-
公开(公告)号：CN114882152A
公开(公告)日：2022-08-09
申请号：CN202210336861.1
申请日：2022-04-01
Applicant: 华南理工大学
Abstract: 本发明公开了一种基于网格自动编码器的人体网格解耦表示方法，包括：1)构建训练数据集和网格自动编码器，网格自动编码器由编码器和解码器组成，编码器由形状编码器、姿态编码器和旋转平移编码器组成，以人体网格作为输入，形状编码器输出形状编码表示，姿态编码器输出姿态编码表示，旋转平移编码器输出旋转矩阵和平移向量，解码器以形状编码表示和姿态编码表示的组合编码作为输入，输出为人体网格；2)训练数据集对网格自动编码器训练，将人体网格输入训练好的网格自动编码器得到其解耦表示。本发明可获得人体网格具有旋转平移不变性的、彼此独立解耦的形状与姿态表示，从而可利用已有的人体网格数据编辑合成更多不同形状和姿态的三维人体网格。
-
公开(公告)号：CN114882152B
公开(公告)日：2025-01-14
申请号：CN202210336861.1
申请日：2022-04-01
Applicant: 华南理工大学
IPC: G06T13/40 , G06T17/20 , G06T19/20 , G06N3/0455 , G06N3/0464 , G06N3/084
Abstract: 本发明公开了一种基于网格自动编码器的人体网格解耦表示方法，包括：1)构建训练数据集和网格自动编码器，网格自动编码器由编码器和解码器组成，编码器由形状编码器、姿态编码器和旋转平移编码器组成，以人体网格作为输入，形状编码器输出形状编码表示，姿态编码器输出姿态编码表示，旋转平移编码器输出旋转矩阵和平移向量，解码器以形状编码表示和姿态编码表示的组合编码作为输入，输出为人体网格；2)训练数据集对网格自动编码器训练，将人体网格输入训练好的网格自动编码器得到其解耦表示。本发明可获得人体网格具有旋转平移不变性的、彼此独立解耦的形状与姿态表示，从而可利用已有的人体网格数据编辑合成更多不同形状和姿态的三维人体网格。
-
公开(公告)号：CN110496377B
公开(公告)日：2020-07-28
申请号：CN201910763946.6
申请日：2019-08-19
Applicant: 华南理工大学
Abstract: 本发明公开了一种基于强化学习的虚拟乒乓球手击球训练方法，包括步骤：1)设计任务场景及任务流程；2)使用强化学习的方法对球拍的击球策略进行训练；3)使用逆向运动学的算法估计人体击球时各关节的运动情况；4)使用强化学习对根节点的移动策略进行训练。本发明能在无训练数据的情况下通过设计简单的奖励函数得到一个能以合理的姿态和高准确率进行击球的虚拟球手，不需要设计复杂的击球规则，同时因为强化学习正向运算的低耗特性，使虚拟球手的击球动作能稳定地保持高帧率，让用户有良好的交互体验。
-
公开(公告)号：CN110496377A
公开(公告)日：2019-11-26
申请号：CN201910763946.6
申请日：2019-08-19
Applicant: 华南理工大学
Abstract: 本发明公开了一种基于强化学习的虚拟乒乓球手击球训练方法，包括步骤：1)设计任务场景及任务流程；2)使用强化学习的方法对球拍的击球策略进行训练；3)使用逆向运动学的算法估计人体击球时各关节的运动情况；4)使用强化学习对根节点的移动策略进行训练。本发明能在无训练数据的情况下通过设计简单的奖励函数得到一个能以合理的姿态和高准确率进行击球的虚拟球手，不需要设计复杂的击球规则，同时因为强化学习正向运算的低耗特性，使虚拟球手的击球动作能稳定地保持高帧率，让用户有良好的交互体验。
-
-
-
Search Results
4
records
(took 0.021 seconds)
