가상의 타깃 게임 장면을 형성하도록 구성되는 것을 특징으로 하는 전자 기기. - 제13항 내지 제17항 중 어느 한 항에 있어서,
상기 프로세서는 구체적으로,
복수 개의 투영 시각에 기반하여, 상기 가상의 타깃 게임 장면에 대해 평면 투영 처리를 수행하여, 상기 적어도 한 가지 보드 게임 도구를 포함하는 복수 개의 2차원 이미지 데이터를 얻도록 구성는 것을 특징으로 하는 전자 기기. - 컴퓨터 판독 가능한 저장 매체로서,
컴퓨터 프로그램이 저장되고, 상기 컴퓨터 프로그램은 프로세서에 의해 실행될 경우 제1항 내지 제11항 중 어느 한 항에 따른 방법의 단계를 수행하는 것을 특징으로 하는 컴퓨터 판독 가능한 저장 매체. - 메모리에 저장되는 컴퓨터 프로그램으로서,
상기 컴퓨터 프로그램은 프로세서에 의해 실행될 경우 제1항 내지 제11항 중 어느 한 항에 따른 방법의 단계를 수행하는 컴퓨터 프로그램. - 컴퓨터 프로그램으로서,
컴퓨터 판독 가능한 코드를 포함하고, 상기 컴퓨터 판독 가능한 코드가 전자 기기에서 실행될 경우, 상기 전자 기기 중의 프로세서가 제1항 내지 제11항 중 어느 한 항에 따른 방법을 구현하도록 하는 컴퓨터 프로그램.
Applications Claiming Priority (3)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| SG10202106738T | 2021-06-21 | ||
| SG10202106738T | 2021-06-21 | ||
| PCT/IB2021/055689 WO2022269322A1 (en) | 2021-06-21 | 2021-06-25 | Image data generation method and apparatus, electronic device, and storage medium |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| KR20230000921A true KR20230000921A (ko) | 2023-01-03 |
Family
ID=84490596
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020217026665A KR20230000921A (ko) | 2021-06-21 | 2021-06-25 | 이미지 데이터 생성 방법, 장치, 전자 기기 및 저장 매체 |
Country Status (4)
| Country | Link |
|---|---|
| US (1) | US20220406004A1 (ko) |
| KR (1) | KR20230000921A (ko) |
| CN (1) | CN115515691A (ko) |
| AU (1) | AU2021204608A1 (ko) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20230249061A1 (en) * | 2022-02-07 | 2023-08-10 | Richard Lamar Rouse, JR. | System and method to provide an augmented reality game |
Family Cites Families (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US11631186B2 (en) * | 2017-08-01 | 2023-04-18 | 3M Innovative Properties Company | Neural style transfer for image varietization and recognition |
| US11205319B2 (en) * | 2019-06-21 | 2021-12-21 | Sg Gaming, Inc. | System and method for synthetic image training of a neural network associated with a casino table game monitoring system |
| US20210166477A1 (en) * | 2019-12-03 | 2021-06-03 | Augustus Intelligence Inc. | Synthesizing images from 3d models |
-
2021
- 2021-06-25 CN CN202180001729.9A patent/CN115515691A/zh active Pending
- 2021-06-25 AU AU2021204608A patent/AU2021204608A1/en not_active Abandoned
- 2021-06-25 KR KR1020217026665A patent/KR20230000921A/ko unknown
- 2021-06-30 US US17/363,572 patent/US20220406004A1/en not_active Abandoned
Also Published As
| Publication number | Publication date |
|---|---|
| CN115515691A (zh) | 2022-12-23 |
| US20220406004A1 (en) | 2022-12-22 |
| AU2021204608A1 (en) | 2023-01-19 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Suhail et al. | Light field neural rendering | |
| CN107945282B (zh) | 基于对抗网络的快速多视角三维合成和展示方法及装置 | |
| CN111243093B (zh) | 三维人脸网格的生成方法、装置、设备及存储介质 | |
| CN109636831A (zh) | 一种估计三维人体姿态及手部信息的方法 | |
| WO2022205762A1 (zh) | 三维人体重建方法、装置、设备及存储介质 | |
| CN113012282A (zh) | 三维人体重建方法、装置、设备及存储介质 | |
| JP2022550948A (ja) | ３次元顔モデル生成方法、装置、コンピュータデバイス及びコンピュータプログラム | |
| TW202303520A (zh) | 影像處理方法、裝置、設備以及儲存媒體 | |
| CN116310045B (zh) | 一种三维人脸纹理创建方法、装置及设备 | |
| Allard et al. | The grimage platform: A mixed reality environment for interactions | |
| JP7479729B2 (ja) | 三次元表現方法及び表現装置 | |
| CN110930503A (zh) | 一种服装三维模型建立方法、系统、存储介质及电子设备 | |
| CN115115805A (zh) | 三维重建模型的训练方法、装置、设备及存储介质 | |
| KR20230000921A (ko) | 이미지 데이터 생성 방법, 장치, 전자 기기 및 저장 매체 | |
| Garau et al. | Panoptop: A framework for generating viewpoint-invariant human pose estimation datasets | |
| Zhao et al. | STS-GAN: can we synthesize solid texture with high fidelity from arbitrary 2D exemplar? | |
| Jena et al. | Neural mesh-based graphics | |
| CN114494395A (zh) | 基于平面先验的深度图生成方法、装置、设备及存储介质 | |
| Rematas | Watching sports in augmented reality | |
| Khan et al. | Towards monocular neural facial depth estimation: Past, present, and future | |
| CN116342831A (zh) | 三维场景重建方法、装置、计算机设备及存储介质 | |
| Matsuyama | Exploitation of 3D video technologies | |
| WO2022269322A1 (en) | Image data generation method and apparatus, electronic device, and storage medium | |
| Payne et al. | Automatic 3D object reconstruction from a single image | |
| CN117422848B (zh) | 三维模型的分割方法及装置 |