CN110473296B - 贴图方法和装置 - Google Patents

贴图方法和装置 Download PDF

Info

Publication number
CN110473296B
CN110473296B CN201910755567.2A CN201910755567A CN110473296B CN 110473296 B CN110473296 B CN 110473296B CN 201910755567 A CN201910755567 A CN 201910755567A CN 110473296 B CN110473296 B CN 110473296B
Authority
CN
China
Prior art keywords
map
pseudo
generator
mapping
graph
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
CN201910755567.2A
Other languages
English (en)
Other versions
CN110473296A (zh
Inventor
韩冲
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.)
Zhejiang China Textile City Network Co ltd
Original Assignee
Zhejiang China Textile City Network 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 Zhejiang China Textile City Network Co ltd filed Critical Zhejiang China Textile City Network Co ltd
Priority to CN201910755567.2A priority Critical patent/CN110473296B/zh
Publication of CN110473296A publication Critical patent/CN110473296A/zh
Application granted granted Critical
Publication of CN110473296B publication Critical patent/CN110473296B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T19/00Manipulating 3D models or images for computer graphics
    • G06T19/20Editing of 3D images, e.g. changing shapes or colours, aligning objects or positioning parts

Landscapes

  • Engineering & Computer Science (AREA)
  • Architecture (AREA)
  • Computer Graphics (AREA)
  • Computer Hardware Design (AREA)
  • General Engineering & Computer Science (AREA)
  • Software Systems (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Processing Or Creating Images (AREA)
  • Image Generation (AREA)
  • Image Processing (AREA)

Abstract

本发明实施例涉及图像处理技术领域,具体涉及一种贴图方法和装置。本申请提出了一种贴图方法,包括:将预先准备的贴图片和预先制作的范围图合成得到MASK贴图;将所述MASK贴图和预先制作的阴影图进行合成得到效果图;所述范围图和所述阴影图是预先从同一个模特图进行分层而得到。本申请的上述方法可以对贴图进行补全,可以设置区域的倾斜度,增加了3D立体的效果,使得试衣过程更加逼真。

Description

贴图方法和装置
技术领域
本发明实施例涉及图像处理技术领域,具体涉及一种贴图方法和装置。
背景技术
目前的2D试衣,图像处理人员将衣服的图片移动到模特的图片上,仅仅起到一个展示效果,乏立体感,拼接效果明显,导致展示效果不好。离真正的试衣效果差很多,不适合真实用户试衣需求。
发明内容
为此,本发明实施例提供一种贴图方法和装置,以提高展示效果。
为了实现上述目的,本发明实施例提供如下技术方案:
根据本发明实施例的第一方面,一种贴图方法,包括:
将预先准备的贴图片和预先制作的范围图合成得到MASK贴图;
将所述MASK贴图和预先制作的阴影图进行合成得到效果图;
所述范围图和所述阴影图是预先从同一个模特图进行分层而得到。
进一步地,所述方法还包括:利用预先训练的深度卷积对抗生成网络DCGAN对所述贴图片进行调整处理。
进一步地,还包括:将所述范围图划分为需要展示的不同的区块;
记录每一个区块的坐标、编号;
将预先准备的贴图片和范围图合成得到MASK贴图之后,还包括:
为相关区块中的贴图片设置对应的倾斜度;
保存每一个区块的坐标、编号和贴图片的倾斜度。
进一步地,所述深度卷积对抗生成网络DCGAN包括:生成器和判别器;
预先训练的深度卷积对抗生成网络DCGAN对所述MASK贴图进行补全处理,包括:
将所述贴图片输入到生成器;
生成器根据所述贴图片生成第一伪图;
将所述第一伪图输入到所述判别器;
所述判别器输出判决结果并反馈给所述生成器;
所述生成器调整自身的权值后生成第二伪图并输入判别器;
所述判别器输出判决结果并反馈给生成器;
直到第n个伪图,第n个伪图输入所述判别器中,
所述判别器输出值为0.5;
则确定所述第n个伪图为补全后的所述贴图片。
在一种可能的实施方式中,所述方法还包括:对贴图片进行裁剪,得到所述范围图的图片大小;如果贴图片过小,就会有明显的拼接效果,
所述方法还包括:对裁剪后的图片进行放大,或者左右移动,以方便展示;
第二方面,本申请还提出了一种贴图装置,包括:
第一合成模块,用于将预先准备的贴图片和预先制作的范围图合成得到MASK贴图;
第二合成模块,用于将所述MASK贴图和预先制作的阴影图进行合成得到效果图;
所述范围图和所述阴影图是预先从同一个模特图进行分层而得到。
进一步地,还包括处理模块,用于利用预先训练的深度卷积对抗生成网络DCGAN对所述MASK贴图进行补全处理。
进一步地,还包括倾斜度设置模块,用于将所述范围图划分为需要展示的不同的区块;
记录每一个区块的坐标、编号;
为相关区块中的贴图片设置对应的倾斜度;
保存每一个区块的坐标、编号和贴图片的倾斜度。
进一步地,所述深度卷积对抗生成网络DCGAN包括:生成器和判别器;所述处理模块还用于:
将所述贴图片输入到生成器;
生成器根据所述贴图片生成第一伪图;
将所述第一伪图输入到所述判别器;
所述判别器输出判决结果并反馈给所述生成器;
所述生成器调整自身的权值后生成第二伪图并输入判别器;
所述判别器输出判决结果并反馈给生成器;
直到第n个伪图,第n个伪图输入所述判别器中,
所述判别器输出值为0.5;
则确定所述第n个伪图为补全后的所述贴图片。
本发明实施例具有如下优点:本申请可以对贴图片进行调整,调整到和范围图一样大小;可以设置区域的倾斜度,增加了3D立体的效果,使得试衣过程更加逼真。
附图说明
为了更清楚地说明本发明的实施方式或现有技术中的技术方案,下面将对实施方式或现有技术描述中所需要使用的附图作简单地介绍。显而易见地,下面描述中的附图仅仅是示例性的,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据提供的附图引伸获得其它的实施附图。
本说明书所绘示的结构、比例、大小等,均仅用以配合说明书所揭示的内容,以供熟悉此技术的人士了解与阅读,并非用以限定本发明可实施的限定条件,故不具技术上的实质意义,任何结构的修饰、比例关系的改变或大小的调整,在不影响本发明所能产生的功效及所能达成的目的下,均应仍落在本发明所揭示的技术内容能涵盖的范围内。
图1为本发明实施例提供的一种贴片图示意图;
图2为本发明实施例提供的一种贴图方法流程示意图;
图3a为本发明实施例提供的一种原始图;
图3b为本发明实施例提供的一种底图;
图3c为本发明实施例提供的一种范围图;
图3d为本发明实施例提供的一种阴影图。
具体实施方式
以下由特定的具体实施例说明本发明的实施方式,熟悉此技术的人士可由本说明书所揭露的内容轻易地了解本发明的其他优点及功效,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
在2D试衣服的场景中,需要人员手动操作,把要穿的衣服拖动到模特上面,要穿的衣服用多个贴图片贴在一起来表示,参见附图1所示的一种贴图片的示意图。但是现有技术存在以下缺点,贴图片和范围图不匹配,自适应差。如果贴图片小于范围图,就有明显的拼接效果,如果把贴图片放大后,就存在失真情况,清晰度差。
基于此,本申请提出了一种贴图方法,参见附图2所示的贴图方法流程图,该方法包括:
步骤S201,将预先准备的贴图片和范围图合成得到MASK贴图;
其中,范围图来自于对原始的模特图进行的图层处理;模特图是预先通过模特进行拍照的而得到的。参见附图3所示的参见附图3所示的一种图层处理原理图,包括:图3a为原始的模特图、图3b为底图、图3c为范围图、图3d为阴影图。
首先,对于图3a的原始的模特图,需要挑选模特进行拍摄,模特尽量自然,不必要动作尽量减少,总之不利于展示的效果,不要展示。如模特手把衣脚卷起来,对展示效果作用不大,对PS人员处理难度增大很多;
其次,PS设计人员对图片3a进行图层处理,把图片3a处理成底图3b、阴影图3c和范围图3d;
MASK贴图处理过程,以范围图作为掩膜和贴图片相乘得到MASK贴图,也就是范围图黑色区域都显示贴图片,而区外都保留范围图的白色,就是俗称的图层遮罩或蒙版。
具体实现时,可以调用ImageMagick的命令:convert切片图.png,(范围图.png–negate)-compose CopyOpacity–composite MASK贴图。
值得注意的是,范围图和贴图片都是png格式。
步骤S202,将所述MASK贴图和阴影图进行合成得到效果图。
其中,阴影图和范围图是预先从同一个模特图进行分层而得到。其中,所述范围图是贴图的区域图;所述阴影图是指具有光照、褶皱效果的图。
具体实施时,MASK贴图和阴影图实现正片叠底,增加阴影效果,然后附加上底图最终就可生成上述效果图。可以调用Image Magick命令:convert MASK贴图-composeMultiply阴影图-composite底图-composite效果图。
本申请通过将预先准备的贴图片和预先制作的范围图合成得到MASK贴图;将所述MASK贴图和预先制作的阴影图进行合成得到效果图;提高了展示效果。
为了对将贴图片调整到范围图大小,在一种实施方式中,利用预先训练的对抗网络对所述贴图片进行调整处理。
其中,预先训练的深度卷积对抗生成网络DCGAN包括生成器和判别器;将MASK贴图输入到生成器中,生成器生成伪图,用来对判别器进行训练,经过多次的迭代训练,生成器和判别器都达到了收敛,当把有残缺的贴图输入到对抗网络中时,经过生成器和判别器的多次迭代计算,最终可以得到生成器生成的逼真的图像,判别器也无法区分是伪图还是真图。
DCGAN图像补全处理过程,首先要利用Tensorflow对全球纺织网平台的面料图片库进行训练,挑选优质的平铺图20万张,进行DCGAN训练,一般至少要跑30个epoch,由图库的面料图片花型复杂度和期望的效果确定的;
其次,利用训练好的DCGAN,生成指定大小的补全图像。
为了达到立体效果,在一种实施方式中,所述方法还包括:对所述范围图的不同的区域中的贴图片进行倾斜度的设置,具体包括:
步骤S401,将所述范围图划分为需要展示的不同的区块;
其中,在图层制作当中,首先划分需要展示不同的区块,如上衣、裤子;
步骤S402,记录每一个区块的坐标、编号;
步骤S403,为相关的区块中的贴图片设置对应的倾斜度;
其中,相关区块为需要增强3D效果的区域,比如尤其是裤子上的一些局部区域,需要凸显3D效果;可以利用ImageMagick或opencv实现图像倾斜。
步骤S404,保存每一个区块的坐标、编号和所述区块中的贴图片的倾斜度。
利用opencv获取选中区域的坐标点,同时识别出区块图像的倾斜度;将所述倾斜度保存到数据库。
在一种实施方式中,所述深度卷积对抗生成网络DCGAN包括:生成器和判别器;
利用预先训练的深度卷积对抗生成网络DCGAN对所述贴图片进行补全处理,包括:
将所述贴图片输入到生成器;
生成器根据所述贴图片生成第一伪图;
将所述第一伪图输入到所述判别器;
所述判别器输出判决结果并反馈给所述生成器;
所述生成器调整自身的权值后生成第二伪图并输入判别器;
所述判别器输出判决结果并反馈给生成器;
直到第n个伪图,第n个伪图输入所述判别器中,
所述判别器输出值为0.5;
其中,判别器采用范围图作为判断的标准;判别器输出为0.5表明判别器不能够判别伪图是真是假,说明伪图已经足够逼真,说明贴图片已经被补全,调整到和范围图一样大小。具体实施时,也可以设置一个阈值范围,只要判别器输出值在0.5左右的阈值范围内,则确定伪图已经合格,贴图已经被补全。
则确定所述第n个伪图为调整后的所述贴图片;其中n大于等于2。
与上述方法对应,本申请还提出了一种贴图装置,包括:
第一合成模块,用于将预先准备的贴图片和范围图合成得到MASK贴图;
第二合成模块,用于将所述MASK贴图和阴影图进行合成得到效果图;
所述范围图和所述阴影图是预先从同一个模特图进行分层而得到。
在一种可能的实施方式中,所述贴图装置还包括:处理模块,利用预先训练的深度卷积对抗生成网络DCGAN对所述贴图片进行补全处理。
进一步地,还包括倾斜度设置模块,所述倾斜度设置模块用于,
将所述范围图划分为需要展示的不同的区块;
记录每一个区块的坐标、编号;
为相关区块中的贴图片设置对应的倾斜度;
保存每一个区块的坐标、编号和贴图片的倾斜度。
在一种可能的实施方式中,所述深度卷积对抗生成网络DCGAN包括:生成器和判别器;
所述处理模块还用于,将所述贴图片输入到生成器;
生成器根据所述贴图片生成第一伪图;
将所述第一伪图输入到所述判别器;
所述判别器输出判决结果并反馈给所述生成器;
所述生成器调整自身的权值后生成第二伪图并输入判别器;
所述判别器输出判决结果并反馈给生成器;
直到第n个伪图,第n个伪图输入所述判别器中,
所述判别器输出值为0.5;
则确定所述第n个伪图为调整后的所述贴图片。
虽然,上文中已经用一般性说明及具体实施例对本发明作了详尽的描述,但在本发明基础上,可以对之作一些修改或改进,这对本领域技术人员而言是显而易见的。因此,在不偏离本发明精神的基础上所做的这些修改或改进,均属于本发明要求保护的范围。

Claims (2)

1.一种贴图方法,其特征在于,包括:
将预先准备的贴图片和范围图合成得到MASK贴图;
将所述MASK贴图和阴影图进行合成得到效果图;
所述范围图和所述阴影图是预先从同一个模特图进行分层而得到;
将预先准备的贴图片和预先制作的范围图合成得到MASK贴图之前,还包括:
将所述范围图划分为需要展示的不同的区块;
记录每一个区块的坐标、编号;
将预先准备的贴图片和范围图合成得到MASK贴图之后,还包括:
为相关区块中的贴图片设置对应的倾斜度;
保存每一个区块的坐标、编号和贴图片的倾斜度;
所述方法还包括:利用预先训练的深度卷积对抗生成网络DCGAN对所述贴图片进行调整处理;
所述深度卷积对抗生成网络DCGAN包括:生成器和判别器;
预先训练的深度卷积对抗生成网络DCGAN对所述贴图片进行调整处理,包括:
将所述贴图片输入到生成器;
生成器根据所述贴图片生成第一伪图;
将所述第一伪图输入到所述判别器;
所述判别器输出判决结果并反馈给所述生成器;
所述生成器调整自身的权值后生成第二伪图并输入判别器;
所述判别器输出判决结果并反馈给生成器;
直到第n个伪图,第n个伪图输入所述判别器中,
所述判别器输出值为0.5;
则确定所述第n个伪图为补全后的所述贴图片;n大于或者等于2。
2.一种贴图装置,其特征在于,包括:
第一合成模块,用于将预先准备的贴图片和预先制作的范围图合成得到MASK贴图;
第二合成模块,用于将所述MASK贴图和预先制作的阴影图进行合成得到效果图;
所述范围图和所述阴影图是预先从同一个模特图进行分层而得到;
还包括倾斜度设置模块,用于将所述范围图划分为需要展示的不同的区块;
记录每一个区块的坐标、编号;
为相关区块中的贴图片设置对应的倾斜度;
保存每一个区块的坐标、编号和贴图片的倾斜度;
还包括处理模块,用于利用预先训练的深度卷积对抗生成网络DCGAN对所述贴图片进行调整处理;
所述深度卷积对抗生成网络DCGAN包括:生成器和判别器;所述处理模块还用于:
将所述贴图片输入到生成器;
生成器根据所述贴图片生成第一伪图;
将所述第一伪图输入到所述判别器;
所述判别器输出判决结果并反馈给所述生成器;
所述生成器调整自身的权值后生成第二伪图并输入判别器;
所述判别器输出判决结果并反馈给生成器;
直到第n个伪图,第n个伪图输入所述判别器中,
所述判别器输出值为0.5;
则确定所述第n个伪图为补全后的所述贴图片;n大于或者等于2。
CN201910755567.2A 2019-08-15 2019-08-15 贴图方法和装置 Active CN110473296B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910755567.2A CN110473296B (zh) 2019-08-15 2019-08-15 贴图方法和装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910755567.2A CN110473296B (zh) 2019-08-15 2019-08-15 贴图方法和装置

Publications (2)

Publication Number Publication Date
CN110473296A CN110473296A (zh) 2019-11-19
CN110473296B true CN110473296B (zh) 2023-09-26

Family

ID=68511480

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910755567.2A Active CN110473296B (zh) 2019-08-15 2019-08-15 贴图方法和装置

Country Status (1)

Country Link
CN (1) CN110473296B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114928751A (zh) * 2022-05-09 2022-08-19 咪咕文化科技有限公司 一种对象展示方法、装置、设备及可读存储介质

Citations (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH0662220A (ja) * 1992-08-06 1994-03-04 Dainippon Screen Mfg Co Ltd 画像処理装置
JP2005256232A (ja) * 2004-03-12 2005-09-22 Nippon Telegr & Teleph Corp <Ntt> 3dデータ表示方法、装置、およびプログラム
JP2008165705A (ja) * 2007-01-05 2008-07-17 Matsushita Electric Ind Co Ltd 画像処理装置及び画像処理方法
CN102982246A (zh) * 2012-12-06 2013-03-20 江苏乐买到网络科技有限公司 一种网络购物中的电子试衣***
CN102982581A (zh) * 2011-09-05 2013-03-20 北京三星通信技术研究有限公司 基于图像的虚拟试穿***和方法
JP2013156955A (ja) * 2012-01-31 2013-08-15 Jvc Kenwood Corp 画像処理装置、画像処理方法及び画像処理プログラム
CN103646416A (zh) * 2013-12-18 2014-03-19 中国科学院计算技术研究所 一种三维卡通人脸纹理生成方法及设备
CN107067460A (zh) * 2016-01-07 2017-08-18 广东京腾科技有限公司 一种虚拟试衣方法、装置及***
CN107622428A (zh) * 2016-07-14 2018-01-23 幸福在线(北京)网络技术有限公司 一种实现虚拟试穿的方法及装置
CN107798713A (zh) * 2017-09-04 2018-03-13 昆明理工大学 一种面向二维虚拟试穿的图像变形方法
CN108038897A (zh) * 2017-12-06 2018-05-15 北京像素软件科技股份有限公司 阴影贴图生成方法及装置
CN108154086A (zh) * 2017-12-06 2018-06-12 北京奇艺世纪科技有限公司 一种图像提取方法、装置及电子设备
CN109146868A (zh) * 2018-08-27 2019-01-04 北京青燕祥云科技有限公司 3d肺结节生成方法、装置及电子设备
CN109591297A (zh) * 2018-12-21 2019-04-09 山东捷瑞数字科技股份有限公司 一种自定义三维模型外观的3d打印方法及***
CN109934613A (zh) * 2019-01-16 2019-06-25 中德(珠海)人工智能研究院有限公司 一种虚拟服装试穿***

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP4105176B2 (ja) * 2005-05-19 2008-06-25 ザイオソフト株式会社 画像処理方法および画像処理プログラム
US9905019B2 (en) * 2015-08-07 2018-02-27 Selfiestyler Inc. Virtual apparel fitting systems and methods
JP6697986B2 (ja) * 2016-09-07 2020-05-27 株式会社ソニー・インタラクティブエンタテインメント 情報処理装置および画像領域分割方法

Patent Citations (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH0662220A (ja) * 1992-08-06 1994-03-04 Dainippon Screen Mfg Co Ltd 画像処理装置
JP2005256232A (ja) * 2004-03-12 2005-09-22 Nippon Telegr & Teleph Corp <Ntt> 3dデータ表示方法、装置、およびプログラム
JP2008165705A (ja) * 2007-01-05 2008-07-17 Matsushita Electric Ind Co Ltd 画像処理装置及び画像処理方法
CN102982581A (zh) * 2011-09-05 2013-03-20 北京三星通信技术研究有限公司 基于图像的虚拟试穿***和方法
JP2013156955A (ja) * 2012-01-31 2013-08-15 Jvc Kenwood Corp 画像処理装置、画像処理方法及び画像処理プログラム
CN102982246A (zh) * 2012-12-06 2013-03-20 江苏乐买到网络科技有限公司 一种网络购物中的电子试衣***
CN103646416A (zh) * 2013-12-18 2014-03-19 中国科学院计算技术研究所 一种三维卡通人脸纹理生成方法及设备
CN107067460A (zh) * 2016-01-07 2017-08-18 广东京腾科技有限公司 一种虚拟试衣方法、装置及***
CN107622428A (zh) * 2016-07-14 2018-01-23 幸福在线(北京)网络技术有限公司 一种实现虚拟试穿的方法及装置
CN107798713A (zh) * 2017-09-04 2018-03-13 昆明理工大学 一种面向二维虚拟试穿的图像变形方法
CN108038897A (zh) * 2017-12-06 2018-05-15 北京像素软件科技股份有限公司 阴影贴图生成方法及装置
CN108154086A (zh) * 2017-12-06 2018-06-12 北京奇艺世纪科技有限公司 一种图像提取方法、装置及电子设备
CN109146868A (zh) * 2018-08-27 2019-01-04 北京青燕祥云科技有限公司 3d肺结节生成方法、装置及电子设备
CN109591297A (zh) * 2018-12-21 2019-04-09 山东捷瑞数字科技股份有限公司 一种自定义三维模型外观的3d打印方法及***
CN109934613A (zh) * 2019-01-16 2019-06-25 中德(珠海)人工智能研究院有限公司 一种虚拟服装试穿***

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
朱红强等.个性化三维虚拟试衣***研究.《计算机与现代化》.2019,(第04期), *
王建文等.人体面部纹理贴图生成算法.《微计算机信息》.2008,(第09期), *

Also Published As

Publication number Publication date
CN110473296A (zh) 2019-11-19

Similar Documents

Publication Publication Date Title
US10229483B2 (en) Image processing apparatus and image processing method for setting an illumination environment
CN108876931B (zh) 三维物体颜色调整方法、装置、计算机设备及计算机可读存储介质
US11961200B2 (en) Method and computer program product for producing 3 dimensional model data of a garment
US10950039B2 (en) Image processing apparatus
CN106600686A (zh) 一种基于多幅未标定图像的三维点云重建方法
CN104038807B (zh) 一种基于OpenGL的图层混合方法及装置
CN109377546A (zh) 虚拟现实模型渲染方法及装置
CN110880204B (zh) 虚拟植被显示方法、装置、计算机设备及存储介质
CN110827391B (zh) 图像渲染方法、装置、设备及存储介质
CN107705241A (zh) 一种基于瓦片地形建模和投影校正的沙盘构建方法
JP2018205123A (ja) 画像検査システムの性能調整のための検査用画像を生成する画像生成装置及び画像生成方法
CN106846461A (zh) 一种人体三维扫描方法
CN109636890B (zh) 纹理融合方法和装置、电子设备、存储介质、产品
TW200426708A (en) A multilevel texture processing method for mapping multiple images onto 3D models
CN102158725B (zh) 一种生成立体图像的方法和***
CN107481095A (zh) 一种3d虚拟服饰设计定制方法及定制***
CN104751508B (zh) 3d立体影视制作中新视图的全自动快速生成及补全方法
CN110473296B (zh) 贴图方法和装置
CN108509173A (zh) 图像展示***及方法、存储介质、处理器
CN115205494A (zh) 对象建模方法、装置、计算机设备和存储介质
CN106657848A (zh) 一种投影方法及电子设备
JP7241812B2 (ja) 情報可視化システム、情報可視化方法、及びプログラム
CN113144613A (zh) 基于模型的体积云生成的方法
JP6679966B2 (ja) 三次元仮想空間提示システム、三次元仮想空間提示方法及びプログラム
EP4150560B1 (en) Single image 3d photography with soft-layering and depth-aware inpainting

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