CN110489794B - 一种面向简笔画的乐高类积木平面图纸的构建方法 - Google Patents

一种面向简笔画的乐高类积木平面图纸的构建方法 Download PDF

Info

Publication number
CN110489794B
CN110489794B CN201910636575.5A CN201910636575A CN110489794B CN 110489794 B CN110489794 B CN 110489794B CN 201910636575 A CN201910636575 A CN 201910636575A CN 110489794 B CN110489794 B CN 110489794B
Authority
CN
China
Prior art keywords
building block
model
matrix
building blocks
pixel matrix
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
CN201910636575.5A
Other languages
English (en)
Other versions
CN110489794A (zh
Inventor
玄跻峰
马萍
其他发明人请求不公开姓名
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.)
Wuhan University WHU
Original Assignee
Wuhan University WHU
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 Wuhan University WHU filed Critical Wuhan University WHU
Priority to CN201910636575.5A priority Critical patent/CN110489794B/zh
Publication of CN110489794A publication Critical patent/CN110489794A/zh
Application granted granted Critical
Publication of CN110489794B publication Critical patent/CN110489794B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/22—Matching criteria, e.g. proximity measures
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/12—Computing arrangements based on biological models using genetic models
    • G06N3/126—Evolutionary algorithms, e.g. genetic algorithms or genetic programming
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T11/00—2D [Two Dimensional] image generation
    • G06T11/20—Drawing from basic elements, e.g. lines or circles
    • G06T11/206—Drawing of charts or graphs
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/42—Global feature extraction by analysis of the whole pattern, e.g. using frequency domain transformations or autocorrelation

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Data Mining & Analysis (AREA)
  • Biophysics (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Evolutionary Biology (AREA)
  • Health & Medical Sciences (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Artificial Intelligence (AREA)
  • General Engineering & Computer Science (AREA)
  • Evolutionary Computation (AREA)
  • Biomedical Technology (AREA)
  • Physiology (AREA)
  • Genetics & Genomics (AREA)
  • Multimedia (AREA)
  • Computational Linguistics (AREA)
  • General Health & Medical Sciences (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Processing Or Creating Images (AREA)

Abstract

本发明涉及计算机辅助设计技术，具体涉及一种面向简笔画的乐高类积木平面图纸的构建方法，包括以下步骤：步骤1、根据乐高类基本积木块凸粒的数量和凸粒的排列规则等特征转换成相应的积木矩阵模型；步骤2、提取简笔画图像的骨架，将图像转换成像素矩阵模型；步骤3、积木矩阵模型作为离散变量、像素矩阵模型作为目标，通过遗传算法得到可行解的集合；步骤4、解析可行解的集合，得到与原简笔画最相似的乐高平面模型和图纸。该方法提供了从简笔画图像到对应积木模型图纸的转换的解决方案，对于输入的任意简笔画都能转换成可被成功搭建的乐高类积木模型的图纸，实现了乐高图纸的个性化定制服务，提高了儿童艺术审美和动手实践等多方面的能力。

Description

一种面向简笔画的乐高类积木平面图纸的构建方法
技术领域
本发明属于计算机辅助设计技术领域，尤其涉及一种面向简笔画的乐高类积木平面图纸的构建方法。
背景技术
乐高类积木是一种上面有凸粒，底面可以嵌入相应数量凸粒的塑料积木拼插玩具。用户可以使用不同种类的积木块，按照自己的想象，规划建造出任何模型。由于积木的搭建范围广，搭建结果不含局限性，精彩的搭建案例层出不穷。乐高类积木也因此深受世界各国用户喜爱。
对于年龄较小的用户来说，通过自主设计来搭建复杂的乐高模型是一件比较困难的事情。为了简化幼儿搭建模型的难度，乐高公司对每一套出售的乐高类积木玩具都配备了配套的搭建图纸，并且在官网上提供相应的电子文件予以辅助说明。
然而乐高公司提供的配套图纸无法做到从自定义的画到图纸的转换，无法实现个性化的图纸定制服务。对于给定的图片，用户难以转换成乐高图纸。若幼儿用户想要找到心仪的简笔画对应的乐高图纸，在现行方法下只能求助于乐高相关的讨论社区，然而这一过程往往是复杂且无效的。
目前主流的与乐高类积木的搭建有关的软件是Lego Digit Designer(简称LDD)。它实现了一个软件***，让用户可以在计算机中利用虚拟积木块模拟搭建操作，进而得到一个虚拟的乐高模型。已知的与乐高类积木的搭建有关的软件都是将积木块转换成虚拟模型，从而进行虚拟操作。该软件还不能按照用户需求构建图纸。
构建模型图纸对于任何用户都是复杂的问题；对于设计能力不足的幼儿用户来说，更是一个极具困难的问题。若能解决这一问题，幼儿的需求将得到更好的满足，且提升了幼儿对益智玩具的兴趣，增加了幼儿的动手实践次数，锻炼了幼儿的审美及动手等相关能力。
发明内容
本发明的目的是提供一种对于输入的任意简笔画都能转换成可被成功搭建的乐高类积木模型的图纸。从而实现乐高类积木图纸的个性化定制服务。
为实现上述目的，本发明采用的技术方案是：一种面向简笔画的乐高类积木平面图纸的构建方法，包括以下步骤：
步骤1、根据乐高类基本积木块凸粒的数量和凸粒的排列规则等特征转换成相应的积木矩阵模型；
步骤2、提取简笔画图像的骨架，将图像转换成像素矩阵模型；
步骤3、积木矩阵模型作为离散变量、像素矩阵模型作为目标，通过遗传算法得到可行解的集合；
步骤4、解析可行解的集合，得到与原简笔画最相似的乐高平面模型和图纸。
在上述的面向简笔画的乐高类积木平面图纸的构建方法中，步骤1所述等特征转换成相应积木矩阵模型的规则如下：乐高类基本积木块的特征包含积木块的颜色、积木块凸粒的数量和凸粒的排列规则；凸粒的数量为积木矩阵模型的元素个数，凸粒的排列规则为积木矩阵模型的阵列排列规则；乐高类基本积木块为矩形积木，不同形状的积木赋予不同编号，相同形状的积木根据颜色不同赋予不同的编号；同形状、同颜色的积木根据摆放形式的不同赋予不同编号；积木的编号从1开始。
在上述的面向简笔画的乐高类积木平面图纸的构建方法中，步骤2所述图像转换成像素矩阵模型规则如下：所述简笔画图像是以简单线条表示的图片形式的图像；将该图像表示在0-1矩阵中，线条覆盖的矩阵部分元素置1，线条未覆盖的矩阵部分元素置0，进而得到图像的像素矩阵模型。
在上述的面向简笔画的乐高类积木平面图纸的构建方法中，步骤3所述通过遗传算法得到可行解的集合包括以下步骤：
步骤3.1、输入简笔画图像，根据简笔画图像像素大小，生成一个大小适中的像素矩阵；将原简笔画图像中有线条覆盖的位置所对应的像素矩阵元素的值设置为1，其余的像素矩阵元素设置为0，获得该简笔画图像对应的像素矩阵；
步骤3.2、将所得简笔画图像对应的像素矩阵元素以从左到右，从上到下的顺序转换成长度与像素矩阵元素个数相同的向量；原像素矩阵的各元素与向量的各个维度之间按序一一对应；该向量作为遗传算法最终的目标结果；
步骤3.3、进行初始化种群，某位置不存在积木块，则该位置对应的向量维度设置为0；积木块覆盖的像素矩阵的全部位置，在像素矩阵对应的向量中，将这些位置对应的维度的起始位置设置成该积木块的编号，剩余位置设置为-1；以随机的形式生成一定数量满足要求的向量，作为初始化种群；
步骤3.4、初始化种群在交叉与变异的过程中按照合适的适应度函数不断筛选、迭代，直到得到较为满意的可行解的集合。
在上述的面向简笔画的乐高类积木平面图纸的构建方法中，交叉和变异的过程中向量的某一维度为-1时，向量的这一维度不与其他向量的某一维度作交叉或者向量的这一维度不存在变异操作；
在上述的面向简笔画的乐高类积木平面图纸的构建方法中，步骤4所述解析可行解的集合，得到与原简笔画最相似的乐高平面模型和图纸包括以下步骤，
步骤4.1、将可行解的集合按照与原简笔画图像的相似程度进行排序，相似程度越高排名越靠前；以相似度度量方法作为依据值比较不同的解所对应的像素矩阵与原简笔画图像对应的像素矩阵之间的相似程度；
步骤4.2、将排名靠前的可行解的向量转换成矩阵形式，把矩阵中各元素转换成对应的积木矩阵模型，得到原简笔画所对应的图纸；同时记录对应的积木矩阵模型编号，以平面模型和图纸的形式输出。
本发明的有益效果：大部分与乐高类积木有关的现有技术主要针对在虚拟空间内实现乐高类积木的搭建这一过程的实现。本发明提供了一种从简笔画图像到对应积木模型图纸的转换的解决方案，对于输入的任意简笔画都能转换成可被成功搭建的乐高类积木模型的图纸，实现了乐高类积木图纸的个性化定制服务，提高了此类益智玩具对低年龄段幼儿的友好程度和对他们的吸引力，增强了幼儿的审美及动手等相关能力。
附图说明
图1为本发明一个实施例面向简笔画的乐高类积木平面图纸的构建方法流程图；
图2为本发明具体实施方式中乐高积木块的模型表达示意图；
图3为本发明具体实施方式中简笔画的像素矩阵示意图；
图4为本发明具体实施方式中使用遗传算法的流程图。
具体实施方式
下面结合附图对本发明的实施方式进行详细描述。
本实施例提供从简笔画到生成乐高类积木模型图纸的一种解决方案，以提高乐高对幼儿的吸引力。
本实施例是通过以下技术方案来实现的，如图1所示，一种面向简笔画的乐高类积木平面图纸的构建方法，包括以下步骤：
S1：对乐高类基本积木块进行建模操作，将不同形状的积木块根据其凸粒的数量和凸粒的排列规则等特征转换成相应的积木矩阵模型。
S2：扫描、识别输入的简笔画图像，使用图形图像处理技术提取图像的骨架，将图像转换成大小适中的像素矩阵模型。
S3：将乐高类积木矩阵模型作为离散变量，将像素矩阵模型作为目标，使用遗传算法得到可行解的集合。
S4：对于得到的可行解的集合进行进一步分析，得到与原简笔画最相似的乐高平面模型和图纸，将平面模型和图纸推荐给用户。
并且，在步骤S1中，乐高类基本积木块的特征包含积木块的颜色、积木块凸粒的个数和凸粒的排列规则，凸粒的个数为积木矩阵的元素个数，凸粒的排列规则为积木矩阵的阵列排列规则；在此所涉及的基本积木为矩形积木；不同形状的积木其编号不相同；同形状的积木模型其编号根据颜色不同而不同；同形状、同颜色的积木模型其编号根据摆放形式的不同(拥有横放和竖放两种摆放形式)而不同；积木的编号从1开始。
并且，在步骤S2中，输入的简笔画是图片形式的以简单线条表示的图像，并将该图像表示在0-1矩阵中，线条覆盖的矩阵部分元素置1，线条未覆盖的矩阵部分元素置0，进而得到图像的像素矩阵模型。
并且，在步骤S3中，初始种群中包含多个长度与像素矩阵的元素数量相同的向量，像素矩阵的各个元素从左到右，从上到下依次顺序对应向量的各个维度；在初始化种群的过程中，若某位置不存在积木块，则将该位置对应的向量维度设置为0；对于积木块覆盖的像素矩阵的全部位置，在像素矩阵对应的向量中，将这些位置对应的维度的起始位置设置成该积木的编号，剩余位置设置为-1；积木块之间不能存在堆叠的情况；以随机的形式生成一定数量满足要求的向量，作为初始化种群；初始化种群在交叉与变异的过程中按照合适的适应度函数不断筛选、迭代，直到得到较为满意的可行解的集合。
在交叉和变异的过程中不能出现积木块堆叠的情况，即向量的某一维度为-1时，向量的这一维度不能与其他向量的某一维度作交叉或者向量的这一维度不能存在变异操作。
并且，在步骤S4中，将可行解的集合按序排列；将排名靠前的可行解，以平面模型和图纸的形式推荐给用户。
将可行解的集合按照与原简笔画图像的相似程度进行排序，相似程度越高，排名越靠前。可以采用一种相似度度量方法作为依据值来比较不同的解所对应的像素矩阵与原简笔画图像对应的像素矩阵之间的相似程度。
通过生成的图纸所构建的乐高模型是平面的，模型平铺在乐高的积木底座上，模型的高度为一层乐高类积木。
具体实施时，首先，对已有的乐高类积木块进行建模操作。将乐高类积木的基础积木按照一定特征转换成矩阵模型，积木块的特征包括：积木块的颜色，积木块凸粒的个数和凸粒的排列规则。在此所涉及的基本积木为矩形积木。积木凸粒的个数为积木矩阵的元素个数，凸粒的排列规则为积木矩阵的排列规则。同时对不同种类的积木块模型进行编号操作，不同形状的积木块模型编号不同，同形状的积木模型的编号根据颜色的不同而不同；同形状、同颜色的积木模型的编号根据摆放形式的不同而不同(积木块模型有横放和竖放两种摆放形式)。积木模型矩阵的形式如图2所示。
在对基础积木完成建模之后即可开始对输入的简笔画进行处理。对于输入的简笔画，首先根据该简笔画的像素大小，生成一个适中的像素矩阵。简笔画的像素位置与像素矩阵中的元素都一一对应。在原简笔画图像中，被线条覆盖的位置所对应的像素矩阵元素的值将被设置为1，其余元素的值将被设置为0，从而获得该简笔画图像对应的像素矩阵。图3所示的是“H”经图像识别和处理后得到的像素矩阵模型。
问题的可行解是一个向量。该向量的长度与简笔画像素矩阵转成的目标向量的长度一致，它的每一个维度也按序对应着像素矩阵的每一个元素。在该向量中，维度的值包含不同的含义：当维度的值为-1时，说明这一维度对应的元素不可放置积木模型；当维度的值为0时，说明这一维度对应的元素未放置积木模型；当维度的值为n(n>0)时，说明这一维度对应的元素放置了编号为n的积木模型。该可行解的向量可以按照具体格式转换成一个像素矩阵，这样的像素矩阵是带有积木块模型信息的原简笔画的可能图纸。
得到简笔画对应的像素矩阵模型后，将像素矩阵模型以从左到右，从上到下的顺序转换成长度与像素矩阵元素个数相同的向量。原像素矩阵的各元素与向量的各个维度之间按序一一对应。该向量作为遗传算法最终的目标结果。在遗传算法的过程中，随机生成多个与目标结果向量等长的向量作为初始种群。在这些向量里，若某位置没有被积木块所覆盖，则该位置对应的向量维度设置为0；对于被某积木块所覆盖的像素矩阵中的全部位置，在像素矩阵对应的向量中，将这些位置对应的维度的起始位置设置为该积木块模型的编号，其余位置所对应的维度设置为-1；积木之间不能存在堆叠的现象，即在向量的一个维度中只能包含一个值。种群初始化完毕之后则进行自由地交叉与变异。值得注意的是，由于积木块之间不能存在堆叠的现象，当某个维度的值为-1时说明这个维度对应的区域属于某积木块的子区域，若该局部区域进行交叉和变异操作的话，从结果上来看则是该区域存在积木块堆叠的情况，因此这样的维度不参与变异和交叉。经过多次的变异、交叉和筛选操作后，可以得到满足条件的解的集合。具体的过程如图4所示。
得到解的集合之后，将集合中的元素与目标向量进行对比，采用cosine相似度度量方法，找到与目标向量较为相似的元素。cosine相似度度量方法是指一个向量空间中两个向量夹角间的余弦值作为衡量两个个体之间差异的数值，余弦值越接近1夹角越趋于0，说明两个向量越相似。对可行解与目标向量的余弦值按降序排列，得到排名靠前的可行解。将排名靠前的向量转换成矩阵形式，并把矩阵中各元素转换成对应的积木模型，到此即可得到原简笔画所对应的图纸。同时将用到的积木模型编号记录下来，与图纸一起，作为输出传递给用户。
应当理解的是，本说明书未详细阐述的部分均属于现有技术。
虽然以上结合附图描述了本发明的具体实施方式，但是本领域普通技术人员应当理解，这些仅是举例说明，可以对这些实施方式做出多种变形或修改，而不背离本发明的原理和实质。本发明的范围仅由所附权利要求书限定。

Claims (2)

1.一种面向简笔画的乐高类积木平面图纸的构建方法，其特征是，包括以下步骤：
步骤1、根据乐高类基本积木块凸粒的数量和凸粒的排列规则特征转换成相应的积木矩阵模型；
步骤2、提取简笔画图像的骨架，将图像转换成像素矩阵模型；
步骤3、积木矩阵模型作为离散变量、像素矩阵模型作为目标，通过遗传算法得到可行解的集合；
步骤4、解析可行解的集合，得到与原简笔画最相似的乐高平面模型和图纸；
步骤1所述根据乐高类基本积木块凸粒的数量和凸粒的排列规则特征转换成相应积木矩阵模型的规则如下：乐高类基本积木块的特征包含积木块的颜色、积木块凸粒的数量和凸粒的排列规则；凸粒的数量为积木矩阵模型的元素个数，凸粒的排列规则为积木矩阵模型的阵列排列规则；乐高类基本积木块为矩形积木，不同形状的积木赋予不同编号，相同形状的积木根据颜色不同赋予不同的编号；同形状、同颜色的积木根据摆放形式的不同赋予不同编号；积木的编号从1开始；
步骤2所述图像转换成像素矩阵模型规则如下：所述简笔画图像是以简单线条表示的图片形式的图像；将该图像表示在0-1矩阵中，线条覆盖的矩阵部分元素置1，线条未覆盖的矩阵部分元素置0，进而得到图像的像素矩阵模型；
步骤3所述通过遗传算法得到可行解的集合包括以下步骤：
步骤3.1、输入简笔画图像，根据简笔画图像像素大小，生成一个大小适中的像素矩阵；将原简笔画图像中有线条覆盖的位置所对应的像素矩阵元素的值设置为1，其余的像素矩阵元素设置为0，获得该简笔画图像对应的像素矩阵；
步骤3.2、将所得简笔画图像对应的像素矩阵元素以从左到右，从上到下的顺序转换成长度与像素矩阵元素个数相同的向量；原像素矩阵的各元素与向量的各个维度之间按序一一对应；该向量作为遗传算法最终的目标结果；
步骤3.3、进行初始化种群，某位置不存在积木块，则该位置对应的向量维度设置为0；积木块覆盖的像素矩阵的全部位置，在像素矩阵对应的向量中，将这些位置对应的维度的起始位置设置成该积木块的编号，剩余位置设置为-1；以随机的形式生成一定数量满足要求的向量，作为初始化种群；
步骤3.4、初始化种群在交叉与变异的过程中按照合适的适应度函数不断筛选、迭代，直到得到较为满意的可行解的集合；
步骤4所述解析可行解的集合，得到与原简笔画最相似的乐高平面模型和图纸包括以下步骤，
步骤4.1、将可行解的集合按照与原简笔画图像的相似程度进行排序，相似程度越高排名越靠前；以相似度度量方法作为依据值比较不同的解所对应的像素矩阵与原简笔画图像对应的像素矩阵之间的相似程度；
步骤4.2、将排名靠前的可行解的向量转换成矩阵形式，把矩阵中各元素转换成对应的积木矩阵模型，得到原简笔画所对应的图纸；同时记录对应的积木矩阵模型编号，以平面模型和图纸的形式输出。
2.如权利要求1所述的面向简笔画的乐高类积木平面图纸的构建方法，其特征是，交叉和变异的过程中向量的某一维度为-1时，向量的这一维度不与其他向量的某一维度作交叉或者向量的这一维度不存在变异操作。
CN201910636575.5A 2019-07-15 2019-07-15 一种面向简笔画的乐高类积木平面图纸的构建方法 Active CN110489794B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910636575.5A CN110489794B (zh) 2019-07-15 2019-07-15 一种面向简笔画的乐高类积木平面图纸的构建方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910636575.5A CN110489794B (zh) 2019-07-15 2019-07-15 一种面向简笔画的乐高类积木平面图纸的构建方法

Publications (2)

Publication Number Publication Date
CN110489794A CN110489794A (zh) 2019-11-22
CN110489794B true CN110489794B (zh) 2022-08-05

Family

ID=68547136

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910636575.5A Active CN110489794B (zh) 2019-07-15 2019-07-15 一种面向简笔画的乐高类积木平面图纸的构建方法

Country Status (1)

Country Link
CN (1) CN110489794B (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110992472A (zh) * 2019-12-06 2020-04-10 广东邦宝益智玩具股份有限公司 一种积木3d模型智能搭建***的构建方法
CN114896812A (zh) * 2022-06-08 2022-08-12 深圳千帜科技有限公司 一种积木打印的自动排版方法、设备、存储介质及***
CN115364494B (zh) * 2022-07-26 2024-02-23 福州市鹭羽智能科技有限公司 一种基于图样的积木自动堆放装置及方法

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103294864A (zh) * 2013-05-29 2013-09-11 南京大学 一种采用遗传算法的计算机辅助乱针绣制作方法

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7467154B2 (en) * 2005-06-29 2008-12-16 Microsoft Corporation Producing a locally optimal path through a lattice by overlapping search
JP2013066146A (ja) * 2011-08-31 2013-04-11 Sony Corp 画像処理装置、および画像処理方法、並びにプログラム

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103294864A (zh) * 2013-05-29 2013-09-11 南京大学 一种采用遗传算法的计算机辅助乱针绣制作方法

Also Published As

Publication number Publication date
CN110489794A (zh) 2019-11-22

Similar Documents

Publication Publication Date Title
CN110489794B (zh) 一种面向简笔画的乐高类积木平面图纸的构建方法
CN111632374B (zh) 游戏中虚拟角色的脸部处理方法、装置及可读存储介质
Jürgens et al. The language of fractals
CN107392984A (zh) 一种基于人脸图像生成动画的方法及计算设备
US20140114630A1 (en) Generating Artifacts based on Genetic and Breeding Simulation
CN108062796A (zh) 基于移动终端的手工制品与虚拟现实体验***及方法
CN108121975A (zh) 一种联合原始数据和生成数据的人脸识别方法
CN111967533B (zh) 一种基于场景识别的草图图像翻译方法
CN112102480B (zh) 图像数据处理方法、装置、设备以及介质
CN112085835B (zh) 三维卡通人脸生成方法、装置、电子设备及存储介质
CN107077746A (zh) 用于网络传输和实时渲染的3d纹理模型的自动优化的***、方法和计算机程序产品
CN110097615B (zh) 一种联合风格化和去风格化的艺术字编辑方法和***
CN104281865B (zh) 一种生成二维码的方法与设备
Harjoseputro et al. The Javanese letters classifier with mobile client-server architecture and convolution neural network method
US12039666B2 (en) Method for creating a tangible objection and digitizing the tangible object using an artificial intelligence process
CN107301425A (zh) 一种基于深度学习的儿童涂鸦评分方法
Ono et al. LEGO builder: automatic generation of LEGO assembly manual from 3D polygon model
Zhao et al. Learning from the tangram to solve mini visual tasks
Wang et al. Generative model with coordinate metric learning for object recognition based on 3D models
Rauterberg Reality determination through action
CN112613495B (zh) 真人视频生成方法、装置、可读存储介质及设备
Pardo et al. Design Learning: a methodology for the autonomous design and manufacture of customised toys based on Machine Learning
CN116798052B (zh) 文本识别模型的训练方法和装置、存储介质及电子设备
CN117132501B (zh) 一种基于深度相机的人体点云空洞修复方法及***
Li et al. From writing to painting: A kinect-based cross-modal chinese painting generation system

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