CN116630495B - 基于aigc算法的虚拟数字人模型规划*** - Google Patents
基于aigc算法的虚拟数字人模型规划*** Download PDFInfo
- Publication number
- CN116630495B CN116630495B CN202310807099.5A CN202310807099A CN116630495B CN 116630495 B CN116630495 B CN 116630495B CN 202310807099 A CN202310807099 A CN 202310807099A CN 116630495 B CN116630495 B CN 116630495B
- Authority
- CN
- China
- Prior art keywords
- virtual digital
- module
- image
- digital person
- editing
- 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
- 238000004422 calculation algorithm Methods 0.000 title claims abstract description 31
- 238000005457 optimization Methods 0.000 claims abstract description 11
- 230000009471 action Effects 0.000 claims description 41
- 238000007781 pre-processing Methods 0.000 claims description 23
- 230000014509 gene expression Effects 0.000 claims description 22
- 238000011176 pooling Methods 0.000 claims description 11
- 238000013527 convolutional neural network Methods 0.000 claims description 9
- 238000000034 method Methods 0.000 claims description 9
- 230000005540 biological transmission Effects 0.000 claims description 8
- 238000010191 image analysis Methods 0.000 claims description 8
- 230000000694 effects Effects 0.000 claims description 7
- 230000003044 adaptive effect Effects 0.000 claims description 5
- 238000004458 analytical method Methods 0.000 claims description 4
- 238000003706 image smoothing Methods 0.000 claims description 4
- 230000008569 process Effects 0.000 claims description 4
- 238000005516 engineering process Methods 0.000 description 8
- 230000006872 improvement Effects 0.000 description 8
- 239000013598 vector Substances 0.000 description 5
- 230000015572 biosynthetic process Effects 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 238000003786 synthesis reaction Methods 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 239000011159 matrix material Substances 0.000 description 2
- 210000002569 neuron Anatomy 0.000 description 2
- 230000003213 activating effect Effects 0.000 description 1
- 230000004913 activation Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000008451 emotion Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000009877 rendering Methods 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 230000009466 transformation 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
- 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
- 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)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Architecture (AREA)
- Computer Graphics (AREA)
- Computer Hardware Design (AREA)
- General Engineering & Computer Science (AREA)
- Software Systems (AREA)
- Processing Or Creating Images (AREA)
Abstract
本发明涉及虚拟数字人技术领域,具体地说,涉及基于AIGC算法的虚拟数字人模型规划***,包括数据采集单元、虚拟数字人生成单元、编辑存储单元和数据优化单元,数据采集单元用于采集人体图像数据,虚拟数字人生成单元用于收集数据采集单元图像,通过AIGC算法分析图像数据生成虚拟数字人,编辑存储单元用于编辑虚拟数字人生成单元生成的虚拟数字人外表、服装并进行分类存储,数据优化单元用于运行编辑存储单元编辑完成的虚拟数字人,本发明通过用户的反馈数据和应用场景的需求,不断优化和改进虚拟数字人模型,通过对大量数据的分析和学习,***能够自动调整模型参数,提升虚拟数字人模型的逼真程度和动作表现能力。
Description
技术领域
本发明涉及虚拟数字人技术领域,具体地说,涉及一种基于AIGC算法的虚拟数字人模型规划***。
背景技术
虚拟数字人模型是一种用于模拟和表现人类形象和动作的计算机生成的虚拟实体。在虚拟现实、游戏开发、影视特效等领域,虚拟数字人模型被广泛应用于人机交互、角色扮演、场景重建等方面,传统的虚拟数字人模型生成方法通常使用人工设计或基于物理仿真的方法,但这些方法在生成过程中难以考虑到人体形态和动作表现的细节,导致生成的模型缺乏真实感和表现力。
为了应对上述问题,现亟需基于AIGC算法的虚拟数字人模型规划***。
发明内容
本发明的目的在于提供基于AIGC算法的虚拟数字人模型规划***,以解决上述背景技术中提出的问题。
为实现上述目的,提供了基于AIGC算法的虚拟数字人模型规划***,包括数据采集单元、虚拟数字人生成单元、编辑存储单元、数据优化单元和应用接口单元;
所述数据采集单元用于采集人体图像数据,并对人体图像进行预处理进行传输;
所述虚拟数字人生成单元用于收集数据采集单元图像,通过AIGC算法分析图像数据生成虚拟数字人;
所述编辑存储单元用于编辑虚拟数字人生成单元生成的虚拟数字人外表、服装、发型,并进行分类存储;
所述数据优化单元用于运行编辑存储单元编辑完成的虚拟数字人,根据虚拟数字人的肢体动作进行实时反馈并进行自适应调节。
所述应用接口单元用于调用虚拟数字人生成单元生成虚拟数字人模型,通过设置应用编程接口使其他软件能够方便地调用虚拟数字人生成单元生成虚拟数字人模型,实现更广泛的应用。
作为本技术方案的进一步改进,所述数据采集单元包括有图像采集模块、图像预处理模块和图像数据传输模块;
所述图像采集模块用于采集人体数据图像;
所述图像预处理模块用于对图像采集模块采集的图像进行预处理,提高图像的质量和清晰度;
所述图像数据传输模块用于传输图像预处理模块预处理的图像。
作为本技术方案的进一步改进,所述图像预处理模块处理图像步骤包括图像平滑、图像去噪、图像增强从而提高图像的质量。
作为本技术方案的进一步改进,所述虚拟数字人生成单元包括有图像分析模块和虚拟人生成模块;
所述图像分析模块用于分析图像人体形态、表情动作并进行传输;
所述虚拟人生成模块用于接收图像分析模块的人体形态、表情动作分析结果,通过AIGC算法生成虚拟数字人。
作为本技术方案的进一步改进,所述虚拟数字人生成单元还包括动作编辑模块,所述动作编辑模块用于对虚拟数字人动作进行编辑,提高虚拟数字人的真实感。
作为本技术方案的进一步改进,所述编辑存储单元包括有个性化编辑模块和分类存储模块;
所述个性化编辑模块用于对虚拟数字人外貌、服装和发型进行编辑修改,提高虚拟数字人的表现力;
所述分类存储模块用于对个性化编辑模块编辑的虚拟数字人进行分类存储,便于后期应用和检索。
作为本技术方案的进一步改进,所述数据优化单元包括有运行模块和数据反馈模块;
所述运行模块用于运行个性化编辑模块编辑修改的虚拟数字人,使虚拟数字人正常活动;
所述数据反馈模块用于实时反馈运行模块虚拟数字人表现能力。
作为本技术方案的进一步改进,所述数据优化单元还包括自适应调节模块,所述自适应调节模块用于接收数据反馈模块反馈数据,并对虚拟数字人正常活动的模型进行优化和改进,提高虚拟数字人的表现能力
作为本技术方案的进一步改进,所述自适应调节模块通过卷积神经网络算法对虚拟数字人模型中的动作自动进行分析和优化,卷积神经网络包含了卷积层、池化层和全连接层
与现有技术相比,本发明的有益效果:
1、该基于AIGC算法的虚拟数字人模型规划***中,相较于传统的虚拟数字人模型生成方法,本发明专利引入了AIGC算法,该算法融合了人工智能和图形计算技术,AIGC算法能够综合考虑人体形态、动作表现等多个因素,通过虚拟数字人生成单元,智能决策和图形计算生成真实感和表现力更强的虚拟数字人模型,使得生成的虚拟数字人模型更加逼真和自然。
2、专利中的优化模块利用机器学习和数据分析技术,通过运行模块运行虚拟数字人,观察其动作、表情和外貌的效果,同时通过数据反馈模块对虚拟数字人的动作、表情等进行反馈,从而得到更加逼真和真实的虚拟数字人,数据反馈模块通过传感器设备对虚拟数据人动作进行反馈,同时对传感器采集到的数据进行处理和计算,从而对虚拟数字人动作表情和外貌进行实时反馈;通过用户的反馈数据和应用场景的需求,不断优化和改进虚拟数字人模型,通过自适应调节模块对大量数据的分析和学习,***能够自动调整模型参数,提升虚拟数字人模型的逼真程度和动作表现能力,使生成的虚拟数字人模型更加精确和自适应。
附图说明
图1为本发明的整体结构示意图;
图2为本发明的整体结构细分示意图;
图3为本发明的数据优化单元示意图。
图中各个标号意义为:
100、数据采集单元;110、图像采集模块;120、图像预处理模块;130、图像数据传输模块;
200、虚拟数字人生成单元;210、图像分析模块;220、虚拟人生成模块;230、动作编辑模块;
300、编辑存储单元;310、个性化编辑模块;320、分类存储模块;
400、数据优化单元;410、运行模块;420、数据反馈模块;430、自适应调节模块;
500、应用接口单元。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
请参阅图1-图3所示,提供了基于AIGC算法的虚拟数字人模型规划***,包括数据采集单元100、虚拟数字人生成单元200、编辑存储单元300、数据优化单元400和应用接口单元500;
数据采集单元100用于采集人体图像数据,并对人体图像进行预处理进行传输;
数据采集单元100包括有图像采集模块110、图像预处理模块120和图像数据传输模块130,图像采集模块110用于采集人体数据图像,图像预处理模块120用于对图像采集模块110采集的图像进行预处理,提高图像的质量和清晰度,图像数据传输模块130用于传输图像预处理模块120预处理的图像,图像预处理模块120处理图像步骤包括图像平滑、图像去噪、图像增强从而提高图像的质量。
具体使用时,图像采集模块110借助摄像机对人体进行多角度拍摄,得到人体数据图像,图像采集模块110通过将数据图像传输至图像预处理模块120,图像预处理模块120对图像进行预处理,图像预处理方式步骤如下:
图像平滑:采用滤波器等技术对图像进行平滑化,删除图像中的高频噪声,提高后续算法的处理效果;
图像去噪:通过滤波器等技术去除图像中的噪声,提高后续算法的准确性;
图像增强:采用锐化等技术对图像进行增强,以凸显图像中的目标物,提高图像辨析度,从而得到清晰度高,质量好的人体数据图像,便于后期对图像进行分析。
虚拟数字人生成单元200用于收集数据采集单元100图像,通过AIGC算法分析图像数据生成虚拟数字人;
虚拟数字人生成单元200包括有图像分析模块210和虚拟人生成模块220,图像分析模块210用于分析图像人体形态、表情动作并进行传输,虚拟人生成模块220用于接收图像分析模块210的人体形态、表情动作分析结果,通过AIGC算法生成虚拟数字人;虚拟数字人生成单元200还包括动作编辑模块230,动作编辑模块230用于对虚拟数字人动作进行编辑,提高虚拟数字人的真实感。
具体使用时,图像分析模块210接收来自图像数据传输模块130传输的人体数据图像,图像分析模块210通过采用通常采用SIFT尺度不变特征变换算法对图形进行分析,从而得到图像特征,SIFT是一种具有尺度不变和旋转不变性的特征点描述算法,通过计算图像中不同尺度的高斯差分图像,检测出局部极值点,并沿着梯度方向计算出稳定、独特的特征向量,对人体数据图像进行分析,并提取图像中特征,基于图像分析模块210提取的人体图像特征,虚拟人生成模块220通过AIGC算法,将图像特征输入到***中,通过智能决策和图形计算,生成高度真实的虚拟数字人模型,AIGC算法结合了人工智能技术和图形计算技术,能够考虑到人体形态、动作表现等多个方面的因素,使生成的虚拟数字人模型更加逼真,同时,动作编辑模块230通过动作截取和合成对虚拟数据人动作进行编辑,动作截取和合成是一种将现有动作进行截取和组合的技术,它可以从现有的动作资源中提取特定的动作片段如跑步、跳跃、手臂挥动等,同时根据需要进行合成,生成新的动作。
编辑存储单元300用于编辑虚拟数字人生成单元200生成的虚拟数字人外表、服装、发型,并进行分类存储;
编辑存储单元300包括有个性化编辑模块310和分类存储模块320,个性化编辑模块310用于对虚拟数字人外貌、服装和发型进行编辑修改,提高虚拟数字人的表现力,分类存储模块320用于对个性化编辑模块310编辑的虚拟数字人进行分类存储,便于后期应用和检索。
具体使用时,通过个性化编辑模块310对虚拟数字人外貌、动作、表情进行修改编辑,以满足不同应用场景的需求,具体如下:
动画编辑;
虚拟数字人的动作编辑通常使用关键帧编辑,通过添加、删除、修改或在自动***中间帧来修改实现,动作编辑可以包括对人体肢体的改变、调整或重定位等。
表情编辑;
虚拟数字人的表情提供了对人物性格和情感的丰富表达,表情编辑通常括人物面部的动作、口型等,具体可以通过手工编辑、动作捕捉等技术实现。
光影、材质、纹理编辑;
通过光源、材质和纹理等元素编辑,可以使虚拟数字人更好的融入现实世界,提升真实感和体验感,例如使用光影渲染、贴图等方式,加强虚拟数字人的环境遮挡、投影与反射等效果。
数据优化单元400用于运行编辑存储单元300编辑完成的虚拟数字人,根据虚拟数字人的肢体动作进行实时反馈并进行自适应调节;
数据优化单元400包括有运行模块410和数据反馈模块420,运行模块410用于运行个性化编辑模块310编辑修改的虚拟数字人,使虚拟数字人正常活动,数据反馈模块420用于实时反馈运行模块410虚拟数字人表现能力。
具体使用时,虚拟数字人各项设置完成后,通过运行模块410运行虚拟数字人,观察其动作、表情和外貌的效果,同时通过数据反馈模块420对虚拟数字人的动作、表情等进行反馈,从而得到更加逼真和真实的虚拟数字人,数据反馈模块420通过传感器设备对虚拟数据人动作进行反馈,同时对传感器采集到的数据进行处理和计算,从而对虚拟数字人动作表情和外貌进行实时反馈。
自适应调节模块430通过卷积神经网络算法对虚拟数字人模型中的动作自动进行分析和优化,卷积神经网络包含了卷积层、池化层和全连接层;
卷积层
假设卷积神经网络中第层的输入数据为/>,第/>层的输出数据为/>。该层卷积核尺寸为/>×/>k通常取正奇数,共有/>个卷积核,每个卷积核对应一个输出特征图,将卷积核用/>表示,对应的偏置项为/>。卷积操作的式子如下:
其中,表示第/>层第/>个卷积核在位置/>处的输出值,/>为激活函数如ReLU,/>为上一层的神经元序号,/>为卷积核的行列索引。
池化层
池化操作一般用于减小相邻像素之间的关联性,同时降低数据维度,以减少模型参数数量和计算消耗。卷积神经网络中的常用池化方式包括最大池化和平均池化,假设第层神经元的输入为/>,经过池化后得到输出/>,池化操作的式子如下:
其中,表示第/>层在位置/>处的池化结果,/>为指定的池化算子如,/>、/>为池化窗口的中心位置坐标。
全连接层
全连接层即多层感知器,用于实现非线性分类。假设卷积神经网络的最后一层是全连接层,输入向量为,输出向量为/>,其中/>中每个元素对应一个类别的得分,设第/>层的/>和/>为该层的参数矩阵和偏差向量,激活函数为/>,则全连接层的式子如下:
其中,是输入/>与输出/>之间的连接权重矩阵,/>为偏差向量。
具体使用时,通过自适应调节模块430对对虚拟数字人模型中的动作自动进行分析和优化,提升虚拟数字人逼真程度和动作表现能力。
应用接口单元500用于调用虚拟数字人生成单元200生成虚拟数字人模型,通过设置应用编程接口使其他软件能够方便地调用虚拟数字人生成单元200生成虚拟数字人模型,实现更广泛的应用。
应用接口单元500通过提供一套开放的应用编程接口API,使其他软件或***能够方便地调用虚拟数字人模型,实现更广泛的应用,例如,虚拟现实设备可以通过接口将虚拟数字人模型应用于沉浸式体验,游戏开发者可以利用接口将虚拟数字人模型引入游戏中,提升了虚拟数字人模型在各个应用领域中的表现和应用价值。
以上显示和描述了本发明的基本原理、主要特征和本发明的优点。本行业的技术人员应该了解,本发明不受上述实施例的限制,上述实施例和说明书中描述的仅为本发明的优选例,并不用来限制本发明,在不脱离本发明精神和范围的前提下,本发明还会有各种变化和改进,这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等效物界定。
Claims (5)
1.基于AIGC算法的虚拟数字人模型规划***,其特征在于:包括数据采集单元(100)、虚拟数字人生成单元(200)、编辑存储单元(300)、数据优化单元(400)和应用接口单元(500);
所述数据采集单元(100)用于采集人体图像数据,并对人体图像进行预处理进行传输;
所述虚拟数字人生成单元(200)用于收集数据采集单元(100)图像,通过AIGC算法分析图像数据生成虚拟数字人;
所述编辑存储单元(300)用于编辑虚拟数字人生成单元(200)生成的虚拟数字人外表,并进行分类存储;
所述数据优化单元(400)用于运行编辑存储单元(300)编辑完成的虚拟数字人,根据虚拟数字人的肢体动作进行实时反馈并进行自适应调节;
所述应用接口单元(500)用于调用虚拟数字人生成单元(200)生成虚拟数字人模型,通过设置应用编程接口使其他软件能够方便地调用虚拟数字人生成单元(200)生成虚拟数字人模型,实现更广泛的应用;
所述虚拟数字人生成单元(200)包括有图像分析模块(210)和虚拟人生成模块(220);
所述图像分析模块(210)用于分析图像人体形态、表情动作并进行传输;
所述虚拟人生成模块(220)用于接收图像分析模块(210)的人体形态、表情动作分析结果,通过AIGC算法生成虚拟数字人;
所述虚拟数字人生成单元(200)还包括动作编辑模块(230),所述动作编辑模块(230)用于对虚拟数字人动作进行编辑,提高虚拟数字人的真实感;
所述数据优化单元(400)包括有运行模块(410)和数据反馈模块(420);
所述运行模块(410)用于运行个性化编辑模块(310)编辑修改的虚拟数字人,使虚拟数字人正常活动;
所述数据反馈模块(420)用于实时反馈运行模块(410)虚拟数字人表现能力;
所述数据优化单元(400)还包括自适应调节模块(430),所述自适应调节模块(430)用于接收数据反馈模块(420)反馈数据,并对虚拟数字人正常活动的模型进行优化和改进,提高虚拟数字人的表现能力。
2.根据权利要求1所述的基于AIGC算法的虚拟数字人模型规划***,其特征在于:所述数据采集单元(100)包括有图像采集模块(110)、图像预处理模块(120)和图像数据传输模块(130);
所述图像采集模块(110)用于采集人体数据图像;
所述图像预处理模块(120)用于对图像采集模块(110)采集的图像进行预处理,提高图像的质量;
所述图像数据传输模块(130)用于传输图像预处理模块(120)预处理的图像。
3.根据权利要求2所述的基于AIGC算法的虚拟数字人模型规划***,其特征在于:所述图像预处理模块(120)处理图像步骤包括图像平滑、图像去噪、图像增强从而提高图像的质量。
4.根据权利要求1所述的基于AIGC算法的虚拟数字人模型规划***,其特征在于:所述编辑存储单元(300)包括有个性化编辑模块(310)和分类存储模块(320);
所述个性化编辑模块(310)用于对虚拟数字人外表进行编辑修改,提高虚拟数字人的表现力;
所述分类存储模块(320)用于对个性化编辑模块(310)编辑的虚拟数字人进行分类存储,便于后期应用和检索。
5.根据权利要求1所述的基于AIGC算法的虚拟数字人模型规划***,其特征在于:所述自适应调节模块(430)通过卷积神经网络算法对虚拟数字人模型中的动作自动进行分析和优化,卷积神经网络包含了卷积层、池化层和全连接层。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310807099.5A CN116630495B (zh) | 2023-07-04 | 2023-07-04 | 基于aigc算法的虚拟数字人模型规划*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310807099.5A CN116630495B (zh) | 2023-07-04 | 2023-07-04 | 基于aigc算法的虚拟数字人模型规划*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116630495A CN116630495A (zh) | 2023-08-22 |
CN116630495B true CN116630495B (zh) | 2024-04-12 |
Family
ID=87638362
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310807099.5A Active CN116630495B (zh) | 2023-07-04 | 2023-07-04 | 基于aigc算法的虚拟数字人模型规划*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116630495B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117520489A (zh) * | 2023-10-13 | 2024-02-06 | 北京百度网讯科技有限公司 | 基于aigc的交互方法、装置、设备和存储介质 |
CN117333592B (zh) * | 2023-12-01 | 2024-03-08 | 北京妙音数科股份有限公司 | 基于大数据融合训练模型的ai数字人口型动画绘制*** |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20150094302A (ko) * | 2014-02-11 | 2015-08-19 | 동서대학교산학협력단 | 3d 디지털 캐릭터 액팅 동작 구현 및 편집 시스템, 그리고 3d 디지털 캐릭터 액팅 동작 구현 및 편집 방법 |
US10204525B1 (en) * | 2007-12-14 | 2019-02-12 | JeffRoy H. Tillis | Suggestion-based virtual sessions engaging the mirror neuron system |
KR20210108044A (ko) * | 2020-02-25 | 2021-09-02 | 제주한라대학교산학협력단 | 디지털 트윈 기술을 위한 영상 분석 시스템 |
CN114035678A (zh) * | 2021-10-26 | 2022-02-11 | 山东浪潮科学研究院有限公司 | 一种基于深度学习和虚拟现实的辅助判断方法 |
CN116311456A (zh) * | 2023-03-23 | 2023-06-23 | 应急管理部大数据中心 | 基于多模态交互信息的虚拟人表情个性化生成方法 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10953334B2 (en) * | 2019-03-27 | 2021-03-23 | Electronic Arts Inc. | Virtual character generation from image or video data |
CN114862992A (zh) * | 2022-05-19 | 2022-08-05 | 北京百度网讯科技有限公司 | 虚拟数字人处理方法、模型训练方法及其装置 |
-
2023
- 2023-07-04 CN CN202310807099.5A patent/CN116630495B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10204525B1 (en) * | 2007-12-14 | 2019-02-12 | JeffRoy H. Tillis | Suggestion-based virtual sessions engaging the mirror neuron system |
KR20150094302A (ko) * | 2014-02-11 | 2015-08-19 | 동서대학교산학협력단 | 3d 디지털 캐릭터 액팅 동작 구현 및 편집 시스템, 그리고 3d 디지털 캐릭터 액팅 동작 구현 및 편집 방법 |
KR20210108044A (ko) * | 2020-02-25 | 2021-09-02 | 제주한라대학교산학협력단 | 디지털 트윈 기술을 위한 영상 분석 시스템 |
CN114035678A (zh) * | 2021-10-26 | 2022-02-11 | 山东浪潮科学研究院有限公司 | 一种基于深度学习和虚拟现实的辅助判断方法 |
CN116311456A (zh) * | 2023-03-23 | 2023-06-23 | 应急管理部大数据中心 | 基于多模态交互信息的虚拟人表情个性化生成方法 |
Non-Patent Citations (1)
Title |
---|
一种虚拟人作业行为的自主优化模型;王朝晖等;软件学报;20120915(09);第2358-2373页 * |
Also Published As
Publication number | Publication date |
---|---|
CN116630495A (zh) | 2023-08-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Liu et al. | Generative adversarial networks for image and video synthesis: Algorithms and applications | |
CN111598998B (zh) | 三维虚拟模型重建方法、装置、计算机设备和存储介质 | |
CN116630495B (zh) | 基于aigc算法的虚拟数字人模型规划*** | |
CN110163054B (zh) | 一种人脸三维图像生成方法和装置 | |
US20230128505A1 (en) | Avatar generation method, apparatus and device, and medium | |
WO2020103700A1 (zh) | 一种基于微表情的图像识别方法、装置以及相关设备 | |
CN113496507A (zh) | 一种人体三维模型重建方法 | |
CN108961369A (zh) | 生成3d动画的方法和装置 | |
CN108012091A (zh) | 图像处理方法、装置、设备及其存储介质 | |
CN108460398A (zh) | 图像处理方法、装置、云处理设备和计算机程序产品 | |
CN117496072B (zh) | 一种三维数字人生成和交互方法及*** | |
CN113808277B (zh) | 一种图像处理方法及相关装置 | |
Marques et al. | Deep spherical harmonics light probe estimator for mixed reality games | |
CN114120389A (zh) | 网络训练及视频帧处理的方法、装置、设备及存储介质 | |
CN116342782A (zh) | 生成虚拟形象渲染模型的方法和装置 | |
Wang et al. | Digital twin: Acquiring high-fidelity 3D avatar from a single image | |
Weng et al. | Data augmentation computing model based on generative adversarial network | |
Wang et al. | Expression dynamic capture and 3D animation generation method based on deep learning | |
CN112862672B (zh) | 刘海生成方法、装置、计算机设备和存储介质 | |
CN117132711A (zh) | 一种数字人像定制方法、装置、设备及存储介质 | |
Usman et al. | Skeleton-based motion prediction: A survey | |
Beacco et al. | Automatic 3D avatar generation from a single RBG frontal image | |
CN113947798A (zh) | 应用程序的背景更换方法、装置、设备及存储介质 | |
Jia et al. | Facial expression synthesis based on motion patterns learned from face database | |
Jiang | Performance analysis anime character generation based on DCGAN Model |
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 |