CN116051729B - 三维内容生成方法、装置和电子设备 - Google Patents
三维内容生成方法、装置和电子设备 Download PDFInfo
- Publication number
- CN116051729B CN116051729B CN202211612954.9A CN202211612954A CN116051729B CN 116051729 B CN116051729 B CN 116051729B CN 202211612954 A CN202211612954 A CN 202211612954A CN 116051729 B CN116051729 B CN 116051729B
- Authority
- CN
- China
- Prior art keywords
- initial
- dimensional model
- dimensional
- rendering
- dimensional content
- 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
- 238000000034 method Methods 0.000 title claims abstract description 70
- 238000009877 rendering Methods 0.000 claims abstract description 119
- 238000013528 artificial neural network Methods 0.000 claims description 45
- 230000006870 function Effects 0.000 claims description 22
- 238000012549 training Methods 0.000 claims description 15
- 238000000605 extraction Methods 0.000 claims description 9
- 238000004364 calculation method Methods 0.000 claims description 7
- 230000002452 interceptive effect Effects 0.000 claims description 7
- 230000004044 response Effects 0.000 claims description 5
- 230000009466 transformation Effects 0.000 claims description 4
- 238000013473 artificial intelligence Methods 0.000 abstract description 7
- 238000013135 deep learning Methods 0.000 abstract description 6
- 230000003190 augmentative effect Effects 0.000 abstract description 3
- 238000004590 computer program Methods 0.000 description 15
- 238000004891 communication Methods 0.000 description 13
- 238000010586 diagram Methods 0.000 description 13
- 230000000694 effects Effects 0.000 description 12
- 230000008569 process Effects 0.000 description 12
- 238000005516 engineering process Methods 0.000 description 11
- 238000012545 processing Methods 0.000 description 9
- 239000003086 colorant Substances 0.000 description 7
- 239000013598 vector Substances 0.000 description 6
- 238000003058 natural language processing Methods 0.000 description 4
- 238000003062 neural network model Methods 0.000 description 4
- 238000013459 approach Methods 0.000 description 3
- 230000003993 interaction Effects 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000000007 visual effect Effects 0.000 description 3
- 230000001413 cellular effect Effects 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000010267 cellular communication Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 230000003924 mental process Effects 0.000 description 1
- 230000003278 mimic effect Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000006855 networking Effects 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 239000004984 smart glass Substances 0.000 description 1
- 230000003997 social interaction Effects 0.000 description 1
Classifications
-
- 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
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T15/00—3D [Three Dimensional] image rendering
- G06T15/005—General purpose rendering architectures
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Computer Graphics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Geometry (AREA)
- Software Systems (AREA)
- Processing Or Creating Images (AREA)
Abstract
本公开提供了一种三维内容生成方法、装置和电子设备，涉及人工智能技术领域，尤其涉及增强现实、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。实现方案为：获取用户对意图生成的三维内容的描述，以及用于生成三维内容的初始三维模型；基于三维内容的描述，提取表征三维内容的语义信息作为目标特征信息；基于初始三维模型进行渲染，以获取多个渲染图像；分别提取多个渲染图像各自的图像特征信息；分别计算多个渲染图像各自的图像特征信息与目标特征信息之间的差异；以及基于差异，将初始三维模型调整至与三维内容相对应。
Description
技术领域
本公开涉及人工智能技术领域，尤其涉及增强现实、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，具体涉及一种三维内容生成的方法、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
人工智能是研究使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；人工智能软件技术主要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机器学习/深度学习、大数据处理技术、知识图谱技术等几大方向。
近年来，随着元宇宙等技术的逐渐兴起，用户在这些场景下对于三维内容生成(即生成物体的三维模型)也提出了更高的要求。三维内容生成经常通过物体的三维重建来实现。在一些情况下，生成物体的三维模型速度较慢，且三维重建是基于真实世界的物体进行三维内容生成的，也就是说，这样的三维重建局限于还原已经存在的物体。
在此部分中描述的方法不一定是之前已经设想到或采用的方法。除非另有指明，否则不应假定此部分中描述的任何方法仅因其包括在此部分中就被认为是现有技术。类似地，除非另有指明，否则此部分中提及的问题不应认为在任何现有技术中已被公认。
发明内容
本公开提供了一种三维内容生成的方法、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，提供了一种三维内容生成方法，包括：获取用户对意图生成的三维内容的描述，以及用于生成三维内容的初始三维模型；基于三维内容的描述，提取表征三维内容的语义信息作为目标特征信息；基于初始三维模型进行渲染，以获取多个渲染图像；分别提取多个渲染图像各自的图像特征信息；分别计算多个渲染图像各自的图像特征信息与目标特征信息之间的差异；以及基于差异，将初始三维模型调整至与三维内容相对应。
根据本公开的另一方面，提供了一种三维内容生成装置，包括：获取模块，被配置为获取用户对意图生成的三维内容的描述，以及用于生成三维内容的初始三维模型；语义模块，被配置为基于三维内容的描述，提取表征三维内容的语义信息作为目标特征信息；渲染模块，被配置为基于初始三维模型进行渲染，以获取多个渲染图像；特征提取模块，被配置为分别提取多个渲染图像各自的图像特征信息；差异计算模块，被配置为分别计算多个渲染图像各自的图像特征信息与目标特征信息之间的差异；以及模型调整模块，被配置为基于差异，将初始三维模型调整至与三维内容相对应。
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；以及与至少一个处理器通信连接的存储器；存储器存储有能够被至少一个处理器执行的指令，指令被至少一个处理器执行，以使至少一个处理器能够执行本公开如上所提供的方法。
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，计算机指令用于使计算机执行本公开如上所提供的方法。
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，计算机程序在被处理器执行时实现本公开如上所提供的方法。
根据本公开的一个或多个实施例，可以快速且准确地生成符合用户描述的三维内容。
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内容生成方法的流程图；
图3示出了根据本公开的实施例的初始三维模型的示意图；
图4示出了根据本公开另一实施例的三维内容生成方法的流程图；
图5示出了根据本公开的实施例的基于初始三维模型进行渲染的过程的示意图；
图6示出了根据本公开的实施例的三维内容生成的装置的结构框图；
图7示出了根据本公开另一实施例的三维内容生成的装置的结构框图；
图8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要素与另一要素区分开。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。
在相关技术中，三维内容生成指的是生成物体的三维模型，常涉及三维重建技术，例如MVS(Multiple View Stereo，多视角立体视觉)技术。现有的三维重建大多是基于真实世界的物体进行三维内容生成，也就是说，这样的三维重建局限于还原已经存在的物体。然而，在许多新兴领域，诸如AR游戏、社交、内容创作等，仅还原真实世界物体的三维重建可能已无法满足用户需求，对于交互式的三维内容生成的需求日益增加。
针对上述技术问题，根据本公开的一个方面，提供了一种三维内容生成方法。
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三维内容生成的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还可以提供其他服务或软件应用，这些服务或软件应用可以包括非虚拟环境和虚拟环境。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来生成三维内容。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、区块链网络、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，例如，基于图像、视频、语音、文本、数字信号等数据的目标检测与识别、信号转换等服务的应用程序，以处理从客户端设备101、102、103、104、105和/或106接收的语音交互、文本分类、图像识别或关键点检测等任务请求。服务器可以根据具体的深度学习任务，利用训练样本训练神经网络模型，并且可以对神经网络模型的超网络模块中的各个子网络进行测试，根据各个子网络的测试结果，确定用于执行深度学习任务的神经网络模型的结构和参数。可以将各种数据作为深度学习任务的训练样本数据，如图像数据、音频数据、视频数据或文本数据等。在神经网络模型的训练完成后，服务器120还可以通过模型搜索技术自动搜索出最优模型结构来执行相应的任务。
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。以下详细描述根据本公开实施例的三维模型显示方法。
图2示出了根据本公开的实施例的三维内容生成方法200的流程图。如图2所示，方法200包括步骤S201、S202、S203、S204、S205和S206。
在步骤S201，获取用户对意图生成的三维内容的描述，以及用于生成三维内容的初始三维模型。
在示例中，用户对意图生成的三维内容的描述可以包括与非真实世界的物体相关的内容。在诸如AR(Augmented Reality，增强现实)游戏、线上社交、线上内容创作等应用场景中，用户可能希望通过对意图生成的三维内容的描述来获得对应的三维内容。例如在一些AR游戏中，玩家可以通过语言发出指令以生成道具的三维模型。
在示例中，用户对意图生成的三维内容的描述可以是一个或者多个完整的用于描绘或表达三维内容的句子(例如可以是“生成一只橘黄色的长着翅膀的喷火龙。”)，也可以是单个的包括形容词、名词等的词组(例如可以是“橘黄色”、“长着翅膀”、“喷火龙”)，还可以只是一个词(例如可以是“龙”)。应当理解，用户对意图生成的三维内容的描述越详细，生成的三维内容越符合用户的期望。
在示例中，用户对意图生成的三维内容的描述可以是例如通过键盘输入的文字描述，也可以是例如通过麦克风输入的语音描述。
在示例中，用于生成三维内容的初始三维模型可以是旋转体或多面体，旋转体例如可以是球体、圆锥体或圆柱体等，多面体例如可以是立方体、八面体等。初始三维模型例如也可以是一个由多个点确定其表面的近似球形的多面体。
在步骤S202，基于三维内容的描述，提取表征三维内容的语义信息作为目标特征信息。
在示例中，在用户对意图生成的三维内容的描述是例如通过键盘输入的文字描述的情况下，可以基于三维内容的文字描述，直接从文字描述中提取表征三维内容的语义信息作为目标特征信息。在用户对意图生成的三维内容的描述是例如通过麦克风输入的语音描述的情况下，可以基于三维内容的语音描述，先将语音描述转换为文字信息，再从文字信息中提取表征三维内容的语义信息作为目标特征信息。
在示例中，表征三维内容的语义信息的形式可以包括特征向量的形式，因此，目标特征信息也可以包括特征向量的形式。
在示例中，可以基于用于自然语言处理的神经网络或诸如CLIP(ContrastiveLanguage-Image Pretraining)的跨模态神经网络来提取语义信息作为目标特征信息。
在步骤S203，基于初始三维模型进行渲染，以获取多个渲染图像。
在示例中，可以基于初始三维模型以随机的或预定的多个视角(例如是8个或16个视角)进行渲染，以生成分别与所述多个视角对应的多个渲染图像。
在示例中，获取的多个渲染图像可以分别对应于主视图、后视图、左视图、右视图、俯视图和仰视图，并且可以为渲染图像以此命名，例如可以将多个渲染图像中的一个命名为“渲染出的主视图”。
在示例中，可以基于初始三维模型进行多次渲染。在多次渲染的执行过程中，可以先以较低的分辨率进行渲染，在接下来的每一次渲染都以比上一次渲染所使用的分辨率更高的分辨率进行渲染。也可以先以较低的分辨率进行预定次数的渲染，在预定次数的渲染后以比之前渲染所使用的分辨率更高的分辨率再进行预定次数的渲染。
在示例中，可以基于用于可微渲染的神经网络来执行渲染。
在步骤S204，分别提取多个渲染图像各自的图像特征信息。
在示例中，渲染图像的图像特征信息的形式可以包括特征向量的形式。图像特征信息的形式可以与表征三维内容的语义信息的形式一致，例如可以均为特征向量的形式。这样，能够便于将图像特征信息与语义信息进行比较以计算差异。
在示例中，渲染图像的图像特征信息可以包括渲染图像的图像分辨率、各像素点的颜色(例如可以以RGB(Red,Green,Blue，红绿蓝)色彩模式来表示)或者各像素点的形状。
在示例中，可以基于用于提取图像特征的神经网络或诸如CLIP的跨模态神经网络来提取图像特征信息。
在步骤S205，分别计算多个渲染图像各自的图像特征信息与目标特征信息之间的差异。
在示例中，由于多个渲染图像各自的图像特征信息的形式可以与表征三维内容的语义信息的形式一致，例如可以均为向量特征的形式，于是可以通过将图像特征信息与语义信息进行比较来计算多个渲染图像各自的图像特征信息与目标特征信息之间的差异。
在步骤S206，基于差异，将初始三维模型调整至与三维内容相对应。
在示例中，在基于神经网络来执行渲染时，差异可以包括用于训练神经网络的损失函数，损失函数可以指示用于将初始三维模型调整至与三维内容相对应的调整方向。
在示例中，可以将在步骤S205中计算出的每个渲染图像的单独的图像特征信息进行求和或以线性方式组合以作为差异，并基于该差异进行三维模型的调整。
在示例中，在初始三维模型是一个由多个点确定其表面的近似球形的多面体的情况下，可以基于损失函数，迭代地调整初始三维模型上的点的位置或偏移，从而最终使初始三维模型能够被调整至与三维内容相对应。
根据本公开实施例的三维内容生成方法，能够基于用户意图，以交互的方式生成对应于用户意图的三维内容，其中，通过将用户意图表示为目标特征信息，以及确定渲染结果与该目标特征信息之间的差距，能够最终使初始三维模型被调整至符合用户意图的三维内容。另外，由于在渲染过程中借助于渲染结果的多个渲染图像各自的图像特征信息来确定该渲染结果与目标特征信息之间的差距，因此能够确保准确地生成与用户意图对应的三维内容。
以下进一步描述根据本公开实施例的三维内容生成方法的各个方面。
根据一些实施例，在步骤S201中获取的三维内容的描述可以包括文字描述或语音描述中的至少一者。
在示例中，当用户对意图生成的三维内容的描述是文字描述时，用户可以通过键盘键入或者手写的方式输入三维内容的描述。当用户对意图生成的三维内容的描述是语音描述时，用户可以通过麦克风输入的方式输入三维内容的描述。
在示例中，用户对意图生成的三维内容的描述例如可以是“一只橘黄色的长着翅膀的喷火龙”或者可以是“龙”。应当理解，用户对意图生成的三维内容的描述越详细，生成的三维内容越符合用户的期望。
在示例中，用户描述意图生成的三维内容可以使用任何能够被提取语义信息的语言。
根据本公开的实施例，可以使得用户描述意图生成的三维内容的方式不受限制，从而最佳地适配诸如AR游戏、社交、内容创作等多种应用场景，通过文字输入和语音输入中的任一种方式即可以实现对意图的描述，从而为交互式的三维内容生成提供便利。
根据一些实施例，在步骤S201中获取的初始三维模型可以包括旋转体或多面体。
在示例中，初始三维模型可以是由一个半圆以其直径为轴进行旋转而形成的球体，也可以是由一个矩形以它的一条边为轴进行旋转而形成的圆柱体，还可以是正四面体或正十二面体。
图3示出了根据本公开的实施例的初始三维模型300的示意图。
在示例中，如图3所示，初始三维模型300可以是一个由多个点确定其表面的近似球形的多面体。
在示例中，初始三维模型300表面的点之间进行连线，可以构成多个互不重叠的三角形，这些三角形的集合构成了初始三维模型300的多面体的表面。
在示例中，可以调整初始三维模型300表面的点的位置，或点的偏移的方向和距离。通过调整初始三维模型300表面的点的位置，或点的偏移的方向和距离，初始三维模型300的表面的三角形也会随之变化，从而能够改变初始三维模型300的表面轮廓和形状。
例如，可以将初始三维模型300表面的点301调整至点302的位置，则以点301为顶点的三角形311、312、313、314、315和316也可以随之变化。具体来说，三角形311、312、313、314、315和316可以各自变形为新的三角形(如图中虚线所示)，在这些新的三角形中，点301被替换为点302作为新的顶点。于是初始三维模型300不再是近似球形的形状，具体来说，初始三维模型300在点302周围形成了凹陷。
根据本公开的实施例，通过以结构上简单的旋转体或多面体作为用于生成三维内容的初始三维模型，能够为后续调整三维模型提供便利。
根据一些实施例，步骤S203中的基于初始三维模型进行渲染，以获取多个渲染图像可以包括：基于初始三维模型，以随机或预定的多个视角进行渲染；以及生成分别与多个视角相对应的多个渲染图像。
在示例中，用于渲染的多个视角可以彼此不同、彼此相同，或多个视角中的一部分视角可以相同。
在示例中，可以随机确定视角的个数和角度，然后以随机确定的个数和角度进行渲染以生成相应的渲染图像。随机确定的预定个数的角度中可能具有相同的角度，因此生成的渲染图像中也可能存在相同视角下的渲染图像。
在示例中，可以预先设定视角的个数和角度，并以预先设定的个数和角度进行渲染以生成相应的渲染图像。例如，可以预先设定包括正面、背面、正左面、正右面、正上方和正下方的六个要进行渲染的视角，然后分别以这六个视角进行渲染以生成相应的六个渲染图像，即渲染出的主视图、后视图、左视图、右视图、俯视图和仰视图。
在示例中，继续参见图3，可以将方向M1、M2、M3和M4设定为预定的四个视角。于是可以以方向M1、M2、M3和M4各自的视角进行渲染，以生成分别与方向M1、M2、M3和M4各自的视角相对应的四个渲染图像。
在示例中，以方向M1的视角进行渲染而生成的渲染图像可以被命名为“渲染出的俯视图”；以方向M2的视角进行渲染而生成的渲染图像可以被命名为“渲染出的右视图”；以方向M3的视角进行渲染而生成的渲染图像可以被命名为“渲染出的仰视图”；以方向M4的视角进行渲染而生成的渲染图像可以被命名为“渲染出的左视图”。
根据本公开实施例的获取多个渲染图像的过程，通过以携带视角信息的渲染图像作为渲染结果，能够准确地反映当前渲染的效果并将其朝向用户意图进行调整，从而确保准确地生成符合用户意图的三维内容。
图4示出了根据本公开另一实施例的三维内容生成方法400的流程图。
如图4所示，三维内容生成方法400可以包括步骤S401至S406。步骤S401至S406可以与如图2所示的步骤S201至S206相对应，因而在此不再赘述其细节。
三维内容生成方法400还可以包括步骤S407、S408和S409。
在步骤S407，可以对多个渲染图像进行投影变换，以确定多个渲染图像之间的重叠区域。
在示例中，可以基于多个渲染图像中的每个渲染图像的深度信息以及获取该渲染图像时相机的位姿(即位置信息)，对所述多个渲染图像进行投影变换。基于多个渲染图像中的每个渲染图像的深度信息和所述相机的位姿，可以计算得到多个渲染图像各自进行变换的比例。
在示例中，可以预先设定多个渲染图像中的一个渲染图像为参考，即，不对该渲染图像进行投影变换，而将多个渲染图像中的其他渲染图像投影至该渲染图像所在的视角，以分别确定这些其他渲染图像与作为参考的一个渲染图像之间的重叠区域。
在示例中，可以将多个渲染图像两两分组，并分别确定每两个渲染图像之间的重叠区域。
在步骤S408，可以确定多个渲染图像在重叠区域是否一致。
在示例中，可以基于多个渲染图像在重叠区域的颜色和/或形状等特征的对比，来确定多个渲染图像在重叠区域是否一致。例如，可以以RGB色彩模式来表示颜色对应的参数值，然后将该参数值进行比较来执行多个渲染图像在重叠区域的颜色的比较。
在步骤S409，可以响应于确定多个渲染图像在重叠区域不一致，将指示不一致的信息添加到差异中。
在示例中，差异可以包括用于训练神经网络的损失函数，损失函数可以指示用于将初始三维模型调整至与三维内容相对应的调整方向。
在示例中，如果多个渲染图像在重叠区域不一致，意味着渲染得到的同一个三维模型的多个渲染图像之间存在差别，也即当前渲染的效果不满足要求，因此需要将这种不一致性作为差异来进一步朝向用户意图进行调整。如果多个渲染图像在重叠区域一致，则可以说明当前的渲染效果满足一定要求，此时，可以在下一轮迭代的渲染中提高渲染的分辨率，以进行更为精细的三维模型调整。
根据本公开实施例的三维内容生成方法，通过检查渲染得到的同一个三维模型的多个渲染图像之间是否在渲染结果上存在差别，可以间接地验证当前渲染的效果，从而确保朝向用户意图进行调整，以准确地生成符合用户意图的三维内容。
根据一些实施例，重叠区域可以包括至少一个像素，且步骤S409中的指示不一致的信息可以与像素的颜色或形状中的至少一者相关联。
在示例中，可以以RGB色彩模式来表示与像素的颜色对应的参数值，然后将该参数值进行比较来执行多个渲染图像在重叠区域的颜色的比较，从而确定多个渲染图像在重叠区域是否一致。当以RGB色彩模式表示的像素的颜色不一致时，意味着渲染得到的同一个三维模型的多个渲染图像之间存在差别，也即当前渲染的效果不满足要求，因此需要将这种颜色不一致性作为差异来进一步朝向用户意图进行调整。当存在颜色不一致性时，也可以表示存在形状不一致性。
根据本公开的实施例，通过借助于像素的颜色或形状的一致性来判断像素的一致性，可以以简单的方式验证当前渲染的效果，由此为调整渲染提供便利。
根据一些实施例，步骤S403中的基于初始三维模型进行渲染，以获取多个渲染图像可以包括：利用递增的至少两种分辨率执行渲染，以使得基于至少两种分辨率中任一分辨率所获取的多个渲染图像包含与该分辨率相对应的三维模型细节。
在示例中，三维模型细节可以涉及三维模型的纹理贴图。
在示例中，可以基于初始三维模型进行多次渲染。在多次渲染的执行过程中，可以先以较低的分辨率对进行渲染，在接下来的每一次渲染都以比上一次渲染所使用的分辨率更高的分辨率进行渲染。也可以先以较低的分辨率进行预定次数的渲染，在预定次数的渲染后以比之前渲染所使用的分辨率更高的分辨率再进行预定次数的渲染。例如，在验证出当前的多个渲染图像之间不存在像素不一致性时，可以在下一轮迭代的渲染中提高渲染的分辨率，以进行更为精细的三维模型调整。
图5示出了根据本公开的实施例的基于初始三维模型进行渲染的过程的示意图。
在示例中，如图5所示，可以基于初始三维模型500进行两次渲染。可以先以较低的第一分辨率进行渲染，获得渲染图像510(该渲染图像510可以是对应于多个视角的多个渲染图像之一)。然后在接下来的第二次渲染中，以比第一分辨率更高的第二分辨率对初始三维模型500进行渲染，获得渲染图像520(该渲染图像520可以是对应于多个视角的多个渲染图像之一)。因此，以更高的第二分辨率渲染所获得的渲染图像520可以包含比以较低的第一分辨率渲染所获得的渲染图像510更多的三维模型细节。
在示例中，以较低的分辨率进行渲染时，由于包含较少的三维模型细节，神经网络可以快速收敛，由此实现了对初始三维模型的粗略调整。接下来以较高的分辨率进行渲染时，由于包含较多的细节，因此实现了进一步的精细调整。
根据本公开实施例的获取多个渲染图像的过程，通过采用粗略调整和精细调整结合的方式，使得神经网络能够快速收敛，降低计算复杂度，提高神经网络的吞吐量。
根据一些实施例，渲染可以是基于用于可微渲染的神经网络执行的，且差异可以包括用于训练神经网络的损失函数。
在示例中，可以基于用于可微渲染的神经网络进行多次渲染，即用于训练该神经网络的多轮迭代。在当前渲染(即当前迭代)后，当前渲染的效果与目标特征信息之间的差异可以以损失函数的形式被反传给当前渲染出的三维模型。以此方式，在经过多次渲染(即多轮迭代)之后，可以将初始三维模型调整至符合用户意图。换言之，此时完成了对神经网络的训练，因此可以渲染得到符合用户意图的三维内容，这意味着同时也实现了该神经网络的推理。
在示例中，损失函数可以指示用于将初始三维模型调整至用户意图的三维内容的调整方向。初始三维模型可以是如图3所示的一个由多个点确定其表面的近似球形的多面体，于是可以基于损失函数，迭代地调整初始三维模型上的点的位置，或偏移的方向和距离，从而最终将初始三维模型调整至能够与三维内容相对应。
根据本公开的实施例，通过基于用于可微渲染的神经网络执行渲染，在利用每次渲染得到的差异作为损失函数进行迭代以完成神经网络的训练之后，可以渲染得到符合用户意图的三维内容，即同时实现了该神经网络的推理。
根据一些实施例，步骤S406中的基于差异，将初始三维模型调整至与三维内容相对应可以包括：基于损失函数，迭代地调整初始三维模型上的点的偏移，以使初始三维模型变形至与三维内容相对应。
在示例中，调整初始三维模型上的点的偏移的过程可以参见图3，在如图3所示的当前迭代中，可以基于损失函数，将初始三维模型300表面的点301调整至点302的位置，则三角形311、312、313、314、315和316可以各自变形为如图中虚线所示的新的三角形。
根据本公开实施例的调整初始三维模型过程，可以借助于神经网络的损失函数来控制渲染的效果以使其朝向用户意图进行，从而在神经网络完成训练时即可同步地得到与用户期望的三维内容对应的三维模型。
根据一些实施例，提取语义信息作为目标特征信息、以及提取图像特征信息可以是基于跨模态神经网络执行的。
在示例中，模态可以指数据的存在形式，比如文本、音频、图像、视频等文件格式。数据的存在形式可能不同，但可以描述同一事物或事件。跨模态神经网络(诸如CLIP)可以匹配文字和图像的特征信息，也就是说，跨模态神经网络可以将语义信息和图像特征信息转换为同一形式，例如可以是特征向量的形式，以便于二者进行比较以计算差异。
根据本公开的实施例，利用单个的跨模态神经网络可以便于实现交互式的三维内容生成，使得不需要分别借助用于自然语言处理和用于图像特征提取的多种神经网络，由此简化了整体方法的可操作性。
根据本公开实施例的三维内容生成方法，能够快速且准确地在分钟级别的时间范围内生成用户意图的三维内容。
根据本公开的另一方面，还提供一种三维内容生成装置。
图6示出了根据本公开的实施例的三维内容生成的装置600的结构框图。
如图6所示，三维内容生成装置600包括：获取模块610，被配置为获取用户对意图生成的三维内容的描述，以及用于生成三维内容的初始三维模型；语义模块620，被配置为基于三维内容的描述，提取表征三维内容的语义信息作为目标特征信息；渲染模块630，被配置为基于初始三维模型进行渲染，以获取多个渲染图像；特征提取模块640，被配置为分别提取多个渲染图像各自的图像特征信息；差异计算模块，被配置为分别计算多个渲染图像各自的图像特征信息与目标特征信息之间的差异；以及模型调整模块660，被配置为基于差异，将初始三维模型调整至与三维内容相对应。
由于三维内容生成装置600中的获取模块610、语义模块620、渲染模块630、特征提取模块640、差异计算模块650、模型调整模块660可以分别对应于如图2所述的步骤S201至S206，因此这里不再赘述其各个方面的细节。
另外，三维内容生成装置600及其所包括的模块还可以包括进一步的子模块，这将在以下结合图7进行详细说明。
根据本公开的实施例，能够基于用户意图，以交互的方式生成对应于用户意图的三维内容，其中，通过将用户意图表示为目标特征信息，以及确定渲染结果与该目标特征信息之间的差距，能够最终使初始三维模型被调整至符合用户意图的三维内容。另外，由于在渲染过程中借助于渲染结果的多个渲染图像各自的图像特征信息来确定该渲染结果与目标特征信息之间的差距，因此能够确保准确地生成与用户意图对应的三维内容。
图7示出了根据本公开另一实施例的三维内容生成的装置700的结构框图。
如图7所示，三维内容生成的装置700可以包括获取模块710、语义模块720、渲染模块730、特征提取模块740、差异计算模块750、模型调整模块760。获取模块710、语义模块720、渲染模块730、特征提取模块740、差异计算模块750、模型调整模块760可以与如图6所示的获取模块610、语义模块620、渲染模块630、特征提取模块640、差异计算模块650、模型调整模块660相对应，因而在此不再赘述其细节。
在示例中，三维内容的描述可以包括文字描述或语音描述中的至少一者。
由此，可以使得用户描述意图生成的三维内容的方式不受限制，从而最佳地适配诸如AR游戏、社交、内容创作等多种应用场景，通过文字输入和语音输入中的任一种方式即可以实现对意图的描述，从而为交互式的三维内容生成提供便利。
在示例中，初始三维模型可以包括旋转体或多面体。
由此，通过以结构上简单的旋转体或多面体作为用于生成三维内容的初始三维模型，能够为后续调整三维模型提供便利。
在示例中，渲染模块730可以包括：视角渲染模块731，被配置为基于初始三维模型，以随机或预定的多个视角进行渲染；以及渲染生成模块732，被配置为生成分别与多个视角相对应的多个渲染图像。
由此，通过以携带视角信息的渲染图像作为渲染结果，能够准确地反映当前渲染的效果并将其朝向用户意图进行调整，从而确保准确地生成符合用户意图的三维内容。
在示例中，三维内容生成的装置700还可以包括：投影变换模块770，被配置为对多个渲染图像进行投影变换，以确定多个渲染图像之间的重叠区域；一致性确定模块780，被配置为确定多个渲染图像在重叠区域是否一致；以及差异添加模块790，被配置为响应于确定多个渲染图像在重叠区域不一致，将指示不一致的信息添加到差异中。
由此，通过检查渲染得到的同一个三维模型的多个渲染图像之间是否在渲染结果上存在差别，可以间接地验证当前渲染的效果，从而确保朝向用户意图进行调整，以准确地生成符合用户意图的三维内容。
在示例中，重叠区域可以包括至少一个像素，且可以指示不一致的信息与像素的颜色或形状中的至少一者相关联。
由此，通过借助于像素的颜色或形状的一致性来判断像素的一致性，可以以简单的方式验证当前渲染的效果，由此为调整渲染提供便利。
在示例中，渲染模块730可以包括：分辨率递增模块733，被配置为利用递增的至少两种分辨率执行渲染，以使得基于至少两种分辨率中任一分辨率所获取的多个渲染图像包含与该分辨率相对应的三维模型细节。
由此，通过采用粗略调整和精细调整结合的方式，使得神经网络能够快速收敛，降低计算复杂度，提高神经网络的吞吐量。
在示例中，渲染可以是基于用于可微渲染的神经网络执行的，且差异可以包括用于训练神经网络的损失函数。
由此，通过基于用于可微渲染的神经网络执行渲染，在利用每次渲染得到的差异作为损失函数进行迭代以完成神经网络的训练之后，可以渲染得到符合用户意图的三维内容，即同时实现了该神经网络的推理。
在示例中，模型调整模块760可以包括：偏移调整模块761，被配置为基于损失函数，迭代地调整初始三维模型上的点的偏移，以使初始三维模型变形至与三维内容相对应。
由此，可以借助于神经网络的损失函数来控制渲染的效果以使其朝向用户意图进行，从而在神经网络完成训练时即可同步地得到与用户期望的三维内容对应的三维模型。
在示例中，提取语义信息作为目标特征信息、以及提取图像特征信息可以是基于跨模态神经网络执行的。
由此，利用单个的跨模态神经网络可以便于实现交互式的三维内容生成，使得不需要分别借助用于自然语言处理和用于图像特征提取的多种神经网络，由此简化了整体方法的可操作性。
本公开的技术方案中，所涉及的用户个人信息的收集、存储、使用、加工、传输、提供和公开等处理，均符合相关法律法规的规定，且不违背公序良俗。
根据本公开的另一方面，还提供一种电子设备，包括：至少一个处理器；以及与至少一个处理器通信连接的存储器；其中存储器存储有可被至少一个处理器执行的指令，指令被至少一个处理器执行，以使至少一个处理器能够执行上述实施例中的方法。
根据本公开的另一方面，还提供一种存储有计算机指令的非瞬时计算机可读存储介质，其中计算机指令用于使计算机执行上述实施例中的方法。
根据本公开的另一方面，还提供一种计算机程序产品，包括计算机程序，其中计算机程序在被处理器执行时实现上述实施例中的方法。
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8，现将描述可以作为本公开的服务器或客户端的电子设备800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8所示，设备800包括计算单元801，其可以根据存储在只读存储器(ROM)802中的计算机程序或者从存储单元808加载到随机访问存储器(RAM)803中的计算机程序，来执行各种适当的动作和处理。在RAM 803中，还可存储设备800操作所需的各种程序和数据。计算单元801、ROM 802以及RAM 803通过总线804彼此相连。输入/输出(I/O)接口805也连接至总线804。
设备800中的多个部件连接至I/O接口805，包括：输入单元806、输出单元807、存储单元808以及通信单元809。输入单元806可以是能向设备800输入信息的任何类型的设备，输入单元806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807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808可以包括但不限于磁盘、光盘。通信单元809允许设备800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801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801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801执行上文所描述的各个方法和处理，例如三维内容生成方法。例如，在一些实施例中，三维内容生成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808。在一些实施例中，计算机程序的部分或者全部可以经由ROM 802和/或通信单元809而被载入和/或安装到设备800上。当计算机程序加载到RAM 803并由计算单元801执行时，可以执行上文描述的三维内容生成方法的一个或多个步骤。备选地，在其他实施例中，计算单元801可以通过其他任何适当的方式(例如，借助于固件)而被配置为执行三维内容生成方法。
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)、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，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 (14)
1.一种交互式三维内容生成方法，包括：
获取用户对意图生成的三维内容的描述，以及获取用于生成所述三维内容的初始三维模型，其中，所述初始三维模型包括旋转体或多面体；
基于所述三维内容的描述，提取表征所述三维内容的语义信息作为目标特征信息；
基于所述初始三维模型进行渲染，以获取多个渲染图像，其中，所述渲染是基于用于可微渲染的神经网络执行的；
分别提取所述多个渲染图像各自的图像特征信息；
分别计算所述多个渲染图像各自的图像特征信息与所述目标特征信息之间的差异；以及
基于所述多个渲染图像各自的图像特征信息的所述差异，调整所述初始三维模型以使所述初始三维模型变形至与所述三维内容相对应，其中，所述差异包括用于训练所述神经网络的损失函数，基于所述差异，迭代地调整所述初始三维模型上的点的位置或点的偏移的方向和距离，以使所述初始三维模型变形至与所述三维内容相对应；
其中，所述迭代地调整所述初始三维模型上的点的位置或点的偏移的方向和距离包括：调整所述初始三维模型表面的点的位置或点的偏移的方向和距离，以使得所述初始三维模型表面的以所述点作为顶点的三角形被变形为新的三角形，所述新的三角形以调整后的点作为新的顶点，所述初始三维模型在所述新的顶点处形成凹陷；
所述方法还包括：
对所述多个渲染图像进行投影变换，以确定所述多个渲染图像之间的重叠区域；
确定所述多个渲染图像在所述重叠区域是否一致；以及
响应于确定所述多个渲染图像在所述重叠区域不一致，将指示所述不一致的信息添加到所述差异中以使所述差异进一步包括所述不一致的信息，并基于所述差异调整所述初始三维模型。
2.根据权利要求1所述的方法，其中，所述三维内容的描述包括文字描述或语音描述中的至少一者。
3.根据权利要求1或2所述的方法，其中，所述基于所述初始三维模型进行渲染，以获取多个渲染图像，包括：
基于所述初始三维模型，以随机或预定的多个视角进行渲染；以及
生成分别与所述多个视角相对应的所述多个渲染图像。
4.根据权利要求1所述的方法，其中，所述重叠区域包括至少一个像素，且指示所述不一致的信息与所述像素的颜色或形状中的至少一者相关联。
5.根据权利要求1或2所述的方法，其中，所述基于所述初始三维模型进行渲染，以获取多个渲染图像，包括：
利用递增的至少两种分辨率执行所述渲染，以使得基于所述至少两种分辨率中任一分辨率所获取的所述多个渲染图像包含与该分辨率相对应的三维模型细节。
6.根据权利要求1或2所述的方法，其中，提取所述语义信息作为目标特征信息、以及提取所述图像特征信息是基于跨模态神经网络执行的。
7.一种交互式三维内容生成装置，包括：
获取模块，被配置为获取用户对意图生成的三维内容的描述，以及获取用于生成所述三维内容的初始三维模型，其中，所述初始三维模型包括旋转体或多面体；
语义模块，被配置为基于所述三维内容的描述，提取表征所述三维内容的语义信息作为目标特征信息；
渲染模块，被配置为基于所述初始三维模型进行渲染，以获取多个渲染图像，其中，所述渲染是基于用于可微渲染的神经网络执行的；
特征提取模块，被配置为分别提取所述多个渲染图像各自的图像特征信息；
差异计算模块，被配置为分别计算所述多个渲染图像各自的图像特征信息与所述目标特征信息之间的差异；以及
模型调整模块，被配置为基于所述多个渲染图像各自的图像特征信息的所述差异，调整所述初始三维模型以使所述初始三维模型变形至与所述三维内容相对应，其中，所述差异包括用于训练所述神经网络的损失函数，所述模型调整模块包括：偏移调整模块，被配置为基于所述差异，迭代地调整所述初始三维模型上的点的位置或点的偏移的方向和距离，以使所述初始三维模型变形至与所述三维内容相对应；
其中，所述偏移调整模块被配置为调整所述初始三维模型表面的点的位置或点的偏移的方向和距离，以使得所述初始三维模型表面的以所述点作为顶点的三角形被变形为新的三角形，所述新的三角形以调整后的点作为新的顶点，所述初始三维模型在所述新的顶点处形成凹陷；
所述装置还包括：
投影变换模块，被配置为对所述多个渲染图像进行投影变换，以确定所述多个渲染图像之间的重叠区域；
一致性确定模块，被配置为确定所述多个渲染图像在所述重叠区域是否一致；以及
差异添加模块，被配置为响应于确定所述多个渲染图像在所述重叠区域不一致，将指示所述不一致的信息添加到所述差异中以使所述差异进一步包括所述不一致的信息，并基于所述差异调整所述初始三维模型。
8.根据权利要求7所述的装置，其中，所述三维内容的描述包括文字描述或语音描述中的至少一者。
9.根据权利要求7或8所述的装置，其中，所述渲染模块包括：
视角渲染模块，被配置为基于所述初始三维模型，以随机或预定的多个视角进行渲染；以及
渲染生成模块，被配置为生成分别与所述多个视角相对应的所述多个渲染图像。
10.根据权利要求7所述的装置，其中，所述重叠区域包括至少一个像素，且指示所述不一致的信息与所述像素的颜色或形状中的至少一者相关联。
11.根据权利要求7或8所述的装置，其中，所述渲染模块包括：
分辨率递增模块，被配置为利用递增的至少两种分辨率执行所述渲染，以使得基于所述至少两种分辨率中任一分辨率所获取的所述多个渲染图像包含与该分辨率相对应的三维模型细节。
12.根据权利要求7或8所述的装置，其中，提取所述语义信息作为目标特征信息、以及提取所述图像特征信息是基于跨模态神经网络执行的。
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，所述存储器存储有能够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计算机执行根据权利要求1-6中任一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211612954.9A CN116051729B (zh) | 2022-12-15 | 2022-12-15 | 三维内容生成方法、装置和电子设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211612954.9A CN116051729B (zh) | 2022-12-15 | 2022-12-15 | 三维内容生成方法、装置和电子设备 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116051729A CN116051729A (zh) | 2023-05-02 |
| CN116051729B true CN116051729B (zh) | 2024-02-13 |
Family
ID=86112378
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202211612954.9A Active CN116051729B (zh) | 2022-12-15 | 2022-12-15 | 三维内容生成方法、装置和电子设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116051729B (zh) |
Families Citing this family (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116310148B (zh) * | 2023-05-17 | 2023-09-12 | 山东捷瑞数字科技股份有限公司 | 一种数字孪生三维场景构建方法、装置、设备及介质 |
| CN116843833A (zh) * | 2023-06-30 | 2023-10-03 | 北京百度网讯科技有限公司 | 三维模型生成方法、装置和电子设备 |
| CN117315149A (zh) * | 2023-09-26 | 2023-12-29 | 北京智象未来科技有限公司 | 三维物体生成方法、装置、设备、存储介质 |
| CN117671110B (zh) * | 2023-12-13 | 2024-07-09 | 世优（北京）科技有限公司 | 基于人工智能的实时渲染***及方法 |
| CN117853678B (zh) * | 2024-03-08 | 2024-05-17 | 陕西天润科技股份有限公司 | 基于多源遥感进行地理空间数据三维实体化改造的方法 |
Citations (14)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US6549200B1 (en) * | 1997-06-17 | 2003-04-15 | British Telecommunications Public Limited Company | Generating an image of a three-dimensional object |
| JP2016001386A (ja) * | 2014-06-11 | 2016-01-07 | 日本電信電話株式会社 | 画像生成方法、画像生成装置、コンピュータプログラム及び記録媒体 |
| CN109961517A (zh) * | 2019-03-01 | 2019-07-02 | 浙江大学 | 一种用于参数曲面拟合的三角网格重参数化方法 |
| US10930066B1 (en) * | 2020-09-11 | 2021-02-23 | Mythical, Inc. | Systems and methods for using natural language processing (NLP) to automatically generate three-dimensional objects in a virtual space |
| CN112419487A (zh) * | 2020-12-02 | 2021-02-26 | 网易（杭州）网络有限公司 | 毛发三维重建方法、装置、电子设备及存储介质 |
| CN112417539A (zh) * | 2020-11-16 | 2021-02-26 | 杭州群核信息技术有限公司 | 基于语言描述的户型设计方法和装置以及*** |
| WO2021114479A1 (zh) * | 2019-12-11 | 2021-06-17 | 清华大学 | 一种声控建筑信息模型三维显示***和方法 |
| CN113220251A (zh) * | 2021-05-18 | 2021-08-06 | 北京达佳互联信息技术有限公司 | 物体显示方法、装置、电子设备及存储介质 |
| CN113781640A (zh) * | 2021-09-27 | 2021-12-10 | 华中科技大学 | 基于弱监督学习的三维人脸重建模型建立方法及其应用 |
| CN114842123A (zh) * | 2022-06-28 | 2022-08-02 | 北京百度网讯科技有限公司 | 三维人脸重建模型训练和三维人脸形象生成方法及装置 |
| CN115082639A (zh) * | 2022-06-15 | 2022-09-20 | 北京百度网讯科技有限公司 | 图像生成方法、装置、电子设备和存储介质 |
| CN115100339A (zh) * | 2022-06-15 | 2022-09-23 | 北京百度网讯科技有限公司 | 图像生成方法、装置、电子设备和存储介质 |
| CN115147558A (zh) * | 2022-08-31 | 2022-10-04 | 北京百度网讯科技有限公司 | 三维重建模型的训练方法、三维重建方法及装置 |
| CN115330936A (zh) * | 2022-08-02 | 2022-11-11 | 荣耀终端有限公司 | 合成三维图像的方法、装置及电子设备 |
-
2022
- 2022-12-15 CN CN202211612954.9A patent/CN116051729B/zh active Active
Patent Citations (14)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US6549200B1 (en) * | 1997-06-17 | 2003-04-15 | British Telecommunications Public Limited Company | Generating an image of a three-dimensional object |
| JP2016001386A (ja) * | 2014-06-11 | 2016-01-07 | 日本電信電話株式会社 | 画像生成方法、画像生成装置、コンピュータプログラム及び記録媒体 |
| CN109961517A (zh) * | 2019-03-01 | 2019-07-02 | 浙江大学 | 一种用于参数曲面拟合的三角网格重参数化方法 |
| WO2021114479A1 (zh) * | 2019-12-11 | 2021-06-17 | 清华大学 | 一种声控建筑信息模型三维显示***和方法 |
| US10930066B1 (en) * | 2020-09-11 | 2021-02-23 | Mythical, Inc. | Systems and methods for using natural language processing (NLP) to automatically generate three-dimensional objects in a virtual space |
| CN112417539A (zh) * | 2020-11-16 | 2021-02-26 | 杭州群核信息技术有限公司 | 基于语言描述的户型设计方法和装置以及*** |
| CN112419487A (zh) * | 2020-12-02 | 2021-02-26 | 网易（杭州）网络有限公司 | 毛发三维重建方法、装置、电子设备及存储介质 |
| CN113220251A (zh) * | 2021-05-18 | 2021-08-06 | 北京达佳互联信息技术有限公司 | 物体显示方法、装置、电子设备及存储介质 |
| CN113781640A (zh) * | 2021-09-27 | 2021-12-10 | 华中科技大学 | 基于弱监督学习的三维人脸重建模型建立方法及其应用 |
| CN115082639A (zh) * | 2022-06-15 | 2022-09-20 | 北京百度网讯科技有限公司 | 图像生成方法、装置、电子设备和存储介质 |
| CN115100339A (zh) * | 2022-06-15 | 2022-09-23 | 北京百度网讯科技有限公司 | 图像生成方法、装置、电子设备和存储介质 |
| CN114842123A (zh) * | 2022-06-28 | 2022-08-02 | 北京百度网讯科技有限公司 | 三维人脸重建模型训练和三维人脸形象生成方法及装置 |
| CN115330936A (zh) * | 2022-08-02 | 2022-11-11 | 荣耀终端有限公司 | 合成三维图像的方法、装置及电子设备 |
| CN115147558A (zh) * | 2022-08-31 | 2022-10-04 | 北京百度网讯科技有限公司 | 三维重建模型的训练方法、三维重建方法及装置 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116051729A (zh) | 2023-05-02 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN116051729B (zh) | 三维内容生成方法、装置和电子设备 | |
| CN113313650B (zh) | 图像画质增强方法、装置、设备和介质 | |
| EP3855386B1 (en) | Method, apparatus, device and storage medium for transforming hairstyle and computer program product | |
| CN115482325B (zh) | 画面渲染方法、装置、***、设备及介质 | |
| CN115511779B (zh) | 图像检测方法、装置、电子设备和存储介质 | |
| CN115578515B (zh) | 三维重建模型的训练方法、三维场景渲染方法及装置 | |
| CN115239888B (zh) | 用于重建三维人脸图像的方法、装置、电子设备和介质 | |
| CN117274491A (zh) | 三维重建模型的训练方法、装置、设备和介质 | |
| CN114119935B (zh) | 图像处理方法和装置 | |
| CN114998433A (zh) | 位姿计算方法、装置、存储介质以及电子设备 | |
| CN116245998B (zh) | 渲染贴图生成方法及装置、模型训练方法及装置 | |
| CN115761855B (zh) | 面部关键点信息生成、神经网络训练和三维面部重建方法 | |
| CN115661375B (zh) | 三维发型生成方法、装置、电子设备和存储介质 | |
| CN117274370A (zh) | 三维位姿确定方法、装置、电子设备和介质 | |
| CN114327718B (zh) | 界面展示方法及装置、设备和介质 | |
| CN116030185A (zh) | 三维发丝生成方法和模型的训练方法 | |
| CN115393514A (zh) | 三维重建模型的训练方法、三维重建方法、装置、设备 | |
| CN114049472A (zh) | 三维模型调整方法、装置、电子设备、介质 | |
| CN115797455B (zh) | 目标检测方法、装置、电子设备和存储介质 | |
| CN115331077B (zh) | 特征提取模型的训练方法、目标分类方法、装置、设备 | |
| CN116740764B (zh) | 用于虚拟形象的图像处理方法、装置和电子设备 | |
| CN115423827B (zh) | 图像处理方法、装置、电子设备和存储介质 | |
| CN116030191B (zh) | 用于展示虚拟对象的方法、装置、设备及介质 | |
| CN116385641B (zh) | 图像处理方法及装置、电子设备和存储介质 | |
| CN115345981B (zh) | 图像处理方法、装置、电子设备和存储介质 |
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 |