舞蹈合成方法、装置及电子设备制造方法及图纸

本申请公开了一种舞蹈合成方法、装置及电子设备，涉及人工智能技术领域。其中，该方法包括：获取生成网络根据样本音乐信息的音乐特征输出的合成舞蹈信息，获取判别网络基于合成舞蹈信息输出的判别数据；基于判别数据调整生成网络的网络参数，使调整后的生成网络基于音乐特征输出的合成舞蹈信息被判别网络识别为真实舞蹈信息；通过调整后的生成网络，将待处理音乐信息合成为目标舞蹈信息。如此，既可以使合成舞蹈具有更多真实舞蹈的特征，更加自然，又可以使获得的合成舞蹈更具多样性。

【技术实现步骤摘要】
舞蹈合成方法、装置及电子设备
本申请涉及人工智能
，更具体地，涉及一种舞蹈合成方法、装置及电子设备。
技术介绍
近年来，计算机视觉(ComputerVision，CV)技术在越来越多的领域得到广泛应用。作为计算机视觉领域的一个重要研究方向，音乐驱动的舞蹈生成具有丰富的应用前景。比如，可以将生成的人体舞蹈应用到虚拟人角色上，实现虚拟人“会跳”的功能，进而应用到虚拟直播、虚拟客服等常见中。又比如，还可以应用到舞蹈类游戏中，实现基于音乐的舞蹈自动编排。然而，现有的基于音乐合成舞蹈的方法，不够自然。
技术实现思路
本申请提出了一种舞蹈合成方法、装置及电子设备，可以改善上述问题。一方面，本申请实施例提供了一种舞蹈合成方法，包括：获取生成网络根据样本音乐信息的音乐特征输出的合成舞蹈信息，获取判别网络基于合成舞蹈信息输出的判别数据；基于判别数据调整生成网络的网络参数，使调整后的生成网络基于音乐特征输出的合成舞蹈信息被判别网络识别为真实舞蹈信息；通过调整后的生成网络，将待处理音乐信息合称为目标舞蹈信息。r>另一方面，本申请本文档来自技高网...

【技术保护点】
1.一种舞蹈合成方法，其特征在于，包括：/n获取生成网络根据样本音乐信息的音乐特征输出的合成舞蹈信息，获取判别网络基于所述合成舞蹈信息输出的判别数据；/n基于所述判别数据调整所述生成网络的网络参数，使调整后的生成网络基于所述音乐特征输出的合成舞蹈信息被所述判别网络识别为真实舞蹈信息；/n通过所述调整后的生成网络，将待处理音乐信息合成为目标舞蹈信息。/n

【技术特征摘要】
1.一种舞蹈合成方法，其特征在于，包括：
获取生成网络根据样本音乐信息的音乐特征输出的合成舞蹈信息，获取判别网络基于所述合成舞蹈信息输出的判别数据；
基于所述判别数据调整所述生成网络的网络参数，使调整后的生成网络基于所述音乐特征输出的合成舞蹈信息被所述判别网络识别为真实舞蹈信息；
通过所述调整后的生成网络，将待处理音乐信息合成为目标舞蹈信息。


2.根据权利要求1所述的方法，其特征在于，所述判别数据为第一判别数据，在所述基于所述判别数据调整所述生成网络的网络参数之前，所述方法还包括：
获取所述判别网络基于所述样本音乐信息对应的真实舞蹈信息输出的第二判别数据；
基于所述第一判别数据和所述第二判别数据调整所述判别网络的网络参数，使调整后的判别网络基于所述合成舞蹈信息输出的第一判别数据与基于所述真实舞蹈信息输出的第二判别数据之间的差距增大。


3.根据权利要求2所述的方法，其特征在于，所述判别网络用于在基于任一舞蹈信息输出的判别数据为正时，输出表征该舞蹈信息是真实舞蹈信息的判别结果，且该判别结果的置信度与该判别数据的大小成正比；所述基于所述第一判别数据和所述第二判别数据调整所述判别网络的网络参数，包括：
基于第一损失函数对所述第一判别数据和所述第二判别数据进行计算，其中，所述第一损失函数的函数值与所述第一判别数据成正比、与所述第二判别数据成反比；
调整所述判别网络的网络参数，使所述第一损失函数的函数值减小。


4.根据权利要求3所述的方法，其特征在于，所述判别网络包括至少两个不同尺度的判别器，每个判别器用于根据输入的合成舞蹈信息输出一第一判别数据或根据输入的真实舞蹈信息输出一第二判别数据；所述基于第一损失函数对所述第一判别数据和所述第二判别数据进行计算，包括：
针对每一判别器，获取所述判别器基于所述样本音乐信息对应的合成舞蹈信息输出的第一判别数据以及基于所述样本音乐信息对应的真实舞蹈信息输出的第二判别数据；
将目标值与所述第一判别数据之和确定为第一值，将0和所述第一值中较小的一者确定为所述判别器的对应于所述样本音乐信息的第一损失值；
将目标值与所述第二判别数据之差确定为第二值，将0和所述第二值中较小的一者确定为所述判别器的对应于所述样本音乐信息的第二损失值；
获取至少两个所述样本音乐信息对应的第一损失值的第一平均值，以及至少两个所述样本音乐信息对应的第二损失值的第二平均值，并将所述第一平均值和所述第二平均值之和确定为所述第一损失函数的函数值。


5.根据权利要求2-4中任意一项所述的方法，其特征在于，所述基于所述判别数据调整所述生成网络的网络参数，包括：
基于第二损失函数对所述第一判别数据进行计算，其中，所述第二损失函数的函数值与所述第一判别数据成反比；
调整所述生成网络的网络参数，使所述第二损失函数的函数值减小。


6.根据权利要求5所述的方法，其特征在于，所述判别网络包括至少两个不同尺度的判别器，每个判别器用于根据输入的合成舞蹈信息输出一第一判别数据；所述基于第二损失函数对所述第一判别数据进行计算，包括：
获取每个判别器针对所述合成舞蹈信息输出的第一判别数据的相反数，并对获取的各相反数求和，得到所述判别网络的第三损失值；
获取至少两个所述合成舞蹈信息对应的第三损失值，对获取的第三损失值求平均，并将得到的平均值确定为所述第二损失函数的函数值。


7.根据权利要求5所述的方法，其特征在于，所述基于所述判...

【专利技术属性】
技术研发人员：者雪飞，暴林超，庄文林，
申请(专利权)人：腾讯科技深圳有限公司，
类型：发明
国别省市：广东;44