【技术实现步骤摘要】
本申请涉及计算机，具体而言，涉及一种表情重定向模型的训练方法、表情重定向方法及设备。
技术介绍
1、表情重定向是计算机图形学中的重要话题，表情重定向在影视娱乐、虚拟显示、人机交互、游戏制作等众多领域得到了广泛的应用，如何进行快速、方便地三维角色面部表情重定向，已经成为计算机视觉与图形学领域的热点研究课题。
2、目前，在游戏及动画制作流程中，想要将表情重定向到不同的虚拟角色或虚拟角色上，需要确定标准表情基组，并计算出对应的标准表情系数，才能将标准表情系数应用到不同的虚拟角色上。
3、然而，上述表情重定向方法需要预先定义标准表情基组，并需要美术人员进行大量的手工调整，不仅成本高昂，且费时费力。
技术实现思路
1、有鉴于此，本申请实施例提供了一种表情重定向模型的训练方法、表情重定向方法及设备，以解决现有技术中成本高昂，且费时费力，无法高效便捷地完成表情重定向的问题。
2、第一方面，本申请实施例提供了一种表情重定向模型的训练方法，包括：
3、获取多个第一样本表情图像中角色的脸部特征和身份特征；
4、根据所述脸部特征和所述身份特征，获取所述多个第一样本表情图像中角色的表情特征；
5、对所述多个第一样本表情图像中角色的表情特征进行映射，得到所述多个第一样本表情图像中角色的面部骨骼参数；
6、根据所述面部骨骼参数对待处理虚拟角色进行表情渲染，得到所述待处理虚拟角色的表情图像；
7、根据所述表情图像对应
8、在一可选的实施方式中，所述根据所述表情图像对应的表情特征和所述多个第一样本表情图像中角色的表情特征，进行模型训练，得到针对所述待处理虚拟角色的表情重定向模型，包括：
9、根据所述表情图像对应的表情特征和对应的所述第一样本表情图像中角色的表情特征，计算第一损失函数值；
10、根据所述面部骨骼参数和对应的所述第一样本表情图像中预先标注的标注面部骨骼参数，计算第二损失函数值；
11、根据所述第一损失函数值和所述第二损失函数值，进行模型训练，得到所述表情重定向模型。
12、在一可选的实施方式中，所述根据所述第一损失函数值和所述第二损失函数值，进行模型训练，得到所述表情重定向模型，包括：
13、根据所述表情图像的像素特征和对应的所述第一样本表情图像的像素特征，计算第三损失函数值；
14、根据所述第一损失函数值、所述第二损失函数值以及所述第三损失函数值，进行模型训练，得到所述表情重定向模型。
15、在一可选的实施方式中，所述根据所述第一损失函数值和所述第二损失函数值，进行模型训练，得到所述表情重定向模型，包括：
16、对所述面部骨骼参数进行判别处理，得到所述面部骨骼参数的判别结果；
17、根据所述判别结果和所述面部骨骼参数的预设判别结果，得到第四损失函数值；
18、根据所述第一损失函数值、所述第二损失函数值以及所述第四损失函数值，进行模型训练，得到所述表情重定向模型。
19、在一可选的实施方式中，所述获取多个第一样本表情图像中角色的脸部特征和身份特征，包括：
20、采用预先训练的脸部模型对所述多个第一样本表情图像进行脸部特征提取，得到所述多个第一样本表情图像中角色的脸部特征；
21、采用预先训练的身份模型对所述多个第一样本表情图像进行身份特征提取，得到所述多个第一样本表情图像中角色的身份特征。
22、在一可选的实施方式中，所述方法还包括：
23、提取多个第二样本表情图像的脸部特征和身份特征，以及多个第三样本表情图像的脸部特征和身份特征，所述多个第二样本表情图像中角色具有相同表情，所述多个第三样本表情图像中角色具有不同表情；
24、根据所述多个第二样本表情图像中角色的脸部特征和身份特征，确定所述多个第二样本表情图像中角色的表情特征；
25、根据所述多个第三样本表情图像中角色的脸部特征和身份特征，确定所述多个第三样本表情图像中角色的表情特征；
26、根据所述多个第二样本表情图像中角色的表情特征和所述多个第三样本表情图像中角色的表情特征，进行模型训练，得到所述脸部模型和所述身份模型。
27、在一可选的实施方式中，所述根据所述多个第二样本表情图像中角色的表情特征和所述多个第三样本表情图像中角色的表情特征，进行模型训练，得到所述脸部模型和所述身份模型，包括：
28、根据所述多个第二样本表情图像中角色的表情特征，计算第五损失函数值；
29、根据所述多个第三样本表情图像中角色的表情特征，计算第六损失函数值；
30、根据所述第五损失函数值和所述第六损失函数值进行模型训练，得到所述脸部模型和所述身份模型。
31、在一可选的实施方式中，所述根据所述第五损失函数值和所述第六损失函数值进行模型训练，得到所述脸部模型和所述身份模型，包括：
32、计算所述第五损失函数值和所述第六损失函数值的差值；
33、根据所述差值进行模型训练，得到所述脸部模型和所述身份模型。
34、在一可选的实施方式中，所述根据所述多个第二样本表情图像中角色的表情特征，计算第五损失函数值，包括：
35、计算所述多个第二样本表情图像中每两个第二样本表情图像中角色的表情特征的第一特征距离；
36、根据所述第一特征距离，获取所述第五损失函数值；
37、所述根据所述多个第三样本表情图像中角色的表情特征，计算第六损失函数值，包括：
38、计算所述多个第三样本表情图像中每两个第三样本表情图像中角色的表情特征的第二特征距离；
39、根据所述第二特征距离，获取所述第六损失函数值。
40、第二方面，本申请实施例还提供了一种表情重定向方法，包括：
41、获取待处理表情图像对应的表情特征；
42、根据待处理虚拟角色的表情重定向模型对所述待处理表情图像中角色的表情特征进行处理，得到所述待处理表情图像中角色的面部骨骼参数；其中，所述表情重定向模型为采用第一方面任一项所述的训练方法训练得到的；
43、根据所述待处理表情图像中角色的面部骨骼参数对所述待处理虚拟角色进行表情渲染，得到所述待处理虚拟角色的表情图像。
44、在一可选的实施方式中，所述根据所述待处理表情图像的面部骨骼参数对所述待处理虚拟角色进行表情渲染，得到所述待处理虚拟角色的表情图像，包括：
45、采用所述表情重定向模型，基于所述待处理表情图像的面部骨骼参数对所述待处理虚拟角色进行二维表情渲染，得到所述待处理虚拟角色的二维表情图像。
46、在一可选的实施方式中，所述根据所述待处理表情图像的面部骨本文档来自技高网...
【技术保护点】
1.一种表情重定向模型的训练方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，所述根据所述表情图像对应的表情特征和所述多个第一样本表情图像中角色的表情特征，进行模型训练，得到针对所述待处理虚拟角色的表情重定向模型，包括：
3.根据权利要求2所述的方法，其特征在于，所述根据所述第一损失函数值和所述第二损失函数值，进行模型训练，得到所述表情重定向模型，包括：
4.根据权利要求2所述的方法，其特征在于，所述根据所述第一损失函数值和所述第二损失函数值，进行模型训练，得到所述表情重定向模型，包括：
5.根据权利要求1所述的方法，其特征在于，所述获取多个第一样本表情图像中角色的脸部特征和身份特征，包括：
6.根据权利要求5所述的方法，其特征在于，所述方法还包括：
7.根据权利要求6所述的方法，其特征在于，所述根据所述多个第二样本表情图像中角色的表情特征和所述多个第三样本表情图像中角色的表情特征，进行模型训练，得到所述脸部模型和所述身份模型，包括：
8.根据权利要求7所述的方法，其特征在于，所
9.根据权利要求7所述的方法，其特征在于，所述根据所述多个第二样本表情图像中角色的表情特征，计算第五损失函数值，包括：
10.一种表情重定向方法，其特征在于，包括：
11.根据权利要求10所述的方法，其特征在于，所述根据所述待处理表情图像的面部骨骼参数对所述待处理虚拟角色进行表情渲染，得到所述待处理虚拟角色的表情图像，包括：
12.根据权利要求10所述的方法，其特征在于，所述根据所述待处理表情图像的面部骨骼参数对所述待处理虚拟角色进行表情渲染，得到所述待处理虚拟角色的表情图像，包括：
13.一种电子设备，其特征在于，包括：处理器、存储器和总线，所述存储器存储有所述处理器可执行的机器可读指令，当电子设备运行时，所述处理器与所述存储器之间通过总线通信，所述处理器执行所述机器可读指令，以执行权利要求1-9任一项所述的表情重定向模型的训练方法。
14.一种电子设备，其特征在于，包括：处理器、存储器和总线，所述存储器存储有所述处理器可执行的机器可读指令，当电子设备运行时，所述处理器与所述存储器之间通过总线通信，所述处理器执行所述机器可读指令，以执行权利要求10-12任一项所述的表情重定向方法。
15.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器运行时执行权利要求1-9任一项所述的表情重定向模型的训练方法或者10-12任一项所述的表情重定向方法。
...【技术特征摘要】
1.一种表情重定向模型的训练方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，所述根据所述表情图像对应的表情特征和所述多个第一样本表情图像中角色的表情特征，进行模型训练，得到针对所述待处理虚拟角色的表情重定向模型，包括：
3.根据权利要求2所述的方法，其特征在于，所述根据所述第一损失函数值和所述第二损失函数值，进行模型训练，得到所述表情重定向模型，包括：
4.根据权利要求2所述的方法，其特征在于，所述根据所述第一损失函数值和所述第二损失函数值，进行模型训练，得到所述表情重定向模型，包括：
5.根据权利要求1所述的方法，其特征在于，所述获取多个第一样本表情图像中角色的脸部特征和身份特征，包括：
6.根据权利要求5所述的方法，其特征在于，所述方法还包括：
7.根据权利要求6所述的方法，其特征在于，所述根据所述多个第二样本表情图像中角色的表情特征和所述多个第三样本表情图像中角色的表情特征，进行模型训练，得到所述脸部模型和所述身份模型，包括：
8.根据权利要求7所述的方法，其特征在于，所述根据所述第五损失函数值和所述第六损失函数值进行模型训练，得到所述脸部模型和所述身份模型，包括：
9.根据权利要求7所述的方法，其特征在于，所述根据所述多个第二样本表情图像中角色的表情特...
【专利技术属性】
技术研发人员：邱锋，张唯，丁彧，吕唐杰，范长杰，胡志鹏，
申请(专利权)人：网易杭州网络有限公司，
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。