仿真资产真实度评价方法技术

本发明专利技术涉及图像处理技术领域，具体提供一种仿真资产真实度评价方法

【技术实现步骤摘要】
仿真资产真实度评价方法、控制装置及存储介质


[0001]本专利技术涉及图像处理
，具体提供一种仿真资产真实度评价方法
、
控制装置及存储介质
。

技术介绍

[0002]仿真资产指的是包含三维模型信息的文件，利用某个仿真资产可以获得与其对应的仿真资产图像（即三维模型）
。
各类物件的三维模型可用于生成不同的场景图片，仿真资产的真实度决定了场景图片的真实度，因此，需要使构建的仿真资产尽可能真实
。
[0003]现有技术对仿真资产真实度的评价主要有两种：一种方式为，生成该仿真资产的合成图片，然后直接通过人工判断该合成图片的真实度；另一种方式为，对该合成图片的质量进行评价，一般为计算该合成图片与该仿真资产的真实图片之间的相似度，通过该相似度来评价该仿真资产的真实度
。
[0004]然而，人工的方式存在工作量大
、
主观性强的缺陷；而质量评价与真实度评价实质上并不相同，且通过相似度来评价真实度也并不准确，同一个仿真资产在视觉上的真实度受多种因素影响，包括所处场景
、
光照条件
、
渲染角度等，难以通过单一指标反映
。
[0005]基于此，本领域需要一种新的仿真资产真实度评价方案来解决上述问题
。

技术实现思路

[0006]为了解决上述技术问题，本专利技术提出了一种仿真资产真实度评价方法
、
控制装置及存储介质，能够更加准确地对仿真资产的真实度进行评价
。
[0007]为达到上述目的，本专利技术的技术方案是这样实现的：在第一方面，本专利技术提供一种仿真资产真实度评价方法，所述方法包括：获取包含待评价资产图像的至少一张合成图片；将所述合成图片输入至预先训练好的图片判别器，以使所述图片判别器输出与每张合成图片对应的用于反映该合成图片真实度的真实度矩阵；其中，所述图片判别器为深度神经网络模型；基于所述真实度矩阵，对所述待评价资产的真实度进行评价
。
[0008]在一些实施例中，所述获取包含待评价资产图像的至少一张合成图片，包括：对所述待评价资产在不同的渲染要素下进行渲染，获得包含待评价资产图像的至少一张合成图片
。
[0009]在一些实施例中，所述方法还包括：获取每张所述合成图片的渲染要素；基于所述渲染要素和所述真实度矩阵，对所述待评价资产在预定渲染要素下的真实度进行评价
。
[0010]在一些实施例中，所述方法还包括：获取对所述待评价资产在预定渲染要素下的真实度进行评价的评价结果；
基于所述评价结果，对所述待评价资产进行修改
。
[0011]在一些实施例中，每张所述合成图片预先被划分为至少一个区域块；每个所述真实度矩阵还用于反映与其对应的合成图片的所述区域块的真实度；所述基于所述真实度矩阵，对所述待评价资产的真实度进行评价，包括：基于每个所述真实度矩阵，获得每张所述合成图片中每个所述区域块的真实度得分；从所有合成图片的区域块中筛选出包含所述待评价资产图像的像素的区域块作为评价区域；基于所述评价区域的真实度得分，对所述待评价资产的真实度进行评价
。
[0012]在一些实施例中，所述基于所述评价区域的真实度得分，对所述待评价资产的真实度进行评价，包括：计算所述评价区域的真实度得分的平均值，获得所述待评价资产的真实度得分；基于所述待评价资产的真实度得分，对所述待评价资产的真实度进行评价
。
[0013]在一些实施例中，所述方法还包括：基于每个所述真实度矩阵，对与该真实度矩阵对应的合成图片的真实度进行评价
。
[0014]在一些实施例中，每张所述合成图片预先被划分为至少一个区域块；每个所述真实度矩阵还用于反映与其对应的合成图片的所述区域块的真实度；所述基于每个所述真实度矩阵，对与该真实度矩阵对应的合成图片的真实度进行评价，包括：基于该真实度矩阵，获得该合成图片中每个区域块的真实度得分；计算该合成图片中所有区域块的真实度得分的平均值，获得该合成图片的真实度得分；基于该合成图片的真实度得分，对该合成图片的真实度进行评价
。
[0015]在第二方面，本专利技术提供一种控制装置，该控制装置包括处理器和存储装置，所述存储装置适于存储多条程序代码，所述程序代码适于由所述处理器加载并运行以执行上述技术方案中任一项技术方案所述的仿真资产真实度评价方法
。
[0016]在第三方面，本专利技术提供一种计算机可读存储介质，该计算机可读存储介质其中存储有多条程序代码，所述程序代码适于由处理器加载并运行以执行上述技术方案中任一项技术方案所述的仿真资产真实度评价方法
。
[0017]本专利技术实施例提供的仿真资产真实度评价方法
、
控制装置及存储介质，获取包含待评价资产图像的至少一张合成图片，将合成图片输入至预先训练好的图片判别器，以使图片判别器输出与每张合成图片对应的用于反映该合成图片真实度的真实度矩阵，并基于该真实度矩阵，对待评价资产的真实度进行评价，由于图片判别器为一个预先训练好的深度神经网络模型，因此，其能够根据输入的合成图片准确输出与该合成图片对应的真实度矩阵，进而能够根据该合成图片的真实度来准确评价待评价资产的真实度，避免了像现有技术那样采用人工判断或根据图像质量来评价真实度
。
可见，本专利技术实施例提供的技术方案，能够更加准确地对仿真资产的真实度进行评价
。
附图说明
[0018]参照附图，本专利技术的公开内容将变得更易理解
。
本领域技术人员容易理解的是：这些附图仅仅用于说明本专利技术的目的，而并非意在对本专利技术的保护范围构成限制
。
此外，图中类似的数字用于表示类似的部件，其中：图1为本专利技术实施例提供的一种仿真资产真实度评价方法的主要步骤流程图；图2为本专利技术实施例提供的另一种仿真资产真实度评价方法的流程示意图；图3为本专利技术实施例提供的一种仿真资产真实度评价装置的主要结构框图
。
[0019]附图标记列表：
11
：图片获取单元；
12
：输入单元；
13
：第一评价单元
。
具体实施方式
[0020]下面参照附图来描述本专利技术的一些实施方式
。
本领域技术人员应当理解的是，这些实施方式仅仅用于解释本专利技术的技术原理，并非旨在限制本专利技术的保护范围
。
[0021]在本专利技术的描述中，“模块”、“处理器”可以包括硬件
、
软件或者两者的组合
。
一个模块可以包括硬件电路，各种合适的感应器，通信端口，存储器，也可以包括软件部分，比如程序代码，也可以是软件和硬件的组合
。
处理器可以是中央处理器
、
微处理器
、
图像处理器
、
数字信号处理器或者其他任何合适的处理器
本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种仿真资产真实度评价方法，其特征在于，所述方法包括：获取包含待评价资产图像的至少一张合成图片；将所述合成图片输入至预先训练好的图片判别器，以使所述图片判别器输出与每张合成图片对应的用于反映该合成图片真实度的真实度矩阵；其中，所述图片判别器为深度神经网络模型；基于所述真实度矩阵，对所述待评价资产的真实度进行评价
。2.
根据权利要求1所述的仿真资产真实度评价方法，其特征在于，所述获取包含待评价资产图像的至少一张合成图片，包括：对所述待评价资产在不同的渲染要素下进行渲染，获得包含待评价资产图像的至少一张合成图片
。3.
根据权利要求2所述的仿真资产真实度评价方法，其特征在于，所述方法还包括：获取每张所述合成图片的渲染要素；基于所述渲染要素和所述真实度矩阵，对所述待评价资产在预定渲染要素下的真实度进行评价
。4.
根据权利要求3所述的仿真资产真实度评价方法，其特征在于，所述方法还包括：获取对所述待评价资产在预定渲染要素下的真实度进行评价的评价结果；基于所述评价结果，对所述待评价资产进行修改
。5.
根据权利要求1所述的仿真资产真实度评价方法，其特征在于，每张所述合成图片预先被划分为至少一个区域块；每个所述真实度矩阵还用于反映与其对应的合成图片的所述区域块的真实度；所述基于所述真实度矩阵，对所述待评价资产的真实度进行评价，包括：基于每个所述真实度矩阵，获得每张所述合成图片中每个所述区域块的真实度得分；从所有合成图片的区域块中筛选出包含所述待评价资产图像的像素的区域块作为评价区域；基于所述评价区域的真...

【专利技术属性】
技术研发人员：陈铭，甘宇飞，谢晨，杨海波，
申请(专利权)人：光轮智能北京科技有限公司，
类型：发明
国别省市：