过渡动画生成方法及装置、计算机可读存储介质、终端制造方法及图纸

一种过渡动画生成方法及装置、计算机可读存储介质、终端，方法包括：获取起始关键帧及结束关键帧；获取起始关键帧及结束关键帧之间的空白时间段的空白时长；根据空白时长及预设的帧率，计算过渡动画的总帧数N以及各过渡帧的位置；计算得到各过渡帧的动作数据，其中，第一个过渡帧的动作数据根据起始关键帧的动作数据、结束关键帧的动作数据以及第一个过渡帧的位置得到，第i+1个过渡帧的动作数据根据起始关键帧的动作数据、结束关键帧的动作数据、第i个过渡帧的动作数据以及第i+1个过渡帧的位置得到，1≤i≤N

【技术实现步骤摘要】
过渡动画生成方法及装置、计算机可读存储介质、终端


[0001]本专利技术实施例涉及计算机动画领域，尤其涉及一种过渡动画生成方法及装置、计算机可读存储介质、终端。

技术介绍

[0002]随着人民生活水平的提升，人民群众对于文化娱乐方面的需求日益增长。影视动画、游戏等领域占了文化娱乐的很大一部分，在动画游戏的制作过程中，动画师的制作流程一般是手k动画，然后使用插值方法将这些关键动画进行连接，其中，手k指从无到有全靠动画师人工制作得到关键帧动画。传统的插值方法只能插值很小时间间隔的动画(如0.1s～0.3s左右)。如果需要一些生动自然地过渡动画，则需要大量的手k动画。
[0003]以往动画的制作是一个费时费力的工作，并且与动画师的经验相关。动画师需要手k大量的关键帧，调整某一关键帧后，还需要对其前后相邻的一些关键帧进行更改。传统方法下的动画制作，流程相当缓慢。
[0004]综上所述，传统动画制作中存在需要动画师大量手k动作的场景，并且在某些关键帧改变后，需要大量修改相邻帧的情况，传统的方法无法满足实时运行的场景且过渡动画的生成效率较低。

技术实现思路

[0005]本专利技术实施例解决的技术问题是传统的过渡动画的生成效率较低且无法满足实时运行场景的需求。
[0006]为解决上述技术问题，本专利技术实施例提供一种过渡动画的生成方法，包括：获取起始关键帧及结束关键帧；获取所述起始关键帧及所述结束关键帧之间的空白时间段的空白时长；根据所述空白时长及预设的帧率，计算过渡动画的总帧数N以及各过渡帧的位置，N为正整数；计算得到各过渡帧的动作数据，其中，第一个过渡帧的动作数据根据所述起始关键帧的动作数据、所述结束关键帧的动作数据以及第一个过渡帧的位置得到，第i+1个过渡帧的动作数据根据所述起始关键帧的动作数据、所述结束关键帧的动作数据、第i个过渡帧的动作数据以及第i+1个过渡帧的位置得到，1≤i≤N
‑
1，i为正整数；基于N个过渡帧的动作数据以及位置，生成所述过渡动画。
[0007]可选的，所述第i+1个过渡帧的动作数据根据所述起始关键帧的动作数据、所述结束关键帧的动作数据、第i个过渡帧的动作数据以及第i+1个过渡帧的位置得到，包括：第i+1个过渡帧的动作数据根据所述起始关键帧的动作数据、所述结束关键帧的动作数据、第i
‑
j至第i个过渡帧的动作数据以及第i+1个过渡帧的位置得到，j为自然数，i＞j。
[0008]可选的，所述计算得到各过渡帧的动作数据，包括：采用动作数据生成网络模型计算得到各过渡帧的动作数据；其中，所述动作数据生成网络模型根据所述起始关键帧的动作数据对应的起始向量、所述结束关键帧的动作数据对应的结束向量以及第一个过渡帧的位置向量和第零隐变量，生成第一隐变量以及第一个过渡帧的第一向量，所述第一向量用
于指示所述第一个过渡帧的动作数据；所述动作数据生成网络模型根据第i隐变量、第i个过渡帧的对应的第i向量、所述结束向量以及第i+1个过渡帧的位置向量，得到第i+1个过渡帧的第i+1向量。
[0009]可选的，所述动作数据生成网络模型采用如下方式训练得到：获取训练样本集，所述训练样本集包括多个训练样本，所述训练样本为动画序列片段；针对每个训练样本，从所述训练样本的每帧动作中提取出动作数据；将每个训练样本的第一帧作为起始帧，将最后一帧作为结束帧，根据所述起始帧与所述结束帧之间的时间间隔，确定待预测的过渡动画的总帧数；在第m次迭代训练过程中，基于有监督学习的训练方式，将所述训练样本集中的部分或全部训练样本输入至第m
‑
1次迭代训练得到的网络模型，基于预测的预测结果与真实结果的偏差得到第一损失，基于无监督学习的训练方式，将所述训练样本集中的部分或全部训练样本输入所述第m
‑
1次迭代得到的网络模型，得到对抗损失；根据所述第一损失以及所述对抗损失，调整所述第m
‑
1次迭代得到的网络模型的参数，得到第m次迭代得到的网络模型，以此迭代训练，直至第m+p次迭代得到的网络模型满足收敛条件，将所述第m+p次迭代得到的网络模型作为所述动作数据生成网络模型，其中，当m＝1时，初始网络模型视为第0次迭代训练得到的网络模型，m≥1，p≥0，m及p均为整数。
[0010]可选的，所述动作数据包括骨骼的位移及骨骼的旋转角，所述预测结果包括骨骼的预测位移及骨骼的预测旋转角，所述真实结果包括骨骼的真实位移及骨骼的真实旋转角，所述基于预测的预测结果与真实结果的偏差得到第一损失包括以下任一种：计算骨骼的预测位移与所述骨骼的真实位移的第一偏差，所述骨骼的预测旋转角与所述骨骼的真实旋转角的第二偏差，将所述第一偏差及所述第二偏差之和作为所述第一损失；或者，计算骨骼的预测位移与所述骨骼的真实位移的第一偏差，所述骨骼的预测旋转角与所述骨骼的真实旋转角的第二偏差，根据所述骨骼的预测位移及骨骼的预测旋转角确定骨骼的预测位置，计算所述骨骼的预测位置与骨骼的真实位置的第三偏差，将所述第一偏差、所述第二偏差以及所述第三偏差之和，作为所述第一损失。
[0011]可选的，所述获取起始关键帧及结束关键帧，包括：获取第一动画序列及第二动画序列，其中，所述第一动画序列在所述空白时间段之前，所述第二动画序列在所述空白时间段之后；将所述第一动画序列的结束帧作为所述起始关键帧，将所述第二动画序列的开始帧作为所述结束关键帧。
[0012]可选的，所述获取第一动画序列及第二动画序列，包括：获取文本；对所述文本进行分词处理，得到初始集合，所述初始集合包括一个或多个词；判断所述初始集合中的每个词是否为目标词，如果是，则将该目标词加入目标集合，所述目标词指的是与预设标签集中至少一个标签的相似度值大于等于设定相似度阈值的词，所述预设标签集包括多个预设的标签；根据所述目标集合中各个目标词对应的标签，从预设的动作数据库中获取各个目标词的动作数据，所述动作数据库用于存储各个标签对应的动作数据，每个标签对应至少一组动作数据；基于获取到的各个目标词匹配的动作数据，生成所述文本对应的动作集合；基于所述动作集合生成所述文本对应的动画；从所述文本对应的动画中获取所述第一动画序列及所述第二动画序列。
[0013]可选的，所述获取所述起始关键帧及所述结束关键帧之间的空白时间段的空白时长，包括：将所述文本转换成语音，并确定各个目标词在所述语音中的位置；基于所各个目
标词在所述语音中的位置，确定所述起始关键帧的位置以及所述结束帧的位置；根据所述起始关键帧的位置及所述结束关键帧的位置，确定所述空白时间段的空白时长。
[0014]可选的，所述获取所述起始关键帧及所述结束关键帧之间的空白时间段的空白时长，包括：根据所述第一动画序列中的两相邻帧中骨骼的位移偏差以及两相邻帧的时间间隔，计算第一速度；根据所述第二动画序列中两相邻帧中骨骼的位移偏差以及两相邻帧的时间间隔，计算第二速度；根据所述起始关键帧中骨骼的位移及所述结束关键帧中骨骼的位移，计算所述结束关键帧及所述起始关键帧中骨骼的位移偏差本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种过渡动画的生成方法，其特征在于，包括：获取起始关键帧及结束关键帧；获取所述起始关键帧及所述结束关键帧之间的空白时间段的空白时长；根据所述空白时长及预设的帧率，计算过渡动画的总帧数N以及各过渡帧的位置，N为正整数；计算得到各过渡帧的动作数据，其中，第一个过渡帧的动作数据根据所述起始关键帧的动作数据、所述结束关键帧的动作数据以及第一个过渡帧的位置得到，第i+1个过渡帧的动作数据根据所述起始关键帧的动作数据、所述结束关键帧的动作数据、第i个过渡帧的动作数据以及第i+1个过渡帧的位置得到，1≤i≤N
‑
1，i为正整数；基于N个过渡帧的动作数据以及位置，生成所述过渡动画。2.如权利要求1所述的过渡动画的生成方法，其特征在于，所述第i+1个过渡帧的动作数据根据所述起始关键帧的动作数据、所述结束关键帧的动作数据、第i个过渡帧的动作数据以及第i+1个过渡帧的位置得到，包括：第i+1个过渡帧的动作数据根据所述起始关键帧的动作数据、所述结束关键帧的动作数据、第i
‑
j至第i个过渡帧的动作数据以及第i+1个过渡帧的位置得到，j为自然数，i＞j。3.如权利要求1所述的过渡动画的生成方法，其特征在于，所述计算得到各过渡帧的动作数据，包括：采用动作数据生成网络模型计算得到各过渡帧的动作数据；其中，所述动作数据生成网络模型根据所述起始关键帧的动作数据对应的起始向量、所述结束关键帧的动作数据对应的结束向量以及第一个过渡帧的位置向量和第零隐变量，生成第一隐变量以及第一个过渡帧的第一向量，所述第一向量用于指示所述第一个过渡帧的动作数据；所述动作数据生成网络模型根据第i隐变量、第i个过渡帧的对应的第i向量、所述结束向量以及第i+1个过渡帧的位置向量，得到第i+1个过渡帧的第i+1向量。4.如权利要求3所述的过渡动画的生成方法，其特征在于，所述动作数据生成网络模型采用如下方式训练得到：获取训练样本集，所述训练样本集包括多个训练样本，所述训练样本为动画序列片段；针对每个训练样本，从所述训练样本的每帧动作中提取出动作数据；将每个训练样本的第一帧作为起始帧，将最后一帧作为结束帧，根据所述起始帧与所述结束帧之间的时间间隔，确定待预测的过渡动画的总帧数；在第m次迭代训练过程中，基于有监督学习的训练方式，将所述训练样本集中的部分或全部训练样本输入至第m
‑
1次迭代训练得到的网络模型，基于预测的预测结果与真实结果的偏差得到第一损失，基于无监督学习的训练方式，将所述训练样本集中的部分或全部训练样本输入所述第m
‑
1次迭代得到的网络模型，得到对抗损失；根据所述第一损失以及所述对抗损失，调整所述第m
‑
1次迭代得到的网络模型的参数，得到第m次迭代得到的网络模型，以此迭代训练，直至第m+p次迭代得到的网络模型满足收敛条件，将所述第m+p次迭代得到的网络模型作为所述动作数据生成网络模型，其中，当m＝1时，初始网络模型视为第0次迭代训练得到的网络模型，m≥1，p≥0，m及p均为整数。5.如权利要求4所述的过渡动画的生成方法，其特征在于，所述动作数据包括骨骼的位
移及骨骼的旋转角，所述预测结果包括骨骼的预测位移及骨骼的预测旋转角，所述真实结果包括骨骼的真实位移及骨骼的真实旋转角，所述基于预测的预测结果与真实结果的偏差得到第一损失包括以下任一种：计算骨骼的预测位移与所述骨骼的真实位移的第一偏差，所述骨骼的预测旋转角与所述骨骼的真实旋转角的第二偏差，将所述第一偏差及所述第二偏差之和作为所述第一损失；或者，计算骨骼的预测位移与所述骨骼的真实位移的第一偏差，所述骨骼的预测旋转角与所述骨骼的真实旋转角的第二偏差，根据所述骨骼的预测位移及骨骼的预测旋转角确定骨骼的预测位置，计算所述骨骼的预测位置与骨骼的真实位置的第三偏差，将所述第一偏差、所述第二偏差以及所述第三偏差之和，作为所述第一损失。6.如权利要求1所述的过渡动画的生成方法，其特征在于，所述获取起始关键帧及结束关键帧，包括：获取第一...

【专利技术属性】
技术研发人员：刘博，王斌，施跇，柴金祥，
申请(专利权)人：上海墨舞科技有限公司，
类型：发明
国别省市：