建模方法及系统技术方案

本发明专利技术提供了一种建模方法及系统

【技术实现步骤摘要】
建模方法及系统、电子设备及存储介质


[0001]本专利技术涉及建模
，具体而言，涉及一种建模方法
、
一种建模系统
、
一种电子设备及一种存储介质
。

技术介绍

[0002]相关技术中，数字人生成技术主要是通过借助国外开发的数字人生成平台进行捏脸实现，或通过制作可变形模型自制捏脸底模实现，或设计师通过其他软件进行创作和微调来实现
。
然而，上述方法存在着成本高昂
、
周期长以及生成过程复杂具有很高的技术门槛等问题，因此需要一种成本较低
、
周期较短的数字人生成技术
。

技术实现思路

[0003]本专利技术旨在解决或改善上述技术问题的至少之一
。
[0004]为此，本专利技术的第一目的在于提供一种建模方法
。
[0005]本专利技术的第二目的在于提供一种建模系统
。
[0006]本专利技术的第三目的在于提供一种电子设备
。
[0007]本专利技术的第四目的在于提供一种存储介质
。
[0008]为实现本专利技术的第一目的，本专利技术的技术方案提供了建模方法，包括：在获取到第一人像底模的情况下，调整第一人像底模的建模参数，得到第二人像底模；在获取到至少两张第一图像数据的情况下，基于至少两张第一图像数据构建渲染模型，至少两张第一图像数据中均包括目标人像特征；将第二人像底模与渲染模型进行拟合处理，得到目标人像特征对应的目标人像建模<br/>。
[0009]本专利技术提供的建模方法，包括首先利用
3DMM(3D Morphable Face Model
，人脸形状和外观统计模型
)
技术建立第一人像底模，然后对第一人像底模的几个关键模型参数进行调整，从而得到第二人像底模
。
其中，第二人像底模是一种低精度模型，其结构简单
。
进一步地，获取至少两张第一图像数据，其中，第一图像数据包括了目标人像特征，目标人像特征指的是第一图像数据中人物图像，即获取目标人像特征在平面上的图像数据，然后根据至少两张第一图像数据通过神经渲染网络进行自动化的数据训练流程，构建出渲染模型
。
渲染模型中包括了目标人像特征的数据信息，然后将渲染模型和第二人像底模进行拟合，实现了目标人像建模的拟合过程，从而使得第二人像底模上出现了目标人像特征，即完成了目标人像建模
。
本专利技术通过目标人像特征的图像数据，即平面图像数据构建渲染模型，然后根据渲染模型和
3DMM
底模进行拟合，从而可以得到三维的数字人模型，实现了
2D
和
3D
的有机融合，简化了数字人模型的生成过程，并且减少了数字人模型的生成成本以及生成周期
。
[0010]另外，本专利技术提供的技术方案还可以具有如下附加技术特征：
[0011]在一些技术方案中，可选地，在获取到至少两张第一图像数据的情况下，基于至少两张第一图像数据构建渲染模型的步骤，包括：在每张第一图像数据中，提取目标人像特征
在每张第一图像数据中的二维特征参数；将每张第一图像数据对应的至少两个二维特征参数转换为至少两个三维特征参数；通过每张第一图像数据对应的至少两个三维特征参数对初始模型进行模型训练，得到渲染模型
。
[0012]在该技术方案中，在获取到至少两张第一图像数据的情况下，基于至少两张第一图像数据构建渲染模型的步骤，包括：由于第一图像数据是平面数据，因此，在每张第一图像数据中，获取目标人像特征在第一图像数据中的二维特征参数，其中，二维特征参数指的目标人物特征在平面中的位置数据
、
颜色数据等
。
进一步地，由于目标人像建模为立体模型，因此需要将目标人像特征在第一图像数据中的二维特征参数转换为目标人像特征的三维特征参数，其中，三维特征参数指的是目标人物特征在立体空间中的位置数据
、
颜色数据等
。
从而确定现实中目标人像特征的位置信息
。
然后利用三维特征参数通过神经渲染网络对初始模型进行模型训练，从而得到了具有目标人像特征的位置信息的渲染模型
。
[0013]在一些技术方案中，可选地，通过每张第一图像数据对应的至少两个三维特征参数对初始模型进行模型训练，得到渲染模型的步骤，包括：将至少两个三维特征参数输入至初始模型中进行训练；获取训练过程中的损失函数的损失度；在损失度小于或等于预设损失度的情况下，将训练后的初始模型确定为渲染模型
。
[0014]在该技术方案中，利用至少两个三维特征参数通过神经渲染网络进行自动化的数据训练流程，从而得到渲染模型
。
具体地，将至少两个三维特征参数输入到初始模型中进行训练，在初始模型的训练过程中，获取初始模型的损失度，损失度能够评价初始模型在至少两个三维特征参数中的拟合程度
。
当损失度大于或等于预设损失度时，说明拟合程度较低，即初始模型还没有达到使用要求，因此需要对初始模型中的模型参数进行调整，具体地，可以根据损失度进行调整
。
然后再将至少两个三维特征参数输入至模型参数调整后的初始模型中在进行训练，重新获取损失度，若损失度还大于预设损失度，则继续调整并重复上述方法，直至损失度小于或等于预设损失度
。
损失度小于预设损失度说明拟合程度较高，即初始模型训练成功，达到了使用的要求，因此，将训练成功后的初始模型作为渲染模型
。
[0015]在一些技术方案中，可选地，在获取到第一人像底模的情况下，调整第一人像底模的建模参数，得到第二人像底模的步骤，包括：获取目标人像特征的特征信息；基于特征信息，调整第一人像底模的建模参数，以得到第二人像底模
。
[0016]在该技术方案中，在获取到第一人像底模的情况下，调整第一人像底模的建模参数，得到第二人像底模的步骤，包括：确定目标人像特征，然后获取到目标人像特征的特征信息，其中，特征信息指的是目标人物特征中必不可少的数据信息，如五官的位置信息
、
身体的高度信息等
。
通过获取到的特征信息对第一人像底模的建模参数进行修改，从而得到了第二人像底模
。
即，在本专利技术中无需获取大量的目标人像特征的数据信息，只需获取目标人像特征中的特征信息即可，即，在本专利技术中使得第二人像底模仅具备大致的人物形状，也能生成标准的数字人模型，而无需过多的精细雕琢
。
[0017]在一些技术方案中，可选地，目标人像特征包括以下至少一项：人脸特征
、
五官特征
、
身体特征
。
[0018]在该技术方案中，目标人像特征可以包括人脸特征
、
五官特征以及身体特征等，通过将目标人物特征放置在第一图像数据中，进而根据第一图像数据构建渲染模型时，可以使得渲染模本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种建模方法，其特征在于，包括：在获取到第一人像底模的情况下，调整所述第一人像底模的建模参数，得到第二人像底模；在获取到至少两张第一图像数据的情况下，基于至少两张所述第一图像数据构建渲染模型，至少两张所述第一图像数据中均包括目标人像特征；将所述第二人像底模与所述渲染模型进行拟合处理，得到所述目标人像特征对应的目标人像建模
。2.
根据权利要求1所述的建模方法，其特征在于，所述在获取到至少两张第一图像数据的情况下，基于至少两张所述第一图像数据构建渲染模型的步骤，包括：在每张所述第一图像数据中，提取所述目标人像特征在每张所述第一图像数据中的二维特征参数；将每张所述第一图像数据对应的至少两个所述二维特征参数转换为至少两个三维特征参数；通过每张所述第一图像数据对应的至少两个所述三维特征参数对初始模型进行模型训练，得到所述渲染模型
。3.
根据权利要求2所述的建模方法，其特征在于，所述通过每张所述第一图像数据对应的至少两个所述三维特征参数对初始模型进行模型训练，得到所述渲染模型，包括：将至少两个所述三维特征参数输入至初始模型中进行训练；获取训练过程中的损失函数的损失度；在所述损失度小于或等于预设损失度的情况下，将训练后的初始模型确定为所述渲染模型
。4.
根据权利要求1至3中任一项所述的建模方法，其特征在于，所述在获取到第一人像底模的情况下，调整所述第一人像底模的建模参数，得到第二人像底模的步骤，包括：获取所述目标人像特征的特征信息；基于所述特征信息，调整所述...

【专利技术属性】
技术研发人员：王智武，唐欣桐，赵紫晗，李立葳，靳俊兆，
申请(专利权)人：北京元境数字科技有限公司，
类型：发明
国别省市：