用于操作三维动画角色的方法和装置制造方法及图纸

本申请公开了用于操作三维动画角色的方法和装置。该方法的一具体实施方式包括：获取三维动画角色的眼睛位置参数、三维动画角色的待执行注视操作的视线朝向参数以及待执行注视操作所注视的目标点的目标点位置参数；将眼睛位置参数、视线朝向参数以及目标点位置参数转换为与机器学习模型相匹配的输入向量并输入至机器学习模型；根据机器学习模型的输出向量中的各个分量确定融合时对各个样本注视动画片段所使用的目标融合权重系数；按照所确定的目标融合权重系数，使用样本注视动画片段序列中的样本注视动画片段进行融合，得到三维动画角色执行待执行注视操作的目标注视动画片段。该实施方式能自动生成逼真生动的三维动画角色注视动画片段。

【技术实现步骤摘要】
用于操作三维动画角色的方法和装置
本申请涉及计算机
，具体涉及动画
，尤其涉及用于操作三维动画角色的方法和装置。
技术介绍
注视(gaze)行为是人类行为系统里面一个很重要的组成部分，人类有百分之八十左右的信息是通过视觉获得的。而在模仿人类行为的三维动画角色中，三维动画角色所执行的注视行为一定程度上影响着三维动画角色的表现力。目前在生成三维动画角色作出注视行为的动画片段时，一般是通过反向动力学的方法调整相关的骨骼，使眼睛的朝向定位到目标位置点。然而，这种方案通常会导致通常僵硬，逼真度较差。
技术实现思路
本申请的目的在于提出一种改进的用于操作三维动画角色的方法和装置，来解决以上
技术介绍
部分提到的技术问题。第一方面，本申请实施例提供了一种用于操作三维动画角色的方法，该方法包括：获取三维动画角色的眼睛位置参数、三维动画角色的待执行注视操作的视线朝向参数以及待执行注视操作所注视的目标点的目标点位置参数；将眼睛位置参数、视线朝向参数以及目标点位置参数转换为与机器学习模型相匹配的输入向量并输入至机器学习模型，其中机器学习模型用于表征三维动画角色的眼睛位置参数、注视操作的视线朝向参数以及本文档来自技高网...

【技术保护点】
一种用于操作三维动画角色的方法，其特征在于，所述方法包括：获取三维动画角色的眼睛位置参数、所述三维动画角色的待执行注视操作的视线朝向参数以及所述待执行注视操作所注视的目标点的目标点位置参数；将所述眼睛位置参数、所述视线朝向参数以及所述目标点位置参数转换为与机器学习模型相匹配的输入向量并输入至所述机器学习模型，其中所述机器学习模型用于表征三维动画角色的眼睛位置参数、注视操作的视线朝向参数以及注视操作所注视的目标点的目标点位置参数所对应的向量与使用样本注视动画片段序列融合成三维动画角色执行注视操作的注视动画片段时各个样本注视动画片段的融合权重系数所对应的向量之间的映射关系；根据所述机器学习模型的输...

【技术特征摘要】
1.一种用于操作三维动画角色的方法，其特征在于，所述方法包括：获取三维动画角色的眼睛位置参数、所述三维动画角色的待执行注视操作的视线朝向参数以及所述待执行注视操作所注视的目标点的目标点位置参数；将所述眼睛位置参数、所述视线朝向参数以及所述目标点位置参数转换为与机器学习模型相匹配的输入向量并输入至所述机器学习模型，其中所述机器学习模型用于表征三维动画角色的眼睛位置参数、注视操作的视线朝向参数以及注视操作所注视的目标点的目标点位置参数所对应的向量与使用样本注视动画片段序列融合成三维动画角色执行注视操作的注视动画片段时各个样本注视动画片段的融合权重系数所对应的向量之间的映射关系；根据所述机器学习模型的输出向量中的各个分量确定融合时对各个样本注视动画片段所使用的目标融合权重系数；按照所确定的目标融合权重系数，使用所述样本注视动画片段序列中的样本注视动画片段进行融合，得到所述三维动画角色执行所述待执行注视操作的目标注视动画片段。2.根据权利要求1所述的方法，其特征在于，所述机器学习模型是以下任一种：径向基函数神经网络模型、K近邻分类算法模型、超多面体模型。3.根据权利要求2所述的方法，其特征在于，当所述机器学习模型为径向基函数神经网络模型时，所述方法还包括径向基函数神经网络模型训练步骤，所述径向基函数神经网络模型训练步骤包括：针对所述样本注视动画片段序列中的各个样本注视动画片段，将样本注视动画片段中三维动画角色的眼睛位置参数、注视操作的视线朝向参数、注视操作的所注视的目标点的目标点位置参数转换为第一向量，并根据样本注视动画片段在所述样本注视动画片段序列中的次序生成第二向量，其中，第二向量的维度是所述样本注视动画片段序列中样本注视动画片段的个数，且第二向量中与样本注视动画片段的次序对应的分量上置1，其它分量置0；将样本注视动画片段对应的第一向量与第二向量分别作为训练径向基函数神经网络模型时所使用的输入向量与输出向量，训练径向基函数神经网络模型。4.根据权利要求3所述的方法，其特征在于，在所述径向基函数神经网络模型训练步骤之前，所述方法还包括：根据样本注视动画片段中起始动画帧与末尾动画帧的动画数据，生成所述样本注视动画片段序列中各个样本注视动画片段中三维动画角色的眼睛位置参数、注视操作的视线朝向参数、注视操作的所注视的目标点的目标点位置参数中的一项或多项。5.根据权利要求1所述的方法，其特征在于，所述根据所述机器学习模型的输出向量中的各个分量确定融合时对各个样本注视动画片段所使用的目标融合权重系数，包括：根据分量值大小从所述输出向量中的分量中选出多个分量；将所述多个分量分别在所述输出向量中的序号所对应的样本注视动画片段确定为融合用样本注视动画片段，并根据所述多个分量的分量值确定各个融合用样本注视动画片段的融合用融合权重系数；以及所述按照所确定的目标融合权重系数，使用所述样本注视动画片段序列中的样本注视动画片段进行融合，得到所述三维动画角色执行所述待执行注视操作的目标注视动画片段，包括：按照所述融合用融合权重系数，使用各个融合用样本注视动画片段进行融合，得到所述目标注视动画片段。6.根据权利要求5所述的方法，其特征在于，所述根据分量值大小从所述输出向量中的分量中选出多个分量，包括以下一项或多项：从所述输出向量中的分量中选出分量值最大的预设数目个分量；从所述输出向量中的分量中选出分量值大于第一分量阈值的分量；将所述输出向量中的分量按分量值从高到低的次序依次添加至所选分量中，直至所选分量的总分量值大于第二分量阈值。7.根据权利要求1所述的方法，其特征在于，所述按照所确定的目标融合权重系数，使用所述样本注视动画片段序列中的样本注视动画片段进行融合，得到所述三维动画角色执行所述待执行注视操作的目标注视动画片段，包括：按照所述目标融合权重系数，对各个样本注视动画片段的时间长度进行加权平均；将所述样本注视动画片段序列中用于融合的样本注视动画片段统一缩放至加权平均所得到的时间长度；按照所确定的目标融合权重系数，对缩放后的样本注视动画片段进行融合，得到所述目标注视动画片段。8.根据权利要求1所述的方法，其特征在于，所述按照所确定的目标融合权重系数，使用所述样本注视动画片段序列中的样本注视动画片段进行融合，得到所述三维动画角色执行所述待执行注视操作的目标注视动画片段，包括：按照所确定的目标融合权重系数，对所述样本注视动画片段序列中的样本注视动画片段的骨骼参数进行插值计算，得到所述目标注视动画片段的骨骼参数。9.根据权利要求1所述的方法，其特征在于，所述方法还包括：将所述目标注视动画片段的动画数据转换成与预先训练的自编码神经网络模型匹配的输入矩阵并输入至所述自编码神经网络模型，其中所述自编码神经网络模型用于表征无情绪注视动画片段的动画数据对应的矩阵与带情绪注视动画片段的动画数据对应的矩阵之间的映射关系；将所述自编码神经网络模型的输出矩阵转换成目标带情绪注视动画片段的动画数据，得到所述三维动画角色执行所述待执行注...

【专利技术属性】
技术研发人员：方小致，陈军宏，
申请(专利权)人：厦门幻世网络科技有限公司，
类型：发明
国别省市：福建,35