在大規(guī)模人群仿真場景中,虛擬人物角色采用單一服飾紋理會降低仿真可信度,而人工精細生成多樣化紋理時間成本高。本文研究一種虛擬人物角色服飾紋理快速生成方法,采用算法識別解析現(xiàn)有人物圖片中服飾的不同部位,再進行紋理處理、生成和紋理映射等過程,實現(xiàn)從單張圖片直接生成角色服飾紋理。本文的主要工作如下:1)綜述了從圖片生成三維角色服飾模型的相關(guān)研究現(xiàn)狀及成果,對現(xiàn)有的從圖片到相似的三維人物服飾所使用的系統(tǒng)和算法、圖片中人物服飾部位的識別算法進行了分析和總結(jié)。2)結(jié)合深度學(xué)習(xí)和圖割算法,實現(xiàn)人物圖片中服飾的解析和提取。對于現(xiàn)代人物圖片的服飾識別,采用深度學(xué)習(xí)的宏-微對抗網(wǎng)絡(luò)算法（Macro-micro Adversarial Network,MMAN）方法,其識別效果良好且操作便捷;而對于自動識別效果不佳的人物圖片,采用機動性良好的交互式GrabCut算法識別服飾,提高識別準(zhǔn)確度。3)提出了一種虛擬角色服飾紋理快速生成方法。首先,采用上述算法進行服飾解析和提取;然后,通過算法映射到三維角色模型紋理圖的服飾對應(yīng)部位,其中對于被遮擋的服飾部分紋理,采用提取的服飾顏色風(fēng)格信息進行補充;最后,得到三維人物角... 

【文章來源】：合肥工業(yè)大學(xué)安徽省 211工程院校 教育部直屬院校

【文章頁數(shù)】：62 頁

【學(xué)位級別】：碩士

【圖文】：

從圖片到三維角色服飾紋理系統(tǒng)框架

圖 2.1 生成式對抗網(wǎng)絡(luò)模型Fig 2.1 The Model Of Generative Adversarial Networks 2.2 以量化的形式展示了 GAN 模型在對抗訓(xùn)練中的數(shù)值變化。當(dāng)中，LossD(real)和 LossD(fake)兩個參數(shù)分別表示生成式對抗圖像的標(biāo)量值，LossG 表示生成器生成圖像的標(biāo)量值。好的訓(xùn)練 2.2(a)，LossD(real)和 LossD(fake)的數(shù)值無限向 0.5 收斂靠攏，限趨近于 0。這樣的數(shù)值顯示這是一個訓(xùn)練良好的生成式對抗網(wǎng)成的圖像足以欺騙鑒別器，讓其相信這是真實的圖像而不是由絡(luò)生成的。而圖 2.2（b）是一個收斂情況不好的失敗的 GAN l)和 LossD(fake)都無限趨近于 0 而 LossG 無限趨近于 1，表明平衡的現(xiàn)象，鑒別器可以輕易地區(qū)分出生成的圖像和真實的圖外關(guān)于對抗網(wǎng)絡(luò)的研究有很多，Luc[27]等人在訓(xùn)練語義分割中添競爭后的結(jié)果，類似的想法已經(jīng)應(yīng)用于街景分割[28]和醫(yī)學(xué)圖像 GAN 中，常發(fā)生的問題有發(fā)生器和鑒別器容易陷入局部最小

(b) 不平衡的 GAN 模型圖 2.2 GAN 模型的訓(xùn)練平衡與失衡對比Fig 2.2 Comparison of Training Balanced and Imbalanced GAN Model 基于圖割的識別算法基于人工智能的服飾識別方法是近年來熱門的研究方向，且對服飾的自別效果最好，但是若要取得良好的識別效果，需要構(gòu)建大規(guī)模的規(guī)范訓(xùn)實驗基礎(chǔ)，訓(xùn)練模型耗時較長。且若遇到因模型庫限制或人物姿態(tài)使服多等情況導(dǎo)致的深度學(xué)習(xí)模型對圖片的識別效果不佳，識別結(jié)果缺陷難補。故本文采用了圖割算法 GrabCut 來對識別效果不佳的多數(shù)古代人圖人圖片進行服飾的識別，通過交互的機動性來識別 MMAN 算法識別效果物服飾圖片。圖像分割是數(shù)字圖像處理的經(jīng)典研究內(nèi)容之一，它也是圖像分析和模式重點研究問題，它對圖像的最終分析質(zhì)量和模式識別的判別結(jié)果起了決用。圖像分割的基本處理方式，一般是根據(jù)分析得出的圖像灰度、顏色

【參考文獻】：
期刊論文
[1]生成式對抗網(wǎng)絡(luò)及其計算機視覺應(yīng)用研究綜述[J]. 曹仰杰,賈麗麗,陳永霞,林楠,李學(xué)相.  中國圖象圖形學(xué)報. 2018(10)
[2]基于顏色特征的水稻病害圖像分割方法研究[J]. 蘇博妮,化希耀,范振岐.  計算機與數(shù)字工程. 2018(08)
[3]三維模型拆分UV及生成貼圖技術(shù)分析[J]. 趙偉明.  信息與電腦(理論版). 2017(18)
[4]改進模糊C均值算法在民族服飾圖像分割中的應(yīng)用[J]. 王禹君,周菊香,徐天偉.  計算機工程. 2017(05)
[5]基于HSV空間改進的多尺度顯著性檢測[J]. 王文豪,周靜波,高尚兵,嚴(yán)云洋.  計算機工程與科學(xué). 2017(02)
[6]基于雙線性插值最值濾波的Mura改善方法[J]. 梁志虎,張小寧,岳俊峰,屠震濤,黃泰鈞,梁鵬飛,王利民.  光子學(xué)報. 2016(07)
[7]三維模型的UV拆分技術(shù)分析——以Headus UVLayout為例[J]. 李曙光.  綏化學(xué)院學(xué)報. 2015(03)
[8]基于單幅圖片的唐代服裝褶皺信息提取研究[J]. 朱耀麟,劉雅琪,萬韜阮,武桐.  紡織高�；A(chǔ)科學(xué)學(xué)報. 2014(02)
[9]一種面向2D虛擬試穿的服裝素材處理方法[J]. 周千明,朱欣娟.  計算機應(yīng)用與軟件. 2014(04)
[10]基于樣本的大規(guī)模人群快速創(chuàng)作[J]. 申晶晶,王欣捷,粆倩文,金小剛.  計算機學(xué)報. 2014(03)

碩士論文
[1]基于單張圖片的服裝建模相關(guān)算法研究[D]. 成俊燕.浙江大學(xué) 2017
[2]衣服檢測與識別技術(shù)研究[D]. 鄒娜.西安電子科技大學(xué) 2012



本文編號：3407255