【技术实现步骤摘要】
虚拟形象的评测方法、装置、设备及计算机可读存储介质
本申请实施例涉及
，涉及但不限于一种虚拟形象的评测方法、装置、设备及计算机可读存储介质。
技术介绍
在游戏、漫画或者动画中虚拟角色的外形设计在很大程度上会影响游戏、漫画或者动画的吸引力。酷炫、美观的外形设计更能激发人们玩游戏或者观看动画片、漫画的兴趣，从而能够扩大游戏、漫画或者动画片的用户人群。目前，在角色设计师设计好虚拟角色后，一般是人为对虚拟角色的外形设计进行评测。但是不同人的审美倾向是有差异的，不能保证评测人员的审美能契合大众的喜好，从而影响游戏、漫画或动画对用户的吸引力。
技术实现思路
本申请实施例提供一种虚拟形象的评测方法、装置、设备及计算机可读存储介质，能够实现对虚拟形象的精准评测。。本申请实施例的技术方案是这样实现的：本申请实施例提供一种虚拟形象的评测方法，包括：获取待评测的至少一个形象图像，该至少一个形象图像对应同一个虚拟形象；将该至少一个形象图像输入至训练好的神经网络模型，得到该虚拟形象的评测得分；该神经网...
【技术保护点】
1.一种虚拟形象的评测方法，其特征在于，所述包括：/n获取待评测的至少一个形象图像，所述至少一个形象图像对应同一个虚拟形象；/n将所述至少一个形象图像输入至训练好的神经网络模型，得到所述虚拟形象的形象评测得分；/n所述神经网络模型在训练时的训练数据至少包括虚拟形象的训练图像和对所述训练图像进行失真处理得到的失真图像；/n输出所述虚拟形象的形象评测得分。/n
【技术特征摘要】
1.一种虚拟形象的评测方法，其特征在于，所述包括：
获取待评测的至少一个形象图像，所述至少一个形象图像对应同一个虚拟形象；
将所述至少一个形象图像输入至训练好的神经网络模型，得到所述虚拟形象的形象评测得分；
所述神经网络模型在训练时的训练数据至少包括虚拟形象的训练图像和对所述训练图像进行失真处理得到的失真图像；
输出所述虚拟形象的形象评测得分。
2.根据权利要求1中所述的方法，其特征在于，所述方法还包括：
获取虚拟形象的多个训练图像和所述多个训练图像对应形象得分；
对所述多个训练图像分别进行失真处理，得到所述多个训练图像对应的多个失真图像；
基于所述多个训练图像、所述形象得分和所述多个失真图像，对预设的神经网络模型进行训练，得到训练好的神经网络模型。
3.根据权利要求2中所述的方法，其特征在于，所述方法还包括：
获取各个训练图像对应的销售信息，所述销售信息至少包括销售价格和销量；
获取各个训练图像的标注分数；
将各个训练图像的销售价格、销量和标注分数进行加权平均处理，得到各个训练图像的形象得分。
4.根据权利要求2中所述的方法，其特征在于，所述对所述多个训练图像分别进行失真处理，得到所述多个训练图像对应的多个失真图像，包括：
从各个训练图像中确定出至少一个候选区域；
从所述至少一个候选区域中确定目标区域；
将所述目标区域中像素点的像素值置为预设像素值，得到各个训练图像对应的失真图像。
5.根据权利要求2中所述的方法，其特征在于，所述神经网络模型包括第一子网络模型和第二子网络模型，对应地，
基于所述多个训练图像、所述形象得分和所述多个失真图像，对预设的神经网络模型进行训练，得到训练好的神经网络模型，包括：
将各个训练图像依次输入所述第一子网络模型，得到各个训练图像的第一预测得分；
将各个训练图像对应的至少一个失真图像依次输入所述第二子网络模型，得到各个失真图像的第二预测得分；
利用所述第一预测得分、第二预测得分和所述形象得分对所述神经网络模型进行反向传播训练，以对所述神经网络模型的参数进行调整，以得到训练好的神经网络模型。
6.根据权利要求5中所述的方法，其特征在于，利用所述第一预测得分、第二预测得分和所述形象得分对所述神经网络模型进行反向传播训练，以对所述神经网络模型的参数进行调整，以得到训练好的神经网络模型，包括：
基于所述第一预测得分和第二预测得分，确定训练图像和所述训练图像对应的失真图像之间的第一得分差值；
基于所述第一预测得分和所述形象得分，确定第二得分差值；
将所述第一得分差值和所述第二得分差值反向传播至所述神经网络模型，
并利用第一损失函数和第二损失函数对所述神经网络模型进行联合训练，以对所述神经网络模型的参数进行调整，得到训练好的神经网络模型；
所述第一损失函数为用于约束第一预测得分高于第二预测得分，所述第二损失函数用于约束第二得分差值小于差值阈值...
【专利技术属性】
技术研发人员：卢建东，
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
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。