CN112927328B - 表情迁移方法、装置、电子设备及存储介质 - Google Patents
表情迁移方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN112927328B CN112927328B CN202011588392.XA CN202011588392A CN112927328B CN 112927328 B CN112927328 B CN 112927328B CN 202011588392 A CN202011588392 A CN 202011588392A CN 112927328 B CN112927328 B CN 112927328B
- Authority
- CN
- China
- Prior art keywords
- topology
- target
- source
- current
- face model
- 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
Links
- 230000014509 gene expression Effects 0.000 title claims abstract description 123
- 238000013508 migration Methods 0.000 title claims abstract description 50
- 230000005012 migration Effects 0.000 title claims abstract description 50
- 238000000034 method Methods 0.000 title claims abstract description 46
- 238000006073 displacement reaction Methods 0.000 claims abstract description 68
- 230000001815 facial effect Effects 0.000 claims abstract description 13
- 238000012545 processing Methods 0.000 claims description 23
- 239000011159 matrix material Substances 0.000 claims description 21
- 239000000758 substrate Substances 0.000 claims description 9
- 238000005457 optimization Methods 0.000 claims description 5
- 238000013473 artificial intelligence Methods 0.000 abstract description 3
- 238000004364 calculation method Methods 0.000 description 13
- 230000008569 process Effects 0.000 description 12
- 238000004590 computer program Methods 0.000 description 11
- 238000010586 diagram Methods 0.000 description 11
- 238000004422 calculation algorithm Methods 0.000 description 8
- 238000004891 communication Methods 0.000 description 8
- 230000006870 function Effects 0.000 description 5
- 230000008030 elimination Effects 0.000 description 3
- 238000003379 elimination reaction Methods 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000003993 interaction Effects 0.000 description 2
- 206010011469 Crying Diseases 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 210000004709 eyebrow Anatomy 0.000 description 1
- 230000008921 facial expression Effects 0.000 description 1
- 238000002372 labelling Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T13/00—Animation
- G06T13/20—3D [Three Dimensional] animation
- G06T13/40—3D [Three Dimensional] animation of characters, e.g. humans, animals or virtual beings
-
- 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
- G06T17/20—Finite element generation, e.g. wire-frame surface description, tesselation
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Graphics (AREA)
- Geometry (AREA)
- Software Systems (AREA)
- Processing Or Creating Images (AREA)
Abstract
本公开提供了一种表情迁移方法、装置、电子设备、存储介质，涉及人工智能等领域。具体实现方案为：在源面部模型的源拓扑与目标虚拟三维面部模型的目标拓扑之间相应位置处的关键点对齐的情况下，获取所述源面部模型在当前表情下所述源拓扑的关键点的当前位移；基于所述源拓扑的所述关键点的当前位移，确定所述目标拓扑所对应的当前组合系数；基于所述目标拓扑所对应的所述当前组合系数，确定所述目标虚拟三维面部模型的当前表情。
Description
技术领域
本公开涉及计算机技术领域。本公开尤其涉及人工智能领域。
背景技术
三维人像表情迁移一直是学术界研究热点，并有着广泛的工业应用。最为常见的应用领域有影视动画与游戏娱乐等。三维人像表情迁移通常对两个模型的面部网格(mesh)有严格的要求，然而，这样就可能需要人工干预进行修正、或者需要耗费较长的时间来进行处理。因此，如何保证表情迁移的实时性以及准确性就成为需要解决的问题。
发明内容
本公开提供了一种表情迁移方法、装置、电子设备、存储介质及计算机程序产品。
根据本申请的第一方面，提供了一种表情迁移方法，包括：
在源面部模型的源拓扑与目标虚拟三维面部模型的目标拓扑之间相应位置处的关键点对齐的情况下，获取所述源面部模型在当前表情下所述源拓扑的关键点的当前位移；
基于所述源拓扑的所述关键点的当前位移，确定所述目标拓扑所对应的当前组合系数；
基于所述目标拓扑所对应的所述当前组合系数，确定所述目标虚拟三维面部模型的当前表情。
根据本申请的第二方面，提供了一种表情迁移装置，包括：
源拓扑位移获取模块，用于在源面部模型的源拓扑与目标虚拟三维面部模型的目标拓扑之间相应位置处的关键点对齐的情况下，获取所述源面部模型在当前表情下所述源拓扑的关键点的当前位移；
组合系数确定模块，用于基于所述源拓扑的所述关键点的当前位移，确定所述目标拓扑所对应的当前组合系数；
表情驱动模块，用于基于所述目标拓扑所对应的所述当前组合系数，确定所述目标虚拟三维面部模型的当前表情。
根据本申请的第三方面，提供了一种电子设备，包括：
至少一个处理器；以及
与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行上述方法。
根据本申请的第四方面，提供了一种存储有计算机指令的非瞬时计算机可读存储介质，所述计算机指令用于使所述计算机执行上述方法。
根据本申请的第五方面，提供了一种计算机程序产品，包括计算机程序，该计算机程序在被处理器执行时实现上述方法。
采用本申请的技术方案，就可以在源面部模型的源拓扑与目标虚拟三维面部模型的目标拓扑对齐的情况下，实时的基于源面部模型在当前表情下所述源拓扑的关键点的当前位移得到所述目标拓扑的当前组合系数，进而基于所述目标拓扑的当前组合系数确定目标虚拟三维面部模型的当前表情。如此，在源面部模型的源拓扑与目标虚拟三维面部模型的目标拓扑对齐的基础上实时的将源面部模型的表情迁移至目标虚拟三维面部模型，可以在满足实时性的要求的基础上保证表情迁移的准确性；并且，在上述处理中不需要对两个面部模型中的任何一个进行人工干预，可以使得处理更加高效。
应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征，也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。
附图说明
附图用于更好地理解本方案，不构成对本公开的限定。其中：
图1是根据本公开实施例的表情迁移方法流程示意图；
图2是根据本公开实施例的无表情以及张嘴表情的示意图；
图3-1是根据本公开实施例的源拓扑以及目标拓扑分别标注的关键点的示意图；
图3-2是根据本公开实施例的源拓扑以及目标拓扑对齐处理示意图；
图4是根据本公开实施例的表情迁移装置组成结构示意图；
图5是是用来实现本公开实施例的表情迁移方法的电子设备的框图。
具体实施方式
以下结合附图对本公开的示范性实施例做出说明，其中包括本公开实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本公开的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。
本公开实施例提供了一种表情迁移方法，如图1所示，包括：
S101：在源面部模型的源拓扑与目标虚拟三维面部模型的目标拓扑之间相应位置处的关键点对齐的情况下，获取所述源面部模型在当前表情下所述源拓扑的关键点的当前位移；
S102：基于所述源拓扑的所述关键点的当前位移，确定所述目标拓扑所对应的当前组合系数；
S103：基于所述目标拓扑所对应的所述当前组合系数，确定所述目标虚拟三维面部模型的当前表情。
本实施例可以应用于电子设备，可以是具备图像处理功能的设备，比如，终端设备、服务器等等。
本实施例中，所述源面部模型的源拓扑与所述目标三维虚拟面部模型的目标拓扑是不同的，并且，所述源面部模型的表情空间与所述目标三维虚拟面部模型的表情空间也是不同的。
这里，面部模型的拓扑是由点云连接得到的。所述点云可以理解为点的集合；所述点可以指的是面部模型中某一个位置点对应的位置坐标。具体的，所述源拓扑是由第一组点云连接得到的；所述目标拓扑是由第二组点云连接得到的。需要理解的是，所述第一组点云以及第二组点云是为了区分组成源拓扑以及目标拓扑的不同的点云。
进一步地，所述源面部模型可以是由多个第一网格(mesh)组成的。其中，所述多个第一网格可以包括有无表情的第一网格、以及N个表情空间对应的第一网格。N为大于等于1的整数，示例性的，N可以等于46。
所述无表情的第一网格可以由无表情的第一组点云及其对应的所述源拓扑组成。所述N个表情空间对应的第一网格中，第i个表情空间对应的第一网格(mesh)，可以是由第i个表情的第一组点云及其对应的所述源拓扑组成；i为大于等于1且小于等于N的整数。
需要指出的是，上述不同表情的第一组点云中至少部分相同序号的点的坐标位置不同。所述N个表情空间所对应的N个表情可以包括有：微笑、哭泣、睁大眼睛等等，这里不进行穷举。比如，参见图2，左侧为无表情，右侧为张嘴的表情示意图。
同样的，所述目标虚拟三维面部模型可以是由多个第二网格(mesh)组成的。其中，所述多个第二网格可以包括有无表情的第二网格、以及N个表情空间所分别对应的第二网格。N为大于等于1的整数，示例性的，N可以等于46。所述无表情的第二网格可以由无表情的第二组点云及其对应的所述目标拓扑组成。N个表情空间所分别对应的第二网格中，第j个表情空间对应的第二网格(mesh)，可以是由第j个表情的第二组点云及其对应的所述目标拓扑组成；j为大于等于1且小于等于N的整数。需要指出的是，上述不同表情的第二组点云中至少部分相同序号的点的坐标位置不同。
需要理解的是，所述第一网格以及第二网格是为了区分组成源面部模型以及目标虚拟三维面部模型的不同网络，并不代表两者类型不同。
上述源面部模型的所述源拓扑与目标虚拟三维面部模型的所述目标拓扑可以相同也可以不同，另外，源面部模型与目标虚拟三维面部模型的表情空间可以相同也可以不同。
上述源面部模型的源拓扑与目标虚拟三维面部模型的目标拓扑对齐的处理可以包括：将所述源面部模型的所述源拓扑与所述目标虚拟三维面部模型的所述目标拓扑的相应位置处的关键点进行对齐。
上述基于所述源拓扑的所述关键点的当前位移，确定所述目标拓扑所对应的当前组合系数，可以包括：基于所述源拓扑的所述关键点的当前位移，确定所述目标拓扑的所述关键点的当前位移；基于所述目标拓扑的所述关键点的当前位移，确定所述目标拓扑所对应的当前组合系数。
这里，所述当前组合系数指的是用于驱动所述目标虚拟三维面部模型所使用的混合形状(blendshape)组合系数。进一步地，所述当前组合系数即所述混合形状组合系数，可以是由N个维度的系数组合而成；所述N个维度中不同维度对应不同的表情空间。也就是说，所述当前组合系数包含所述目标虚拟三维面部模型的N个表情空间所对应的混合形状系数。
所述基于所述目标拓扑所对应的所述当前组合系数，确定所述目标虚拟三维面部模型的当前表情，可以是：将所述目标拓扑所对应的所述当前组合系数作为输入对所述目标虚拟三维面部模型进行驱动，以确定所述目标虚拟三维面部模型的当前表情。
进一步地，确定所述目标虚拟三维面部模型的当前表情之后，还可以在展示界面中展示所述目标虚拟三维面部模型的所述当前表情。
这里，所述将所述目标拓扑所对应的所述当前组合系数作为输入对所述目标虚拟三维面部模型进行驱动，具体可以为：将所述目标拓扑所对应的所述当前组合系数作为输入驱动引擎，由所述驱动引擎基于所述当前组合系数进行所述目标虚拟三维面部模型的驱动。
示例性的，所述驱动引擎可以是UE4引擎；相应的，可以是基于目标拓扑所对应的所述当前组合系数，在UE4引擎中进行驱动，实现源面部模型的当前表情至目标虚拟三维面部模型的当前表情的迁移。
可见，通过采用上述方案，在源面部模型的源拓扑与目标虚拟三维面部模型的目标拓扑对齐的情况下，实时的基于源面部模型在当前表情下所述源拓扑的关键点的当前位移得到所述目标拓扑的当前组合系数，进而基于所述目标拓扑的当前组合系数确定目标虚拟三维面部模型的当前表情。如此，在源面部模型的源拓扑与目标虚拟三维面部模型的目标拓扑对齐的基础上实时的将源面部模型的表情迁移至目标虚拟三维面部模型，可以在满足实时性的要求的基础上保证表情迁移的准确性；并且，在上述处理中不需要对两个面部模型中的任何一个进行人工干预，可以使得处理更加高效。
上述源面部模型的源拓扑与目标虚拟三维面部模型的目标拓扑之间相应位置处的关键点对齐的处理，具体可以包括：
将所述源面部模型的所述源拓扑与所述目标虚拟三维面部模型的所述目标拓扑的相应位置处的关键点进行语义对齐，得到语义对齐后的所述源面部模型的所述源拓扑与所述目标虚拟三维面部模型的所述目标拓扑；
对所述语义对齐后的所述源面部模型的所述源拓扑与所述目标虚拟三维面部模型的所述目标拓扑的所述相应位置处的所述关键点之间的位置误差进行消除，得到相应位置处的关键点对齐的所述源面部模型的所述源拓扑与所述目标虚拟三维面部模型的所述目标拓扑。
具体的，将所述源面部模型的所述源拓扑与所述目标虚拟三维面部模型的所述目标拓扑的相应位置处的关键点进行语义对齐，得到语义对齐后的所述源面部模型的所述源拓扑与所述目标虚拟三维面部模型的所述目标拓扑，可以包括：
将所述源面部模型的所述源拓扑的M个关键点与所述目标虚拟三维面部模型的所述目标拓扑的M个关键点进行语义对齐，得到语义对齐后的所述源面部模型的所述源拓扑与所述目标虚拟三维面部模型的所述目标拓扑；M 为大于等于1的整数。
其中，所述源拓扑的所述M个关键点可以指的是所述源拓扑中标注出来的M个稀疏点；所述目标拓扑的所述M个关键点可以指的是所述目标拓扑中标注出来的M个稀疏点。这里，所述目标拓扑的M个关键点以及源拓扑的M个关键点均为预先标注的。
所述源拓扑的所述M个关键点、以及所述目标拓扑的所述M个关键点，可以为面部特征明显并且在目标拓扑以及源拓扑中具备相同语义的位置。这里，在标注所述源面部模型的所述源拓扑的M个关键点以及所述目标虚拟三维面部模型的所述目标拓扑的M个关键点的时候，可以为两个拓扑中具备相同语义的关键点设置相同的序号。所述相同语义可以指的是，在所述目标拓扑以及源拓扑中的相同部位，比如，源拓扑以及目标拓扑的嘴角、鼻尖、眉头等均为具备相同语义，再比如，可以将源拓扑以及目标拓扑的嘴角的关键点的序号均设置为01。
示例性的，如图3-1所示，源拓扑的多个关键点如图3-1下方所示，在源拓扑中进行关键点标注可以得到源拓扑中的多个黑色圆点，即源拓扑中标注的多个关键点；同样的，如图3-1上方所示为目标拓扑中进行关键点标注可以得到目标拓扑中的多个黑色圆点，即目标拓扑中标注的多个关键点。
上述将所述源面部模型的所述源拓扑的M个关键点与所述目标虚拟三维面部模型的所述目标拓扑的M个关键点进行语义对齐，进一步地可以包括：
将所述源面部模型的所述源拓扑的第i个关键点、与所述目标三维虚拟面部模块的所述目标拓扑的第i个关键点进行语义对齐。i为大于等于1且小于等于M的整数。所述第i个关键点可以为所述M个关键点中的任意一个。
其中，所述语义对齐指的是所述源面部模型的所述源拓扑的第i个关键点在所述源拓扑中的相对位置、以及所述目标三维虚拟面部模型的所述目标拓扑的第i个关键点在所述目标拓扑中的相对位置相同。
具体的，所述语义对齐可以采用的方式为：点云对齐ICP算法，或者，还可以采用其他算法来实现，本实施例不对其全部算法进行穷举。
进一步地，对所述语义对齐后的所述源面部模型的所述源拓扑与所述目标虚拟三维面部模型的所述目标拓扑的所述相应位置处的所述关键点之间的位置误差进行消除，可以包括：对所述源面部模型的所述源拓扑中的所述M 个关键点、与所述目标三维虚拟面部模块的所述目标拓扑的所述M个关键点的相对位置误差进行消除。
其中，消除所述位置误差可以指的是，所述源拓扑中的所述M个关键点中的第i个关键点，与所述目标拓扑中的所述M个关键点中的第i个关键点，在源拓扑或目标拓扑中的位置之间的误差进行消除。
这里，通过上述对所述语义对齐后的所述源面部模型的所述源拓扑与所述目标虚拟三维面部模型的所述目标拓扑的所述相应位置处的所述关键点之间的位置误差进行消除的处理，还可以使得所述源面部模型的源拓扑的第一表情空间与所述目标拓扑的形状相似。其中，所述第一表情空间可以为源面部模型的所述N个表情空间中的任意之一。
进一步分析，由于所述源面部模型以及目标虚拟三维面部模型之间存在形状上的差异，两个模型分别标注的关键点存在差异，这将造成表情迁移的损失。因此，本实施例为减少点云对齐的差异，进一步地使用预设算法对所述语义对齐后的所述源面部模型的所述源拓扑与所述目标虚拟三维面部模型的所述目标拓扑的所述相应位置处的所述关键点之间的位置误差进行消除，以减少误差，同时产生与目标拓扑形状近似的源拓扑的第一表情空间。所述预设算法可以为捏脸的bilinear(双线性)算法。
示例性的，参见图3-2，图3-2中为图3-1中的源拓扑以及目标拓扑的关键点初始对齐以及消除误差后的对齐的处理。如图3-2所示，先对图3-1中的标注了关键点的源拓扑以及标注了关键点的目标拓扑进行初对齐，也就是前述语义对齐，初对齐得到的局部位置的示意图为图3-2左侧图所示，图3-2的左侧图中可以看出初对齐之后，源拓扑的关键点31以及目标拓扑的关键点32 之间存在明显的位置误差，因此，前述处理中还会采用捏脸的bilinear算法对初对齐(即语义对齐)之后的两个拓扑进行位置误差消除，在消除误差后的对齐结果如图3-2右侧所示，可以看出其中的源拓扑的调整后的关键点31以及目标拓扑的调整后的关键点32之间的位置误差较小。本示例中，图3-2中仅示意出其中部分关键点，需要理解的是，在实际处理中可以是针对整个源拓扑以及目标拓扑中包含的全部关键点进行处理，图3-2仅为局部的示意图，其他关键点的处理可以是相同的，因此不做一一赘述。
可见，通过采用上述方案，将所述源面部模型的所述源拓扑与所述目标虚拟三维面部模型的所述目标拓扑进行对齐，并且在对齐的处理中不需要对所述源拓扑以及所述目标拓扑进行修改，如此，可以保证后续进行表情迁移的处理更加准确，并且，减少节省了大量的人力成本以及时间成本。
精准的对齐两个模型之后，将源拓扑的稀疏点位移迁移到目标拓扑即可获得源拓扑表情在目标拓扑的所述关键点的当前位移(即所述目标拓扑的当前稀疏表达)。将目标拓扑的所述关键点的当前位移参数化为混合形状 (blendshape)系数，即可在UE4引擎中进行驱动，实现面部表情的精准迁移。具体来说：
所述基于所述源拓扑的所述关键点的当前位移，确定所述目标拓扑所对应的当前组合系数，可以有以下两种处理方式，分别进行说明：
第一种方式：
基于所述源拓扑的所述关键点的所述当前位移，确定所述目标拓扑的所述关键点的当前位移；对所述目标拓扑的所述关键点的所述当前位移进行参数化处理，得到所述目标拓扑所对应的当前组合系数。
基于所述源拓扑的所述关键点的所述当前位移，确定所述目标拓扑的所述关键点的当前位移，具体可以包括：将所述源拓扑的所述关键点的所述当前位移迁移至所述目标拓扑对应位置处的关键点，得到所述目标拓扑中对应位置处的关键点的当前位移。
这里，确定所述源拓扑的所述关键点的所述当前位移的方式可以包括：基于所述源拓扑的所述关键点的当前位置、以及无表情的所述源拓扑所对应的所述关键点的原始位置，确定所述源拓扑的关键点的当前位移。比如，前述已经说明，在所述源拓扑中可以标注有所述M个关键点，M为大于等于1 的整数。将当前表情所对应的所述源拓扑中的所述M个关键点的第i个关键点的当前位置、与无表情的所述源拓扑所对应的所述第i个关键点的原始位置进行差值计算，得到所述源拓扑的第i个关键点的当前位移。其他关键点的计算与该第i个关键点相同，不做重复说明。
对所述目标拓扑的所述关键点的所述当前位移进行参数化处理，得到所述目标拓扑所对应的当前组合系数中，所述当前组合系数，指的是：N个维度的系数组成的当前组合系数。每一个维度的系数的取值范围限定在[0，1]，即大于等于1且小于等于1。
其中，N个维度对应了前述N个表情空间，也就是每一个维度对应了一个表情空间。
也就是说，对所述目标拓扑的所述关键点的所述当前位移进行参数化处理的过程即由关键点的当前位移(或称为稀疏点的当前变化)计算当前组合系数的过程。针对目标虚拟三维面部模型进行驱动，是由动画引擎预定义的一组混合形状(blendeshape)进行线性组合生成的；通过采用上述处理可以确定当前组合系数，该当前组合系数就是用于描述多个混合形状中每一个混合形状所对应的系数，进而可以驱动目标虚拟三维面部模型呈现对应的当前表情。
可见，通过采用上述方案，就可以实时的将当前源拓扑的关键点的当前位移迁移至目标拓扑，进而基于目标拓扑的关键点的当前位移进行参数化处理，即可得到所述当前组合系数。如此。可以满足实时性要求，并且可以在不修改模型的前提下，精准的实现表情迁移。
所述对所述目标拓扑的所述关键点的所述当前位移进行参数化处理，得到所述目标拓扑所对应的当前组合系数，包括：
基于所述目标拓扑的混合形状参数基底、以及所述目标拓扑的所述关键点的所述当前位移进行参数化处理，得到所述目标拓扑所对应的N个维度的系数；N为大于等于1的整数；
基于所述目标拓扑的所述关键点的当前位置对所述目标拓扑所对应的N 个维度的系数进行优化，得到优化后的所述N个维度的系数进行组合得到所述目标拓扑所对应的所述当前组合系数。
具体来说，基于所述目标拓扑的混合形状参数基底、以及所述目标拓扑的所述关键点的所述当前位移进行参数化处理，得到所述目标拓扑所对应的N个维度的系数，可以表达为：
其中，C(xe)与之间的差值即所述目标拓扑的所述关键点的所述当前位移；B表示所述目标拓扑的混合形状参数基底；xe即为需要求解的所述目标拓扑所对应的N个维度的系数。C(xe)为目标拓扑的当前位置，其中可以包含有所述目标拓扑的多个关键点的位置；/>表示所述目标拓扑的多个关键点的原始位置。
基于上述公式可以计算得到所述目标拓扑所对应的N个维度的系数。
进而，基于所述目标拓扑的所述关键点的当前位置对所述目标拓扑所对应的N个维度的系数进行优化，得到优化后的所述N个维度的系数进行组合得到所述目标拓扑所对应的所述当前组合系数中，优化的处理可以采用 LASSO损失来实现，比如具体的计算方式可以如下：
其中，E表示目标函数；xe为N个维度的系数，其中每一个维度称为第 j个维度，第j个维度的系数即的取值范围为大于等于0且小于等于1； i表示的是目标拓扑中关键点的序号，公式中设置i为大于等于1且小于等于 123*3；lmks表示的是目标拓扑中的关键点的当前位置，min表示取使得算式值最小的xe。
本方式中对所述目标拓扑的所述关键点的所述当前位移进行参数化处理，得到所述目标拓扑所对应的当前组合系数的过程建模为一个带约束的二次规划问题，求解该数学模型即可获得迁移后的人像表情参数化表达，即当前组合系数。可见，通过采用上述方案可以通过计算N个维度的系数并进一步对所述N个维度的系数进行进一步优化，从而可以避免错误，并使当前组合系数减少歧义，使得最终得到的当前组合系数更加准确合理，并且满足实时性要求。
第二种方式：基于所述源拓扑的所述关键点的当前位移，确定所述源拓扑的当前参数化表达；基于所述源拓扑的所述当前参数化表达以及迁移矩阵，确定所述目标拓扑所对应的当前组合系数。
上述基于所述源拓扑的所述关键点的当前位移，确定所述源拓扑的当前参数化表达的计算方式，可以采用与第一种方式类似的方式，比如，采用源拓扑的当前位移、以及所述源拓扑的混合形状参数基底，计算得到所述源拓扑的当前参数化表达，即所述源拓扑的组合系数。
进而，基于所述源拓扑的所述当前参数化表达以及迁移矩阵，确定所述目标拓扑所对应的当前组合系数，具体可以为：
基于所述源拓扑的所述当前参数化表达与所述迁移矩阵进行点积计算，得到所述目标拓扑所对应的当前组合系数。
具体可以使用以下公式进行计算：
其中，A(123*3)*num_A为所述源拓扑的所述当前参数化表达；为迁移矩阵；B(123*3)*num_B为目标拓扑的当前组合系数。
具体进行计算的时候，可以采用以下公式进行计算：
其中j为大于等于1且小于等于num_B的整数。
也就是说一共有num_B个维度(或表情空间)，num_B即前述N。通过迁移矩阵中包含的每一个维度的迁移系数与原拓扑的当前参数化表达中的该表情空间的参数化表达进行点积计算，得到该表情空间下目标拓扑的系数；最终将全部num_B个维度(即前述N个维度)的系数进行组合，得到所述目标拓扑的当前组合系数。
关于所述目标拓扑的当前组合系数的说明与前述第一种方式相同，这里不做重复说明。
上述迁移矩阵，可以为预先确定的，比如，可以为预先配置的，又或者，可以为预先进行离线计算得到的。
可见，通过采用上述方式，可以直接采用迁移矩阵就可以实现将源拓扑的参数化表达迁移至目标拓扑，得到目标拓扑的当前组合系数。如此，可以减少耗时，并且也可以保证准确的得到目标拓扑的当前组合系数，进而保证后续确定目标虚拟三维面部模型的当前表情更加高效。
具体确定所述迁移矩阵的方式可以包括：基于所述目标拓扑的混合形状参数基底以及所述源拓扑在N个维度分别对应的所述关键点的位置，确定所述迁移矩阵；N为大于等于1的整数。
所述源拓扑在N个维度分别对应的所述关键点的位置具体可以指的是，上述所述源拓扑在N个表情空间中不同表情空间下各个关键点的位置。这里，所述N个维度即N个表情空间，不同表情空间至少部分关键点的位置不同。
具体的，可以通过所述目标拓扑的混合形状参数基底、以及所述源拓在每一个维度的关键点的位置计算得到每一个维度的参数化表达，直至得到全部N个维度的参数化表达；将所述N个维度的参数化表达进行组合，得到N 个维度下的所述迁移矩阵。
示例性的，可以基于前述第一种方式的计算方式，离线的使用目标拓扑的混合形状参数(blendshape)基底拟合所述源拓扑的每一个维度的混合形状 (blendshape)所对应的关键点，得到每一个维度的参数化表达；将每一个维度的参数化表达组合起来获得维度为num_A*num_B的迁移矩阵。在线使用的时候，可以直接使用上述迁移矩阵，通过对于源拓扑的参数化表达与迁移矩阵点积即可获得目标拓扑的参数化表达。
可见，通过采用上述方式，可以预先采用源拓扑以及目标拓扑进行迁移矩阵的计算，进而再使用的时候可以直接采用迁移矩阵就可以实现将源拓扑的参数化表达迁移至目标拓扑，得到目标拓扑的当前组合系数。如此，可以减少耗时，并且也可以保证准确的得到目标拓扑的当前组合系数，进而保证后续进行目标虚拟三维面部模型的表情驱动更加高效，更加适用于实时性要求较高的处理场景。
根据本申请的实施例的第二方面，本申请还提供了一种表情迁移装置，如图4所示，包括：
源拓扑位移获取模块401，用于在源面部模型的源拓扑与目标虚拟三维面部模型的目标拓扑之间相应位置处的关键点对齐的情况下，获取所述源面部模型在当前表情下所述源拓扑的关键点的当前位移；
组合系数确定模块402，用于基于所述源拓扑的所述关键点的当前位移，确定所述目标拓扑所对应的当前组合系数；
表情驱动模块403，用于基于所述目标拓扑所对应的所述当前组合系数，确定所述目标虚拟三维面部模型的当前表情。
所述装置还包括：
拓扑对齐模块404，用于将所述源面部模型的所述源拓扑与所述目标虚拟三维面部模型的所述目标拓扑的相应位置处的关键点进行语义对齐，得到语义对齐后的所述源面部模型的所述源拓扑与所述目标虚拟三维面部模型的所述目标拓扑；对所述语义对齐后的所述源面部模型的所述源拓扑与所述目标虚拟三维面部模型的所述目标拓扑的所述相应位置处的所述关键点之间的位置误差进行消除，得到相应位置处的关键点对齐的所述源面部模型的所述源拓扑与所述目标虚拟三维面部模型的所述目标拓扑。
所述组合系数确定模块402，用于基于所述源拓扑的所述关键点的所述当前位移，确定所述目标拓扑的所述关键点的当前位移；对所述目标拓扑的所述关键点的所述当前位移进行参数化处理，得到所述目标拓扑所对应的当前组合系数。
所述组合系数确定模块402，用于基于所述目标拓扑的混合形状参数基底、以及所述目标拓扑的所述关键点的所述当前位移进行参数化处理，得到所述目标拓扑所对应的N个维度的系数；N为大于等于1的整数；基于所述目标拓扑的所述关键点的当前位置对所述目标拓扑所对应的N个维度的系数进行优化，得到优化后的所述N个维度的系数作为所述目标拓扑所对应的所述当前组合系数。
所述组合系数确定模块402，用于基于所述源拓扑的所述关键点的当前位移，确定所述源拓扑的当前参数化表达；基于所述源拓扑的所述当前参数化表达以及迁移矩阵，确定所述目标拓扑所对应的当前组合系数。
所述组合系数确定模块402，用于基于所述目标拓扑的混合形状参数基底以及所述源拓扑在N个维度分别对应的所述关键点的位置，确定所述迁移矩阵；N为大于等于1的整数。
根据本公开的实施例，本公开还提供了一种电子设备、一种可读存储介质和一种计算机程序产品。
图5示出了可以用来实施本公开的实施例的示例电子设备500的示意性框图。电子设备旨在表示各种形式的数字计算机，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置，诸如，个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或要求的本公开的实现。
如图5所示，设备500包括计算单元501，其可以根据存储在只读存储器(ROM)502中的计算机程序或者从存储单元508加载到随机访问存储器(RAM)503中的计算机程序来执行各种适当的动作和处理。在RAM 503中，还可存储设备500操作所需的各种程序和数据。计算单元501、 ROM 502以及RAM 503通过总线504彼此相连。输入输出(I/O)接口 505也连接至总线504。
设备500中的多个部件连接至I/O接口505，包括：输入单元506，例如键盘、鼠标等；输出单元507，例如各种类型的显示器、扬声器等；存储单元508，例如磁盘、光盘等；以及通信单元509，例如网卡、调制解调器、无线通信收发机等。通信单元509允许设备500通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
计算单元501可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元501的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。计算单元50执行上文所描述的各个方法和处理，例如表情迁移方法。例如，在一些实施例中，表情迁移方法可被实现为计算机软件程序，其被有形地包含于机器可读介质，例如存储单元 508。在一些实施例中，计算机程序的部分或者全部可以经由ROM 502和 /或通信单元509而被载入和/或安装到设备500上。当计算机程序加载到 RAM 503并由计算单元501执行时，可以执行上文描述的表情迁移方法的一个或多个步骤。备选地，在其他实施例中，计算单元501可以通过其他任何适当的方式(例如，借助于固件)而被配置为执行表情迁移方法。
本文中以上描述的***和技术的各种实施方式可以在数字电子电路***、集成电路***、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上***的***(SOC)、负载可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程***上执行和/ 或解释，该可编程处理器可以是专用或者通用可编程处理器，可以从存储***、至少一个输入装置、和至少一个输出装置接收数据和指令，并且将数据和指令传输至该存储***、该至少一个输入装置、和该至少一个输出装置。
用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器，使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行，作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本公开的上下文中，机器可读介质可以是有形的介质，其可以包含或存储以供指令执行***、装置或设备使用或与指令执行***、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体***、装置或设备，或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
为了提供与用户的交互，可以在计算机上实施此处描述的***和技术，该计算机具有：用于向用户显示信息的显示装置(例如，CRT(阴极射线管)或者LCD(液晶显示器)监视器)；以及键盘和指向装置(例如，鼠标或者轨迹球)，用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈(例如，视觉反馈、听觉反馈、或者触觉反馈)；并且可以用任何形式(包括声输入、语音输入、或者触觉输入来接收来自用户的输入。
可以将此处描述的***和技术实施在包括后台部件的计算***(例如，作为数据服务器)、或者包括中间件部件的计算***(例如，应用服务器)、或者包括前端部件的计算***(例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器来与此处描述的***和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算***中。可以通过任何形式或者介质的数字数据通信(例如，通信网络)来将***的部件相互连接。通信网络的示例包括：局域网(LAN)、广域网(WAN)和互联网。
计算机***可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。
应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本公开中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行，只要能够实现本公开公开的技术方案所期望的结果，本文在此不进行限制。
上述具体实施方式，并不构成对本公开保护范围的限制。本领域技术人员应该明白的是，根据设计要求和其他因素，可以进行各种修改、组合、子组合和替代。任何在本公开的精神和原则之内所作的修改、等同替换和改进等，均应包含在本公开保护范围之内。
Claims (10)
1.一种表情迁移方法，包括：
在源面部模型的源拓扑与目标虚拟三维面部模型的目标拓扑之间相应位置处的关键点对齐的情况下，获取所述源面部模型在当前表情下所述源拓扑的关键点的当前位移；
基于所述源拓扑的所述关键点的当前位移，确定所述目标拓扑所对应的当前组合系数；
基于所述目标拓扑所对应的所述当前组合系数，确定所述目标虚拟三维面部模型的当前表情；
其中，所述基于所述源拓扑的所述关键点的当前位移，确定所述目标拓扑所对应的当前组合系数，包括：
基于所述源拓扑的所述关键点的所述当前位移，确定所述目标拓扑的关键点的当前位移；
对所述目标拓扑的所述关键点的所述当前位移进行参数化处理，得到所述目标拓扑所对应的当前组合系数；
其中，所述对所述目标拓扑的所述关键点的所述当前位移进行参数化处理，得到所述目标拓扑所对应的当前组合系数，包括：
基于所述目标拓扑的混合形状参数基底、以及所述目标拓扑的所述关键点的所述当前位移进行参数化处理，得到所述目标拓扑所对应的N个维度的系数；N为大于等于1的整数；
基于所述目标拓扑的所述关键点的当前位置对所述目标拓扑所对应的N个维度的系数进行优化，得到优化后的所述N个维度的系数作为所述目标拓扑所对应的所述当前组合系数。
2.根据权利要求1所述的方法，其中，所述方法还包括：
将所述源面部模型的所述源拓扑与所述目标虚拟三维面部模型的所述目标拓扑的相应位置处的关键点进行语义对齐，得到语义对齐后的所述源面部模型的所述源拓扑与所述目标虚拟三维面部模型的所述目标拓扑；
对所述语义对齐后的所述源面部模型的所述源拓扑与所述目标虚拟三维面部模型的所述目标拓扑的所述相应位置处的所述关键点之间的位置误差进行消除，得到相应位置处的关键点对齐的所述源面部模型的所述源拓扑与所述目标虚拟三维面部模型的所述目标拓扑。
3.根据权利要求1所述的方法，其中，所述基于所述源拓扑的所述关键点的当前位移，确定所述目标拓扑所对应的当前组合系数，包括：
基于所述源拓扑的所述关键点的当前位移，确定所述源拓扑的当前参数化表达；
基于所述源拓扑的所述当前参数化表达以及迁移矩阵，确定所述目标拓扑所对应的当前组合系数。
4.根据权利要求3所述的方法，其中，所述方法还包括：
基于所述目标拓扑的混合形状参数基底以及所述源拓扑在N个维度分别对应的所述关键点的位置，确定所述迁移矩阵；N为大于等于1的整数。
5.一种表情迁移装置，包括：
源拓扑位移获取模块，用于在源面部模型的源拓扑与目标虚拟三维面部模型的目标拓扑之间相应位置处的关键点对齐的情况下，获取所述源面部模型在当前表情下所述源拓扑的关键点的当前位移；
组合系数确定模块，用于基于所述源拓扑的所述关键点的当前位移，确定所述目标拓扑所对应的当前组合系数；
表情驱动模块，用于基于所述目标拓扑所对应的所述当前组合系数，确定所述目标虚拟三维面部模型的当前表情；
其中，所述组合系数确定模块，用于基于所述源拓扑的所述关键点的所述当前位移，确定所述目标拓扑的所述关键点的当前位移；对所述目标拓扑的所述关键点的所述当前位移进行参数化处理，得到所述目标拓扑所对应的当前组合系数；
其中，所述组合系数确定模块，用于基于所述目标拓扑的混合形状参数基底、以及所述目标拓扑的所述关键点的所述当前位移进行参数化处理，得到所述目标拓扑所对应的N个维度的系数；N为大于等于1的整数；基于所述目标拓扑的所述关键点的当前位置对所述目标拓扑所对应的N个维度的系数进行优化，得到优化后的所述N个维度的系数作为所述目标拓扑所对应的所述当前组合系数。
6.根据权利要求5所述的装置，其中，所述装置还包括：
拓扑对齐模块，用于将所述源面部模型的所述源拓扑与所述目标虚拟三维面部模型的所述目标拓扑的相应位置处的关键点进行语义对齐，得到语义对齐后的所述源面部模型的所述源拓扑与所述目标虚拟三维面部模型的所述目标拓扑；对所述语义对齐后的所述源面部模型的所述源拓扑与所述目标虚拟三维面部模型的所述目标拓扑的所述相应位置处的所述关键点之间的位置误差进行消除，得到相应位置处的关键点对齐的所述源面部模型的所述源拓扑与所述目标虚拟三维面部模型的所述目标拓扑。
7.根据权利要求5所述的装置，其中，所述组合系数确定模块，用于基于所述源拓扑的所述关键点的当前位移，确定所述源拓扑的当前参数化表达；基于所述源拓扑的所述当前参数化表达以及迁移矩阵，确定所述目标拓扑所对应的当前组合系数。
8.根据权利要求7所述的装置，其中，所述组合系数确定模块，用于基于所述目标拓扑的混合形状参数基底以及所述源拓扑在N个维度分别对应的所述关键点的位置，确定所述迁移矩阵；N为大于等于1的整数。
9. 一种电子设备，包括：
至少一个处理器；以及
与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行权利要求1-4中任一项所述的方法。
10.一种存储有计算机指令的非瞬时计算机可读存储介质，所述计算机指令用于使所述计算机执行权利要求1-4中任一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011588392.XA CN112927328B (zh) | 2020-12-28 | 2020-12-28 | 表情迁移方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011588392.XA CN112927328B (zh) | 2020-12-28 | 2020-12-28 | 表情迁移方法、装置、电子设备及存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN112927328A CN112927328A (zh) | 2021-06-08 |
| CN112927328B true CN112927328B (zh) | 2023-09-01 |
Family
ID=76163065
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202011588392.XA Active CN112927328B (zh) | 2020-12-28 | 2020-12-28 | 表情迁移方法、装置、电子设备及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112927328B (zh) |
Families Citing this family (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113379903A (zh) * | 2021-06-30 | 2021-09-10 | 北京爱奇艺科技有限公司 | 数据的迁移方法及装置、电子设备、可读存储介质 |
| CN113674385B (zh) * | 2021-08-05 | 2023-07-18 | 北京奇艺世纪科技有限公司 | 一种虚拟表情生成方法、装置、电子设备及存储介质 |
| CN113792705B (zh) * | 2021-09-30 | 2024-04-23 | 北京跳悦智能科技有限公司 | 一种视频表情迁移方法及***、计算机设备 |
| CN115393488B (zh) * | 2022-10-28 | 2023-03-03 | 北京百度网讯科技有限公司 | 虚拟人物表情的驱动方法、装置、电子设备和存储介质 |
Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104616347A (zh) * | 2015-01-05 | 2015-05-13 | 掌赢信息科技（上海）有限公司 | 一种表情迁移方法、电子设备及*** |
| CN106097373A (zh) * | 2016-06-24 | 2016-11-09 | 聊城大学 | 一种基于分部式稀疏成分分析模型的笑脸合成方法 |
| CN106250813A (zh) * | 2016-07-18 | 2016-12-21 | 海信集团有限公司 | 一种面部表情迁移方法及设备 |
| CN109147024A (zh) * | 2018-08-16 | 2019-01-04 | Oppo广东移动通信有限公司 | 基于三维模型的表情更换方法和装置 |
| CN111127668A (zh) * | 2019-12-26 | 2020-05-08 | 网易（杭州）网络有限公司 | 一种角色模型生成方法、装置、电子设备和存储介质 |
| CN111275779A (zh) * | 2020-01-08 | 2020-06-12 | 网易（杭州）网络有限公司 | 表情迁移方法、图像生成器的训练方法、装置及电子设备 |
| WO2020134436A1 (zh) * | 2018-12-29 | 2020-07-02 | 华为技术有限公司 | 生成动画表情的方法和电子设备 |
| CN111563944A (zh) * | 2020-04-29 | 2020-08-21 | 山东财经大学 | 三维人脸表情迁移方法及*** |
| CN111598977A (zh) * | 2020-05-21 | 2020-08-28 | 北京中科深智科技有限公司 | 一种表情迁移并动画化的方法及*** |
| CN111768477A (zh) * | 2020-07-06 | 2020-10-13 | 网易（杭州）网络有限公司 | 三维人脸表情基建立方法及装置、存储介质及电子设备 |
-
2020
- 2020-12-28 CN CN202011588392.XA patent/CN112927328B/zh active Active
Patent Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104616347A (zh) * | 2015-01-05 | 2015-05-13 | 掌赢信息科技（上海）有限公司 | 一种表情迁移方法、电子设备及*** |
| CN106097373A (zh) * | 2016-06-24 | 2016-11-09 | 聊城大学 | 一种基于分部式稀疏成分分析模型的笑脸合成方法 |
| CN106250813A (zh) * | 2016-07-18 | 2016-12-21 | 海信集团有限公司 | 一种面部表情迁移方法及设备 |
| CN109147024A (zh) * | 2018-08-16 | 2019-01-04 | Oppo广东移动通信有限公司 | 基于三维模型的表情更换方法和装置 |
| WO2020134436A1 (zh) * | 2018-12-29 | 2020-07-02 | 华为技术有限公司 | 生成动画表情的方法和电子设备 |
| CN111383308A (zh) * | 2018-12-29 | 2020-07-07 | 华为技术有限公司 | 生成动画表情的方法和电子设备 |
| CN111127668A (zh) * | 2019-12-26 | 2020-05-08 | 网易（杭州）网络有限公司 | 一种角色模型生成方法、装置、电子设备和存储介质 |
| CN111275779A (zh) * | 2020-01-08 | 2020-06-12 | 网易（杭州）网络有限公司 | 表情迁移方法、图像生成器的训练方法、装置及电子设备 |
| CN111563944A (zh) * | 2020-04-29 | 2020-08-21 | 山东财经大学 | 三维人脸表情迁移方法及*** |
| CN111598977A (zh) * | 2020-05-21 | 2020-08-28 | 北京中科深智科技有限公司 | 一种表情迁移并动画化的方法及*** |
| CN111768477A (zh) * | 2020-07-06 | 2020-10-13 | 网易（杭州）网络有限公司 | 三维人脸表情基建立方法及装置、存储介质及电子设备 |
Non-Patent Citations (1)
| Title |
|---|
| 裴玉茹 ; 查红彬 ; .真实感人脸的形状与表情空间.计算机辅助设计与图形学学报.2006,(05),3-9. * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN112927328A (zh) | 2021-06-08 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN112927328B (zh) | 表情迁移方法、装置、电子设备及存储介质 | |
| WO2020199693A1 (zh) | 一种大姿态下的人脸识别方法、装置及设备 | |
| CN112862933B (zh) | 用于优化模型的方法、装置、设备以及存储介质 | |
| EP4027299A2 (en) | Method and apparatus for generating depth map, and storage medium | |
| CN113792730B (zh) | 文档图像的矫正方法、装置、电子设备和存储介质 | |
| CN112634343A (zh) | 图像深度估计模型的训练方法、图像深度信息的处理方法 | |
| CN115147265B (zh) | 虚拟形象生成方法、装置、电子设备和存储介质 | |
| CN114063858B (zh) | 图像处理方法、装置、电子设备及存储介质 | |
| CN115222879A (zh) | 一种模型减面处理方法、装置、电子设备及存储介质 | |
| CN113657396B (zh) | 训练方法、译文展示方法、装置、电子设备以及存储介质 | |
| CN113205090B (zh) | 图片矫正方法、装置、电子设备及计算机可读存储介质 | |
| CN116524165B (zh) | 三维表情模型的迁移方法、装置、设备和存储介质 | |
| CN113344213A (zh) | 知识蒸馏方法、装置、电子设备及计算机可读存储介质 | |
| CN115393488B (zh) | 虚拟人物表情的驱动方法、装置、电子设备和存储介质 | |
| CN113781653B (zh) | 对象模型生成方法、装置、电子设备及存储介质 | |
| CN114882313B (zh) | 生成图像标注信息的方法、装置、电子设备及存储介质 | |
| CN114078184B (zh) | 数据处理方法、装置、电子设备和介质 | |
| CN113592981B (zh) | 图片标注方法、装置、电子设备和存储介质 | |
| CN114581586A (zh) | 一种模型基底的生成方法、装置、电子设备及存储介质 | |
| CN114445682A (zh) | 训练模型的方法、装置、电子设备、存储介质及产品 | |
| CN113610992B (zh) | 骨骼驱动系数确定方法、装置、电子设备及可读存储介质 | |
| CN117475399B (zh) | 车道线拟合方法、电子设备及可读介质 | |
| CN112835007B (zh) | 点云数据转换方法、装置、电子设备和存储介质 | |
| CN114972683A (zh) | 基底生成方法、装置、电子设备以及存储介质 | |
| US20220335737A1 (en) | Method and apparatus for image annotation, and storage medium |
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 |