System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本公开涉及信息处理,尤其涉及一种三维模型的生成方法、装置、电子设备及存储介质。
技术介绍
1、三维模型被广泛应用于动画、游戏、建筑领域,考虑到实际应用场景,若想对显示世界中的目标对象进行三维模型的生成,则需要专用的摄像机对目标对象进行深度信息采集,采集成本较高,且三维模型的生成精度也较低,故如何更好地生成三维模型是开发人员亟需解决的技术问题。
技术实现思路
1、本公开提出了一种三维模型的生成技术方案。
2、根据本公开的一方面,提供了一种三维模型的生成方法,所述生成方法包括:获取至少两个目标图像;其中,不同的目标图像中包括同一个目标对象;根据所述至少两个目标图像、训练后的三维模型生成网络,生成所述目标对象对应的三维模型;其中,所述训练后的三维模型生成网络通过多组训练图像、所述多组训练图像中的第一图像对应的深度信息训练得到,每组训练图像包括至少两个训练图像,同一组训练图像包括同一个训练对象。
3、在一种可能的实施方式中,多组训练图像中的每组训练图像包括至少两个训练图像,所述至少两个训练图像包括一个第一图像,至少一个第二图像,其中,第一图像对应有深度信息,每个第二图像与第一图像的图像采集角度均不同;所述三维模型生成网络包括:特征提取模块,与所述特征提取模块相连的特征融合模块;与所述特征融合模块相连的深度信息预测模块;所述训练后的三维模型生成网络通过如下方式得到:通过所述特征提取模块,对所述每组训练图像中的至少两个训练图像进行特征提取,得到每组训练图像对应的至少两个
4、在一种可能的实施方式中,所述训练后的三维模型生成网络还包括:与所述深度信息预测模块相连的三维模型重建模块,所述根据所述至少两个目标图像、训练后的三维模型生成网络,生成所述目标对象对应的三维模型,包括:通过所述特征提取模块,对所述至少两个目标图像进行特征提取,得到所述至少两个目标图像对应的至少两个目标图像特征;通过所述特征融合模块,将所述至少两个目标图像进行特征融合,得到目标图像融合特征;通过所述深度信息预测模块,根据所述目标图像融合特征,确定所述至少两个目标图像中的至少一个目标图像对应的深度预测信息;通过所述三维模型重建模块,根据所述至少一个目标图像对应的深度预测信息、预设的三维模型重建算法,生成所述目标对象对应的三维模型。
5、在一种可能的实施方式中,所述对所述三维模型生成网络的模型参数进行调整,得到所述训练后的三维模型生成网络,包括:对所述三维模型生成网络的模型参数进行调整,得到调整后的三维模型生成网络;对所述调整后的三维模型生成网络进行轻量化处理,得到所述训练后的三维模型生成网络。
6、在一种可能的实施方式中,所述至少两个目标图像通过如下方式得到:获取视频数据;在所述视频数据中筛选出至少两个预设方向的图像,作为所述至少两个目标图像;其中,所述至少两个预设方向与每组训练图像中至少两个训练图像的图像采集方向相近。
7、根据本公开的一方面,提供了一种三维模型的骨骼信息的生成方法,所述生成方法包括:获取三维模型对应的网格顶点信息;其中,所述三维模型通过所述的三维模型的生成方法得到;根据所述三维模型对应的网格顶点信息,训练后的骨骼生成网络,生成所述三维模型对应的骨骼信息;其中,所述训练后的骨骼生成网络通过训练三维模型对应的网格顶点信息、训练三维模型对应的骨骼标签训练得到。
8、在一种可能的实施方式中,所述骨骼生成网络包括:图卷积模块,与所述图卷积模块相连的边缘卷积模块,与所述边缘卷积模块相连的注意力模块,与所述注意力模块相连的骨骼预测模块;所述训练后的骨骼生成网络通过如下方式训练得到:通过所述图卷积模块,根据训练三维模型对应的网格顶点信息,确定所述训练三维模型中每个网格顶点对应的网格顶点特征;通过所述边缘卷积模块,根据所述每个网格顶点对应的网格顶点特征,确定每个网格顶点对应的综合特征;其中,所述综合特征用以表示网格顶点的顶点特征以及与该网格顶点相邻的网格顶点的顶点特征;通过所述注意力模块,根据所述每个网格顶点对应的综合特征,每个网格顶点对应的预设权重,更新所述每个网格顶点对应的综合特征;通过所述骨骼预测模块,根据更新后的所述每个网格顶点对应的综合特征,生成骨骼预测标签;并根据所述骨骼预测标签、所述骨骼标签之间的差异,对所述骨骼生成网络的模型参数进行调整,得到所述训练后的骨骼生成网络。
9、在一种可能的实施方式中,所述网格顶点信息包括:网格顶点的位置信息、网格顶点之间的邻接信息;所述根据所述每个网格顶点对应的网格顶点特征,确定每个网格顶点对应的综合特征,包括:根据所述每个网格顶点与其他网格顶点之间的邻接信息,确定所述每个网格顶点的至少一个邻接网格顶点;将所述每个网格顶点对应的网格顶点特征、所述每个网格顶点的至少一个邻接网格顶点对应的至少一个网格顶点特征进行特征融合,得到所述每个网格顶点对应的综合特征。
10、根据本公开的一方面,提供了一种三维模型的驱动方法,所述驱动方法包括:获取三维模型、所述三维模型对应的骨骼信息、所述三维模型与所述骨骼信息对应的蒙皮权重;其中,所述三维模型通过所述的三维模型的生成方法得到,所述骨骼信息通过所述的三维模型的骨骼信息的生成方法得到;所述蒙皮权重用以表示三维模型中每个网格顶点与骨骼信息中每个骨骼之间的联动关系;根据预设动作中骨骼的位置信息,对所述骨骼信息中对应的骨骼的位置信息进行调整;根据所述蒙皮权重、位置信息调整后的骨骼,对所述三维模型的每个网格顶点进行位置调整,得到驱动后的三维模型。
11、根据本公开的一方面,提供了一种三维模型的生成装置,所述生成装置包括:图像获取模块,用以获取至少两个目标图像;其中,不同的目标图像中包括同一个目标对象;三维模型生成模块,用以根据所述至少两个目标图像、训练后的三维模型生成网络,生成所述目标对象对应的三维模型;其中,所述训练后的三维模型生成网络通过多组训练图像、所述多组训练图像中的第一图像对应的深度信息训练得到,其中,每组训练图像包括至少两个训练图像,同一组训练图像包括同一个训练对象。
12、根据本公开的一方面,提供了一种三维模型的骨骼信息的生成装置,所述生成装置包括:顶点信息获取模块,用以获取三维模型对应的网格顶点信息;其中,所述三维模型通过所述的三维模型的生成装置得到;骨骼信息生成模块,用以根据所述三维模型对应的网格顶点信息,训练后的骨骼生成网络,生成所述三维模型对应的骨骼信息;其中,所述训练后的骨骼生成网络通过训练三维模型对应的网格顶点信息、训练三维模型对应的骨骼标签训练得本文档来自技高网...
【技术保护点】
1.一种三维模型的生成方法,其特征在于,所述生成方法包括:
2.如权利要求1所述的生成方法,其特征在于,多组训练图像中的每组训练图像包括至少两个训练图像,所述至少两个训练图像包括一个第一图像,至少一个第二图像,其中,第一图像对应有深度信息,每个第二图像与第一图像的图像采集角度均不同;所述三维模型生成网络包括:特征提取模块,与所述特征提取模块相连的特征融合模块;与所述特征融合模块相连的深度信息预测模块;所述训练后的三维模型生成网络通过如下方式得到:
3.如权利要求2所述的生成方法,其特征在于,所述训练后的三维模型生成网络还包括:与所述深度信息预测模块相连的三维模型重建模块,所述根据所述至少两个目标图像、训练后的三维模型生成网络,生成所述目标对象对应的三维模型,包括:
4.如权利要求2所述的生成方法,其特征在于,所述对所述三维模型生成网络的模型参数进行调整,得到所述训练后的三维模型生成网络,包括:
5.如权利要求1至4中任意一项所述的生成方法,其特征在于,所述至少两个目标图像通过如下方式得到:
6.一种三维模型的骨骼信息的生
7.如权利要求6所述的生成方法,其特征在于,所述骨骼生成网络包括:图卷积模块,与所述图卷积模块相连的边缘卷积模块,与所述边缘卷积模块相连的注意力模块,与所述注意力模块相连的骨骼预测模块;所述训练后的骨骼生成网络通过如下方式训练得到:
8.如权利要求7所述的生成方法,其特征在于,所述网格顶点信息包括:网格顶点的位置信息、网格顶点之间的邻接信息;所述根据所述每个网格顶点对应的网格顶点特征,确定每个网格顶点对应的综合特征,包括:
9.一种三维模型的驱动方法,其特征在于,所述驱动方法包括:
10.一种三维模型的生成装置,其特征在于,所述生成装置包括:
11.一种三维模型的骨骼信息的生成装置,其特征在于,所述生成装置包括:
12.一种三维模型的驱动装置,其特征在于,所述驱动装置包括:
13.一种电子设备,其特征在于,包括:
14.一种计算机可读存储介质,其上存储有计算机程序指令,其特征在于,所述计算机程序指令被处理器执行时实现权利要求1至5中任意一项所述的三维模型的生成方法、权利要求6至8中任意一项所述的三维模型的骨骼信息的生成方法、权利要求9所述的三维模型的驱动方法中的任意一项。
...【技术特征摘要】
1.一种三维模型的生成方法,其特征在于,所述生成方法包括:
2.如权利要求1所述的生成方法,其特征在于,多组训练图像中的每组训练图像包括至少两个训练图像,所述至少两个训练图像包括一个第一图像,至少一个第二图像,其中,第一图像对应有深度信息,每个第二图像与第一图像的图像采集角度均不同;所述三维模型生成网络包括:特征提取模块,与所述特征提取模块相连的特征融合模块;与所述特征融合模块相连的深度信息预测模块;所述训练后的三维模型生成网络通过如下方式得到:
3.如权利要求2所述的生成方法,其特征在于,所述训练后的三维模型生成网络还包括:与所述深度信息预测模块相连的三维模型重建模块,所述根据所述至少两个目标图像、训练后的三维模型生成网络,生成所述目标对象对应的三维模型,包括:
4.如权利要求2所述的生成方法,其特征在于,所述对所述三维模型生成网络的模型参数进行调整,得到所述训练后的三维模型生成网络,包括:
5.如权利要求1至4中任意一项所述的生成方法,其特征在于,所述至少两个目标图像通过如下方式得到:
6.一种三维模型的骨骼信息的生成方法,其特征在于,所述生成方法包括:
7.如权利要...
【专利技术属性】
技术研发人员:请求不公布姓名,请求不公布姓名,请求不公布姓名,
申请(专利权)人:摩尔线程智能科技北京有限责任公司,
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。