【技术实现步骤摘要】
人体运动过渡生成方法、装置、设备及可读存储介质
[0001]本申请涉及数字数据
，尤其涉及一种人体运动过渡生成方法、装置、设备及可读存储介质。
技术介绍
[0002]计算机动画中重用现有的运动片段剪辑可以提高生产效率和降低成本的优点。通常使用数据集中搜索最适合上下文的模式来创建运动过渡，并且最近数据驱动技术的发展可以完美地模拟时间复杂性。
[0003]然而，在合成周期性运动时，网络可能会生成缺乏生物活力的模板序列，并且生成的转换可能会缺乏细节，仅以生硬的动作变化情况，从初始状态切换至目标状态。尤其是，网络更倾向于根据训练阶段学到的准确运动状态，直接作为动作切换时的过渡状态，而不是在结合当前动作情况，在有意增加过渡的控制下进行生动的渐变。
[0004]因此，在生成运动序列时，所生成的运动序列与实际运动姿势相比仍然存在运动细节表现力不足的问题。
技术实现思路
[0005]有鉴于此，本申请提供一种人体运动过渡生成方法、装置、设备及可读存储介质，旨在提高生成运动序列时的运动细节表现力。
...
【技术保护点】
【技术特征摘要】
1.一种人体运动过渡生成方法，其特征在于，所述人体运动过渡生成方法包括以下步骤：获取目标人体的初始状态、实时状态、目标状态和预期状态；将所述初始状态、所述实时状态、所述目标状态和所述预期状态输入至预设预测模型，并根据所述预设预测模型，对所述初始状态和所述目标状态之间的过渡状态进行预测，得到所述目标人体的过渡帧；其中，所述预设预测模型至少包括高斯过程隐变量模型，所述高斯过程隐变量模型用于确定所述初始状态、所述实时状态和所述目标状态所对应连续动作的姿势变化概率；根据预设调整策略算法和所述姿势变化概率，对所述过渡帧进行局部特征调整，得到目标帧。2.如权利要求1所述的人体运动过渡生成方法，其特征在于，所述预设预测模型包括高斯过程隐变量模型和时序运动预测模型，所述根据所述预设预测模型，对所述初始状态和所述目标状态之间的过渡状态进行预测，得到所述目标人体的过渡帧的步骤，包括：根据所述高斯过程隐变量模型，将所述实时状态映射至隐变量流形，得到所述实时状态对应各动作变化概率的潜在状态；将所述潜在状态、所述初始状态、所述目标状态和所述预期状态输入至所述时序运动预测模型，并根据所述时序运动预测模型，将所述潜在状态、所述初始状态、所述目标状态和所述预期状态进行特征融合；根据所述时序运动预测模型和所述融合后的特征，对所述初始状态和所述目标状态之间的过渡状态进行预测，并根据所述过渡状态，预测得到所述目标人体的过渡帧。3.如权利要求2所述的人体运动过渡生成方法，其特征在于，所述根据所述时序运动预测模型，将所述潜在状态、所述初始状态、所述目标状态和所述预期状态进行特征融合的步骤，包括：根据所述时序运动预测模型，从所述潜在状态、所述初始状态、所述目标状态或所述预期状态中按照状态时序采样得到上下文信息；将所述预期状态作为生成每一帧动作姿势时的目标状态，并提取已生成的每一帧动作姿势的历史信息；根据预设注意力机制，将所述上下文信息和所述历史信息以所述预期状态对应的动作姿势为预测方向进行特征融合。4.如权利要求3所述的人体运动过渡生成方法，其特征在于，所述根据预设调整策略算法和所述姿势变化概率，对所述过渡帧进行局部特征调整，得到目标帧的步骤，包括：根据预设调整策略算法，确定所述过渡帧的相邻帧，并确定所述相邻帧对应动作姿势的上下文信息；其中，所述相邻帧对应动作姿势的上下文信息为从所述初始状态、所述目标状态和所述历史信息中采样得到的；根据所述上下文信息，确定所述过渡帧在各维度上和所述隐变量流形中的变化倾向，并计算所述相邻帧对应动作姿势的上下文信息的均值和协方差；根据所述均值和协方差和所述姿势变化概率，确定所述过渡帧对应动作姿势的调整趋向，并根据所述调整趋向，对所述过渡帧进行局部特征调整，得到目标帧。5.如权利要求2所述的人体运动过渡生成方法，其特征在于，所述根据所述高斯过程隐
变量模型，将所述实时状态映射至隐变量流形，得到所述实时状态对应各动作变化概率的潜在状态的步骤，...
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。