[发明专利]一种生成目标角色的动画表情的方法和系统在审

专利信息
申请号: 202011219692.0 申请日: 2020-11-04
公开(公告)号: CN112330780A 公开(公告)日: 2021-02-05
发明(设计)人: 渠思源 申请(专利权)人: 北京慧夜科技有限公司
主分类号: G06T13/40 分类号: G06T13/40;G06N3/04;G06N3/08
代理公司: 成都七星天知识产权代理有限公司 51253 代理人: 杨永梅
地址: 100086 北京市海淀区*** 国省代码: 北京;11
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 一种 生成 目标 角色 动画 表情 方法 系统
【权利要求书】:

1.一种生成目标角色的动画表情的方法,所述方法由至少一个处理器执行,所述方法包括:

获取待预测台词文本;

使用训练好的表情生成模型处理所述待预测台词文本,得到与所述待预测台词文本对应的表情编码,以使用所述表情编码基于映射关系获取与所述动画表情对应的表情参数,并基于所述表情参数确定所述目标角色的动画表情;其中,所述表情编码用于表示所述动画表情的类别;

所述目标角色包括:动画角色、虚拟偶像、聊天机器人或者网站的在线客服;

其中:所述表情生成模型包括台词特征提取模型和表情编码生成模型,所述表情编码生成模型用于基于所述台词特征提取模型输出的台词特征向量获取与所述待预测台词文本对应的所述表情编码。

2.根据权利要求1所述的方法,其中,所述表情生成模型通过以下方式获得:

获取多个训练样本;其中,所述训练样本包括训练台词文本以及与所述训练台词文本对应的表情编码;

将所述训练台词文本作为输入数据;将所述表情编码作为标签;

利用所述多个训练样本训练初始表情生成模型,获得训练好的表情生成模型。

3.根据权利要求2所述的方法,其中,所述表情编码、所述映射关系、所述表情参数,以及所述训练台词文本通过以下方式获得:

使用面部捕捉设备从真人表演和/或包含面部动作的视频中获取多种动画表情的表情参数;

对所述多种动画表情进行编码,得到所述表情编码;

建立所述表情编码与所述表情参数的映射关系;

以文本形式保存所述真人表演和/或所述视频中使用的台词作为所述训练台词文本。

4.根据权利要求1所述的方法,其中,所述台词特征提取模型和所述表情编码生成模型均包括循环神经网络。

5.根据权利要求4所述的方法,其中,所述表情编码生成模型为双层带注意力机制的LSTM模型。

6.一种生成目标角色的动画表情的系统,其中,包括台词获取模块和表情编码获取模块;

所述台词获取模块用于获取待预测台词文本;

所述表情编码获取模块用于使用训练好的表情生成模型处理所述待预测台词文本,得到与所述待预测台词文本对应的表情编码,以使用所述表情编码基于映射关系获取与所述动画表情对应的表情参数,并基于所述表情参数确定所述目标角色的动画表情;其中,所述表情编码用于表示所述动画表情的类别;

所述目标角色包括:动画角色、虚拟偶像、聊天机器人或者网站的在线客服;

其中:所述表情生成模型包括台词特征提取模型和表情编码生成模型,所述表情编码生成模型用于基于所述台词特征提取模型输出的台词特征向量获取与所述待预测台词文本对应的所述表情编码。

7.根据权利要求6所述的系统,其中,所述表情生成模型通过以下方式获得:

获取多个训练样本;其中,所述训练样本包括训练台词文本以及与所述训练台词文本对应的表情编码;

将所述训练台词文本作为输入数据;将所述表情编码作为标签;

利用所述多个训练样本训练初始表情生成模型,获得训练好的表情生成模型。

8.根据权利要求7所述的系统,其中,所述表情编码、所述映射关系、所述表情参数,以及所述训练台词文本通过以下方式获得:

使用面部捕捉设备从真人表演和/或包含面部动作的视频中获取多种动画表情的表情参数;

对所述多种动画表情进行编码,得到所述表情编码;

建立所述表情编码与所述表情参数的映射关系;

以文本形式保存所述真人表演和/或所述视频中使用的台词作为所述训练台词文本。

9.根据权利要求6所述的系统,其中,所述台词特征提取模型和所述表情编码生成模型均包括循环神经网络。

10.一种生成目标角色的动画表情的装置,其中,包括处理器和存储设备,所述存储设备用于存储指令,当所述处理器执行指令时,实现如权利要求1~5中任一项所述的方法。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于北京慧夜科技有限公司,未经北京慧夜科技有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202011219692.0/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top