[发明专利]一种基于神经网络的二维特效图片生成方法和装置

说明书

一种基于神经网络的二维特效图片生成方法，包括：获取多张二维特效动态图片，并标记各张二维特效动态图片及其序列中各张静止帧的特效信息，以形成特效动态图片样本库；初始化深度卷积神经网络和循环神经网络，以建立特效生成神经网络模型；导入特效动态图片样本库作为训练集，由特效生成神经网络模型对特效动态图片样本库进行监督学习；利用训练完毕的特效生成神经网络模型对输入的单张图片自动生成完整序列的二维特效动态图片。本申请还公开了相应的基于神经网络的二维特效图片生成装置。本申请的有益效果为：利用神经网络对单张图片辅助生成相应的完整序列的二维特效动态图片，能够方便快捷地对创作多套二维特效动态图片。

技术领域

本发明涉及计算机学习领域，尤其涉及到一种基于神经网络的二维特效图片生成方法和装置。

背景技术

无论是电子游戏开发还是动画制作的过程，都不可避免地制作一些特效镜头(例如爆炸、扬尘和波浪等)，以增加电子产品的娱乐性和仿真程度。例如对应电子游戏开发，软件开发商都需要根据项目策划设计各种消灭敌人的爆炸特效或场景中可破坏物品破碎时的特效，以提高电子游戏的真实感和打击感。

然而，因为这些敌人的爆炸特效和物品的破碎特效往往被大量地应用到游戏的各个阶段和各个场景，同时为了避免过分单一而让游戏玩家产生审美疲劳，所以美术人员需要就同一类型的特效设计多套特效动态图片，并根据具体的场景将各套特效动态图片安排到相应的场景中显示。目前，特效动态图片的绘制工作很大程度上依赖于美术人员的经验，并且这往往需要其花费大量的时间来绘制，所以这使得软件开发商或者外包设计公司花费较大的人力成本和时间来完成上述任务。然而，因为相对于三维电子游戏所涉及到的复杂光影效果，二维电子游戏对特效的要求往往相对简单，所以针对二维动画或二维电子游戏所制作二维特效动态图片通常会包含大量机械性工作需要由美术人员执行。

发明内容

本申请的目的是解决现有技术的不足，提供一种基于神经网络的二维特效图片生成方法和装置，能够获得对输入的单张图片自动辅助生成相应的完整序列的二维特效动态图片技术效果。

为了实现上述目的，本申请采用以下的技术方案：

首先，本申请提出一种基于神经网络的二维特效图片生成方法，适用于二维动画或二维电子游戏制作。该方法包括以下步骤：

S100)获取多张二维特效动态图片，并标记各张二维特效动态图片及其序列中各张静止帧的特效信息，以形成特效动态图片样本库；

S200)初始化深度卷积神经网络DeepCNN(Deep Convolutional Neural Network)和循环神经网络RNN(Recurrent Neural Network)，以建立特效生成神经网络模型；

S300)导入特效动态图片样本库作为训练集，由特效生成神经网络模型对特效动态图片样本库进行监督学习；

S400)利用训练完毕的特效生成神经网络模型对输入的单张图片自动生成完整序列的二维特效动态图片。

进一步地，在本申请的上述方法中，该步骤S100还包括以下子步骤：

S101)基于openCV读取各张二维特效动态图片及其序列中各张静止帧；

S102)指定各张二维特效动态图片的序列中关键静止帧及二维特效动态图片的类型；

S103)基于色调、饱和度和亮度，计算序列中各静止帧相对于相邻两张关键静止帧的加权值；

S104)标记上述指定的关键静止帧、二维特效动态图片的类型以及加权值序列以形成二维特效动态图片的特效信息。

再进一步地，在本申请的上述方法中，该特效信息至少还包括标识该二维特效动态图片是否循环播放的标识。