[发明专利]一种衣物三维驱动模型的建立方法、装置、设备及介质

说明书

本发明涉及一种衣物三维驱动模型的建立方法、装置、设备及介质，该方法包括：针对单个采集对象，构建人体的衣物数据集；采用衣物数据集，优化给定的衣物模版生成模型；采用物理参数训练中优化后的给定的衣物模版生成模型并给定衣物三维模型预测网络；采用二阶梯度优化方法优化所述物理参数；重复步骤，得到最终的物理参数和最终的衣物三维模型预测网络；将不同姿态的数据集加入最终的物理参数和最终的衣物三维模型预测网络，得到最终预测网络；给定不同动态姿态序列训练所述最终预测网络，生成衣物三维驱动模型。本发明通过优化三维数据集中的人体衣物物理参数，使得重建结果在物理特性上符合三维采集数据。

技术领域

本发明属于计算机视觉技术领域，具体涉及一种衣物三维驱动模型的建立方法、装置、设备及介质。

背景技术

三维重建是计算机视觉中非常重要的领域，具有广泛的研究和产学结合前景。三维重建方面的成果在数字人领域已经有了非常多的应用。而关于人体三维服装物理参数优化和重建领域，由于很难在现有的虚拟三维框架中引入现实精细布料物理测量，因此是人体三维重建领域的一个较难的课题。现有的人体衣物三维技术大部分手动固定物理参数，或是不引入物理仿真模块直接进行三维预测，没有将物理参数优化和衣物三维重建进行较好的结合。因此，现有衣物三维驱动训练框架只能对虚拟生成的衣物模版进行固定虚拟物理参数下的仿真，或是只能用神经网络拟合现有采集数据，无法恢复现实数据的物理特性，从而构建基于现实采集数据的高真实感物理驱动模型。

发明内容

为了克服现有技术存在的问题，本发明提供一种衣物三维驱动模型的建立方法、装置、设备及介质，用于克服目前存在的缺陷。

一种衣物三维驱动模型的建立方法，包括以下步骤：

步骤S1、针对单个采集对象，构建人体的包括不同姿态的数据集和衣物数据集；

步骤S2、采用S1中所述衣物数据集，优化给定的衣物模版生成模型；

步骤S3、采用物理参数训练S2中优化后的给定的衣物模版生成模型并给定衣物三维模型预测网络；

步骤S4、采用二阶梯度优化方法优化所述物理参数；

步骤S5、重复S3、S4步骤，得到最终的物理参数和最终的衣物三维模型预测网络；

步骤S6、将步骤S1中不同姿态的数据集加入最终的物理参数和最终的衣物三维模型预测网络，得到最终预测网络；

步骤S7、给定不同动态姿态序列训练所述最终预测网络，生成衣物三维驱动模型。

如上所述的方面和任一可能的实现方式，进一步提供一种实现方式，所述S1具体包括：通过同步采集的多台RGB相机，对人体的不同姿态进行采集，并采集不同姿态下的所着衣物，形成姿态数据集和衣物数据集。

如上所述的方面和任一可能的实现方式，进一步提供一种实现方式，所述S2包括通过图形学渲染掩膜的方式，通过均匀采样在给定的衣物模版生成模型的衣物模版参数γ所在的空间中采样300组参数γ₁，γ₂，..·，-γ₃₀₀，并通过S1的人体姿态数据集包括的标准姿态β_T，生成对应的衣物三维模版G(γ₁，β_T)，G(γ₂，β_T^),..，G(γ₃₀₀，β_T)，其中G是给定的衣物模版生成模型，