[发明专利]基于深度学习的纹理图自动生成方法、装置、计算机设备和存储介质

权利要求书

1.一种基于深度学习的纹理图自动生成方法，其特征在于，包括以下步骤：

获取拍摄图片，并提取拍摄图片中的主体部分得到主体图像；

利用编码器提取主体图像的高维矢量，并从纹理库中搜索获得与高维矢量匹配的至少一个不含纹理信息影响因素的匹配纹理矢量；

利用解码器对输入的匹配纹理矢量和添加噪声进行解码计算，生成至少1个纹理贴图。

2.如权利要求1所述的基于深度学习的纹理图自动生成方法，其特征在于，所述纹理库中包含有多个样本，每个样本包含渲染图、渲染图对应的纹理贴图、纹理贴图对应的纹理矢量；

依据高维矢量与纹理矢量之间的距离，搜索距离小于距离阈值的至少1个纹理矢量作为高维矢量的匹配纹理矢量。

3.如权利要求1所述的基于深度学习的纹理图自动生成方法，其特征在于，从高斯分布中随机采样获得尺寸与匹配纹理矢量相同的噪声向量作为添加噪声用于生成纹理贴图。

4.如权利要求2所述的基于深度学习的纹理图自动生成方法，其特征在于，所述编码器基于卷积神经网络构建，从纹理库提取第一渲染图、第一纹理图和第二渲染图作为训练样本，并采用triplet loss作为损失函数对卷积神经网络进行训练，以优化卷积神经网络的网络参数，训练结束后，确定的网络参数与卷积神经网络结构组成编码器。

5.如权利要求2所述的基于深度学习的纹理图自动生成方法，其特征在于，所述解码器基于卷积神经网络构建，从纹理库的每个样本中提取纹理矢量和纹理贴图作为训练样本，对卷积神经网络进行训练，以优化卷积神经网络的网络参数，训练结束后，确定的网络参数与卷积神经网络结构组成解码器。

6.如权利要求1～5任一项所述的基于深度学习的纹理图自动生成方法，其特征在于，所述纹理图自动生成方法包括：

增加主体部分的三维模型的UV信息作为解码器的输入，即解码器依据输入的匹配纹理矢量、添加噪声以及UV信息生成符合UV坐标的纹理贴图。

7.一种基于深度学习的纹理图自动生成装置，其特征在于，包括：

获取模块，用于获取拍摄图片，并提取拍摄图片中的主体部分得到主体图像；

提取模块，用于利用编码器提取主体图像的高维矢量；

匹配模块，用于从纹理库中搜索获得与高维矢量匹配的至少一个不含纹理信息影响因素的匹配纹理矢量；

生成模块，用于利用解码器对输入的匹配纹理矢量和添加噪声进行解码计算，生成至少1个纹理贴图。

8.如权利要求7所述的基于深度学习的纹理图自动生成装置，其特征在于，所述生成模块还用于利用解码器输入的匹配纹理矢量、添加噪声以及UV信息生成符合UV坐标的纹理贴图。

9.一种计算机设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上执行的计算机程序，其特征在于，所述存储器中存储编码器和解码器，所述处理器执行所述计算机程序时实现权利要求1～6任一项所述的基于深度学习的纹理图自动生成方法的步骤。

10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理执行时实现权利要求1～6任一项所述的基于深度学习的纹理图自动生成方法的步骤。