[发明专利]游戏模型动作的生成方法、装置及电子终端

权利要求书

1.一种游戏模型动作的生成方法，其特征在于，包括：

获取真实物体执行动作的第一真实图像数据和游戏模型执行动作的第一模型图像数据；

使用所述第一真实图像数据和所述第一模型图像数据，对生成式对抗网络进行训练；

基于训练好的生成式对抗网络训练强化学习网络模型，所述强化学习网络模型用于控制游戏模型执行动作。

2.根据权利要求1所述的游戏模型动作的生成方法，其特征在于，

基于训练好的生成式对抗网络训练强化学习网络模型，所述强化学习网络模型用于控制游戏模型执行动作的步骤，包括：

使用所述强化学习网络模型控制所述游戏模型执行动作；

重复执行如下步骤，直至训练好的生成式对抗网络的判别结果符合预期，确定训练好的强化学习网络模型：

获取所述游戏模型执行动作的第二模型图像数据；

使用所述训练好的生成式对抗网络对所述第二模型图像数据进行判别；

如果所述判别结果不符合预期，优化强化学习网络模型；

使用优化后的所述强化学习网络模型控制所述游戏模型执行所述动作。

3.根据权利要求1所述的游戏模型动作的生成方法，其特征在于，

所述第一真实图像，包括采集设备采集真实人物、动物在单个动作时间内指定帧数的三视图；

所述第一模型图像，包括采集设备采集所述游戏模型在单个动作时间内指定帧数的三视图。

4.根据权利要求1所述的游戏模型动作的生成方法，其特征在于，

所述第一真实图像和所述第一模型图像经过数据清洗分别得到所述第一真实图像数据和所述第一模型图像数据；所述数据清洗包括：

将所述第一模型图像和所述第一真实图像裁剪至指定尺寸；

采用灰度算法和浮雕算法剔除所述第一模型图像和所述第一真实图像的干扰信息；

分别拼接所述第一模型图像和所述第一真实图像的三视图，获得所述第一模型图像数据和所述第一真实图像数据。

5.根据权利要求2所述的游戏模型动作的生成方法，其特征在于，

所述训练好的生成对抗式网络包括：所述生成式对抗网络判断所述第一真实图像数据的正确率达到第一阈值；

所述训练好的生成式对抗网络的判别结果符合预期，包括：所述生成式对抗网络判断所述第二模型图像数据的正确率低于第二阈值；

所述第一阈值高于所述第二阈值。

6.一种游戏模型动作的生成装置，其特征在于，包括：

第一获取模块，用于获取真实物体执行动作的第一真实图像数据和游戏模型执行动作的第一模型图像数据；

第一训练模块，用于使用所述第一真实图像数据和所述第一模型图像数据，对生成式对抗网络进行训练；

第二训练模块，用于基于训练好的生成式对抗网络训练强化学习网络模型。

7.根据权利要求6所述的游戏模型动作的生成装置，其特征在于，还包括：

控制模块，用于控制游戏模型执行动作；

第二获取模块，用于获取所述游戏模型执行动作的第二模型图像数据；

判别模块，使用所述训练好的生成式对抗网络对所述第二模型图像数据进行判别。

8.根据权利要求6所述的游戏模型动作的生成装置，其特征在于，所述第一获取模块包括：采集模块和数据清洗模块；

所述采集模块，用于采集游戏模型动作图像和真实物体执行动作图像；

所述数据清洗模块，用于对所述第一模型图像和所述第一真实图像进行处理，以供所述第一获取模块获取所述第一模型图像数据和所述第一真实图像数据。

9.一种电子终端，包括存储器、处理器，所述存储器中存储有可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现上述权利要求1至5任一项所述的方法的步骤。

10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有机器可运行指令，所述计算机可运行指令在被处理器调用和运行时，所述计算机可运行指令促使所述处理器运行所述权利要求1至5任一项所述的方法。