【技术实现步骤摘要】
本专利技术涉及计算机，具体涉及一种图像生成方法。
技术介绍
1、在游戏开发领域，游戏画面是游戏体验的重要决定因素。传统游戏画面是通过预设图像资源的渲染和加载实现，所有画面均依赖于开发过程中制作的图像资源。但随着游戏场景的日益复杂、游戏剧情的不断丰富，对开发过程中画面的设计也提出了更高的要求。而大量画面设计工作不仅增加了游戏的开发成本，而且对游戏运行的硬件要求也更高。
2、尽管，借助资源的复用在一定程度上控制开发运行成本，但这会导致画面重复的问题，降低游戏体验。而采用画面随机生成的方式在一定程度上可以避免重复画面。然而在触发交互时生成随机画面会带来游戏运算量激增，产生卡顿或程序崩溃，并且直接生成的游戏画面往往会出现与先前画面内容有较强割裂感的问题，实际体验感较差。
技术实现思路
1、针对上述存在的拘束局限性，本专利技术提出了一种图像生成方法，通过预先预测角色交互后的画面场景及交互资源，并在触发交互时根据交互数据实时生成交互图像，提升了游戏画面的丰富度、流畅度和玩家的游戏体验。
2、为实现上述目的，本专利技术采用了以下技术方案：
3、一种图像生成方法，所述方法包括以下步骤：
4、步骤1、获得角色在预设时间段内的行为数据，并计算触发特定场景的可能性；
5、步骤2、当触发可能性高于预设触发阈值时，根据目标场景数据、交互资源数据及所述行为数据预测角色与场景交互后的场景数据和交互资源数据，得到目标场景预测数据与交互资源预测数据；>
6、步骤3、在检测到角色与游戏内虚拟资源的交互满足预设触发条件时，根据交互数据、目标场景预测数据与交互资源预测数据，借助交互图像生成模型生成目标交互图像。
7、进一步地，步骤2具体包括：
8、步骤21、获取目标场景数据及交互资源数据；
9、所述目标场景数据包括：模型数据、纹理信息、光照参数、位置视角数据；
10、所述交互资源数据包括：交互角色数据、交互道具数据、交互动作数据；
11、步骤22、将所述目标场景数据与所述行为数据进行预处理后，输入场景预测模型，得到目标场景预测数据；
12、步骤23、将所述交互资源数据与所述行为数据进行预处理后，输入交互预测模型，得到交互资源预测数据。
13、所述场景预测模型和所述交互预测模型均采用深度学习算法训练得到。
14、进一步地，步骤3具体包括：
15、步骤31、获得角色与虚拟资源的交互数据，并检测是否满足预设场景触发条件；
16、步骤32、当满足预设场景触发条件，将交互数据、目标场景预测数据、交互资源预测数据输入交互图像生成模型，得到目标交互图像。
17、所述交互图像生成模型是借助生成式模型训练得到的图像生成模型。
18、本专利技术与现有技术相对比，本专利技术具有以下优点：
19、（1）根据实时场景和角色行为生成特定的图像资源，提升游戏内容的交互性和丰富性，进而提升玩家的游戏体验；同时无需在开发时预先设计大量的画面，降低了开发成本；
20、（2）基于对角色行为的预测，预先获得目标场景预测数据，避免了直接生成交互图像造成的画面内容割裂感强的问题，同时也避免了直接生成交互图像时运算量激增带来的游戏卡顿与崩溃问题。
21、上述说明仅是本专利技术技术方案的概述，为了能够更清楚了解本专利技术的技术手段，而可依照说明书的内容予以实施，并且为了让本专利技术的上述和其他目的、特征和优点能够更明显易懂，以下特举较佳实施例，并配合附图，详细说明如下。
本文档来自技高网...【技术保护点】
1.一种图像生成方法，其特征在于，
2.根据权利要求1所述的方法，其特征在于，
3.根据权利要求1所述的方法，其特征在于，
4.根据权利要求1所述的方法，其特征在于，
5.根据权利要求3所述的方法，其特征在于，
6.根据权利要求3所述的方法，其特征在于，
7.根据权利要求4所述的方法，其特征在于，
8.根据权利要求4所述的方法，其特征在于，
9.根据权利要求7所述的方法，其特征在于，
10.根据权利要求1所述的方法，其特征在于，
【技术特征摘要】
1.一种图像生成方法，其特征在于，
2.根据权利要求1所述的方法，其特征在于，
3.根据权利要求1所述的方法，其特征在于，
4.根据权利要求1所述的方法，其特征在于，
5.根据权利要求3所述的方法，其特征在于，
【专利技术属性】
技术研发人员：郝林杰，
申请(专利权)人：深圳尚米网络技术有限公司，
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。