CN115393488A - 虚拟人物表情的驱动方法、装置、电子设备和存储介质 - Google Patents

虚拟人物表情的驱动方法、装置、电子设备和存储介质 Download PDF

Info

Publication number
CN115393488A
CN115393488A CN202211338132.6A CN202211338132A CN115393488A CN 115393488 A CN115393488 A CN 115393488A CN 202211338132 A CN202211338132 A CN 202211338132A CN 115393488 A CN115393488 A CN 115393488A
Authority
CN
China
Prior art keywords
mixed
deformations
face
deformation
hybrid
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
CN202211338132.6A
Other languages
English (en)
Other versions
CN115393488B (zh
Inventor
梁柏荣
周航
徐志良
何栋梁
刘经拓
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.)
Beijing Baidu Netcom Science and Technology Co Ltd
Original Assignee
Beijing Baidu Netcom Science and Technology 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 Beijing Baidu Netcom Science and Technology Co Ltd filed Critical Beijing Baidu Netcom Science and Technology Co Ltd
Priority to CN202211338132.6A priority Critical patent/CN115393488B/zh
Publication of CN115393488A publication Critical patent/CN115393488A/zh
Application granted granted Critical
Publication of CN115393488B publication Critical patent/CN115393488B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

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
    • G06T19/00—Manipulating 3D models or images for computer graphics
    • G06T19/20—Editing of 3D images, e.g. changing shapes or colours, aligning objects or positioning parts
    • 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
    • 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
    • G06V40/174—Facial expression recognition
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2200/00—Indexing scheme for image data processing or generation, in general
    • G06T2200/04—Indexing scheme for image data processing or generation, in general involving 3D image data

Landscapes

  • Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Health & Medical Sciences (AREA)
  • Human Computer Interaction (AREA)
  • Multimedia (AREA)
  • General Health & Medical Sciences (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Architecture (AREA)
  • Computer Graphics (AREA)
  • Computer Hardware Design (AREA)
  • General Engineering & Computer Science (AREA)
  • Software Systems (AREA)
  • Processing Or Creating Images (AREA)

Abstract

本申请公开了虚拟人物表情的驱动方法、装置、电子设备和存储介质，涉及人工智能技术领域，具体为增强现实、虚拟现实、计算机视觉、深度学习等技术领域，可应用于元宇宙、虚拟数字人等场景。具体方案为：获取人脸图像，并将人脸图像输入到三维人脸模型中，得到人脸图像对应的第一人脸状态向量；将第一人脸状态向量输入到系数映射模型，得到人脸图像的多个第一混合变形分别对应的系数；根据多个第一混合变形分别对应的系数，确定虚拟人物的多个第二混合变形分别对应的系数；根据多个第二混合变形分别对应的系数，对虚拟人物的表情进行驱动。该方法提高了表情捕捉的准确性，提高了对虚拟人物表情驱动的准确性，及提高了虚拟人物的表现力。

Description

虚拟人物表情的驱动方法、装置、电子设备和存储介质
技术领域
本申请涉及人工智能技术领域，具体为增强现实、虚拟现实、计算机视觉、深度学习等技术领域，可应用于元宇宙、虚拟数字人等场景，具体涉及一种虚拟人物表情的驱动方法、装置、电子设备和存储介质。
背景技术
随着人工智能技术的发展，三维虚拟人物的应用场景越来越多。三维面部表情捕捉技术是三维虚拟人物中的一个重要技术之一，其任务是获取人脸表情，并将人脸表情迁移至虚拟人物上，实现虚拟人物的表情可控。因此，表情捕捉的准确性至关重要。
发明内容
本申请提供了一种虚拟人物表情的驱动方法、装置、电子设备和存储介质。具体方案如下：
根据本申请的一方面，提供了一种虚拟人物表情的驱动方法，包括：
获取人脸图像，并将人脸图像输入到三维人脸模型中，以得到人脸图像对应的第一人脸状态向量；
将第一人脸状态向量输入到系数映射模型中，以得到人脸图像对应的多个第一混合变形分别对应的系数，其中，所述第一混合变形是指用于组成人脸表情的三维模型；
根据多个第一混合变形分别对应的系数，确定虚拟人物的多个第二混合变形分别对应的系数，其中，所述第二混合变形是指用于组成所述虚拟人物表情的三维模型；
根据多个第二混合变形分别对应的系数，对虚拟人物的表情进行驱动。
根据本申请的另一方面，提供了一种虚拟人物表情的驱动装置，包括：
第一获取模块，用于获取人脸图像，并将人脸图像输入到三维人脸模型中，以得到人脸图像对应的第一人脸状态向量；
第二获取模块，用于将第一人脸状态向量输入到系数映射模型中，以得到人脸图像对应的多个第一混合变形分别对应的系数，其中，所述第一混合变形是指用于组成人脸表情的三维模型；
确定模块，用于根据多个第一混合变形分别对应的系数，确定虚拟人物的多个第二混合变形分别对应的系数，其中，所述第二混合变形是指用于组成所述虚拟人物表情的三维模型；
驱动模块，用于根据多个第二混合变形分别对应的系数，对虚拟人物的表情进行驱动。
根据本申请的另一方面，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上述实施例所述的方法。
根据本申请的另一方面，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上述实施例所述的方法。
根据本申请的另一方面，提供了一种计算机程序产品，包括计算机程序，所述计算机程序在被处理器执行时实现上述实施例所述方法的步骤。
应当理解，本部分所描述的内容并非旨在标识本申请的实施例的关键或重要特征，也不用于限制本申请的范围。本申请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，不构成对本申请的限定。其中：
图1为本申请一实施例提供的虚拟人物表情的驱动方法的流程示意图；
图2为本申请另一实施例提供的虚拟人物表情的驱动方法的流程示意图；
图3为本申请另一实施例提供的虚拟人物表情的驱动方法的流程示意图；
图4为本申请另一实施例提供的虚拟人物表情的驱动方法的流程示意图；
图5为本申请一实施例提供的虚拟人物表情的驱动装置的结构示意图；
图6是用来实现本申请实施例的虚拟人物表情的驱动方法的电子设备的框图。
具体实施方式
以下结合附图对本申请的示范性实施例做出说明，其中包括本申请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，而不会背离本申请的范围和精神。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。
下面参考附图描述本申请实施例的虚拟人物表情的驱动方法、装置、电子设备和存储介质。
人工智能是研究使用计算机来模拟人的某些思维过程和智能行为（如学习、推理、思考、规划等）的学科，既有硬件层面的技术领域也有软件层面的技术。人工智能硬件技术一般包括如传感器、专用人工智能芯片、云计算、分布式存储、大数据处理等技术；人工智能软件技术包括计算机视觉技术、语音识别技术、自然语言处理技术以及深度学习、大数据处理技术、知识图谱技术等几大方向。
增强现实技术是一种将虚拟信息与真实世界巧妙融合的技术，广泛运用了多媒体、三维建模、实时跟踪及注册、智能交互、传感等多种技术手段，将计算机生成的文字、图像、三维模型、音乐、视频等虚拟信息模拟仿真后，应用到真实世界中，两种信息互为补充，从而实现对真实世界的“增强”。
虚拟现实技术囊括计算机、电子信息、仿真技术，其基本实现方式是以计算机技术为主，利用并综合三维图形技术、多媒体技术、仿真技术、显示技术、伺服技术等多种高科技的最新发展成果，借助计算机等设备产生一个逼真的三维视觉、触觉、嗅觉等多种感官体验的虚拟世界，从而使处于虚拟世界中的人产生一种身临其境的感觉。
计算机视觉是一门研究如何使机器“看”的科学，是指用摄影机和电脑代替人眼对目标进行识别、跟踪和测量等机器视觉，并进一步做图形处理，使电脑处理成为更适合人眼观察或传送给仪器检测的图像。
深度学习是机器学习领域中一个新的研究方向。深度学习是学习样本数据的内在规律和表示层次，这些学习过程中获得的信息对诸如文字，图像和声音等数据的解释有很大的帮助。它的最终目标是让机器能够像人一样具有分析学习能力，能够识别文字、图像和声音等数据。
相关技术中，三维面部表情捕捉主要通过关键点进行三维人脸重建，因此，表情的捕捉能力受限于关键点的表达能力，可能会导致有的表情无法表达出来。
基于此，本申请实施例提供一种虚拟人物表情的驱动方法，通过利用三维人脸模型得到人脸图像中的人脸状态向量，再利用系数映射模型将人脸状态向量映射得到人脸图像的多个第一混合变形分别对应的系数，再根据多个第一混合变形分别对应的系数，确定虚拟人物的第二混合变形分别对应的系数，进而根据第二混合变形分别对应的系数，对虚拟人物的表情进行驱动，提高了表情捕捉的准确性。
图1为本申请一实施例提供的虚拟人物表情的驱动方法的流程示意图。
本申请实施例的虚拟人物表情的驱动方法，可以由本申请实施例的虚拟人物表情的驱动装置执行，该装置可以配置于电子设备中，以实现对虚拟人物表情的驱动功能。
其中，电子设备可以为任一具有计算能力的设备，例如可以为个人电脑、移动终端、服务器等，移动终端例如可以为车载设备、手机、平板电脑、个人数字助理、穿戴式设备等具有各种操作***、触摸屏和/或显示屏的硬件设备。
如图1所示，该虚拟人物表情的驱动方法包括：
步骤101，获取人脸图像，并将人脸图像输入到三维人脸模型中，以得到人脸图像对应的第一人脸状态向量。
其中，人脸图像可以是对人的脸部进行拍摄得到，或者可以是从对人进行拍摄得到的图像中裁剪出的人脸区域的图像，或者也可以是通过其他方式获取的，本申请对此不作限定。
在获取人脸图像后，可以将人脸图像输入到三维人脸模型中，以获取三维人脸模型输出的第一人脸状态向量。
其中，三维人脸模型可以是3DMM模型（3D MorphableModels，三维可变形人脸模型），也可以是其他三维人脸模型等。
本申请中，第一人脸状态向量可以用于表征人脸图像中人脸的状态信息，第一人脸状态向量可以包括人脸图像中人脸的人脸表情向量、人脸形状向量、人脸姿态向量等。
步骤102，将第一人脸状态向量输入到系数映射模型中，以得到人脸图像对应的多个第一混合变形分别对应的系数。
其中，系数映射模型可以是预先训练得到的，系数映射模型可以用于将三维人脸模型输出的第一人脸状态向量映射到多个第一混合变形分别对应的系数上，利用系数映射模型可以提高第一混合变形的系数的准确性。
本申请中，第一混合变形可以是指用于组成人脸表情的三维模型，可以将人脸表情用多个第一混合变形与其系数的加权组合表示。
本申请中，第一混合变形可以理解为是一个固定的形变后的人脸模型，第一混合变形的系数可以理解为第一混合变形的权重，第一混合变形的系数可以用于表征第一混合变形的动作范围。
比如，可以将人脸表情划分为51个第一混合变形，如左眼向右看、左眼向左看、左眼目视前方、嘴巴张开等，可以根据51个第一混合变形及各自对应的系数的加权组合，得到一个人脸表情。
步骤103，根据多个第一混合变形分别对应的系数，确定虚拟人物的多个第二混合变形分别对应的系数。
本申请中，第二混合变形可以是指用于组成虚拟人物表情的三维模型，可以将虚拟人物的表情用多个第二混合变形与其系数的加权组合表示。
本申请中，第二混合变形也可以理解为是一个固定的形变后的人脸模型，第二混合变形的系数可以理解为第二混合变形的权重，第二混合变形的系数可以用于表征第二混合变形的动作范围。
需要说明的是，不同的虚拟人物，第二混合变形可以相同，也可以不同，可以根据实际需要设置。
本申请中，第二混合变形的数量与第一混合变形的数量可以相同也可以不同，本申请对此不作限定。
在实际应用中，为了提高虚拟人物的表现力，第二混合变形的数量可以大于第一混合变形的数量。比如，可以第一混合变形的数量为51，第二混合变形的数量为300。
本申请中，可以基于第一混合变形与第二混合变形之间的对应关系，及多个第一混合变形分别对应的系数，确定多个第二混合变形分别对应的系数，或者也可以根据每个第一混合变形的语义，查找到与每个第一混合变形相关的第二混合变形，进而根据每个第一混合变形的系数，确定相关的第二混合变形的系数。
步骤104，根据多个第二混合变形分别对应的系数，对虚拟人物的表情进行驱动。
本申请中，由于第二混合变形的系数可以用于表征第二混合变形的动作范围，那么可以根据每个第二混合变形的系数，控制虚拟人物的人脸模型中与每个第二混合变形对应区域，从而得到虚拟人物的表情。
或者，也可以对多个第二混合变形及各自对应的系数进行加权组合，得到虚拟人物的表情，从而实现对虚拟人物表情的驱动。由此，基于多个第二混合变形及其系数的加权组合，对虚拟人物的表情进行驱动，提高了虚拟人物表情控制的准确性。
本申请实施例中，通过将人脸图像输入到三维人脸模型中，利用三维人脸模型得到人脸图像对应的第一人脸状态向量，再将第一人脸状态向量输入到系数映射模型，得到人脸图像对应的多个第一混合变形分别对应的系数，并根据多个第一混合变形分别对应的系数，确定虚拟人物的多个第二混合变形分别对应的系数，最后根据多个第二混合变形分别对应的系数，对虚拟人物的表情进行驱动。由此，基于第一人脸状态向量到第一混合变形系数的映射，及第一混合变形的系数到虚拟人物的第二混合变形的系数的映射，对虚拟人物的表情进行驱动，从而提高了表情捕捉的准确性，提高了对虚拟人物表情驱动的准确性，及提高了虚拟人物的表现力。
图2为本申请另一实施例提供的虚拟人物表情的驱动方法的流程示意图。
如图2所示，该虚拟人物表情的驱动方法包括：
步骤201，获取人脸图像，并将人脸图像输入到三维人脸模型中，以得到人脸图像对应的第一人脸状态向量。
步骤202，将第一人脸状态向量输入到系数映射模型中，以得到人脸图像对应的多个第一混合变形分别对应的系数。
本申请中，步骤201-步骤202与上述实施例记载的内容的类似，故在此不再赘述。
步骤203，获取多个第一混合变形与多个第二混合变形之间的对应关系。
本申请中，一个第一混合变形可以对应与一个或多个第二混合变形，第一混合变形可以与对应的第二混合变形关联的人脸区域相同。比如，某个第一混合变形为左眼目视前方，与其对应的第二混合变形关联的人脸区域也是左眼。
步骤204，根据对应关系，确定多个第二混合变形中与每个第一混合变形关联的第二混合变形。
本申请中，针对每个第一混合变形，可以通过查询该对应关系，确定每个第一混合变形对应的第二混合变形，可以将每个第一混合变形对应的第二混合变形，作为该第一混合变形关联的第二混合变形。
比如，对应关系中某第一混合变形C1对应的第二混合变形有D3、D4、D5、D6，那么该第一混合变形C1关联的第二混合变形为D3、D4、D5、D6。其中，C1、D3、D4、D5、D6可以理解为混合变形的标识。
步骤205，根据每个第一混合变形的系数，确定关联的第二混合变形的系数。
本申请中，可以将每个第一混合变形的系数，作为关联的第二混合变形的系数。
为了满足对虚拟人物表情的控制的多样化需求，本申请中，可以获取预先设置的每个第一混合变形对应的系数映射规则，其中，系数映射规则可以是指第一混合变形的系数到第二混合变形的系数之间的映射规则。之后，可以采用每个第一混合变形对应的系数映射规则，基于每个第一混合变形的系数，映射得到每个第一混合变形关联的第二混合变形的系数。
比如，某第一混合变形A11对应的系数映射规则为第二混合变形B21的系数为A11系数的1倍、第二混合变形B22位A11系数的0.8倍、第二混合变形B23为A11系数的0.8倍，若A11的系数为0.8，那么B21、B22、B23的系数分别为0.8、0.64、0.64。
本申请中，可以基于第一混合变形对应的系数映射规则，确定关联的第二混合变形的系数。由此，可以通过调整第一混合变形对应的系数映射规则，满足对虚拟人物表情驱动的多样化需求。
或者，本申请中，也可以获取预先设置的每个第二混合变形的系数调整规则，可以先将每个第一混合变形的系数，确定为关联的第二混合变形的初始系数，之后再根据关联的第二混合变形的系数调整规则，调整关联的第二混合变形的初始系数，从而得到关联的第二混合变形的系数。
比如，第一混合变形A12关联的一个第二混合变形为B24，B24的系数调整规则为将初始系数减去0.1，且B24的系数大于或等于0，若A12的系数为0.6，那么B24的系数为0.6-0.1=0.5。
又如，第一混合变形A13关联的一个第二混合变形为B25，B25的系数调整规则是调整为初始系数的0.9倍，若A13的系数为0.8，那么B25的系数为0.8*0.9=0.72。
本申请中，可以基于每个第二混合变形的系数调整规则，在关联的第一混合变形的系数的基础上调整得到第二混合变形的系数。由此，可以通过调整第二混合变形的系数映射规则，满足对虚拟人物表情驱动的多样化需求。
步骤206，根据多个第二混合变形分别对应的系数，对虚拟人物的表情进行驱动。
本申请中，步骤206与上述实施例记载的内容类似，故在此不再赘述。
本申请实施例中，在根据多个第一混合变形分别对应的系数，确定虚拟人物的多个第二混合变形分别对应的系数时，可以基于多个第一混合变形与多个第二混合变形之间对应关系及每个第一混合变形的系数，确定每个第二混合变形的系数，实现了由第一混合变形到第二混合变形的系数映射，提高了表情捕捉的准确性，提高了对虚拟人物表情驱动的准确性。
图3为本申请另一实施例提供的虚拟人物表情的驱动方法的流程示意图。
如图3所示，该虚拟人物表情的驱动方法包括：
步骤301，获取人脸图像，并将人脸图像输入到三维人脸模型中，以得到人脸图像对应的第一人脸状态向量。
步骤302，将第一人脸状态向量输入到系数映射模型中，以得到人脸图像对应的多个第一混合变形分别对应的系数。
本申请中，步骤301-步骤302与上述实施例记载的内容类似，故在此不再赘述。
步骤303，根据多个第一混合变形的语义及多个第二混合变形的语义，确定多个第二混合变形中与每个第一混合变形关联的第二混合变形。
本申请中，每个第一混合变形都具有一定的语义，每个第二混合变形也具有一定的语义。比如，某第一混合变形为左眼目视前方的人脸模型，那么该第一混合变形的语义为左眼目视前方。
本申请中，可以获取多个第一混合变形的语义以及多个第二混合变形的语义，并计算每个第一混合变形分别与多个第二混合变形之间的语义匹配度，可以将语义匹配度大于预设阈值的第二混合变形，作为与每个第一混合变形关联的第二混合变形。或者，也可以基于语义匹配度，逐个确定第一混合变形关联的第二混合变形。
本申请中，通过根据第一混合变形与第二混合变形之间的语义匹配度，确定与每个第一混合变形关联的第二混合变形，准确性较高。
或者，本申请中，也可以根据每个第一混合变形的语义，确定每个第一混合变形关联的人脸区域，及根据每个第二混合变形的语义，确定每个第二混合变形关联的人脸区域，并将每个第一混合变形关联的人脸区域分别与多个第二混合变形关联的人脸区域进行比对，可以将多个第二混合变形中与每个第一混合变形关联的人脸区域相同的第二混合变形，确定为与每个第一混合变形关联的第二混合变形。
比如，某第一混合变形C1关联的人脸区域为右眼，第二混合变形D1和D2关联的人脸区域也为右眼，那么可以将第二混合变形D1和D2确定为与C1关联的第二混合变形。
由此，本申请中，可以基于第一混合变形和第二混合变形的语义，确定每个第一混合变形关联的人脸区域及每个第二混合变形关联的人脸区域，通过比较第一混合变形关联的人脸区域与第二混合变形关联的人脸区域，可以确定每个第一混合变形关联的第二混合变形，确定方法简单、方便。
步骤304，根据每个第一混合变形的系数，确定关联的第二混合变形的系数。
步骤305，根据多个第二混合变形分别对应的系数，对虚拟人物的表情进行驱动。
本申请中，步骤304-步骤305与上述实施例中记载的内容类似，故在此不再赘述。
本申请实施例中，在根据多个第一混合变形分别对应的系数，确定虚拟人物的多个第二混合变形分别对应的系数时，可以基于多个第一混合变形的语义与多个第二混合变形的语义，确定每个第一混合变形关联的第二混合变形，再根据每个第一混合变形的系数，确定关联的第二混合变形的系数，实现了由第一混合变形到第二混合变形的系数映射，提高了表情捕捉的准确性，提高了对虚拟人物表情驱动的准确性。
图4为本申请另一实施例提供的虚拟人物表情的驱动方法的流程示意图。
如图4所示，上述系数映射模型可以通过以下步骤训练得到：
步骤401，获取人脸样本图像及人脸样本图像对应的多个第一混合变形分别对应的标注系数。
本申请中，人脸样本图像的多个第一混合变形分别对应的标注系数，可以是在利用拍摄软件拍摄人脸样本图像时，拍摄软件给出的系数。
本申请中，在获取人脸样本图像时，可以对多个人的表情进行拍摄得到多个样本视频。为了降低运算量，可以对每个样本视频进行抽帧，以获取每个样本视频的多帧图像，之后针对每个样本视频，对多帧图像中的每帧图像进行人脸关键点检测，以得到每帧图像中的人脸关键点，并根据每帧图像中的人脸关键点，确定每帧图像中的人脸区域，以对每帧图像进行剪裁处理，得到每帧图像中的人脸区域图像，并将人脸区域图像调整为预设大小，得到人脸样本图像。
在对样本视频进行抽帧时，作为一种可能的实现方式，可以根据设定的抽帧间距或者抽帧频率，对样本视频进行抽帧，以得到多帧图像。
作为另一种可能的实现方式，考虑到连续的视频帧之间的内容存在相似性，因此，为了降低计算量，提升处理效率，本申请中，可以根据样本视频中各视频帧内容间的相似度，对样本视频进行去重处理，以得到多个视频帧（也即多帧图像）。
由此，通过对样本视频的多帧图像中的每帧图像进行人脸关键点检测，以从每帧图像中提取人脸区域图像，可以减少后续三维人脸模型的计算量，提高模型输出结果的准确性。并且，将人脸样本图像统一为固定大小，可以便于三维人脸模型处理。
步骤402，将人脸样本图像输入到三维人脸模型中，得到人脸样本图像对应的第二人脸状态向量。
其中，第二人脸状态向量可以包括人脸样本图像中人脸的人脸表情向量、人脸形状向量、人脸姿态向量等。
为了减少系数映射模型的训练时长，加快模型的收敛速度，本申请中，可以先对人脸样本图像中各像素点的像素值进行归一化处理，得到归一化后的人脸样本图像，将归一化后的人脸样本图像输入到三维人脸模型中，从而可以减少模型的计算量，减少训练时长，加快模型的收敛速度。
在对人脸样本图像归一化时，可以将每个像素点的像素值除以最大像素值并减去指定值，得到每个像素点归一化后的像素值。
比如，最大像素值为255，指定值为1，那么可以将人脸样本图像中各像素点的像素值除以255再减去1，使每个像素点归一化后的像素值在[-1, 1]之间。或者，指定值也可以为0，可以使得每个像素点归一化后的像素值在[0,1]之间。
需要说明的是，上述指定值仅为示例，不应当看作是对本申请的限制。
步骤403，将第二人脸状态向量输入到初始系数映射模型中，以得到人脸样本图像对应的多个第一混合变形分别对应的预测系数。
本申请中，可以将人脸样本图像对应的第二人脸状态向量输入到初始系数映射模型中，以得到初始系数映射输出的多个第一混合变形分别对应的预测系数。
步骤404，根据预测系数与标注系数之间的差异，对初始系数映射模型进行训练，以得到系数映射模型。
本申请中，可以根据每个第一混合变形对应的预测系数与标准系数之间的差异，确定每个第一混合变形的损失值，并将多个第一混合变形的损失值相加，得到初始系数映射模型的模型损失值，并根据模型损失值，对初始系数映射模型的参数进行调整，之后继续对调整后的系数映射模型进行训练，直至满足训练结束条件，得到系数映射模型。
在对初始系数映射模型进行训练时，可以通过深度学习的方式进行训练，相比于其他机器学习方法，深度学习在大数据集上的表现更好。
本申请实施例中，可以通过将人脸样本图像的第二人脸状态向量输入到初始系数映射模型中，得到人脸样本图像对应的多个第一混合变形的预测系数，并根据多个第一混合变形分别对应的预测系数与标注系数之间的差异，对初始系数映射模型进行训练，从而可以得到系数映射模型，利用系数映射模型，可以提高第一混合变形系数的准确性。
为了实现上述实施例，本申请实施例还提出一种虚拟人物表情的驱动装置。图5为本申请一实施例提供的虚拟人物表情的驱动装置的结构示意图。
如图5所示，该虚拟人物表情的驱动装置500包括：
第一获取模块510，用于获取人脸图像，并将人脸图像输入到三维人脸模型中，以得到人脸图像对应的第一人脸状态向量；
第二获取模块520，用于将第一人脸状态向量输入到系数映射模型中，以得到人脸图像对应的多个第一混合变形分别对应的系数，其中，第一混合变形是指用于组成人脸表情的三维模型；
确定模块530，用于根据多个第一混合变形分别对应的系数，确定虚拟人物的多个第二混合变形分别对应的系数，其中，第二混合变形是指用于组成所述虚拟人物表情的三维模型；
驱动模块540，用于根据多个第二混合变形分别对应的系数，对虚拟人物的表情进行驱动。
在本申请实施例一种可能的实现方式中，确定模块530，用于：
获取多个第一混合变形与多个第二混合变形之间的对应关系；
根据对应关系，确定多个第二混合变形中与每个第一混合变形关联的第二混合变形；
根据每个第一混合变形的系数，确定关联的第二混合变形的系数。
在本申请实施例一种可能的实现方式中，确定模块530，用于：
根据多个第一混合变形的语义及多个第二混合变形的语义，确定多个第二混合变形中与每个第一混合变形关联的第二混合变形；
根据每个第一混合变形的系数，确定关联的第二混合变形的系数。
在本申请实施例一种可能的实现方式中，确定模块530，用于：
根据多个第一混合变形的语义及多个第二混合变形的语义，确定每个第一混合变形分别与多个第二混合变形之间的语义匹配度；
根据每个第一混合变形对应的多个语义匹配度，确定与每个第一混合变形关联的第二混合变形。
在本申请实施例一种可能的实现方式中，确定模块530，用于：
根据每个第一混合变形的语义，确定每个第一混合变形关联的人脸区域；
根据每个第二混合变形的语义，确定每个第二混合变形关联的人脸区域；
将每个第一混合变形关联的人脸区域分别与多个第二混合变形关联的人脸区域进行比对；
将多个第二混合变形中与每个第一混合变形关联的人脸区域相同的第二混合变形，确定为关联的第二混合变形。
在本申请实施例一种可能的实现方式中，确定模块530，用于：
获取每个第一混合变形对应的系数映射规则；
根据系数映射规则及每个第一混合变形的系数，确定关联的第二混合变形的系数。
在本申请实施例一种可能的实现方式中，确定模块530，用于：
获取每个第二混合变形的系数调整规则；
将每个第一混合变形的系数，确定为关联的第二混合变形的初始系数；
根据关联的第二混合变形的系数调整规则，对关联的第二混合变形的初始系数进行调整，以确定关联的第二混合变形的系数。
在本申请实施例一种可能的实现方式中，该装置还可以包括：
第三获取模块，用于获取人脸样本图像及人脸样本图像对应的多个第一混合变形分别对应的标注系数；
第四获取模块，用于将人脸样本图像输入到三维人脸模型中，得到人脸样本图像对应的第二人脸状态向量；
第五获取模块，用于将第二人脸状态向量输入到初始系数映射模型中，以得到人脸样本图像对应的多个第一混合变形分别对应的预测系数；
训练模块，用于根据预测系数与标注系数之间的差异，对初始系数映射模型进行训练，以得到系数映射模型。
在本申请实施例一种可能的实现方式中，第四获取模块，用于：
对人脸样本图像中各像素点的像素值进行归一化处理，得到归一化后的人脸样本图像；
将归一化后的人脸样本图像输入到三维人脸模型中，以得到第二人脸状态向量。
在本申请实施例一种可能的实现方式中，第三获取模块，用于：
获取多个样本视频，并对每个样本视频进行抽帧，以获取每个样本视频的多帧图；
对多帧图像中的每帧图像进行人脸关键点检测，以得到每帧图像中的人脸关键点；
根据每帧图像中的人脸关键点，对每帧图像进行剪裁处理，以得到每帧图像中的人脸区域图像；
将人脸区域图像调整为预设大小，以得到人脸样本图像。
在本申请实施例一种可能的实现方式中，驱动模块540，用于：
根据多个第二混合变形分别对应的系数，对多个第二混合变形进行加权组合，以驱动虚拟人物的表情。
需要说明的是，前述虚拟人物表情的驱动方法实施例的解释说明，也适用于该实施例的虚拟人物表情的驱动装置，故在此不再赘述。
本申请实施例中，通过将人脸图像输入到三维人脸模型中，得到人脸图像对应的第一人脸状态向量，再将第一人脸状态向量输入到系数映射模型，得到人脸图像对应的多个第一混合变形分别对应的系数，并根据多个第一混合变形分别对应的系数，确定虚拟人物的多个第二混合变形分别对应的系数，最后根据多个第二混合变形分别对应的系数，对虚拟人物的表情进行驱动。由此，基于第一人脸状态向量到第一混合变形系数的映射，及第一混合变形的系数到虚拟人物的第二混合变形的系数的映射，对虚拟人物的表情进行驱动，从而提高了表情捕捉的准确性，提高了对虚拟人物表情驱动的准确性，及提高了虚拟人物的表现力。
根据本申请的实施例，本申请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6示出了可以用来实施本申请的实施例的示例电子设备600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/或者要求的本申请的实现。
如图6所示，设备600包括计算单元601，其可以根据存储在ROM（Read-OnlyMemory，只读存储器）602中的计算机程序或者从存储单元608加载到RAM（Random AccessMemory，随机访问/存取存储器）603中的计算机程序，来执行各种适当的动作和处理。在RAM603中，还可存储设备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。I/O（Input/Output，输入/输出）接口605也连接至总线604。
设备600中的多个部件连接至I/O接口605，包括：输入单元606，例如键盘、鼠标等；输出单元607，例如各种类型的显示器、扬声器等；存储单元608，例如磁盘、光盘等；以及通信单元609，例如网卡、调制解调器、无线通信收发机等。通信单元609允许设备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。
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CPU（Central Processing Unit，中央处理单元）、GPU（Graphic Processing Units，图形处理单元）、各种专用的AI（Artificial Intelligence，人工智能）计算芯片、各种运行机器学习模型算法的计算单元、DSP（Digital SignalProcessor，数字信号处理器）、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，例如虚拟人物表情的驱动方法。例如，在一些实施例中，虚拟人物表情的驱动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虚拟人物表情的驱动方法的一个或多个步骤。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）而被配置为执行虚拟人物表情的驱动方法。
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***、FPGA（Field Programmable Gate Array，现场可编程门阵列）、ASIC（Application-Specific Integrated Circuit，专用集成电路）、ASSP（Application Specific StandardProduct，专用标准产品）、SOC（System On Chip，芯片上***的***）、CPLD（ComplexProgrammable Logic Device，复杂可编程逻辑设备）、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。
用于实施本申请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。
在本申请的上下文中，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、RAM、ROM、EPROM（Electrically Programmable Read-Only-Memory，可擦除可编程只读存储器）或快闪存储器、光纤、CD-ROM（Compact Disc Read-Only Memory，便捷式紧凑盘只读存储器）、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（Cathode-Ray Tube，阴极射线管）或者LCD（Liquid Crystal Display，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：LAN（LocalArea Network，局域网）、WAN（Wide Area Network，广域网）、互联网和区块链网络。
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，又称为云计算服务器或云主机，是云计算服务体系中的一项主机产品，以解决了传统物理主机与VPS服务（VirtualPrivate Server，虚拟专用服务器）中，存在的管理难度大，业务扩展性弱的缺陷。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。
根据本申请的实施例，本申请还提供了一种计算机程序产品，当计算机程序产品中的指令处理器执行时，执行本申请上述实施例提出的虚拟人物表情的驱动方法。
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，本申请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，只要能够实现本申请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，并不构成对本申请保护范围的限制。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。任何在本申请的精神和原则之内所作的修改、等同替换和改进等，均应包含在本申请保护范围之内。

Claims (25)

1.一种虚拟人物表情的驱动方法，包括：
获取人脸图像，并将所述人脸图像输入到三维人脸模型中，以得到所述人脸图像对应的第一人脸状态向量；
将所述第一人脸状态向量输入到系数映射模型中，以得到所述人脸图像对应的多个第一混合变形分别对应的系数，其中，所述第一混合变形是指用于组成人脸表情的三维模型；
根据所述多个第一混合变形分别对应的系数，确定虚拟人物的多个第二混合变形分别对应的系数，其中，所述第二混合变形是指用于组成所述虚拟人物表情的三维模型；
根据所述多个第二混合变形分别对应的系数，对所述虚拟人物的表情进行驱动。
2.如权利要求1所述的方法，其中，所述根据所述多个第一混合变形分别对应的系数，确定虚拟人物的多个第二混合变形分别对应的系数，包括：
获取所述多个第一混合变形与所述多个第二混合变形之间的对应关系；
根据所述对应关系，确定所述多个第二混合变形中与每个所述第一混合变形关联的第二混合变形；
根据每个所述第一混合变形的系数，确定所述关联的第二混合变形的系数。
3.如权利要求1所述的方法，其中，所述根据所述多个第一混合变形分别对应的系数，确定虚拟人物的多个第二混合变形分别对应的系数，包括：
根据所述多个第一混合变形的语义及所述多个第二混合变形的语义，确定所述多个第二混合变形中与每个所述第一混合变形关联的第二混合变形；
根据每个所述第一混合变形的系数，确定所述关联的第二混合变形的系数。
4.如权利要求3所述的方法，其中，所述根据所述多个第一混合变形的语义及所述多个第二混合变形的语义，确定所述多个第二混合变形中与每个所述第一混合变形关联的第二混合变形，包括：
根据所述多个第一混合变形的语义及所述多个第二混合变形的语义，确定每个所述第一混合变形分别与所述多个第二混合变形之间的语义匹配度；
根据每个所述第一混合变形对应的多个语义匹配度，确定与每个所述第一混合变形关联的第二混合变形。
5.如权利要求3所述的方法，其中，所述根据所述多个第一混合变形的语义及所述多个第二混合变形的语义，确定所述多个第二混合变形中与每个所述第一混合变形关联的第二混合变形，包括：
根据每个所述第一混合变形的语义，确定每个所述第一混合变形关联的人脸区域；
根据每个所述第二混合变形的语义，确定每个所述第二混合变形关联的人脸区域；
将每个所述第一混合变形关联的人脸区域分别与所述多个第二混合变形关联的人脸区域进行比对；
将所述多个第二混合变形中与每个所述第一混合变形关联的人脸区域相同的第二混合变形，确定为所述关联的第二混合变形。
6.如权利要求2-5任一项所述的方法，其中，所述根据每个所述第一混合变形的系数，确定所述关联的第二混合变形的系数，包括：
获取每个所述第一混合变形对应的系数映射规则；
根据所述系数映射规则及每个所述第一混合变形的系数，确定所述关联的第二混合变形的系数。
7.如权利要求2-5任一项所述的方法，其中，所述根据每个所述第一混合变形的系数，确定所述关联的第二混合变形的系数，包括：
获取每个所述第二混合变形的系数调整规则；
将每个所述第一混合变形的系数，确定为所述关联的第二混合变形的初始系数；
根据所述关联的第二混合变形的系数调整规则，对所述关联的第二混合变形的初始系数进行调整，以确定所述关联的第二混合变形的系数。
8.如权利要求1所述的方法，其中，所述系数映射模型通过以下步骤训练得到：
获取人脸样本图像及所述人脸样本图像对应的所述多个第一混合变形分别对应的标注系数；
将所述人脸样本图像输入到所述三维人脸模型中，得到所述人脸样本图像对应的第二人脸状态向量；
将所述第二人脸状态向量输入到初始系数映射模型中，以得到所述人脸样本图像对应的所述多个第一混合变形分别对应的预测系数；
根据所述预测系数与所述标注系数之间的差异，对所述初始系数映射模型进行训练，以得到所述系数映射模型。
9.如权利要求8所述的方法，其中，所述将所述人脸图像输入到所述三维人脸模型中，得到所述人脸样本图像对应的第二人脸状态向量，包括：
对所述人脸样本图像中各像素点的像素值进行归一化处理，得到归一化后的人脸样本图像；
将所述归一化后的人脸样本图像输入到所述三维人脸模型中，以得到所述第二人脸状态向量。
10.如权利要求8所述的方法，其中，所述获取人脸样本图像，包括：
获取多个样本视频，并对每个所述样本视频进行抽帧，以获取每个所述样本视频的多帧图像；
对所述多帧图像中的每帧图像进行人脸关键点检测，以得到所述每帧图像中的人脸关键点；
根据所述每帧图像中的人脸关键点，对所述每帧图像进行剪裁处理，以得到所述每帧图像中的人脸区域图像；
将所述人脸区域图像调整为预设大小，以得到所述人脸样本图像。
11.如权利要求1所述的方法，其中，所述根据所述多个第二混合变形分别对应的系数，对所述虚拟人物的表情进行驱动，包括：
根据所述多个第二混合变形分别对应的系数，对所述多个第二混合变形进行加权组合，以驱动所述虚拟人物的表情。
12.一种虚拟人物表情的驱动装置，包括：
第一获取模块，用于获取人脸图像，并将所述人脸图像输入到三维人脸模型中，以得到所述人脸图像对应的第一人脸状态向量；
第二获取模块，用于将所述第一人脸状态向量输入到系数映射模型中，以得到所述人脸图像对应的多个第一混合变形分别对应的系数，其中，所述第一混合变形是指用于组成人脸表情的三维模型；
确定模块，用于根据所述多个第一混合变形分别对应的系数，确定虚拟人物的多个第二混合变形分别对应的系数，其中，所述第二混合变形是指用于组成所述虚拟人物表情的三维模型；
驱动模块，用于根据所述多个第二混合变形分别对应的系数，对所述虚拟人物的表情进行驱动。
13.如权利要求12所述的装置，其中，所述确定模块，用于：
获取所述多个第一混合变形与所述多个第二混合变形之间的对应关系；
根据所述对应关系，确定所述多个第二混合变形中与每个所述第一混合变形关联的第二混合变形；
根据每个所述第一混合变形的系数，确定所述关联的第二混合变形的系数。
14.如权利要求12所述的装置，其中，所述确定模块，用于：
根据所述多个第一混合变形的语义及所述多个第二混合变形的语义，确定所述多个第二混合变形中与每个所述第一混合变形关联的第二混合变形；
根据每个所述第一混合变形的系数，确定所述关联的第二混合变形的系数。
15.如权利要求14所述的装置，其中，所述确定模块，用于：
根据所述多个第一混合变形的语义及所述多个第二混合变形的语义，确定每个所述第一混合变形分别与所述多个第二混合变形之间的语义匹配度；
根据每个所述第一混合变形对应的多个语义匹配度，确定与每个所述第一混合变形关联的第二混合变形。
16.如权利要求14所述的装置，其中，所述确定模块，用于：
根据每个所述第一混合变形的语义，确定每个所述第一混合变形关联的人脸区域；
根据每个所述第二混合变形的语义，确定每个所述第二混合变形关联的人脸区域；
将每个所述第一混合变形关联的人脸区域分别与所述多个第二混合变形关联的人脸区域进行比对；
将所述多个第二混合变形中与每个所述第一混合变形关联的人脸区域相同的第二混合变形，确定为所述关联的第二混合变形。
17.如权利要求13-16任一项所述的装置，其中，所述确定模块，用于：
获取每个所述第一混合变形对应的系数映射规则；
根据所述系数映射规则及每个所述第一混合变形的系数，确定所述关联的第二混合变形的系数。
18.如权利要求13-16任一项所述的装置，其中，所述确定模块，用于：
获取每个所述第二混合变形的系数调整规则；
将每个所述第一混合变形的系数，确定为所述关联的第二混合变形的初始系数；
根据所述关联的第二混合变形的系数调整规则，对所述关联的第二混合变形的初始系数进行调整，以确定所述关联的第二混合变形的系数。
19.如权利要求12所述的装置，还包括：
第三获取模块，用于获取人脸样本图像及所述人脸样本图像对应的所述多个第一混合变形分别对应的标注系数；
第四获取模块，用于将所述人脸样本图像输入到所述三维人脸模型中，得到所述人脸样本图像对应的第二人脸状态向量；
第五获取模块，用于将所述第二人脸状态向量输入到初始系数映射模型中，以得到所述人脸样本图像对应的所述多个第一混合变形分别对应的预测系数；
训练模块，用于根据所述预测系数与所述标注系数之间的差异，对所述初始系数映射模型进行训练，以得到所述系数映射模型。
20.如权利要求19所述的装置，其中，所述第四获取模块，用于：
对所述人脸样本图像中各像素点的像素值进行归一化处理，得到归一化后的人脸样本图像；
将所述归一化后的人脸样本图像输入到所述三维人脸模型中，以得到所述第二人脸状态向量。
21.如权利要求19所述的装置，其中，所述第三获取模块，用于：
获取多个样本视频，并对每个所述样本视频进行抽帧，以获取每个所述样本视频的多帧图像；
对所述多帧图像中的每帧图像进行人脸关键点检测，以得到所述每帧图像中的人脸关键点；
根据所述每帧图像中的人脸关键点，对所述每帧图像进行剪裁处理，以得到所述每帧图像中的人脸区域图像；
将所述人脸区域图像调整为预设大小，以得到所述人脸样本图像。
22.如权利要求12所述的装置，其中，所述驱动模块，用于：
根据所述多个第二混合变形分别对应的系数，对所述多个第二混合变形进行加权组合，以驱动所述虚拟人物的表情。
23.一种电子设备，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1-11中任一项所述的方法。
24.一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1-11中任一项所述的方法。
25.一种计算机程序产品，包括计算机程序，所述计算机程序在被处理器执行时实现权利要求1-11中任一项所述方法的步骤。
CN202211338132.6A 2022-10-28 2022-10-28 虚拟人物表情的驱动方法、装置、电子设备和存储介质 Active CN115393488B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211338132.6A CN115393488B (zh) 2022-10-28 2022-10-28 虚拟人物表情的驱动方法、装置、电子设备和存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211338132.6A CN115393488B (zh) 2022-10-28 2022-10-28 虚拟人物表情的驱动方法、装置、电子设备和存储介质

Publications (2)

Publication Number Publication Date
CN115393488A true CN115393488A (zh) 2022-11-25
CN115393488B CN115393488B (zh) 2023-03-03

Family

ID=84114928

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211338132.6A Active CN115393488B (zh) 2022-10-28 2022-10-28 虚拟人物表情的驱动方法、装置、电子设备和存储介质

Country Status (1)

Country Link
CN (1) CN115393488B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116188640A (zh) * 2022-12-09 2023-05-30 北京百度网讯科技有限公司 三维虚拟形象的生成方法、装置、设备和介质

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101354795A (zh) * 2008-08-28 2009-01-28 北京中星微电子有限公司 基于视频的三维人脸动画驱动方法和***
CN109727303A (zh) * 2018-12-29 2019-05-07 广州华多网络科技有限公司 视频展示方法、***、计算机设备、存储介质和终端
CN112927328A (zh) * 2020-12-28 2021-06-08 北京百度网讯科技有限公司 表情迁移方法、装置、电子设备及存储介质
US20210192192A1 (en) * 2019-12-20 2021-06-24 Beijing Dajia Internet Information Technology Co., Ltd. Method and apparatus for recognizing facial expression
CN113066156A (zh) * 2021-04-16 2021-07-02 广州虎牙科技有限公司 表情重定向方法、装置、设备和介质
US20220012930A1 (en) * 2019-08-30 2022-01-13 Tencent Technology (Shenzhen) Company Limited Artificial Intelligence-Based Animation Character Control and Drive Method and Apparatus
CN114821734A (zh) * 2022-05-13 2022-07-29 北京沃东天骏信息技术有限公司 一种驱动虚拟人物表情的方法和装置

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101354795A (zh) * 2008-08-28 2009-01-28 北京中星微电子有限公司 基于视频的三维人脸动画驱动方法和***
CN109727303A (zh) * 2018-12-29 2019-05-07 广州华多网络科技有限公司 视频展示方法、***、计算机设备、存储介质和终端
US20220012930A1 (en) * 2019-08-30 2022-01-13 Tencent Technology (Shenzhen) Company Limited Artificial Intelligence-Based Animation Character Control and Drive Method and Apparatus
US20210192192A1 (en) * 2019-12-20 2021-06-24 Beijing Dajia Internet Information Technology Co., Ltd. Method and apparatus for recognizing facial expression
CN112927328A (zh) * 2020-12-28 2021-06-08 北京百度网讯科技有限公司 表情迁移方法、装置、电子设备及存储介质
CN113066156A (zh) * 2021-04-16 2021-07-02 广州虎牙科技有限公司 表情重定向方法、装置、设备和介质
CN114821734A (zh) * 2022-05-13 2022-07-29 北京沃东天骏信息技术有限公司 一种驱动虚拟人物表情的方法和装置

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116188640A (zh) * 2022-12-09 2023-05-30 北京百度网讯科技有限公司 三维虚拟形象的生成方法、装置、设备和介质
CN116188640B (zh) * 2022-12-09 2023-09-08 北京百度网讯科技有限公司 三维虚拟形象的生成方法、装置、设备和介质

Also Published As

Publication number Publication date
CN115393488B (zh) 2023-03-03

Similar Documents

Publication Publication Date Title
US11436863B2 (en) Method and apparatus for outputting data
CN113221771B (zh) 活体人脸识别方法、装置、设备、存储介质及程序产品
CN113963110B (zh) 纹理图生成方法、装置、电子设备及存储介质
CN113657289B (zh) 阈值估计模型的训练方法、装置和电子设备
CN113361363A (zh) 人脸图像识别模型的训练方法、装置、设备及存储介质
CN114723888B (zh) 三维发丝模型生成方法、装置、设备、存储介质及产品
CN114549710A (zh) 一种虚拟形象的生成方法、装置、电子设备及存储介质
CN113591566A (zh) 图像识别模型的训练方法、装置、电子设备和存储介质
CN112580666A (zh) 图像特征的提取方法、训练方法、装置、电子设备及介质
CN112925412A (zh) 智能镜子的控制方法、设备和存储介质
CN115393488B (zh) 虚拟人物表情的驱动方法、装置、电子设备和存储介质
CN114267375B (zh) 音素检测方法及装置、训练方法及装置、设备和介质
CN111862031A (zh) 一种人脸合成图检测方法、装置、电子设备及存储介质
CN113177466A (zh) 基于人脸图像的身份识别方法、装置、电子设备及介质
CN114120413A (zh) 模型训练方法、图像合成方法、装置、设备及程序产品
CN116402914B (zh) 用于确定风格化图像生成模型的方法、装置及产品
EP4123605A2 (en) Method of transferring image, and method and apparatus of training image transfer model
CN111862030A (zh) 一种人脸合成图检测方法、装置、电子设备及存储介质
CN112560848B (zh) 兴趣点poi预训练模型的训练方法、装置及电子设备
CN113327311B (zh) 基于虚拟角色的显示方法、装置、设备、存储介质
CN112200169B (zh) 用于训练模型的方法、装置、设备以及存储介质
CN113903071A (zh) 人脸识别方法、装置、电子设备和存储介质
CN114093006A (zh) 活体人脸检测模型的训练方法、装置、设备以及存储介质
CN114092616A (zh) 渲染方法、装置、电子设备和存储介质
CN114220163A (zh) 人体姿态估计方法、装置、电子设备及存储介质

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