CN114049472A - 三维模型调整方法、装置、电子设备、介质 - Google Patents

Abstract

本公开提供了一种三维模型调整方法、装置、电子设备和介质，涉及增强/虚拟现实、数据处理领域，尤其涉及三维模型处理领域。一种三维模型调整方法，包括：获取初始三维模型，初始三维模型包括多个初始顶点；获取参考三维模型，参考三维模型包括与多个初始顶点对应的多个参考顶点；获取调整因子集合，调整因子集合包括与多个初始顶点对应的多个调整因子；对于多个初始顶点，基于初始顶点的坐标、对应的参考顶点的坐标以及对应的调整因子，获得对应的经调整的顶点的坐标；以及基于与多个初始顶点对应的多个经调整的顶点，确定经调整的三维模型。

Description

三维模型调整方法、装置、电子设备、介质

技术领域

本公开涉及增强/虚拟现实、数据处理技术领域，尤其涉及三维模型处理，具体涉及一种三维模型调整方法、装置、电子设备、计算机可读存储介质和计算机程序产品。

背景技术

当前，对二维图像的调整已经越来越常见，例如对二维图像进行美化、卡通化、风格变换、风格融合等。然而，对于三维模型，例如三维虚拟形象等，如何对这样的模型进行可控有效的调整还是一个难题。

发明内容

本公开提供了一种三维模型调整方法、装置、电子设备、计算机可读存储介质和计算机程序产品。

根据本公开的一方面，提供了一种三维模型调整方法，包括：获取初始三维模型，所述初始三维模型包括多个初始顶点；获取参考三维模型，所述参考三维模型包括与所述多个初始顶点对应的多个参考顶点；获取调整因子集合，所述调整因子集合包括与所述多个初始顶点对应的多个调整因子；对于所述多个初始顶点，基于初始顶点的坐标、对应的参考顶点的坐标以及对应的调整因子，获得对应的经调整的顶点的坐标；以及基于与所述多个初始顶点对应的多个经调整的顶点，确定经调整的三维模型。

根据本公开的另一方面，提供了一种三维模型调整装置，包括：初始三维模型获取单元，用于获取初始三维模型，所述初始三维模型包括多个初始顶点；参考三维模型获取单元，用于获取参考三维模型，所述参考三维模型包括与所述多个初始顶点对应的多个参考顶点；调整因子集合获取单元，用于获取调整因子集合，所述调整因子集合包括与所述多个初始顶点对应的多个调整因子；顶点确定单元，包括用于对于所述多个初始顶点执行下列操作的单元：基于初始顶点的坐标、对应的参考顶点的坐标以及对应的调整因子，获得对应的经调整的顶点的坐标；以及模型确定单元，用于基于与所述多个初始顶点对应的多个经调整的顶点确定经调整的三维模型。

根据本公开的另一方面，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根据本公开的一个或多个实施例的三维模型调整方法。

根据本公开的另一方面，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，其中，所述计算机指令用于使所述计算机执行根据本公开的一个或多个实施例的三维模型调整方法。

根据本公开的另一方面，提供了一种计算机程序产品，包括计算机程序，其中，所述计算机程序在被处理器执行时实现根据本公开的一个或多个实施例的三维模型调整方法。

根据本公开的一个或多个实施例，可以对三维模型进行可控的调整。

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

附图示例性地示出了实施例并且构成说明书的一部分，与说明书的文字描述一起用于讲解实施例的示例性实施方式。所示出的实施例仅出于例示的目的，并不限制权利要求的范围。在所有附图中，相同的附图标记指代类似但不一定相同的要素。

图1示出了根据本公开的实施例的可以在其中实施本文描述的各种方法的示例性***的示意图；

图2示出了根据本公开的实施例的三维模型调整方法的流程图；

图3示出了能够用于根据本公开的三维模型调整方法的参考三维模型的分类的示意图；

图4A-图4C示出了根据本公开的实施例的三维模型的示例子区域；

图5示出了根据本公开的实施例的三维模型调整装置的结构框图；

图6示出了能够用于实现本公开的实施例的示例性电子设备的结构框图。

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。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。

在本公开中，除非另有说明，否则使用术语“第一”、“第二”等来描述各种要素不意图限定这些要素的位置关系、时序关系或重要性关系，这种术语只是用于将一个元件与另一元件区分开。在一些示例中，第一要素和第二要素可以指向该要素的同一实例，而在某些情况下，基于上下文的描述，它们也可以指代不同实例。

在本公开中对各种所述示例的描述中所使用的术语只是为了描述特定示例的目的，而并非旨在进行限制。除非上下文另外明确地表明，如果不特意限定要素的数量，则该要素可以是一个也可以是多个。此外，本公开中所使用的术语“和/或”涵盖所列出的项目中的任何一个以及全部可能的组合方式。

下面将结合附图详细描述本公开的实施例。

图1示出了根据本公开的实施例可以将本文描述的各种方法和装置在其中实施的示例性***100的示意图。参考图1，该***100包括一个或多个客户端设备101、102、103、104、105和106、服务器120以及将一个或多个客户端设备耦接到服务器120的一个或多个通信网络110。客户端设备101、 102、103、104、105和106可以被配置为执行一个或多个应用程序。

在本公开的实施例中，服务器120可以运行使得能够执行根据本公开的三维模型调整方法的一个或多个服务或软件应用。

在某些实施例中，服务器120还可以提供可以包括非虚拟环境和虚拟环境的其他服务或软件应用。在某些实施例中，这些服务可以作为基于web的服务或云服务提供，例如在软件即服务(SaaS)模型下提供给客户端设备101、 102、103、104、105和/或106的用户。

在图1所示的配置中，服务器120可以包括实现由服务器120执行的功能的一个或多个组件。这些组件可以包括可由一个或多个处理器执行的软件组件、硬件组件或其组合。操作客户端设备101、102、103、104、105和/或 106的用户可以依次利用一个或多个客户端应用程序来与服务器120进行交互以利用这些组件提供的服务。应当理解，各种不同的***配置是可能的，其可以与***100不同。因此，图1是用于实施本文所描述的各种方法的***的一个示例，并且不旨在进行限制。

用户可以使用客户端设备101、102、103、104、105和/或106来输入二维图像、生成三维模型、查看或调整三维模型等。客户端设备可以提供使客户端设备的用户能够与客户端设备进行交互的接口。客户端设备还可以经由该接口向用户输出信息。尽管图1仅描绘了六种客户端设备，但是本领域技术人员将能够理解，本公开可以支持任何数量的客户端设备。

客户端设备101、102、103、104、105和/或106可以包括各种类型的计算机设备，例如便携式手持设备、通用计算机(诸如个人计算机和膝上型计算机)、工作站计算机、可穿戴设备、智能屏设备、自助服务终端设备、服务机器人、游戏***、瘦客户端、各种消息收发设备、传感器或其他感测设备等。这些计算机设备可以运行各种类型和版本的软件应用程序和操作***，例如MICROSOFT Windows、APPLE iOS、类UNIX操作***、Linux或类 Linux操作***(例如GOOGLE Chrome OS)；或包括各种移动操作***，例如MICROSOFT WindowsMobile OS、iOS、Windows Phone、Android。便携式手持设备可以包括蜂窝电话、智能电话、平板电脑、个人数字助理(PDA)等。可穿戴设备可以包括头戴式显示器(诸如智能眼镜)和其他设备。游戏***可以包括各种手持式游戏设备、支持互联网的游戏设备等。客户端设备能够执行各种不同的应用程序，例如各种与Internet相关的应用程序、通信应用程序(例如电子邮件应用程序)、短消息服务(SMS)应用程序，并且可以使用各种通信协议。

网络110可以是本领域技术人员熟知的任何类型的网络，其可以使用多种可用协议中的任何一种(包括但不限于TCP/IP、SNA、IPX等)来支持数据通信。仅作为示例，一个或多个网络110可以是局域网(LAN)、基于以太网的网络、令牌环、广域网(WAN)、因特网、虚拟网络、虚拟专用网络(VPN)、内部网、外部网、公共交换电话网(PSTN)、红外网络、无线网络(例如蓝牙、WIFI)和/或这些和/或其他网络的任意组合。

服务器120可以包括一个或多个通用计算机、专用服务器计算机(例如 PC(个人计算机)服务器、UNIX服务器、中端服务器)、刀片式服务器、大型计算机、服务器群集或任何其他适当的布置和/或组合。服务器120可以包括运行虚拟操作***的一个或多个虚拟机，或者涉及虚拟化的其他计算架构(例如可以被虚拟化以维护服务器的虚拟存储设备的逻辑存储设备的一个或多个灵活池)。在各种实施例中，服务器120可以运行提供下文所描述的功能的一个或多个服务或软件应用。

服务器120中的计算单元可以运行包括上述任何操作***以及任何商业上可用的服务器操作***的一个或多个操作***。服务器120还可以运行各种附加服务器应用程序和/或中间层应用程序中的任何一个，包括HTTP服务器、FTP服务器、CGI服务器、JAVA服务器、数据库服务器等。

在一些实施方式中，服务器120可以包括一个或多个应用程序，以分析和合并从客户端设备101、102、103、104、105和106的用户接收的数据馈送和/或事件更新。服务器120还可以包括一个或多个应用程序，以经由客户端设备101、102、103、104、105和106的一个或多个显示设备来显示数据馈送和/或实时事件。

在一些实施方式中，服务器120可以为分布式***的服务器，或者是结合了区块链的服务器。服务器120也可以是云服务器，或者是带人工智能技术的智能云计算服务器或智能云主机。云服务器是云计算服务体系中的一项主机产品，以解决传统物理主机与虚拟专用服务器(VPS，Virtual Private Server)服务中存在的管理难度大、业务扩展性弱的缺陷。

***100还可以包括一个或多个数据库130。在某些实施例中，这些数据库可以用于存储数据和其他信息。例如，数据库130中的一个或多个可用于存储诸如音频文件和视频文件的信息。数据库130可以驻留在各种位置。例如，由服务器120使用的数据库可以在服务器120本地，或者可以远离服务器120且可以经由基于网络或专用的连接与服务器120通信。数据库130 可以是不同的类型。在某些实施例中，由服务器120使用的数据库例如可以是关系数据库。这些数据库中的一个或多个可以响应于命令而存储、更新和检索到数据库以及来自数据库的数据。

在某些实施例中，数据库130中的一个或多个还可以由应用程序使用来存储应用程序数据。由应用程序使用的数据库可以是不同类型的数据库，例如键值存储库，对象存储库或由文件***支持的常规存储库。

图1的***100可以以各种方式配置和操作，以使得能够应用根据本公开所描述的各种方法和装置。

下面参考图2描述根据本公开的示例性实施例的三维模型调整方法200。

在步骤S201处，获取初始三维模型。初始三维模型包括多个初始顶点。三维模型也可以称为三维网格模型，是由顶点和顶点之间的拓扑构成的描述三维形态的模型，每个顶点具有在三维空间中的坐标位置。

在步骤S202处，获取参考三维模型，参考三维模型包括与多个初始顶点对应的多个参考顶点。

在步骤S203处，获取调整因子集合，调整因子集合包括与多个初始顶点对应的多个调整因子。

在步骤S204处，对于多个初始顶点，基于初始顶点的坐标、对应的参考顶点的坐标以及对应的调整因子，获得对应的经调整的顶点的坐标。

在步骤S205处，基于与多个初始顶点对应的多个经调整的顶点，确定经调整的三维模型。

根据本公开的实施例所述的方法，能够对三维模型进行可控的调整。通过将待调整的三维模型与参考三维模型逐点进行融合，能够获得精细自然的调整或优化效果。

可以理解的是，虽然被描述为“参考模型”，但是这并不要求参考模型是预先生成、预先存储和/或普适的。例如，在需要将两个三维模型(例如来自两个用户的虚拟形象、来自同一个用户的不同虚拟形象等，并且本公开不限于此)进行融合的情况下，可以将第一个模型称为“初始三维模型”，将第二个模型称为“参考三维模型”，或者反之亦然。

作为一个示例，在三维模型是虚拟三维形象的情况下，能够对虚拟三维形象进行美化。例如，可以预先确定“标准美”的虚拟头部形象，然后将想要美化的头部形象与“标准美”头部形象进行调整与融合，能够获得既像本人、又接近标准美的轮廓的经美化的模型，并且这样的逐点融合可以是精细并可控的。

根据一些实施例，初始三维模型和参考三维模型可以是包括虚拟头部形象的三维模型，并且获取参考三维模型可以包括获取具有与初始三维模型对应的脸型的参考三维模型。由此，基于与原始形象相对应的脸型的参考三维模型进行融合和调整，能够使调整结果更自然，例如，获得与原始形象看起来更接近、不会有明显脸形失真、但是仍然获得了想要的美化效果的模型。

根据一些实施例，初始三维模型可以是基于二维面部图像而生成的，并且获取具有与初始三维模型对应的脸型的参考三维模型包括：从多个预定脸型中确定与二维面部图像对应的特定脸型；以及获取与特定脸型对应的预存储的三维模型作为参考三维模型。

根据这样的实施例，可以预先存储有多个参考模型。基于输入照片确定脸型，确定对应的参考模型。例如，如图3所示，可以预先将人脸分为五个脸型：倒三角脸、圆脸、方脸、长脸和菱形脸，并且由设计师进行设计这些标准美的人脸模型，例如对于男性和女性各设计五个。之后，在根据照片确定是什么脸型之后，使用对应的模型进行优化。由此，能够基于二维照片确定脸型并且对应地进行调整。作为一个示例，可以在用户输入二维照片后，自动地生成三维模型并且对三维模型进行调整，这个过程在用户的角度来看可以是整体性的而不需要用户额外输入。可以理解的是，这里脸型的类型和数量仅为示例，并且本公开不限于此。作为另一个示例，当三维模型是包含身体的模型时，可以基于不同的体型设计不同的参考三维模型，确定与初始三维模型对应的体型，并且使用与所确定的体型相对应的参考模型来进行调整等。基于不同的应用场景和不同的三维模型类型，其他适用于三维模型的分类方式也是适用的。

根据一些实施例，获得对应的经调整的顶点的坐标可以包括：基于对应的调整因子将初始顶点的坐标与对应的参考顶点的坐标进行加权平均。

由此，能够简单且可控地基于参考模型(例如，标准美模型)和待优化的模型两者的坐标的加权平均获得优化效果。

例如，将调整因子记为S，对于初始顶点中的第i个初始顶点，坐标记为A_i，并且对应的参考顶点的坐标记为B_i，则经调整后的坐标可以是 C_i＝S*A_i+(1-S)*B_i。可以理解的是，其他调整方式也可以适用于本公开所述的方法，并且本公开不限于此。

根据一些实施例，获取调整因子集合包括基于至少一个策略确定调整因子集合，并且至少一个策略可以包括第一策略，第一策略用于减小调整因子集合中的、与初始三维模型中任意两个相邻的初始顶点对应的两个调整因子之间的差。通过这样的策略，能够使得相邻顶点对应的调整因子(例如，加权系数或者其他调整因子)尽可能接近，以获得更平滑、自然的调整效果。

根据一些附加或者替代的实施例，初始三维模型可以包括至少一个子区域，至少一个子区域中的每个子区域包括一个或多个顶点，并且至少一个子区域中的每个子区域具有预设的调整因子参考值。在这样的实施例中，至少一个策略可以包括第二策略，第二策略用于针对至少一个子区域中的每个子区域，减小与该子区域中的一个或多个顶点相对应的一个或多个调整因子中的每个调整因子的值与针对该子区域的调整因子参考值之间的差。在这样的实施例中，初始三维模型和参考三维模型可以具有相同的拓扑结构和顶点属性。作为一个更具体的非限制性示例，例如，初始三维模型和参考三维模型都有1000个点，其中200个属于头顶子区域，200个属于五官子区域……等等。基于分区域的模型调整能够在不需要复杂的人工干涉的情况下获得更加精细与符合期望的调整效果。

作为一个示例，基于至少一个策略确定调整因子集合可以通过最优化算法来实现。例如，可以设置目标函数

其中，s_i、s_j和s_k分别表示点i、j、k的调整因子，M(i)表示第i个顶点的相邻点的集合，n表示模型中的所有顶点的数量，m1表示第一个子区域中的顶点数量，s_r1表示第一个子区域中的调整因子参考值，m2表示第二个子区域中的顶点数量，s_r2表示第二个子区域中的调整因子参考值……以此类推。可以理解的是，虽然上述公式中示出了两个具有期望的参考调整因子的子区域，或者为了方便可以称为特征子区域，但是本公开不限于此。根据需求可以只设置一个特征子区域甚至没有特征子区域，或者可以设置更多个特征子区域，并且上述公式可以相应调整。

由此，可以更加精细地进行分区的相似度优化，从而生成更加可控的优化效果。

下面结合对虚拟头部形象进行美化的一个非限制性示例，更具体地描述本公开的各个方面。

在这样的示例中，获取参考模型可以包括确定融合目标所对应的脸型并且基于脸型获取对应的参考模型。例如，在接收到用户输入的照片后，基于输入照片确定脸型。作为另一个示例，可以基于初始三维模型确定脸型或类型。可以采用深度学习分类网络进行脸型分类估计，或者可以采用本领域技术人员能够理解的其他对脸型进行分类的方法。之后，获取与脸型匹配的标准美模型，例如参考图3所示出的离线预先生成的多个标准美模型中的一个。

在确定参考模型后，可以基于调整因子集合对模型进行融合和美化。一种策略可以是这样的：希望最终融合后的五官区域(例如，图4A中的区域)能够做到七分像本人，最终融合后的脸颊区域(例如，图4B中的区域)能够做到三分像本人，并且希望轮廓区域(例如，图4C中示出的区域)能够与本人相同。

希望根据这样的融合策略，在理想情况下达到这样一种目标，对于每一个原始模型中的坐标点A和对应的参考模型中的坐标点B，生成的坐标点C 可以被表述为

如果位于五官特征区域，则C＝0.7*A+0.3*B；

如果位于脸颊特征区域，则C＝0.3*A+0.7*B；

如果位于轮廓特征区域，则C＝1.0*A。

然而，可以理解的是，三维虚拟形象模型在三维空间中需要是平滑且连续的，但是按照上面的计算在不同特征区域边界可能会产生较大的凹凸不平。因此，可以对调整因子集合进行优化。如前文所述的，调整因子集合可以是通过全局最优化求解获得的。

作为一个具体的非限制性示例，可以设置这样的融合策略：将头部模型中的五官区域作为第一特征子区域，并且对应的调整因子参考值s_r1＝0.7；将头部模型中的脸颊区域作为第二特征子区域，并且对应的调整因子参考值 s_r2＝0.3；并且将轮廓区域作为第三特征子区域，并且对应的调整因子参考值s_r3＝1.0。可以理解的是，贯穿本文中，对子区域的数量限定，对五官、脸颊、轮廓子区域的命名与划分方式，以及对应的参考值均为说明性的示例，并且本公开不限于此。

基于此，可以设置下列目标函数，并且通过调整参数使得F取得最小值来获得调整因子的集合。

其中，s_i、s_j和s_k分别表示点i、j、k的调整因子，M(i)表示第i个顶点的相邻点的集合，n表示模型中的所有顶点的数量，m1表示第一个子区域中的顶点数量，s_r1表示第一个子区域中的调整因子参考值，m2表示第二个子区域中的顶点数量，s_r2表示第二个子区域中的调整因子参考值，m3表示第三个子区域中的顶点数量，s_r3表示第三个子区域中的调整因子参考值。

作为一个示例，在求解最优化问题时，可以将上述调整因子参考值设置为初始值以便于求解的收敛。或者，也可以采用其他本领域技术人员能够理解的初始值。作为另一个示例，并不需要上述目标函数F达到最小值，而只要小于特定值或者达到局部极小值，即能够满足美观要求。本领域技术人员可以理解的是，本公开不限于此。

通过全局优化求解，可以得到三维模型每个顶点的调整因子，这样，能够获得顶点之间的平滑过渡效果，并且在不同的区域也获得尽可能符合期望的调整效果。

随后，在得到了每个顶点的调整因子s_i之后，可以对初始模型中的每个顶点坐标A_i和对应的参考模型中的对应顶点坐标B_i进行逐点融合。例如，可以使用C_i＝s_i*A_i+(1-s_i)*B_i来计算对应的顶点C_i。或者，也可以采用其他的计算方式，并且本公开不限于此。

可以理解的是，这里描述的五官、脸颊和轮廓子区域可以并未涵盖全部模型区域。也即，n≥m1+m2+m3。或者，在其他示例中，可以有更多个或者更少数量的特征子区域，并且这些特征子区域的总和可以并没有覆盖全部模型区域。例如，继续上文所述的示例，在n>m1+m2+m3的情况下，可以将其余未涵盖的部分称为非特征子区域，在这些非特征子区域中不对调整因子设置期望值，而只优化平滑度。

可以理解的是，虽然以上结合不同的实施例描述本公开的方法时描述了对三维模型进行的调整可以是基于“标准美模型”的“美化”或“优化”，但是这样的示例并不对本公开的内容进行限制。例如，在某些应用场景下，可以是对初始三维模型进行基于参考模型的“丑化”“卡通化”或者能够获得其他所需风格的融合处理等。在另外一些应用场景下，可以是简单地将初始三维模型与另一模型进行相似度融合，以获得与两个模型均有一定相似度的模型。

现在参考图5描述根据本公开的实施例的三维模型调整装置500。三维模型调整装置500可以包括初始三维模型获取单元501、参考三维模型获取单元502、调整因子集合获取单元503、顶点确定单元504以及模型确定单元505。

初始三维模型获取单元501用于获取初始三维模型，初始三维模型包括多个初始顶点。

参考三维模型获取单元502用于获取参考三维模型，参考三维模型包括与多个初始顶点对应的多个参考顶点。

调整因子集合获取单元503用于获取调整因子集合，调整因子集合包括与多个初始顶点对应的多个调整因子。

顶点确定单元504包括用于对于多个初始顶点执行下列操作的单元：基于初始顶点的坐标、对应的参考顶点的坐标以及对应的调整因子，获得对应的经调整的顶点的坐标。

模型确定单元505用于基于与多个初始顶点对应的多个经调整的顶点确定经调整的三维模型。

根据本公开的实施例所述的装置，能够对三维模型进行精细可控的调整。

根据一些实施例，初始三维模型和参考三维模型是包括虚拟头部形象的三维模型，并且参考三维模型获取单元可以包括用于获取具有与初始三维模型对应的脸型的参考三维模型的单元。

根据一些实施例，初始三维模型是基于二维面部图像而生成的，并且用于获取具有与初始三维模型对应的脸型的参考三维模型的单元可以包括：用于从多个预定脸型中确定与二维面部图像对应的特定脸型的单元；以及用于获取与特定脸型对应的预存储的三维模型作为参考三维模型的单元。

根据一些实施例，用于基于初始顶点的坐标、对应的参考顶点的坐标以及对应的调整因子，获得对应的经调整的顶点的坐标的单元可以包括：用于基于对应的调整因子将初始顶点的坐标与对应的参考顶点的坐标进行加权平均的单元。

根据一些实施例，调整因子集合获取单元可以包括用于基于至少一个策略确定调整因子集合的单元，至少一个策略可以包括第一策略，第一策略用于减小调整因子集合中的、与初始三维模型中任意两个相邻的初始顶点对应的两个调整因子之间的差。

根据一些实施例，初始三维模型可以包括至少一个子区域，至少一个子区域中的每个子区域包括一个或多个顶点，并且至少一个子区域中的每个子区域具有预设的调整因子参考值。在这样的实施例中，至少一个策略还可以包括第二策略，第二策略用于针对至少一个子区域中的每个子区域，减小与该子区域中的一个或多个顶点相对应的一个或多个调整因子中的每个调整因子的值与针对该子区域的调整因子参考值之间的差。

本公开的技术方案中，所涉及的用户个人信息的收集、获取，存储、使用、加工、传输、提供和公开应用等处理，均符合相关法律法规的规定，且不违背公序良俗。

根据本公开的实施例，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。

参考图6，现将描述可以作为本公开的服务器或客户端的电子设备600 的结构框图，其是可以应用于本公开的各方面的硬件设备的示例。电子设备旨在表示各种形式的数字电子的计算机设备，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/或者要求的本公开的实现。

如图6所示，电子设备600包括计算单元601，其可以根据存储在只读存储器(ROM)602中的计算机程序或者从存储单元608加载到随机访问存储器(RAM)603中的计算机程序，来执行各种适当的动作和处理。在RAM 603中，还可存储电子设备600操作所需的各种程序和数据。计算单元601、 ROM 602以及RAM 603通过总线604彼此相连。输入/输出(I/O)接口605 也连接至总线604。

电子设备600中的多个部件连接至I/O接口605，包括：输入单元606、输出单元607、存储单元608以及通信单元609。输入单元606可以是能向电子设备600输入信息的任何类型的设备，输入单元606可以接收输入的数字或字符信息，以及产生与电子设备的用户设置和/或功能控制有关的键信号输入，并且可以包括但不限于鼠标、键盘、触摸屏、轨迹板、轨迹球、操作杆、麦克风和/或遥控器。输出单元607可以是能呈现信息的任何类型的设备，并且可以包括但不限于显示器、扬声器、视频/音频输出终端、振动器和 /或打印机。存储单元608可以包括但不限于磁盘、光盘。通信单元609允许电子设备600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，并且可以包括但不限于调制解调器、网卡、红外通信设备、无线通信收发机和/或芯片组，例如蓝牙TM设备、802.11设备、WiFi设备、 WiMax设备、蜂窝通信设备和/或类似物。

计算单元601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601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601执行上文所描述的各个方法和处理，例如方法200及其变型例等。例如，在一些实施例中，方法200及其变型例等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608。在一些实施例中，计算机程序的部分或者全部可以经由ROM 602和 /或通信单元609而被载入和/或安装到电子设备600上。当计算机程序加载到RAM 603并由计算单元601执行时，可以执行上文描述的方法200及其变型例等的一个或多个步骤。备选地，在其他实施例中，计算单元601可以通过其他任何适当的方式(例如，借助于固件)而被配置为执行方法200及其变型例等。

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)、复杂可编程逻辑设备(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。服务器可以是云服务器，也可以为分布式***的服务器，或者是结合了区块链的服务器。

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、也可以顺序地或以不同的次序执行，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。

虽然已经参照附图描述了本公开的实施例或示例，但应理解，上述的方法、***和设备仅仅是示例性的实施例或示例，本发明的范围并不由这些实施例或示例限制，而是仅由授权后的权利要求书及其等同范围来限定。实施例或示例中的各种要素可以被省略或者可由其等同要素替代。此外，可以通过不同于本公开中描述的次序来执行各步骤。进一步地，可以以各种方式组合实施例或示例中的各种要素。重要的是随着技术的演进，在此描述的很多要素可以由本公开之后出现的等同要素进行替换。

Claims (15)

1.一种三维模型调整方法，包括：

获取初始三维模型，所述初始三维模型包括多个初始顶点；

获取参考三维模型，所述参考三维模型包括与所述多个初始顶点对应的多个参考顶点；

获取调整因子集合，所述调整因子集合包括与所述多个初始顶点对应的多个调整因子；

对于所述多个初始顶点，基于初始顶点的坐标、对应的参考顶点的坐标以及对应的调整因子，获得对应的经调整的顶点的坐标；以及

基于与所述多个初始顶点对应的多个经调整的顶点，确定经调整的三维模型。

2.根据权利要求1所述的方法，其中，所述初始三维模型和所述参考三维模型是包括虚拟头部形象的三维模型，所述获取参考三维模型包括获取具有与所述初始三维模型对应的脸型的参考三维模型。

3.根据权利要求2所述的方法，其中，所述初始三维模型是基于二维面部图像而生成的，所述获取具有与所述初始三维模型对应的脸型的参考三维模型包括：

从多个预定脸型中确定与所述二维面部图像对应的特定脸型；以及

获取与所述特定脸型对应的预存储的三维模型作为所述参考三维模型。

4.根据权利要求1-3中任一项所述的方法，其中，获得对应的经调整的顶点的坐标包括：

基于对应的调整因子将初始顶点的坐标与对应的参考顶点的坐标进行加权平均。

5.根据权利要求1-4中任一项所述的方法，其中，所述获取调整因子集合包括基于至少一个策略确定所述调整因子集合，所述至少一个策略包括第一策略，所述第一策略用于减小所述调整因子集合中的、与所述初始三维模型中任意两个相邻的初始顶点对应的两个调整因子之间的差。

6.根据权利要求5所述的方法，其中，所述初始三维模型包括至少一个子区域，所述至少一个子区域中的每个子区域包括一个或多个顶点，并且所述至少一个子区域中的每个子区域具有预设的调整因子参考值，并且

其中，所述至少一个策略还包括第二策略，所述第二策略用于针对所述至少一个子区域中的每个子区域，减小与该子区域中的一个或多个顶点相对应的一个或多个调整因子中的每个调整因子的值与针对该子区域的调整因子参考值之间的差。

7.一种三维模型调整装置，包括：

初始三维模型获取单元，用于获取初始三维模型，所述初始三维模型包括多个初始顶点；

参考三维模型获取单元，用于获取参考三维模型，所述参考三维模型包括与所述多个初始顶点对应的多个参考顶点；

调整因子集合获取单元，用于获取调整因子集合，所述调整因子集合包括与所述多个初始顶点对应的多个调整因子；

顶点确定单元，包括用于对于所述多个初始顶点执行下列操作的单元：基于初始顶点的坐标、对应的参考顶点的坐标以及对应的调整因子，获得对应的经调整的顶点的坐标；以及

模型确定单元，用于基于与所述多个初始顶点对应的多个经调整的顶点确定经调整的三维模型。

8.根据权利要求7所述的装置，其中，所述初始三维模型和所述参考三维模型是包括虚拟头部形象的三维模型，所述参考三维模型获取单元包括用于获取具有与所述初始三维模型对应的脸型的参考三维模型的单元。

9.根据权利要求8所述的装置，其中，所述初始三维模型是基于二维面部图像而生成的，所述用于获取具有与所述初始三维模型对应的脸型的参考三维模型的单元包括：

用于从多个预定脸型中确定与所述二维面部图像对应的特定脸型的单元；以及

用于获取与所述特定脸型对应的预存储的三维模型作为所述参考三维模型的单元。

10.根据权利要求7-9中任一项所述的装置，其中，用于基于初始顶点的坐标、对应的参考顶点的坐标以及对应的调整因子，获得对应的经调整的顶点的坐标的单元包括：

用于基于对应的调整因子将初始顶点的坐标与对应的参考顶点的坐标进行加权平均的单元。

11.根据权利要求7-10中任一项所述的装置，其中，所述调整因子集合获取单元包括用于基于至少一个策略确定所述调整因子集合的单元，所述至少一个策略包括第一策略，所述第一策略用于减小所述调整因子集合中的、与所述初始三维模型中任意两个相邻的初始顶点对应的两个调整因子之间的差。

12.根据权利要求11所述的装置，其中，所述初始三维模型包括至少一个子区域，所述至少一个子区域中的每个子区域包括一个或多个顶点，并且所述至少一个子区域中的每个子区域具有预设的调整因子参考值，并且

其中，所述至少一个策略还包括第二策略，所述第二策略用于针对所述至少一个子区域中的每个子区域，减小与该子区域中的一个或多个顶点相对应的一个或多个调整因子中的每个调整因子的值与针对该子区域的调整因子参考值之间的差。

13.一种电子设备，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1-6中任一项所述的方法。

14.一种存储有计算机指令的非瞬时计算机可读存储介质，其中，所述计算机指令用于使所述计算机执行根据权利要求1-6中任一项所述的方法。

15.一种计算机程序产品，包括计算机程序，其中，所述计算机程序在被处理器执行时实现权利要求1-6中任一项所述的方法。

Images