CN111738087A - 一种游戏角色面部模型的生成方法和装置 - Google Patents

一种游戏角色面部模型的生成方法和装置 Download PDF

Info

Publication number
CN111738087A
CN111738087A CN202010449237.3A CN202010449237A CN111738087A CN 111738087 A CN111738087 A CN 111738087A CN 202010449237 A CN202010449237 A CN 202010449237A CN 111738087 A CN111738087 A CN 111738087A
Authority
CN
China
Prior art keywords
target
face
model
detection model
feature
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.)
Granted
Application number
CN202010449237.3A
Other languages
English (en)
Other versions
CN111738087B (zh
Inventor
柳毅恒
何文峰
王胜慧
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.)
Perfect World Beijing Software Technology Development Co Ltd
Original Assignee
Perfect World Beijing Software Technology Development 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 Perfect World Beijing Software Technology Development Co Ltd filed Critical Perfect World Beijing Software Technology Development Co Ltd
Priority to CN202010449237.3A priority Critical patent/CN111738087B/zh
Publication of CN111738087A publication Critical patent/CN111738087A/zh
Application granted granted Critical
Publication of CN111738087B publication Critical patent/CN111738087B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/16—Human faces, e.g. facial parts, sketches or expressions
    • G06V40/168—Feature extraction; Face representation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
    • G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/045—Combinations of networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/103—Static body considered as a whole, e.g. static pedestrian or occupant recognition
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/16—Human faces, e.g. facial parts, sketches or expressions
    • G06V40/161—Detection; Localisation; Normalisation

Landscapes

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

Abstract

本申请涉及一种游戏角色面部模型的生成方法和装置，其中，该方法包括：获取游戏帐号上传的目标面部图像，其中，目标面部图像用于展示目标面部；在目标面部图像上提取目标面部的关键点，得到目标面部特征；通过目标检测模型将目标面部特征转换为目标骨骼特征参数，其中，目标骨骼特征参数包括目标面部上多个骨骼部位中每个骨骼部位的一个或者多个量化参数；使用目标骨骼特征参数生成游戏帐号创建的游戏角色对应的目标面部模型。本申请解决了相关技术中生成的面部模型与图像中展示的面部之间相似度较低的技术问题。

Description

一种游戏角色面部模型的生成方法和装置
技术领域
本申请涉及计算机领域，尤其涉及一种游戏角色面部模型的生成方法和装置。
背景技术
目前的面部模型生成技术中，根据获取到的面部图像生成游戏角色的面部模型的方式一般是首先随机生成面部模型的参数，再根据随机生成的参数与面部图像之间的差距对随机参数进行调整。由于初始的模型参数是随机生成的，导致后期的调整过程很难使得调整后的参数与图像中显示的面部之间的相似度达到较高的标准，使得不同的面部图像对应生成的面部模型差别较小，与图像中的面部之间的相似度较低。
针对上述的问题，目前尚未提出有效的解决方案。
发明内容
本申请提供了一种游戏角色面部模型的生成方法和装置，以至少解决相关技术中生成的面部模型与面部图像中展示的面部之间相似度较低的技术问题。
根据本申请实施例的一个方面，提供了一种游戏角色面部模型的生成方法，包括：
获取游戏帐号上传的目标面部图像，其中，所述目标面部图像用于展示目标面部；
在所述目标面部图像上提取所述目标面部的关键点，得到目标面部特征，其中，所述目标面部特征用于使用所述目标面部的关键点表示所述目标面部的属性特征；
通过目标检测模型将所述目标面部特征转换为目标骨骼特征参数，其中，所述目标检测模型是使用标注了骨骼特征参数样本的面部特征样本对初始检测模型进行训练得到的，所述目标骨骼特征参数包括所述目标面部上多个骨骼部位中每个骨骼部位的一个或者多个量化参数；
使用所述目标骨骼特征参数生成所述游戏帐号创建的游戏角色对应的目标面部模型。
根据本申请实施例的另一方面，还提供了一种游戏角色面部模型的生成装置，包括：
第一获取模块，用于获取游戏帐号上传的目标面部图像，其中，所述目标面部图像用于展示目标面部；
第一提取模块，用于在所述目标面部图像上提取所述目标面部的关键点，得到目标面部特征，其中，所述目标面部特征用于使用所述目标面部的关键点表示所述目标面部的属性特征；
转换模块，用于通过目标检测模型将所述目标面部特征转换为目标骨骼特征参数，其中，所述目标检测模型是使用标注了骨骼特征参数样本的面部特征样本对初始检测模型进行训练得到的，所述目标骨骼特征参数包括所述目标面部上多个骨骼部位中每个骨骼部位的一个或者多个量化参数；
生成模块，用于使用所述目标骨骼特征参数生成所述游戏帐号创建的游戏角色对应的目标面部模型。
根据本申请实施例的另一方面，还提供了一种存储介质，该存储介质包括存储的程序，程序运行时执行上述的方法。
根据本申请实施例的另一方面，还提供了一种电子装置，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，处理器通过计算机程序执行上述的方法。
在本申请实施例中，采用获取游戏帐号上传的目标面部图像，其中，目标面部图像用于展示目标面部；在目标面部图像上提取目标面部的关键点，得到目标面部特征，其中，目标面部特征用于使用目标面部的关键点表示目标面部的属性特征；通过目标检测模型将目标面部特征转换为目标骨骼特征参数，其中，目标检测模型是使用标注了骨骼特征参数样本的面部特征样本对初始检测模型进行训练得到的，目标骨骼特征参数包括目标面部上多个骨骼部位中每个骨骼部位的一个或者多个量化参数；使用目标骨骼特征参数生成游戏帐号创建的游戏角色对应的目标面部模型的方式，通过从获取到的游戏帐号上传的目标面部图像中提取其所展示的目标面部上的关键点得到目标面部特征，再通过训练后的目标检测模型将目标面部特征转换为目标骨骼特征参数，这样生成的目标骨骼特征参数能够更加符合目标面部的属性特征，更加真实地反映出目标面部各个部位的特点，再根据得到的更加真实的目标骨骼特征参数构建目标面部模型，使得得到的目标面部模型更加贴近目标面部的真实样貌，从而实现了提高生成的面部模型与图像中展示的面部之间相似度的技术效果，进而解决了相关技术中生成的面部模型与图像中展示的面部之间相似度较低的技术问题。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本发明的实施例，并与说明书一起用于解释本发明的原理。
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例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，对于本领域普通技术人员而言，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1是根据本申请实施例的游戏角色面部模型的生成方法的硬件环境的示意图；
图2是根据本申请实施例的一种可选的游戏角色面部模型的生成方法的流程图；
图3是根据本申请实施例的一种可选的关键点检测的示意图；
图4是根据本申请实施例的一种三角化处理的示意图；
图5是根据本申请可选的实施方式的一种可选的目标检测模型的示意图；
图6是根据本申请可选的实施方式的一种可选的目标检测模型网络参数配置的示意图；
图7是根据本申请可选实施例的一种智能捏脸过程的示意图；
图8是根据本申请实施例的一种可选的游戏角色面部模型的生成装置的示意图；
图9是根据本申请实施例的一种终端的结构框图。
具体实施方式
为了使本技术领域的人员更好地理解本申请方案，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分的实施例，而不是全部的实施例。基于本申请中的实施例，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，都应当属于本申请保护的范围。
需要说明的是，本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本申请的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、***、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
根据本申请实施例的一方面，提供了一种游戏角色面部模型的生成的方法实施例。
可选地，在本实施例中，上述游戏角色面部模型的生成方法可以应用于如图1所示的由终端101和服务器103所构成的硬件环境中。如图1所示，服务器103通过网络与终端101进行连接，可用于为终端或终端上安装的客户端提供服务(如游戏服务、应用服务等)，可在服务器上或独立于服务器设置数据库，用于为服务器103提供数据存储服务，上述网络包括但不限于：广域网、城域网或局域网，终端101并不限定于PC、手机、平板电脑等。本申请实施例的游戏角色面部模型的生成方法可以由服务器103来执行，也可以由终端101来执行，还可以是由服务器103和终端101共同执行。其中，终端101执行本申请实施例的游戏角色面部模型的生成方法也可以是由安装在其上的客户端来执行。
图2是根据本申请实施例的一种可选的游戏角色面部模型的生成方法的流程图，如图2所示，该方法可以包括以下步骤：
步骤S202，获取游戏帐号上传的目标面部图像，其中，所述目标面部图像用于展示目标面部；
步骤S204，在所述目标面部图像上提取所述目标面部的关键点，得到目标面部特征，其中，所述目标面部特征用于使用所述目标面部的关键点表示所述目标面部的属性特征；
步骤S206，通过目标检测模型将所述目标面部特征转换为目标骨骼特征参数，其中，所述目标检测模型是使用标注了骨骼特征参数样本的面部特征样本对初始检测模型进行训练得到的，所述目标骨骼特征参数包括所述目标面部上多个骨骼部位中每个骨骼部位的一个或者多个量化参数；
步骤S208，使用所述目标骨骼特征参数生成所述游戏帐号创建的游戏角色对应的目标面部模型。
通过上述步骤S202至步骤S208，通过从获取到的游戏帐号上传的目标面部图像中提取其所展示的目标面部上的关键点得到目标面部特征，再通过训练后的目标检测模型将目标面部特征转换为目标骨骼特征参数，这样生成的目标骨骼特征参数能够更加符合目标面部的属性特征，更加真实地反映出目标面部各个部位的特点，再根据得到的更加真实的目标骨骼特征参数构建目标面部模型，使得得到的目标面部模型更加贴近目标面部的真实样貌，从而实现了提高生成的面部模型与图像中展示的面部之间相似度的技术效果，进而解决了相关技术中生成的面部模型与图像中展示的面部之间相似度较低的技术问题。
可选地，在本实施例中，上述游戏角色面部模型的生成方法可以但不限于应用于在任何类型的应用中根据面部图像生成图像中的面部对应的模型的场景中。上述任何类型的应用可以但不限于包括：游戏应用，直播应用，多媒体应用，即时通信应用，社交应用，购物应用等等。比如：在游戏应用中根据用户上传或者选择的图像为用户生成游戏角色的场景(比如为游戏角色捏脸)，在直播应用中根据用户上传或者选择的图像为用户生成虚拟形象的场景等等。
在步骤S202提供的技术方案中，目标面部图像可以但不限于包括面部特写照，全身照等等，目标面部可以但不限于包括任何类型对象的面部，比如：人类的面部，动物的面部，雕像的面部等等。
可选地，在本实施例中，游戏帐号上传目标面部图像的方式可以但不限于包括传输本地照片、选择网络图像、调用相机拍照等等。
在步骤S204提供的技术方案中，提取目标面部特征的方式可以但不限于是关键点检测等等。利用检测到的关键点生成目标面部特征来指示目标面部的属性特征。
可选地，在本实施例中，提取的关键点可以但不限于包括：landmark关键点、SIFT关键点、点云关键点等等。
在步骤S206提供的技术方案中，为面部上的多个部位中每个部位设置一个或者多个量化参数来调整该部位的样式。比如：在游戏中智能捏脸的场景下，面部上的多个部位可以但不限于包括：眼睛、下巴、眉毛、嘴唇等等。量化参数可以但不限于包括：眼睛高度、眼睛宽度、瞳孔大小、下巴长度、下巴宽度、眉毛旋转、眉毛粗细度、眉毛疏密度、嘴唇厚度等等。
可选地，在本实施例中，一种获取目标骨骼特征参数的方式可以是从预先存储的具有对应关系的面部特征和骨骼特征参数中查找目标面部特征对应的目标骨骼特征参数。或者，也可以通过训练后的目标检测模型自动生成目标面部特征对应的目标骨骼特征参数。目标检测模型是使用标注了骨骼特征参数样本的面部特征样本对初始检测模型进行训练得到的，因此目标检测模型能够将输入的目标面部特征转换为目标骨骼特征参数。
在步骤S208提供的技术方案中，目标面部模型可以但不限于包括根据目标骨骼特征参数构建的三维模型等等。
作为一种可选的实施例，在所述目标面部图像上提取所述目标面部的关键点，得到目标面部特征包括：
S11，对所述目标面部图像上展示的所述目标面部进行关键点检测，得到目标关键点；
S12，从所述目标面部图像上提取所述目标关键点对应的点向量；
S13，使用所述目标关键点和所述点向量生成所述目标面部特征。
可选地，在本实施例中，在生成面部模型的场景中可以但不限于使用landmark作为目标关键点。landmark是脸上标记的若干关键点，一般在边、角、轮廓、交叉、等分等关键位置，借助这些关键点可以描述人脸的形态，图3是根据本申请实施例的一种可选的关键点检测的示意图，如图3所示，通过关键点检测得到包括68个关键点的landmark图。
可选地，在本实施例中，得到landmark的方式可以但不限于包括：dlib库、GitHub工程ZQCNN、OpenFace等等。
可选地，在本实施例中，目标关键点对应的点向量可以但不限于使用目标关键点在目标面部图像上的坐标来表示。
作为一种可选的实施例，使用所述目标关键点和所述点向量生成所述目标面部特征包括：
S21，将所述目标关键点三角化，得到多个目标关键边；
S22，使用所述多个目标关键边中每个目标关键边所连接的两个目标关键点的点向量，生成所述每个目标关键边对应的边向量，得到多个边向量；
S23，使用所述多个边向量构建所述目标面部特征。
可选地，在本实施例中，对目标关键点进行三角化处理，通过目标关键点的点向量来表示目标关键边的边向量，使用边向量来构建目标面部特征。使得得到的目标面部特征能够携带有更加丰富的信息。
在一个可选的实施方式中，以游戏中根据用户上传、选择或者拍摄的照片为用户捏脸游戏角色模型为例，对照片上展示的人脸进行关键点检测，得到如图3所示的landmark图以及landmark的点向量。图4是根据本申请实施例的一种三角化处理的示意图，如图4所示，对landmark图中68个目标关键点进行三角化处理得到174个目标关键边，使用174个目标关键边中每个目标关键边所连接的两个目标关键点的点向量，生成每个目标关键边对应的边向量，得到174个边向量，使用这174个边向量构建维度为174*2的目标面部特征。
作为一种可选的实施例，通过目标检测模型将所述目标面部特征转换为目标骨骼特征参数包括：
S31，将所述目标面部特征输入所述目标检测模型的输入层；
S32，获取所述目标检测模型的输出层输出的所述目标骨骼特征参数；
其中，所述目标检测模型包括依次连接的所述输入层，目标数量的全连接层和所述输出层，所述目标数量的全连接层用于将所述目标面部特征转换为所述目标骨骼特征参数。
可选地，在本实施例中，目标检测模型包括依次连接的输入层，目标数量的全连接层和输出层，其中的目标数量的全连接层用于将目标面部特征转换为目标骨骼特征参数。
可选地，在本实施例中，目标检测模型还可以但不限于包括：权重调整层，其中，权重调整层连接在最后一层全连接层和输出层之间，权重调整层用于对目标面部特征的权重进行调整，权重用于指示目标面部特征对目标骨骼特征参数的影响程度。
可选地，在本实施例中，权重调整层可以但不限于通过自注意力机制来实现，从而根据目标面部特征对目标骨骼特征参数的影响程度来调整目标面部特征的权重。
在一个可选的实施方式中，提供了一种可选的目标检测模型的结构，图5是根据本申请可选的实施方式的一种可选的目标检测模型的示意图，如图5所示，目标检测模型可以但不限于用于为游戏角色进行智能捏脸的场景中，该目标检测模型包括输入层、四层全连接层、一层权重调整层和输出层。目标检测模型的输入为三角化后的landmark的边向量，共有174条边，输入数据量为174*2，经过四层全连接层和一层权重调整层之后，得到输出层输出的目标骨骼特征参数作为捏脸参数结果。
可选地，在本实施方式中，还提供了一组上述目标检测模型的网络参数配置，图6是根据本申请可选的实施方式的一种可选的目标检测模型网络参数配置的示意图，如图6所示为目标检测模型各个网络层的名称，单元数量，使用的激活函数，核初始化以及核正则化。
作为一种可选的实施例，在通过目标检测模型将所述目标面部特征转换为目标骨骼特征参数之前，还包括：
S41，获取所述骨骼特征参数样本和所述骨骼特征参数样本对应的面部模型样本；
S42，截取所述面部模型样本的面部图像样本；
S43，从所述面部图像样本上提取所述面部特征样本；
S44，使用标注了所述骨骼特征参数样本的所述面部特征样本对所述初始检测模型进行训练，得到所述目标检测模型。
可选地，在本实施例中，以智能捏脸场景为例，模型训练的过程可以但不限于为首先获取58个捏脸参数作为骨骼特征参数样本，以及由这58个捏脸参数构建的脸部模型作为面部模型样本，对脸部模型进行截图得到面部图像样本，再求取面部图像样本的landmark获得面部特征样本，将标注了58个捏脸参数的面部特征样本作为训练数据对初始检测模型进行训练，得到目标检测模型。
可选地，在本实施例中，训练过程中的损失函数可以但不限于定义为58个参数的均方差,可以根据参数的重要性适当调整某些参数的权重，可以但不限于利用Adam优化器进行优化。经过70万张图像的多轮训练，可以得到较优的训练结果。
作为一种可选的实施例，获取所述骨骼特征参数样本和所述骨骼特征参数样本对应的面部模型样本包括以下之一：
S51，随机生成所述骨骼特征参数样本，并构建所述骨骼特征参数样本对应的所述面部模型样本；
S52，获取客户端提交的具有对应关系的所述面部模型样本和所述骨骼特征参数样本。
可选地，在本实施例中，训练数据的获取方式一种可以是随机生成58个捏脸参数，然后将使用随机生成的58个捏脸参数进行捏脸得到的结果模型进行截图，求取截图的landmark获得特征数据，然后经过普氏分析法对齐之后作为网络输入。训练数据的另一种获取方式可以是人工捏脸，可以通过举办捏脸大赛之类活动的方式获取人工捏脸产生的训练数据。
本申请还提供了一种可选实施例，该可选实施例提供了一种在游戏等应用中根据图像为用户进行智能捏脸的方式，图7是根据本申请可选实施例的一种智能捏脸过程的示意图，如图7所示，将输入的人脸正脸图像通过OpenFace得到landmark，然后将landmark三角化后用所有边的向量作为多层神经网络的输入，输出为58个捏脸参数，进而在游戏***中得到3D游戏面部模型。
需要说明的是，对于前述的各方法实施例，为了简单描述，故将其都表述为一系列的动作组合，但是本领域技术人员应该知悉，本申请并不受所描述的动作顺序的限制，因为依据本申请，某些步骤可以采用其他顺序或者同时进行。其次，本领域技术人员也应该知悉，说明书中所描述的实施例均属于优选实施例，所涉及的动作和模块并不一定是本申请所必须的。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到根据上述实施例的方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质(如ROM/RAM、磁碟、光盘)中，包括若干指令用以使得一台终端设备(可以是手机，计算机，服务器，或者网络设备等)执行本申请各个实施例所述的方法。
根据本申请实施例的另一个方面，还提供了一种用于实施上述游戏角色面部模型的生成方法的游戏角色面部模型的生成装置。图8是根据本申请实施例的一种可选的游戏角色面部模型的生成装置的示意图，如图8所示，该装置可以包括：
第一获取模块82，用于获取游戏帐号上传的目标面部图像，其中，所述目标面部图像用于展示目标面部；
第一提取模块84，用于在所述目标面部图像上提取所述目标面部的关键点，得到目标面部特征，其中，所述目标面部特征用于使用所述目标面部的关键点表示所述目标面部的属性特征；
转换模块86，用于通过目标检测模型将所述目标面部特征转换为目标骨骼特征参数，其中，所述目标检测模型是使用标注了骨骼特征参数样本的面部特征样本对初始检测模型进行训练得到的，所述目标骨骼特征参数包括所述目标面部上多个骨骼部位中每个骨骼部位的一个或者多个量化参数；
生成模块88，用于用于使用所述目标骨骼特征参数生成所述游戏帐号创建的游戏角色对应的目标面部模型。
需要说明的是，该实施例中的第一获取模块82可以用于执行本申请实施例中的步骤S202，该实施例中的第一提取模块84可以用于执行本申请实施例中的步骤S204，该实施例中的转换模块86可以用于执行本申请实施例中的步骤S206，该实施例中的生成模块88可以用于执行本申请实施例中的步骤S208。
此处需要说明的是，上述模块与对应的步骤所实现的示例和应用场景相同，但不限于上述实施例所公开的内容。需要说明的是，上述模块作为装置的一部分可以运行在如图1所示的硬件环境中，可以通过软件实现，也可以通过硬件实现。
通过上述模块，通过从获取到的游戏帐号上传的目标面部图像中提取其所展示的目标面部上的关键点得到目标面部特征，再通过训练后的目标检测模型将目标面部特征转换为目标骨骼特征参数，这样生成的目标骨骼特征参数能够更加符合目标面部的属性特征，更加真实地反映出目标面部各个部位的特点，再根据得到的更加真实的目标骨骼特征参数构建目标面部模型，使得得到的目标面部模型更加贴近目标面部的真实样貌，从而实现了提高生成的面部模型与图像中展示的面部之间相似度的技术效果，进而解决了相关技术中生成的面部模型与图像中展示的面部之间相似度较低的技术问题。
作为一种可选的实施例，所述第一提取模块包括：
检测单元，用于对所述目标面部图像上展示的所述目标面部进行关键点检测，得到目标关键点；
提取单元，用于从所述目标面部图像上提取所述目标关键点对应的点向量；
第一生成单元，用于使用所述目标关键点和所述点向量生成所述目标面部特征。
作为一种可选的实施例，所述第一生成单元用于：
将所述目标关键点三角化，得到多个目标关键边；
使用所述多个目标关键边中每个目标关键边所连接的两个目标关键点的点向量，生成所述每个目标关键边对应的边向量，得到多个边向量；
使用所述多个边向量构建所述目标面部特征。
作为一种可选的实施例，所述转换模块包括：
输入单元，用于将所述目标面部特征输入所述目标检测模型的输入层；
第一获取单元，用于获取所述目标检测模型的输出层输出的所述目标骨骼特征参数；
其中，所述目标检测模型包括依次连接的所述输入层，目标数量的全连接层和所述输出层，所述目标数量的全连接层用于将所述目标面部特征转换为所述目标骨骼特征参数。
作为一种可选的实施例，所述目标检测模型还包括：权重调整层，其中，
所述权重调整层连接在最后一层全连接层和所述输出层之间，所述权重调整层用于对所述目标面部特征的权重进行调整，所述权重用于指示所述目标面部特征对所述目标骨骼特征参数的影响程度。
作为一种可选的实施例，所述装置还包括：
第二获取模块，用于在通过目标检测模型将所述目标面部特征转换为目标骨骼特征参数之前，获取所述骨骼特征参数样本和所述骨骼特征参数样本对应的面部模型样本；
截取模块，用于截取所述面部模型样本的面部图像样本；
第二提取模块，用于从所述面部图像样本上提取所述面部特征样本；
训练模块，用于使用标注了所述骨骼特征参数样本的所述面部特征样本对所述初始检测模型进行训练，得到所述目标检测模型。
作为一种可选的实施例，所述第二获取模块包括以下之一：
第三生成单元，用于随机生成所述骨骼特征参数样本，并构建所述骨骼特征参数样本对应的所述面部模型样本；
第二获取单元，用于获取客户端提交的具有对应关系的所述面部模型样本和所述骨骼特征参数样本。
此处需要说明的是，上述模块与对应的步骤所实现的示例和应用场景相同，但不限于上述实施例所公开的内容。需要说明的是，上述模块作为装置的一部分可以运行在如图1所示的硬件环境中，可以通过软件实现，也可以通过硬件实现，其中，硬件环境包括网络环境。
根据本申请实施例的另一个方面，还提供了一种用于实施上述游戏角色面部模型的生成方法的服务器或终端。
图9是根据本申请实施例的一种终端的结构框图，如图9所示，该终端可以包括：一个或多个(图中仅示出一个)处理器901、存储器903、以及传输装置905，如图9所示，该终端还可以包括输入输出设备907。
其中，存储器903可用于存储软件程序以及模块，如本申请实施例中的游戏角色面部模型的生成方法和装置对应的程序指令/模块，处理器901通过运行存储在存储器903内的软件程序以及模块，从而执行各种功能应用以及数据处理，即实现上述的游戏角色面部模型的生成方法。存储器903可包括高速随机存储器，还可以包括非易失性存储器，如一个或者多个磁性存储装置、闪存、或者其他非易失性固态存储器。在一些实例中，存储器903可进一步包括相对于处理器901远程设置的存储器，这些远程存储器可以通过网络连接至终端。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
上述的传输装置905用于经由一个网络接收或者发送数据，还可以用于处理器与存储器之间的数据传输。上述的网络具体实例可包括有线网络及无线网络。在一个实例中，传输装置905包括一个网络适配器(Network Interface Controller，NIC)，其可通过网线与其他网络设备与路由器相连从而可与互联网或局域网进行通讯。在一个实例中，传输装置905为射频(Radio Frequency，RF)模块，其用于通过无线方式与互联网进行通讯。
其中，具体地，存储器903用于存储应用程序。
处理器901可以通过传输装置905调用存储器903存储的应用程序，以执行下述步骤：
获取游戏帐号上传的目标面部图像，其中，所述目标面部图像用于展示目标面部；
在所述目标面部图像上提取所述目标面部的关键点，得到目标面部特征，其中，所述目标面部特征用于使用所述目标面部的关键点表示所述目标面部的属性特征；
通过目标检测模型将所述目标面部特征转换为目标骨骼特征参数，其中，所述目标检测模型是使用标注了骨骼特征参数样本的面部特征样本对初始检测模型进行训练得到的，所述目标骨骼特征参数包括所述目标面部上多个骨骼部位中每个骨骼部位的一个或者多个量化参数；
使用所述目标骨骼特征参数生成所述游戏帐号创建的游戏角色对应的目标面部模型。
采用本申请实施例，提供了一种游戏角色面部模型的生成的方案。通过从获取到的游戏帐号上传的目标面部图像中提取其所展示的目标面部上的关键点得到目标面部特征，再通过训练后的目标检测模型将目标面部特征转换为目标骨骼特征参数，这样生成的目标骨骼特征参数能够更加符合目标面部的属性特征，更加真实地反映出目标面部各个部位的特点，再根据得到的更加真实的目标骨骼特征参数构建目标面部模型，使得得到的目标面部模型更加贴近目标面部的真实样貌，从而实现了提高生成的面部模型与图像中展示的面部之间相似度的技术效果，进而解决了相关技术中生成的面部模型与图像中展示的面部之间相似度较低的技术问题。
可选地，本实施例中的具体示例可以参考上述实施例中所描述的示例，本实施例在此不再赘述。
本领域普通技术人员可以理解，图9所示的结构仅为示意，终端可以是智能手机(如Android手机、iOS手机等)、平板电脑、掌上电脑以及移动互联网设备(Mobile InternetDevices，MID)、PAD等终端设备。图9其并不对上述电子装置的结构造成限定。例如，终端还可包括比图9中所示更多或者更少的组件(如网络接口、显示装置等)，或者具有与图9所示不同的配置。
本领域普通技术人员可以理解上述实施例的各种方法中的全部或部分步骤是可以通过程序来指令终端设备相关的硬件来完成，该程序可以存储于一计算机可读存储介质中，存储介质可以包括：闪存盘、只读存储器(Read-Only Memory，ROM)、随机存取器(RandomAccess Memory，RAM)、磁盘或光盘等。
本申请的实施例还提供了一种存储介质。可选地，在本实施例中，上述存储介质可以用于执行游戏角色面部模型的生成方法的程序代码。
可选地，在本实施例中，上述存储介质可以位于上述实施例所示的网络中的多个网络设备中的至少一个网络设备上。
可选地，在本实施例中，存储介质被设置为存储用于执行以下步骤的程序代码：
获取游戏帐号上传的目标面部图像，其中，所述目标面部图像用于展示目标面部；
在所述目标面部图像上提取所述目标面部的关键点，得到目标面部特征，其中，所述目标面部特征用于使用所述目标面部的关键点表示所述目标面部的属性特征；
通过目标检测模型将所述目标面部特征转换为目标骨骼特征参数，其中，所述目标检测模型是使用标注了骨骼特征参数样本的面部特征样本对初始检测模型进行训练得到的，所述目标骨骼特征参数包括所述目标面部上多个骨骼部位中每个骨骼部位的一个或者多个量化参数；
使用所述目标骨骼特征参数生成所述游戏帐号创建的游戏角色对应的目标面部模型。
可选地，本实施例中的具体示例可以参考上述实施例中所描述的示例，本实施例在此不再赘述。
可选地，在本实施例中，上述存储介质可以包括但不限于：U盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。
上述本申请实施例序号仅仅为了描述，不代表实施例的优劣。
上述实施例中的集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在上述计算机可读取的存储介质中。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在存储介质中，包括若干指令用以使得一台或多台计算机设备(可为个人计算机、服务器或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。
在本申请的上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见其他实施例的相关描述。
在本申请所提供的几个实施例中，应该理解到，所揭露的客户端，可通过其它的方式实现。其中，以上所描述的装置实施例仅仅是示意性的，例如所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个***，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，单元或模块的间接耦合或通信连接，可以是电性或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外，在本申请各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
以上所述仅是本申请的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本申请原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本申请的保护范围。
这里所寻求的保护的主题的范围在所附权利要求中进行限定。本发明实施例中还包括在下列编号条款中规定的这些和其他方面：
1.一种游戏角色面部模型的生成方法，包括：
获取游戏帐号上传的目标面部图像，其中，所述目标面部图像用于展示目标面部；
在所述目标面部图像上提取所述目标面部的关键点，得到目标面部特征，其中，所述目标面部特征用于使用所述目标面部的关键点表示所述目标面部的属性特征；
通过目标检测模型将所述目标面部特征转换为目标骨骼特征参数，其中，所述目标检测模型是使用标注了骨骼特征参数样本的面部特征样本对初始检测模型进行训练得到的，所述目标骨骼特征参数包括所述目标面部上多个骨骼部位中每个骨骼部位的一个或者多个量化参数；
使用所述目标骨骼特征参数生成所述游戏帐号创建的游戏角色对应的目标面部模型。
2.根据条款1所述的方法，其中，在所述目标面部图像上提取所述目标面部的关键点，得到目标面部特征包括：
对所述目标面部图像上展示的所述目标面部进行关键点检测，得到目标关键点；
从所述目标面部图像上提取所述目标关键点对应的点向量；
使用所述目标关键点和所述点向量生成所述目标面部特征。
3.根据条款2所述的方法，其中，使用所述目标关键点和所述点向量生成所述目标面部特征包括：
将所述目标关键点三角化，得到多个目标关键边；
使用所述多个目标关键边中每个目标关键边所连接的两个目标关键点的点向量，生成所述每个目标关键边对应的边向量，得到多个边向量；
使用所述多个边向量构建所述目标面部特征。
4.根据条款1所述的方法，其中，通过目标检测模型将所述目标面部特征转换为目标骨骼特征参数包括：
将所述目标面部特征输入所述目标检测模型的输入层；
获取所述目标检测模型的输出层输出的所述目标骨骼特征参数；
其中，所述目标检测模型包括依次连接的所述输入层，目标数量的全连接层和所述输出层，所述目标数量的全连接层用于将所述目标面部特征转换为所述目标骨骼特征参数。
5.根据条款4所述的方法，其中，所述目标检测模型还包括：权重调整层，其中，
所述权重调整层连接在最后一层全连接层和所述输出层之间，所述权重调整层用于对所述目标面部特征的权重进行调整，所述权重用于指示所述目标面部特征对所述目标骨骼特征参数的影响程度。
6.根据条款1所述的方法，其中，在通过目标检测模型将所述目标面部特征转换为目标骨骼特征参数之前，所述方法还包括：
获取所述骨骼特征参数样本和所述骨骼特征参数样本对应的面部模型样本；
截取所述面部模型样本的面部图像样本；
从所述面部图像样本上提取所述面部特征样本；
使用标注了所述骨骼特征参数样本的所述面部特征样本对所述初始检测模型进行训练，得到所述目标检测模型。
7.根据条款6所述的方法，其中，获取所述骨骼特征参数样本和所述骨骼特征参数样本对应的面部模型样本包括以下之一：
随机生成所述骨骼特征参数样本，并构建所述骨骼特征参数样本对应的所述面部模型样本；
获取客户端提交的具有对应关系的所述面部模型样本和所述骨骼特征参数样本。
8.一种游戏角色面部模型的生成装置，包括：
第一获取模块，用于获取游戏帐号上传的目标面部图像，其中，所述目标面部图像用于展示目标面部；
第一提取模块，用于在所述目标面部图像上提取所述目标面部的关键点，得到目标面部特征，其中，所述目标面部特征用于使用所述目标面部的关键点表示所述目标面部的属性特征；
转换模块，用于通过目标检测模型将所述目标面部特征转换为目标骨骼特征参数，其中，所述目标检测模型是使用标注了骨骼特征参数样本的面部特征样本对初始检测模型进行训练得到的，所述目标骨骼特征参数包括所述目标面部上多个骨骼部位中每个骨骼部位的一个或者多个量化参数；
生成模块，用于使用所述目标骨骼特征参数生成所述游戏帐号创建的游戏角色对应的目标面部模型。
9.根据条款8所述的装置，其中，所述第一提取模块包括：
检测单元，用于对所述目标面部图像上展示的所述目标面部进行关键点检测，得到目标关键点；
提取单元，用于从所述目标面部图像上提取所述目标关键点对应的点向量；
第一生成单元，用于使用所述目标关键点和所述点向量生成所述目标面部特征。
10.根据条款9所述的装置，其中，所述第一生成单元用于：
将所述目标关键点三角化，得到多个目标关键边；
使用所述多个目标关键边中每个目标关键边所连接的两个目标关键点的点向量，生成所述每个目标关键边对应的边向量，得到多个边向量；
使用所述多个边向量构建所述目标面部特征。
11.根据条款8所述的装置，其中，所述转换模块包括：
输入单元，用于将所述目标面部特征输入所述目标检测模型的输入层；
第一获取单元，用于获取所述目标检测模型的输出层输出的所述目标骨骼特征参数；
其中，所述目标检测模型包括依次连接的所述输入层，目标数量的全连接层和所述输出层，所述目标数量的全连接层用于将所述目标面部特征转换为所述目标骨骼特征参数。
12.根据条款11所述的装置，其中，所述目标检测模型还包括：权重调整层，其中，
所述权重调整层连接在最后一层全连接层和所述输出层之间，所述权重调整层用于对所述目标面部特征的权重进行调整，所述权重用于指示所述目标面部特征对所述目标骨骼特征参数的影响程度。
13.根据条款8所述的装置，其中，所述装置还包括：
第二获取模块，用于在通过目标检测模型将所述目标面部特征转换为目标骨骼特征参数之前，获取所述骨骼特征参数样本和所述骨骼特征参数样本对应的面部模型样本；
截取模块，用于截取所述面部模型样本的面部图像样本；
第二提取模块，用于从所述面部图像样本上提取所述面部特征样本；
训练模块，用于使用标注了所述骨骼特征参数样本的所述面部特征样本对所述初始检测模型进行训练，得到所述目标检测模型。
14.根据条款13所述的装置，其中，所述第二获取模块包括以下之一：
第三生成单元，用于随机生成所述骨骼特征参数样本，并构建所述骨骼特征参数样本对应的所述面部模型样本；
第二获取单元，用于获取客户端提交的具有对应关系的所述面部模型样本和所述骨骼特征参数样本。
15.一种存储介质，所述存储介质包括存储的程序，其中，所述程序运行时执行上述条款1至7任一项中所述的方法。
16.一种电子装置，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器通过所述计算机程序执行上述条款1至7任一项中所述的方法。

Claims (10)

1.一种游戏角色面部模型的生成方法，其特征在于，包括：
获取游戏帐号上传的目标面部图像，其中，所述目标面部图像用于展示目标面部；
在所述目标面部图像上提取所述目标面部的关键点，得到目标面部特征，其中，所述目标面部特征用于使用所述目标面部的关键点表示所述目标面部的属性特征；
通过目标检测模型将所述目标面部特征转换为目标骨骼特征参数，其中，所述目标检测模型是使用标注了骨骼特征参数样本的面部特征样本对初始检测模型进行训练得到的，所述目标骨骼特征参数包括所述目标面部上多个骨骼部位中每个骨骼部位的一个或者多个量化参数；
使用所述目标骨骼特征参数生成所述游戏帐号创建的游戏角色对应的目标面部模型。
2.根据权利要求1所述的方法，其特征在于，在所述目标面部图像上提取所述目标面部的关键点，得到目标面部特征包括：
对所述目标面部图像上展示的所述目标面部进行关键点检测，得到目标关键点；
从所述目标面部图像上提取所述目标关键点对应的点向量；
使用所述目标关键点和所述点向量生成所述目标面部特征。
3.根据权利要求2所述的方法，其特征在于，使用所述目标关键点和所述点向量生成所述目标面部特征包括：
将所述目标关键点三角化，得到多个目标关键边；
使用所述多个目标关键边中每个目标关键边所连接的两个目标关键点的点向量，生成所述每个目标关键边对应的边向量，得到多个边向量；
使用所述多个边向量构建所述目标面部特征。
4.根据权利要求1所述的方法，其特征在于，通过目标检测模型将所述目标面部特征转换为目标骨骼特征参数包括：
将所述目标面部特征输入所述目标检测模型的输入层；
获取所述目标检测模型的输出层输出的所述目标骨骼特征参数；
其中，所述目标检测模型包括依次连接的所述输入层，目标数量的全连接层和所述输出层，所述目标数量的全连接层用于将所述目标面部特征转换为所述目标骨骼特征参数。
5.根据权利要求4所述的方法，其特征在于，所述目标检测模型还包括：权重调整层，其中，
所述权重调整层连接在最后一层全连接层和所述输出层之间，所述权重调整层用于对所述目标面部特征的权重进行调整，所述权重用于指示所述目标面部特征对所述目标骨骼特征参数的影响程度。
6.根据权利要求1所述的方法，其特征在于，在通过目标检测模型将所述目标面部特征转换为目标骨骼特征参数之前，所述方法还包括：
获取所述骨骼特征参数样本和所述骨骼特征参数样本对应的面部模型样本；
截取所述面部模型样本的面部图像样本；
从所述面部图像样本上提取所述面部特征样本；
使用标注了所述骨骼特征参数样本的所述面部特征样本对所述初始检测模型进行训练，得到所述目标检测模型。
7.根据权利要求6所述的方法，其特征在于，获取所述骨骼特征参数样本和所述骨骼特征参数样本对应的面部模型样本包括以下之一：
随机生成所述骨骼特征参数样本，并构建所述骨骼特征参数样本对应的所述面部模型样本；
获取客户端提交的具有对应关系的所述面部模型样本和所述骨骼特征参数样本。
8.一种游戏角色面部模型的生成装置，其特征在于，包括：
第一获取模块，用于获取游戏帐号上传的目标面部图像，其中，所述目标面部图像用于展示目标面部；
第一提取模块，用于在所述目标面部图像上提取所述目标面部的关键点，得到目标面部特征，其中，所述目标面部特征用于使用所述目标面部的关键点表示所述目标面部的属性特征；
转换模块，用于通过目标检测模型将所述目标面部特征转换为目标骨骼特征参数，其中，所述目标检测模型是使用标注了骨骼特征参数样本的面部特征样本对初始检测模型进行训练得到的，所述目标骨骼特征参数包括所述目标面部上多个骨骼部位中每个骨骼部位的一个或者多个量化参数；
生成模块，用于使用所述目标骨骼特征参数生成所述游戏帐号创建的游戏角色对应的目标面部模型。
9.一种存储介质，其特征在于，所述存储介质包括存储的程序，其中，所述程序运行时执行上述权利要求1至7任一项中所述的方法。
10.一种电子装置，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，其特征在于，所述处理器通过所述计算机程序执行上述权利要求1至7任一项中所述的方法。
CN202010449237.3A 2020-05-25 2020-05-25 一种游戏角色面部模型的生成方法和装置 Active CN111738087B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010449237.3A CN111738087B (zh) 2020-05-25 2020-05-25 一种游戏角色面部模型的生成方法和装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010449237.3A CN111738087B (zh) 2020-05-25 2020-05-25 一种游戏角色面部模型的生成方法和装置

Publications (2)

Publication Number Publication Date
CN111738087A true CN111738087A (zh) 2020-10-02
CN111738087B CN111738087B (zh) 2023-07-25

Family

ID=72647741

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010449237.3A Active CN111738087B (zh) 2020-05-25 2020-05-25 一种游戏角色面部模型的生成方法和装置

Country Status (1)

Country Link
CN (1) CN111738087B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114519757A (zh) * 2022-02-17 2022-05-20 巨人移动技术有限公司 一种捏脸处理方法

Citations (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7103211B1 (en) * 2001-09-04 2006-09-05 Geometrix, Inc. Method and apparatus for generating 3D face models from one camera
US20100214288A1 (en) * 2009-02-25 2010-08-26 Jing Xiao Combining Subcomponent Models for Object Image Modeling
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
CN105719326A (zh) * 2016-01-19 2016-06-29 华中师范大学 一种基于单张照片的真实感人脸生成方法
US20160350618A1 (en) * 2015-04-01 2016-12-01 Take-Two Interactive Software, Inc. System and method for image capture and modeling
CN109409274A (zh) * 2018-10-18 2019-03-01 广州云从人工智能技术有限公司 一种基于人脸三维重建和人脸对齐的人脸图像变换方法
CN109461208A (zh) * 2018-11-15 2019-03-12 网易（杭州）网络有限公司 三维地图处理方法、装置、介质和计算设备
CN109671016A (zh) * 2018-12-25 2019-04-23 网易（杭州）网络有限公司 人脸模型的生成方法、装置、存储介质及终端
CN109675315A (zh) * 2018-12-27 2019-04-26 网易（杭州）网络有限公司 游戏角色模型的生成方法、装置、处理器及终端
CN110111418A (zh) * 2019-05-15 2019-08-09 北京市商汤科技开发有限公司 创建脸部模型的方法、装置及电子设备
CN110503703A (zh) * 2019-08-27 2019-11-26 北京百度网讯科技有限公司 用于生成图像的方法和装置
CN110675475A (zh) * 2019-08-19 2020-01-10 腾讯科技（深圳）有限公司 一种人脸模型生成方法、装置、设备及存储介质
CN110717977A (zh) * 2019-10-23 2020-01-21 网易（杭州）网络有限公司 游戏角色脸部处理的方法、装置、计算机设备及存储介质
CN111008927A (zh) * 2019-08-07 2020-04-14 深圳华侨城文化旅游科技集团有限公司 一种人脸替换方法、存储介质及终端设备
CN111161427A (zh) * 2019-12-04 2020-05-15 北京代码乾坤科技有限公司 虚拟骨骼模型的自适应调节方法、装置及电子装置

Patent Citations (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7103211B1 (en) * 2001-09-04 2006-09-05 Geometrix, Inc. Method and apparatus for generating 3D face models from one camera
US20100214288A1 (en) * 2009-02-25 2010-08-26 Jing Xiao Combining Subcomponent Models for Object Image Modeling
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
US20160350618A1 (en) * 2015-04-01 2016-12-01 Take-Two Interactive Software, Inc. System and method for image capture and modeling
CN105719326A (zh) * 2016-01-19 2016-06-29 华中师范大学 一种基于单张照片的真实感人脸生成方法
CN109409274A (zh) * 2018-10-18 2019-03-01 广州云从人工智能技术有限公司 一种基于人脸三维重建和人脸对齐的人脸图像变换方法
CN109461208A (zh) * 2018-11-15 2019-03-12 网易（杭州）网络有限公司 三维地图处理方法、装置、介质和计算设备
CN109671016A (zh) * 2018-12-25 2019-04-23 网易（杭州）网络有限公司 人脸模型的生成方法、装置、存储介质及终端
CN109675315A (zh) * 2018-12-27 2019-04-26 网易（杭州）网络有限公司 游戏角色模型的生成方法、装置、处理器及终端
CN110111418A (zh) * 2019-05-15 2019-08-09 北京市商汤科技开发有限公司 创建脸部模型的方法、装置及电子设备
CN111008927A (zh) * 2019-08-07 2020-04-14 深圳华侨城文化旅游科技集团有限公司 一种人脸替换方法、存储介质及终端设备
CN110675475A (zh) * 2019-08-19 2020-01-10 腾讯科技（深圳）有限公司 一种人脸模型生成方法、装置、设备及存储介质
CN110503703A (zh) * 2019-08-27 2019-11-26 北京百度网讯科技有限公司 用于生成图像的方法和装置
CN110717977A (zh) * 2019-10-23 2020-01-21 网易（杭州）网络有限公司 游戏角色脸部处理的方法、装置、计算机设备及存储介质
CN111161427A (zh) * 2019-12-04 2020-05-15 北京代码乾坤科技有限公司 虚拟骨骼模型的自适应调节方法、装置及电子装置

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
TIANYANG SHI ET AL: "Fast and Robust Face-to-Parameter Translation for Game Character Auto-Creation" *
张睿: "基于情景模型的3D人脸动画驱动" *

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114519757A (zh) * 2022-02-17 2022-05-20 巨人移动技术有限公司 一种捏脸处理方法

Also Published As

Publication number Publication date
CN111738087B (zh) 2023-07-25

Similar Documents

Publication Publication Date Title
CN110717977B (zh) 游戏角色脸部处理的方法、装置、计算机设备及存储介质
CN106778928B (zh) 图像处理方法及装置
CN106897372B (zh) 语音查询方法和装置
CN106682632B (zh) 用于处理人脸图像的方法和装置
CN111080759B (zh) 一种分镜效果的实现方法、装置及相关产品
CN109815776B (zh) 动作提示方法和装置、存储介质及电子装置
CN106161939A (zh) 一种照片拍摄方法及终端
CN109242940B (zh) 三维动态图像的生成方法和装置
CN108198177A (zh) 图像获取方法、装置、终端及存储介质
CN111008935B (zh) 一种人脸图像增强方法、装置、***及存储介质
CN109035415B (zh) 虚拟模型的处理方法、装置、设备和计算机可读存储介质
CN113409437B (zh) 一种虚拟角色捏脸的方法、装置、电子设备及存储介质
CN113808277B (zh) 一种图像处理方法及相关装置
CN111508033A (zh) 相机参数确定方法、图像处理方法、存储介质及电子装置
CN113095206A (zh) 虚拟主播生成方法、装置和终端设备
CN108134945A (zh) Ar业务处理方法、装置及终端
CN114373044A (zh) 生成脸部三维模型的方法、装置、计算设备和存储介质
CN112288881B (zh) 一种图像展示方法、装置、计算机设备和存储介质
CN112016548B (zh) 一种封面图展示方法及相关装置
CN111738087B (zh) 一种游戏角色面部模型的生成方法和装置
CN116630508A (zh) 3d模型处理方法、装置及电子设备
CN111914106B (zh) 纹理与法线库构建方法、纹理与法线图生成方法及装置
CN111991808A (zh) 人脸模型的生成方法及装置、存储介质、计算机设备
CN111461228A (zh) 图像推荐方法和装置及存储介质
CN115984943B (zh) 面部表情捕捉及模型训练方法、装置、设备、介质及产品

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