[发明专利]使用神经网络的油画笔划模拟

说明书

本公开内容涉及使用神经网络的油画笔划模拟。公开了使用经训练的神经网络来模拟画笔笔划的油画模拟技术。在一些示例中，一种方法可以包括在基于表示新的画笔笔划的刷毛轨迹图和在新的画笔笔划的应用之前画布上的现有涂料的高度图来推断在新的画笔笔划被应用之后画布上的现有涂料的新的高度图，以及基于在新的画笔笔划被应用于画布之后画布上的现有涂料的新的高度图和颜色图来生成新的画笔笔划的绘出。

技术领域

本公开内容总体上涉及绘画模拟，并且更具体地涉及使用神经网络模拟油画笔(painting brush)笔划。

背景技术

已经开发了在计算机上模拟艺术油画的涂料模拟程序。传统的油画涂料模拟程序通常提供虚拟画笔以供艺术家用于在数字画布上绘画(创作绘画)。这些程序试图模拟油画涂料的质地、以及画笔的刷毛(bristle)将涂料涂抹在画布上的方式。很多油画模拟程序通过沿着画笔笔划路径标记预定义的2D笔刷印记来模拟油画笔笔划，并且使用拾取图模拟画笔笔划与画布之间的涂料转移。在这些模拟中，涂料通常以2D表示。然而，真实的物理油画看起来并不像平面2D图像。物理油画中的涂料具有深度和质感。因此，很多传统的涂料模拟程序无法逼真地模拟在物理油画中使用的真实涂料笔划。

画布上的油画涂料的表面厚度的真实表示是在计算机上模拟艺术油画所必需的。这种表示是指在z方向上(从画布出来)在画布表面上方延伸的应用的油画涂料的厚度。实际上表示油画涂料的表面厚度需要对逼真的油画笔笔划进行建模。如上所述，模拟油画笔笔划的一种方法是标记预定义的2D画笔印记并且模拟画笔笔划与画布之间的涂料转移。不幸的是，以这种方式对油画笔笔划进行建模会产生画笔笔划的3D表面细节的低质量表示，并且因此产生油画的低质量模拟。

模拟油画笔笔划的另一种方法是模拟画笔笔划的数百甚至数千个单独的刷毛、以及刷毛之间的交互以生成准确的画笔形状。虽然这种方法产生了画笔笔划的3D表面细节的更高质量的表示，但遗憾的是，这种方法需要使用复杂的流体模拟。因此，这种方法在计算上非常昂贵(其也增加了功耗)并且对于缺乏必要的计算能力的计算设备(诸如移动计算机和移动设备，仅举几个示例)而言是不可行的。

其他可能的方法包括用于模拟油画笔笔划的数据驱动的纹理合成方法。这些方法通常涉及通常从真实画笔笔划的照片收集示例画笔笔划区段的语料库。然后，对于输入画笔笔划，标识与输入笔划路径形状最接近匹配的示例画笔笔划区段，并且执行优化以无缝地连接所标识的示例画笔笔划区段。不幸的是，这些方法经常产生重复的图案或以其他方式受到限制的图案，这些图案不能捕获真实的画笔笔划的全部动态和变化。

附图说明

附图并非旨在按比例绘制。在附图中，在各个图中示出的每个相同或几乎相同的组件由相同的数字表示，如在上下文中阅读时将理解的。

图1是示出根据本文中描述的至少一些实施例的用于为神经网络生成训练数据的示例组件的图；

图2是示出根据本文中描述的至少一些实施例的到神经网络的示例训练数据输入的图；

图3是示意性地示出根据本文中描述的至少一些实施例的采用单个神经网络的示例性笔划生成系统的框图；

图4是示意性地示出根据本文中描述的至少一些实施例的采用经训练的神经网络的多个实例的图3的示例性笔划生成系统的框图；

图5是示意性地示出根据本文中描述的至少一些实施例的由多个经训练的神经网络生成的多个刷毛轨迹图区段和相应的高度图区段的框图；

图6是示出根据本文中描述的至少一些实施例的用于绘出(render)新的画笔笔划的示例过程的流程图；以及

图7示出了根据本文中描述的至少一些实施例的可以用于执行如本公开内容中不同地描述的任何技术的示例计算系统的所选择的组件。