【技术实现步骤摘要】
模型训练方法、装置、内容生成方法、装置及存储介质
[0001]本申请涉及虚拟
,尤其涉及一种模型训练方法
、
装置
、
内容生成方法
、
装置及存储介质
。
技术介绍
[0002]随着虚拟技术的不断普及,扩展现实
(extended reality
,
XR)
技术也慢慢被应用到各行业当中
。
[0003]现有
XR
内容的生成方法是通过预先设置元素特效数据库,元素特效数据库中包含多个元素特效,多个元素特效中的每个元素特效对应不同的用户需求信息
。
然后,可以获取目标用户需求信息,根据目标用户需求信息确定目标用户需求信息对应的元素特效
。
然后根据目标用户需求信息对应的元素特效生成
XR
内容
。
但是通过这种方法生成的
XR
内容受限于元素特效数据库,无法灵活应对不断变化的用户需求,生成的
XR
内容准确度较低
。
技术实现思路
[0004]本申请提供模型训练方法
、
装置
、
内容生成方法
、
装置及存储介质,用于解决现有技术中生成
XR
内容准确度较低的问题
。
[0005]为达到上述目的,本申请采用如下技术方案:
[0006]第一方面,提供一种模型训练方法,包括:获取历史扩展现实<
【技术保护点】
【技术特征摘要】
1.
一种模型训练方法,其特征在于,包括:获取历史扩展现实
XR
内容数据;基于所述历史
XR
内容数据,生成目标生成对抗网络
GANs
模型;基于所述历史
XR
内容数据,确定所述历史
XR
内容数据对应的潜在分布数据;基于所述潜在分布数据,生成目标变分自编码
VAEs
模型;获取用户终端的历史反馈数据;基于所述历史反馈数据,生成目标深度强化学习
DRL
模型
。2.
根据权利要求1所述的模型训练方法,其特征在于,所述根据所述历史
XR
内容数据生成目标生成对抗网络
GANs
模型,包括:基于所述历史
XR
内容数据,生成原始
GANs
模型;所述原始
GANs
模型包括:生成模型和鉴别模型;将所述历史
XR
内容数据对应的属性信息输入所述生成模型,生成目标
XR
内容数据;将所述属性信息相同的所述目标
XR
内容数据和所述历史
XR
内容数据输入所述鉴别模型,确定所述目标
XR
内容数据和所述历史
XR
内容数据差别占比;当所述差别占比小于预设数值时,确定所述原始
GANs
模型为所述目标
GANs
模型
。3.
根据权利要求1所述的模型训练方法,其特征在于,所述历史反馈数据包括:用户满意度和用户指令,所述根据所述历史反馈数据,生成目标深度强化学习
DRL
模型,包括:基于
DRL
技术,以及用户满意度,获取用户偏好数据;基于所述
DRL
技术,以及用户指令,生成修改
XR
内容指令;基于所述用户偏好数据,以及所述修改
XR
内容指令,生成所述目标
DRL
模型
。4.
一种内容生成方法,其特征在于,包括:获取所述用户终端的需求信息;基于所述需求信息,以及所述目标
GANs
模型,生成
XR
内容模型和所述
XR
内容模型对应纹理;基于所述需求信息,以及目标
VAEs
模型,生成所述
XR
内容模型对应的动画和所述
XR
内容模型对应的音频...
【专利技术属性】
技术研发人员:魏家馨,吴浩然,马瑞涛,黄兵明,赵世琦,王巍,陈佳琦,何露露,谈鹏驹,周广,贺鸣,赵慧,加雄伟,朱晓雨,刘永生,穆晓君,孙进芳,杨开敏,彭弼代,赵灿,
申请(专利权)人:中国联合网络通信集团有限公司,
类型:发明
国别省市:
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。