数据集的生成方法、装置、设备及存储介质

    公开(公告)号:CN117291827A

    公开(公告)日:2023-12-26

    申请号:CN202310835234.7

    申请日:2023-07-07

    摘要: 本申请公开了一种数据集的生成方法、装置、设备及存储介质,属于三维模型建模领域。所述方法包括:获取第一三维网格,第一三维网格是无噪声三维网格;通过噪声生成模型根据第一三维网格生成第一三维网格对应的第二三维网格,第二三维网格携带有噪声生成模型对应的噪声特征下的噪声,噪声生成模型用于生成第一三维网格在噪声特征下的顶点位置变化以得到第二三维网格;根据第一三维网格以及第一三维网格对应的第二三维网格生成数据集;其中,数据集用于训练网格降噪模型,网格降噪模型用于对噪声特征下的噪声进行降噪。通过噪声生成模型来生成数据集,可降低生成数据集的成本。

    动作解算方法、装置、设备及存储介质

    公开(公告)号:CN117218713A

    公开(公告)日:2023-12-12

    申请号:CN202310834490.4

    申请日:2023-07-07

    摘要: 本申请公开了一种动作解算方法、装置、设备及存储介质,涉及人工智能技术领域。该方法包括:获取第一对象的动捕数据;根据动捕数据和关节点连接数据构建异质图,异质图包括标记点子图、关节点子图以及连接标记点子图和关节点子图的边,关节点连接数据用于构建关节点子图,关节点子图中的节点用于表征关节点,关节点子图中的边用于表征关节点之间的连接关系,连接标记点子图和关节点子图的边是根据标记点与关节点之间的距离确定的;根据异质图对第一对象进行动作解算,得到至少一个关节点分别对应的位姿数据,位姿数据用于确定第一对象的动作。上述方法提升了解算出来的动作的准确度。

    纹理压缩方法、装置、设备及存储介质

    公开(公告)号:CN117218260A

    公开(公告)日:2023-12-12

    申请号:CN202310822014.0

    申请日:2023-07-05

    IPC分类号: G06T15/04 G06T17/20

    摘要: 本申请实施例公开了一种纹理压缩方法、装置、设备及存储介质,涉及模型渲染技术领域。包括:获取原始三维模型的原始纹理以及原始UV图;对原始纹理中的前景区域进行重复内容识别,得到重复前景内容;对原始UV图中重复前景内容对应的UV区域进行压缩,得到第一中间UV图;在第一中间UV图的基础上,对原始纹理中背景区域对应的UV区域进行压缩,得到第二中间UV图;基于第二中间UV图对原始纹理进行纹理压缩,得到目标纹理,目标纹理的分辨率低于原始纹理的分辨率。针对重复前景内容进行前景压缩并基于背景区域进行背景压缩,能够在保证模型显示效果的前提下,减少目标纹理中的冗余前景内容以及冗余背景内容,有助于降低纹理的数据量。

    图像处理方法、装置、电子设备、存储介质及计算机产品

    公开(公告)号:CN114120068A

    公开(公告)日:2022-03-01

    申请号:CN202111642974.6

    申请日:2021-12-29

    摘要: 本申请实施例公开了一种图像处理方法、装置、电子设备、存储介质及计算机产品,涉及多媒体、游戏、人工智能和云技术领域。该方法包括:获取多个图像对,每个图像对包括于同一场景下采集的、对应于同一目标对象的同一目标部位的两张图像,其中,目标部位在两张图像中的颜色信息不同;确定每个图像对中的两张图像之间的差分图像,并确定该差分图像的三分图;基于各图像对以及各图像对对应的三分图,构建训练数据集,训练数据集中的每个第一样本数据包括一个图像对中的目标图像和该图像对对应的三分图,目标图像为图像对中的任一图像。基于本申请实施例提供的方法,能够为神经网络模型的训练提供更加丰富、训练效果更好的训练数据集。

    虚拟对象的行为控制方法和装置及存储介质

    公开(公告)号:CN111544889A

    公开(公告)日:2020-08-18

    申请号:CN202010345540.9

    申请日:2020-04-27

    IPC分类号: A63F13/56 A63F13/57

    摘要: 本发明公开了一种虚拟对象的行为控制方法和装置及存储介质。其中,该方法包括:获取在目标虚拟游戏的虚拟场景中触发的行为控制指令;在目标虚拟对象处于群组成员状态的情况下,确定目标虚拟对象所在的目标虚拟群组,及目标虚拟群组中处于群组成员状态的其他成员虚拟对象,并控制目标虚拟对象及其他成员虚拟对象根据行为控制指令执行目标行为;在目标虚拟对象处于个体状态的情况下,确定目标虚拟对象在虚拟场景中的当前环境信息,并在当前环境信息达到与目标虚拟对象匹配的行为条件的情况下,控制目标虚拟对象执行目标行为。本发明解决了虚拟对象的行为控制灵活性较差的技术问题。

    图像处理方法、装置、电子设备、存储介质及计算机产品

    公开(公告)号:CN114219976B

    公开(公告)日:2024-07-26

    申请号:CN202111640189.7

    申请日:2021-12-29

    IPC分类号: G06V10/774 G06V10/82

    摘要: 本申请实施例公开了一种图像处理方法、装置、电子设备、存储介质及计算机产品,涉及多媒体、游戏、人工智能和云技术领域。该方法包括:获取包括多个第一样本的第一数据集,每个第一样本包括目标图像和该目标图像的遮罩图像;对于每个第一样本,通过调用训练好的神经网络模型预测得到该第一样本中的目标图像的前景蒙版,基于各第一样本中的目标图像和该目标图像的前景蒙版,构建得到训练数据集。基于本申请实施例提供的方法,能够为神经网络模型的训练提供更加丰富、训练效果更好的训练数据集。

    一种数据处理方法、装置及计算机可读存储介质

    公开(公告)号:CN112991501B

    公开(公告)日:2024-07-09

    申请号:CN202110296887.3

    申请日:2021-03-19

    摘要: 本申请实施例公开了一种数据处理方法、装置及计算机可读存储介质,本申请实施例通过采集模型网格样本图和骨骼样本图;将每一网格顶点样本信息转化为第一特征信息以及将每一骨骼样本信息转化为第二特征信息;根据模型网格样本图和骨骼样本图各自对应的图内节点关系以及相互之间作用的图间节点关系,对第一特征信息和第二特征信息进行更新;根据更新后的第一特征信息和第二特征信息对预设模型进行蒙皮权重信息预测训练,得到训练后的预设模型;基于训练后的预设模型对待识别模型网格图中每一网格顶点信息对应的蒙皮权重信息进行预测。以此,极大提升了数据处理的效率。

    过渡帧生成方法、装置、设备及存储介质

    公开(公告)号:CN115131475A

    公开(公告)日:2022-09-30

    申请号:CN202210461991.8

    申请日:2022-04-28

    摘要: 本申请提供了一种过渡帧生成方法、装置、设备及存储介质,应用于云技术、人工智能、智慧交通、辅助驾驶等各种场景。在生成起始帧和目标帧之间的过渡帧时,根据起始帧中目标对象的动作信息、目标帧中目标对象的动作信息以及目标帧数,获取目标对象的动作变化特征和预测目标关节速度,来对目标对象在起始帧与目标帧之间的过渡动作进行预测,以生成过渡帧。在这一过程中,由于不同关节在动作生成中具有不同的重要性,而目标关节速度则很大程度决定了目标对象在下一帧中的位置,因此通过获取预测目标关节速度来进一步预测目标对象的过渡动作,能够得到更加准确的动作信息,从而生成平滑、自然的过渡帧序列,有效提高了过渡帧质量。

    一种数据处理方法、装置及计算机可读存储介质

    公开(公告)号:CN112991501A

    公开(公告)日:2021-06-18

    申请号:CN202110296887.3

    申请日:2021-03-19

    摘要: 本申请实施例公开了一种数据处理方法、装置及计算机可读存储介质,本申请实施例通过采集模型网格样本图和骨骼样本图;将每一网格顶点样本信息转化为第一特征信息以及将每一骨骼样本信息转化为第二特征信息;根据模型网格样本图和骨骼样本图各自对应的图内节点关系以及相互之间作用的图间节点关系,对第一特征信息和第二特征信息进行更新;根据更新后的第一特征信息和第二特征信息对预设模型进行蒙皮权重信息预测训练,得到训练后的预设模型;基于训练后的预设模型对待识别模型网格图中每一网格顶点信息对应的蒙皮权重信息进行预测。以此,极大提升了数据处理的效率。

    图像处理方法、装置、电子设备、存储介质及计算机产品

    公开(公告)号:CN114219976A

    公开(公告)日:2022-03-22

    申请号:CN202111640189.7

    申请日:2021-12-29

    IPC分类号: G06V10/774 G06N3/04 G06N3/08

    摘要: 本申请实施例公开了一种图像处理方法、装置、电子设备、存储介质及计算机产品,涉及多媒体、游戏、人工智能和云技术领域。该方法包括:获取包括多个第一样本的第一数据集,每个第一样本包括目标图像和该目标图像的遮罩图像;对于每个第一样本,通过调用训练好的神经网络模型预测得到该第一样本中的目标图像的前景蒙版,基于各第一样本中的目标图像和该目标图像的前景蒙版,构建得到训练数据集。基于本申请实施例提供的方法,能够为神经网络模型的训练提供更加丰富、训练效果更好的训练数据集。