【技术实现步骤摘要】
动作生成方法及虚拟人物动画生成方法
[0001]本说明书实施例涉及计算机数据处理
,特别涉及一种动作生成方法。
技术介绍
[0002]随着计算机技术的发展,虚拟对象在各种场景下得到广泛应用,例如,在虚拟现实/增强现实领域,以及视频中的虚拟对象、游戏中的虚拟角色、网络页面或者应用软件上的虚拟客服对象、电影动画制作中的虚拟人物等等。
[0003]只能静态展示的虚拟对象愈发难以满足人们对于虚拟对象生动、趣味的要求,因而,对于虚拟对象的运动进行控制,得到可以运动的虚拟对象,来提升虚拟对象的生动性和趣味性,是越来越普遍的需求。目前,对虚拟对象的运动进行控制主要是依赖于动作序列实现的,出于成本和效率的考虑,人工生成动作序列已被动作生成模型为代表的人工智能技术所替代。
[0004]然而,目前利用动作生成模型来生成动作序列,需要基于大量的样本动作序列来对动作生成模型进行预训练,由于样本动作序列的数量不足,难以保证对动作生成模型进行全面的预训练,导致动作生成模型生成的动作序列的针对性和丰富性不足。因而亟需一种生成动作更具针对性且更丰富的动作生成方法。
技术实现思路
[0005]有鉴于此,本说明书实施例提供了一种动作生成方法。本说明书一个或者多个实施例同时涉及一种虚拟人物动画生成方法,一种动作生成模型的数据处理方法,一种动作生成装置,一种虚拟人物动画生成装置,一种动作生成模型的数据处理装置,一种计算设备,一种计算机可读存储介质以及一种计算机程序,以解决现有技术中存在的技术缺陷。
[0006] ...
【技术保护点】
【技术特征摘要】
1.一种动作生成方法,包括:获取随机采样得到的噪声序列;将所述噪声序列输入动作生成模型,经所述动作生成模型中解码器的多次迭代解码,得到目标动作序列,其中,所述迭代解码包括对本次迭代输入的噪声序列进行去噪处理获得下一次迭代输入的噪声序列,直至最后一次迭代输出目标动作序列,所述动作生成模型基于样本噪声序列训练得到,所述样本噪声序列为对样本动作序列进行加噪得到。2.根据权利要求1所述的方法,所述对本次迭代输入的噪声序列进行去噪处理获得下一次迭代输入的噪声序列,包括:基于本次迭代输入的噪声序列进行动作预测,获得预测动作序列;对所述预测动作序列和本次迭代输入的噪声序列进行分析,获得下一次迭代输入的噪声序列。3.根据权利要求2所述的方法,所述解码器包括第一骨骼自适应层、多头注意力层和第二骨骼自适应层;所述基于本次迭代输入的噪声序列进行动作预测,获得预测动作序列,包括:将本次迭代输入的噪声序列输入所述第一骨骼自适应层,经所述第一骨骼自适应层对所述噪声序列进行归一化处理,获得骨骼特征序列;将所述骨骼特征序列输入所述多头注意力层,经所述多头注意力层对所述骨骼特征序列进行多头注意力计算,得到骨骼注意力特征序列;将所述骨骼注意力特征序列输入所述第二骨骼自适应层,经所述第二骨骼自适应层对所述骨骼注意力特征序列进行骨骼还原,得到预测动作序列。4.根据权利要求3所述的方法,在所述将所述骨骼特征序列输入所述多头注意力层,经所述多头注意力层对所述骨骼特征序列进行多头注意力计算,得到骨骼注意力特征序列之前,还包括:获得预设的噪声强度特征序列;将所述骨骼特征序列与所述噪声强度特征序列相加,获得更新的所述骨骼特征序列。5.根据权利要求3所述的方法,所述动作生成模型还包括编码器;在所述将所述骨骼特征序列输入所述多头注意力层,经所述多头注意力层对所述骨骼特征序列进行多头注意力计算,得到骨骼注意力特征序列之前,还包括:获取指定引导信号;将所述指定引导信号输入所述编码器,经所述编码器对所述指定引导信号进行特征编码,得到引导特征向量;所述将所述骨骼特征序列输入所述多头注意力层,经所述多头注意力层对所述骨骼特征序列进行多头注意力计算,得到骨骼注意力特征序列,包括:将所述骨骼特征序列和所述引导特征向量输入所述多头注意力层,经所述多头注意力层对所述骨骼特征序列和所述引导特征向量进行多头注意力计算,得到骨骼注意力特征序列。6.根据权利要求2所述的方法,在所述对所述预测动作序列和本次迭代输入的噪声序列进行分析,获得下一次迭代输入的噪声序列之前,还包括:接收用户输入的指定帧的目标骨骼位姿数据;
将所述预测动作序列中所述指定帧的骨骼位姿数据替换为所述目标骨骼位姿数据,得到更新的所述预测动作序列。7.根据权利要求2所述的方法,在所述对所述预测动作序列和本次迭代输入的噪声序列进行分析,获得下一次迭代输入的噪声序列之前,还包括:接收用户输入的骨骼指定部位的目标部位位姿数据;将所述预测动作序列中各帧骨骼指定部位的位姿数据替换为所述目标部位位姿数据,得到更新的所述预测动作序列。8.根据权利要求1
‑
7中任一项所述的方法,在所述将所述噪声序列输入动作生成模型,经所述动作生成模型中解码器的多次迭代解码,得到目标动作序列之前,还包括:获取样本动作序列;对所述样本动作序列进行多次加噪处理,获得多个样本噪声序列;将所述多个样本噪声序列中的第一样本噪声序列输入待训练动作生成模型的解码器,经所述解码器对所述第一样本噪声序列进行动作预测,获得第一预测动作序列,其中,所述第一样本噪声序列为所述多个样本噪声序列中的任一个;基于所述第一预测动作序列和所述样本动作序列,计算损失值;基于所述损失值调整所述解码器的模型参数,并返回执行所述将所述多个样本噪声序列中的第一样本噪声序列输入待训练动作生成模型的解码器,经所述解码器对所述第一样本噪声序列进行动作预测,获得第一预测动作序列的步骤,直至达到训练停止条件,获得训练后的动作生成模型。9.根据权利要求8所述的方法,在所述将所述多个样本噪声序列中的第一样本噪声序列输入待训练动作生成模型的解码器之前,还包括:获取多个样本引导信号;将所述多个样本引导信号中的第一样本引导信号输入待训练动作生成模型的编码器,经过所述编码器对所述第一样本引导信号进行特征编码,得到第一引导特征向量,其中,所述第一样本引导信号为所述多个样本引导信号中的任一个;将所述多个样本噪声序列中的第一样本噪声序列输入待训练动作生成模型的解码器,经所述解码器对所述第一样本噪声序列进行动作...
【专利技术属性】
技术研发人员:马坚鑫,白帅,周畅,
申请(专利权)人:阿里巴巴中国有限公司,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。