买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：北京字跳网络技术有限公司

摘要：本公开提供一种表情驱动参数的确定方法、装置、设备及存储介质，所述方法包括：采集引擎内具有第一表情标记点的虚拟角色的表情图像样本，从引擎获取第一表情标记点在表情图像样本中的二维表情参数样本和三维表情参数样本，基于表情图像样本、二维表情参数样本和三维表情参数样本训练第一网络模型，基于训练后的第一网络模型处理具有第二表情标记点的目标角色的目标表情图像和第二表情标记点在目标表情图像中的二维表情参数，获得三维表情参数，基于训练后的第二网络模型将三维表情参数转换为表情驱动参数。该方法中第一网络模型自动生成训练数据，可节省训练成本，在推理阶段自动获得三维表情参数，可快速准确捕获演员表情。

主权项：1.一种表情驱动参数的确定方法，其特征在于，所述方法包括：采集引擎内具有第一表情标记点的虚拟角色的表情图像样本；从所述引擎获取所述第一表情标记点在所述表情图像样本中的二维表情参数样本和三维表情参数样本；基于所述表情图像样本、所述二维表情参数样本和所述三维表情参数样本训练第一网络模型；基于训练后的第一网络模型处理具有第二表情标记点的目标角色的目标表情图像和第二表情标记点在所述目标表情图像中的二维表情参数，获得所述第二表情标记点的三维表情参数；基于训练后的第二网络模型将所述三维表情参数转换为表情驱动参数；所述第一网络模型包括主干网络和全连接层，所述主干网络用于基于所述目标表情图像和所述二维表情参数，确定深度表情特征，所述全连接层用于基于所述深度表情特征确定所述三维表情参数，其中，所述主干网络用于基于所述目标表情图像和所述二维表情参数，确定深度表情特征，包括：利用所述主干网络确定所述目标表情图像对应深层语义信息，其中，所述深层语义信息包括景深和标记点坐标；将所述景深、所述标记点坐标和所述二维表情参数的特征进行融合，得到所述深度表情特征，以使所述深度表情特征融合第二表情标记点在二维坐标系和三维坐标系下的特征；所述第二网络模型为变换网络模型，所述变换网络模型用于对所述三维表情参数进行降采样，获得表情驱动参数；所述第一网络模型的损失函数满足回归约束条件和分类约束条件，所述分类约束条件的权重小于所述回归约束条件的权重，所述分类约束条件的权重大于0，且小于0.5。

全文数据：

权利要求：

百度查询： 北京字跳网络技术有限公司 一种表情驱动参数的确定方法、装置、设备及存储介质