CN109035357B - 一种人工智能自动绘画方法 - Google Patents

一种人工智能自动绘画方法 Download PDF

Info

Publication number
CN109035357B
CN109035357B CN201810753008.3A CN201810753008A CN109035357B CN 109035357 B CN109035357 B CN 109035357B CN 201810753008 A CN201810753008 A CN 201810753008A CN 109035357 B CN109035357 B CN 109035357B
Authority
CN
China
Prior art keywords
hand
path
drawn
automatic drawing
drawn pattern
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201810753008.3A
Other languages
English (en)
Other versions
CN109035357A (zh
Inventor
魏博
邵猛
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shenzhen Qianhai Hand Painted Technology and Culture Co Ltd
Original Assignee
Shenzhen Qianhai Hand Painted Technology and Culture Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Shenzhen Qianhai Hand Painted Technology and Culture Co Ltd filed Critical Shenzhen Qianhai Hand Painted Technology and Culture Co Ltd
Priority to CN201810753008.3A priority Critical patent/CN109035357B/zh
Publication of CN109035357A publication Critical patent/CN109035357A/zh
Application granted granted Critical
Publication of CN109035357B publication Critical patent/CN109035357B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T11/00—2D [Two Dimensional] image generation
    • G06T11/001—Texturing; Colouring; Generation of texture or colour

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Processing Or Creating Images (AREA)

Abstract

本发明提供一种人工智能自动绘画方法，其特征在于，所述人工智能自动绘画方法包括：S1：获取手绘图案数据并对手绘图案路径数据进行处理；S2：提取手绘图案路径特征；S3：理解并使用提取的路径特征；S4：根据提取的手绘图案路径特征以及手绘图案路径算法模型计算的路径走向，生成自动绘画路径进行会绘画；S5：手绘图案自动绘画路径有效性检查；S6：返回自动绘画路径，完成自动绘画功能。本发明的人工智能自动绘画方法只需要绘制很少一部分图案，模型就可以根据用户绘制的图案，按照已有的线条风格和模型中计算的路径走向，继续完成手绘图案的完整绘制。

Description

一种人工智能自动绘画方法
技术领域
本发明涉及手绘图案识别和图像再生领域，具体涉及一种人工智能自动绘画方法。
背景技术
在手绘短视频创作过程中，手绘素材和文字是视频中的主要视觉组成部分。而手绘素材由手绘平台提供的手绘 SVG 和位图素材，以及用户绘制的手绘图案组成。相比平台提供的素材，用户绘制的手绘图案更能表现用户的想法，体现用户的风格。
然而受限于绘画水平，很多人虽然想通过手绘短视频表现自己的想法，但是却没有办法绘制出美观的手绘图案，或者在短时间内无法完成绘制。
尤其是在电脑设备上，用户只能通过鼠标或者触屏操控设备来手绘图案，手绘的难度和时间成本会进一步增加，造成用户只能通过选择或添加已有的手绘素材来完成创作过程。
目前自动绘画方面的技术，采用的主要是预置若干固定的手绘路径，提供给用户选择使用，或根据用户绘制的一段路径进行图片相似度匹配再进行选择，这种实现方式，用户无法体现自己的绘画风格，也无法选择预置内容外的路径种类，很难满足需求。
发明内容
有鉴于此，本发明提供一种人工智能自动绘画方法，只需要绘制很少一部分图案，模型就可以根据用户绘制的图案，按照已有的线条风格和模型中计算的路径走向，继续完成手绘图案的完整绘制。
本发明提供一种人工智能自动绘画方法，其特征在于，所述人工智能自动绘画方法包括：
S1：获取手绘图案数据并对手绘图案路径数据进行处理；
S2：提取手绘图案路径特征；
S3：理解并使用提取的路径特征；
S4：根据提取的手绘图案路径特征以及手绘图案路径算法模型计算的路径走向，生成自动绘画路径进行会绘画；
S5：手绘图案自动绘画路径有效性检查；
S6：返回自动绘画路径，完成自动绘画功能。
进一步地，所述人工智能自动绘画方法还包括算法模型生成过程，包括：
对多个手绘图案路径数据以及多个手绘图案风格数据进行数据训练并生成手绘图案算法模型。
进一步地，所述人工智能自动绘画方法包括：
S1：获取手绘图案数据并对手绘图案路径数据进行处理；
S2：提取手绘图案路径特征；
S3：理解并使用提取的路径特征；
S4：根据提取的手绘图案路径特征以及手绘图案路径算法，模仿生成与该手绘图案路径特征相似的自动绘画路径；
S5：对手绘图案自动绘画路径的有效性进行检查；
S6：返回手绘图案自动绘画路径，完成自动绘画功能。
进一步地，所述人工智能自动绘画方法包括：
S1：获取手绘图案数据并对手绘图案路径数据进行处理；
S2：提取手绘图案路径特征；
S3：理解并使用提取的路径特征；
S4：根据提取的手绘图案路径特征以及手绘图案路径算法，模仿生成与该手绘图案路径特征相似的多种自动绘画路径；
S5：对多种手绘图案自动绘画路径的有效性进行检查；
S6：返回多种手绘图案自动绘画路径，根据不同的手绘图案自动绘画路径完成自动绘画功能，生成多种绘画，让用户在生成的多种绘画中进行选择。
本发明具有的优点和积极效果是：用户只需要绘制很少一部分图案，模型就可以根据用户绘制的图案，按照已有的线条风格和模型中计算的路径走向，继续完成手绘图案的完整绘制。在自动绘制过程中，用户可以进行修改和调整，算法会实时根据用户最新的调整结果，进行自动绘画路径走向的调整。这样就满足了用户既能保留个人绘画风格，又能快速完成所需要的手绘图案绘制的需求。
附图说明
图1是本发明的一种人工智能自动绘画方法第一实施例的示意图；
图2是本发明的一种人工智能自动绘画方法第二实施例的示意图；
图3是本发明的一种人工智能自动绘画方法第三实施例的示意图；
图4是本申请学习库的结构示意图；
图5是本发明第三实施例的自动生成多种绘画路径的示意图。
具体实施方式
为了更好的理解本发明，下面结合具体实施例和附图对本发明进行进一步的描述。
本发明提供一种人工智能自动绘画方法，所述人工智能自动绘画方法包括：
S1：获取手绘图案数据并对手绘图案路径数据进行处理；
S2：提取手绘图案路径特征；
S3：理解并使用提取的路径特征；
S4：根据提取的手绘图案路径特征以及手绘图案路径算法模型计算的路径走向，生成自动绘画路径进行会绘画；
S5：手绘图案自动绘画路径有效性检查；
S6：返回自动绘画路径，完成自动绘画功能。
进一步地，所述人工智能自动绘画方法还包括算法模型生成过程，包括：
对多个手绘图案路径数据以及多个手绘图案风格数据进行数据训练并生成手绘图案算法模型。
进一步地，所述人工智能自动绘画方法包括：
S1：获取手绘图案数据并对手绘图案路径数据进行处理；
S2：提取手绘图案路径特征；
S3：理解并使用提取的路径特征；
S4：根据提取的手绘图案路径特征以及手绘图案路径算法，模仿生成与该手绘图案路径特征相似的自动绘画路径；
S5：对手绘图案自动绘画路径的有效性进行检查；
S6：返回手绘图案自动绘画路径，完成自动绘画功能。
进一步地，所述人工智能自动绘画方法包括：
S1：获取手绘图案数据并对手绘图案路径数据进行处理；
S2：提取手绘图案路径特征；
S3：理解并使用提取的路径特征；
S4：根据提取的手绘图案路径特征以及手绘图案路径算法，模仿生成与该手绘图案路径特征相似的多种自动绘画路径；
S5：对多种手绘图案自动绘画路径的有效性进行检查；
S6：返回多种手绘图案自动绘画路径，根据不同的手绘图案自动绘画路径完成自动绘画功能，生成多种绘画，让用户在生成的多种绘画中进行选择。
由上述描述可知，本发明中的人工智能自动绘画方法，使用了人工智能的循环神经网络技术，利用深度学习方式，基于上亿数量级的手绘图案，进行路径轮廓、走向、风格、布局等特征提取，配合图案已有的归属种类标签，进行模型训练；通过对多种手绘图案数据进行数据训练，生成手绘图案算法模型AutoDrawModel，并存储于学习库内。在绘画过程中，用户只需要绘制很少一部分图案，手绘图案算法模型AutoDrawModel就可以根据用户绘制的图案，按照已有的线条风格和模型中计算的路径走向，继续完成手绘图案的完整绘制。在自动绘制过程中，用户可以进行修改和调整，算法会实时根据用户最新的调整结果，进行自动绘画路径走向的调整。
所述学习库中还包括存储有手绘图案路径数据的手绘图案路径数据库HandDrawingPathData 和存储有手绘图案风格数据的手绘图案风格数据库HandDrawingPathFeature。
进一步地，所述学习库中还设置有工具库，所述工具库包括了手绘图案路径数据特征获取方法 getHandDrawingPathFeature()，根据模型生成自动绘画手稿路径的方法generateAutoDrawSketch(), 检查手稿路径有效性的方法 checkAutoDrawSketch(), 调整手稿路径风格特征的方法 adjustAutoDrawSketch() 和更新用户绘画风格记录的方法updateUserHandDrawingStyleInfo()。
在本发明的一个实施例中，首先获取手绘图案数据并对手绘图案路径数据进行处理；提取手绘图案路径特征；理解并使用提取的路径特征；根据提取的手绘图案路径特征以及手绘图案路径算法模型计算的路径走向，生成自动绘画路径进行会绘画；手绘图案自动绘画路径有效性检查；返回自动绘画路径，完成自动绘画功能。本发明中的实施例中，只需要绘制很少一部分的图案，通过对该部分图案的绘图路径以及绘图风格特征的提取，并且基于已有的绘图路径以及绘图风格特征，通过手绘图案算法模型AutoDrawModel计算手绘图案的路径走向，然后按照手绘图案算法模型AutoDrawModel见得手绘图案的路径走向自动完成绘图。
在本发明的又一个实施例中，本发明还可以基于已有的绘图路径以及绘图风格特征，以及存储了大量的手绘图案路径数据的手绘图案路径数据库HandDrawingPathData 和存储了大量的手绘图案风格数据的手绘图案风格数据库 HandDrawingPathFeature，模仿生成与该手绘图案路径特征相似的自动绘画路径；并对对手绘图案自动绘画路径的有效性进行检查；如果有效，则返回手绘图案自动绘画路径，完成自动绘画功能。如果绘画路径无效，则重新模仿生成与该手绘图案路径特征相似的自动绘画路径。
在本发明的又一个实施例中，还可以基于已有的绘图路径以及绘图风格特征，以及存储了大量的手绘图案路径数据的手绘图案路径数据库HandDrawingPathData 和存储了大量的手绘图案风格数据的手绘图案风格数据库 HandDrawingPathFeature，模仿生成与该手绘图案路径特征相似的多种自动绘画路径；并对手绘图案自动绘画路径的有效性进行检查；如果有效，则返回手绘图案自动绘画路径，完成自动绘画功能，完成绘画，最后客户选择最理想的绘画，具体见图4。如果绘画路径无效，则重新模仿生成与该手绘图案路径特征相似的多种自动绘画路径，
应当说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
最后应说明的是：显然，上述实施例仅仅是为清楚地说明本发明所作的举例，而并非对实施方式的限定。对于所属领域的普通技术人员来说，在上述说明的基础上还可以做出其它不同形式的变化或变动。这里无需也无法对所有的实施方式予以穷举。而由此所引申出的显而易见的变化或变动仍处于本发明的保护范围之中。

Claims (4)

1.一种人工智能自动绘画方法，其特征在于，所述人工智能自动绘画方法包括：
S1：获取手绘图案数据并对手绘图案路径数据进行处理；
S2：提取手绘图案路径特征；
S3：理解并使用提取的路径特征；
S4：根据提取的手绘图案路径特征以及手绘图案路径算法模型计算的路径走向，生成自动绘画路径进行绘画；
S5：手绘图案自动绘画路径有效性检查；
S6：返回自动绘画路径，完成自动绘画功能。
2.根据权利要求1所述的人工智能自动绘画方法，其特征在于：所述人工智能自动绘画方法还包括算法模型生成过程，包括：
对多个手绘图案路径数据以及多个手绘图案风格数据进行数据训练并生成手绘图案算法模型。
3.根据权利要求1所述的人工智能自动绘画方法，其特征在于：所述人工智能自动绘画方法包括：
S1：获取手绘图案数据并对手绘图案路径数据进行处理；
S2：提取手绘图案路径特征；
S3：理解并使用提取的路径特征；
S4：根据提取的手绘图案路径特征以及手绘图案路径算法，模仿生成与该手绘图案路径特征相似的自动绘画路径；
S5：对手绘图案自动绘画路径的有效性进行检查；
S6：返回手绘图案自动绘画路径，完成自动绘画功能。
4.根据权利要求1或2所述的人工智能自动绘画方法，其特征在于：所述人工智能自动绘画方法包括：
S1：获取手绘图案数据并对手绘图案路径数据进行处理；
S2：提取手绘图案路径特征；
S3：理解并使用提取的路径特征；
S4：根据提取的手绘图案路径特征以及手绘图案路径算法，模仿生成与该手绘图案路径特征相似的多种自动绘画路径；
S5：对多种手绘图案自动绘画路径的有效性进行检查；
S6：返回多种手绘图案自动绘画路径，根据不同的手绘图案自动绘画路径完成自动绘画功能，生成多种绘画，让用户在生成的多种绘画中进行选择。
CN201810753008.3A 2018-07-10 2018-07-10 一种人工智能自动绘画方法 Active CN109035357B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810753008.3A CN109035357B (zh) 2018-07-10 2018-07-10 一种人工智能自动绘画方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810753008.3A CN109035357B (zh) 2018-07-10 2018-07-10 一种人工智能自动绘画方法

Publications (2)

Publication Number Publication Date
CN109035357A CN109035357A (zh) 2018-12-18
CN109035357B true CN109035357B (zh) 2023-01-03

Family

ID=64642157

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810753008.3A Active CN109035357B (zh) 2018-07-10 2018-07-10 一种人工智能自动绘画方法

Country Status (1)

Country Link
CN (1) CN109035357B (zh)

Families Citing this family (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110322529B (zh) * 2019-07-12 2023-04-18 电子科技大学 一种基于深度学习辅助艺术绘画的方法
CN111047671B (zh) * 2019-12-24 2023-05-16 成都来画科技有限公司 一种手绘图片的绘画路径的优化方法及存储介质
CN112148944A (zh) * 2020-09-22 2020-12-29 西京学院 一种手工纤维画的制作方法、制作***、终端及存储介质
CN116630481B (zh) * 2023-07-25 2023-10-13 天津象小素科技有限公司 一种基于ai绘图的绘画路径优化方法及***
CN117824663B (zh) * 2024-03-05 2024-05-10 南京思伽智能科技有限公司 一种基于手绘场景图理解的机器人导航方法

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CA2483943A1 (en) * 1995-12-26 1997-07-10 Imax Corporation Computer-assisted animation construction system and method and user interface
CN107180443A (zh) * 2017-04-28 2017-09-19 深圳市前海手绘科技文化有限公司 一种手绘动画生成方法及其装置

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10916001B2 (en) * 2016-11-28 2021-02-09 Adobe Inc. Facilitating sketch to painting transformations

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CA2483943A1 (en) * 1995-12-26 1997-07-10 Imax Corporation Computer-assisted animation construction system and method and user interface
CN107180443A (zh) * 2017-04-28 2017-09-19 深圳市前海手绘科技文化有限公司 一种手绘动画生成方法及其装置

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
"Auto-painter: Cartoon Image Generation from Sketch by Using Conditional Generative Adversarial Networks";Yifan Liu等;《Neurocomputing》;20170507;第311卷(第15期);第78-87页 *

Also Published As

Publication number Publication date
CN109035357A (zh) 2018-12-18

Similar Documents

Publication Publication Date Title
CN109035357B (zh) 一种人工智能自动绘画方法
CN107766447B (zh) 一种使用多层注意力网络机制解决视频问答的方法
Lau et al. Tactile mesh saliency
CN109447115A (zh) 基于多层语义监督式注意力模型的细粒度零样本分类方法
CN110021051A (zh) 一种基于生成对抗网络通过文本指导的人物图像生成方法
CN110322529B (zh) 一种基于深度学习辅助艺术绘画的方法
CN113255052B (zh) 一种基于虚拟现实的家装方案推荐方法、***及存储介质
US9104905B2 (en) Automatic analysis of individual preferences for attractiveness
Carmona-Duarte et al. Temporal evolution in synthetic handwriting
CN111126864A (zh) 一种基于人机对抗评分的街道品质评估方法
EP3503023A1 (en) Improved age modelling method
CN110489024A (zh) 基于所生成的象形符创建数据的视觉表示的***和方法
Zeng et al. Gait recognition across different walking speeds via deterministic learning
CN107609487B (zh) 一种用户头像的生成方法和装置
Tang et al. Animated construction of Chinese brush paintings
CN113641811B (zh) 促进购买行为的会话推荐方法、***、设备及存储介质
CN113689514B (zh) 一种面向主题的图像场景图生成方法
Zhang et al. Chinese calligraphy specific style rendering system
CN111008329A (zh) 基于内容分类的页面内容推荐方法及装置
CN104252473A (zh) 一种图像识别方法
CN108846386B (zh) 一种手绘图案智能识别和纠正方法
CN113869960B (zh) 海报生成方法、装置、存储介质及计算机设备
KR102590541B1 (ko) 관리 서버, 모방 드로잉 데이터들 사이의 상대적인 패턴 정보를 생성하는 방법, 및 컴퓨터 프로그램
US11847401B2 (en) Method and apparatus for recognizing handwriting inputs in multiple-user environment
Leiva Large-scale user perception of synthetic stroke gestures

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant