[发明专利]一种动作重定向方法、装置、设备及存储介质

权利要求书

1.一种动作重定向方法，其特征在于，所述方法包括：

获取原始动作数据和所述原始动作数据对应的骨骼向量；

将所述原始动作数据和所述骨骼向量输入至预先训练得到的重定向模型中，调整所述原始动作数据的手臂开度，得到重定向动作数据，并保持所述骨骼向量，其中，所述预先训练得到的重定向模型是利用不同手臂开度的样本动作数据和与所述样本动作数据对应的样本骨骼向量进行训练得到的；

根据所述重定向动作数据和所述骨骼向量，渲染三维虚拟人体模型。

2.根据权利要求1所述的方法，其特征在于，所述将所述原始动作数据和所述骨骼向量输入至预先训练得到的重定向模型中，调整所述原始动作数据的手臂开度，得到重定向动作数据，包括：

将所述原始动作数据输入至所述重定向模型的第一网络模型进行处理，得到旋转特征；

将所述骨骼向量输入至所述重定向模型的第二网络模型进行处理，得到所述重定向模型的骨长特征；

将所述旋转特征与所述骨长特征拼接，得到动作特征；

将所述动作特征输入至所述重定向模型的第三网络模型进行处理，得到动作偏移量；

计算所述动作偏移量与所述原始动作数据之和，得到重定向动作数据。

3.根据权利要求2所述的方法，其特征在于，所述原始动作数据的维度为(N-1)×3，所述骨骼向量的维度为(N-1)×1，所述N为人体关节点的数量；

所述将所述原始动作数据输入至所述重定向模型的第一网络模型进行处理，得到旋转特征，包括：

将所述原始动作数据输入至所述重定向模型的第一网络模型进行处理，得到维度为(N-1)×M的旋转特征，所述M为大于3的整数；

所述将所述骨骼向量输入至所述重定向模型的第二网络模型进行处理，得到所述重定向模型的骨长特征，包括：

将所述骨骼向量输入至所述重定向模型的第二网络模型进行处理，得到维度为(N-1)×Y的所述重定向模型的骨长特征，所述Y为大于1的整数；

所述将所述旋转特征与所述骨长特征拼接，得到动作特征，包括：

将所述旋转特征与所述骨长特征拼接，得到维度为(N-1)×(M+Y)的动作特征；

所述将所述动作特征输入至所述重定向模型的第三网络模型进行处理，得到动作偏移量，包括：

将所述动作特征输入至所述重定向模型的第三网络模型进行处理，得到维度为(N-1)×3的动作偏移量；

所述计算所述动作偏移量与所述原始动作数据之和，得到重定向动作数据，包括：

计算所述动作偏移量与所述原始动作数据之和，得到维度为(N-1)×3的重定向动作数据。

4.根据权利要求1所述的方法，其特征在于，采用如下步骤，训练得到所述重定向模型：

获取多个样本动作数据，以及与所述样本动作数据对应的样本骨骼向量；

根据所述样本动作数据的预测穿模偏移量与真实穿模偏移量之间的损失值，对原始模型进行训练，得到重定向模型；

其中，所述预测穿模偏移量为利用所述原始模型对所述样本动作数据及所述样本骨骼向量进行计算得到的，所述真实穿模偏移量为对所述样本动作数据进行重定向处理得到的。

5.根据权利要求4所述的方法，其特征在于，所述根据所述样本动作数据的预测穿模偏移量与真实穿模偏移量的损失值，对原始模型进行训练，得到重定向模型，包括：

对每个所述样本动作数据进行重定向处理，得到每个所述样本动作数据对应的样本重定向动作数据；

计算所述样本动作数据与所述样本重定向动作数据之间的差值，作为所述样本动作数据的真实穿模偏移量；

将所述样本动作数据及对应的样本骨骼向量输入至原始模型中，得到所述样本动作数据的预测穿模偏移量；

计算所述预测穿模偏移量与所述真实穿模偏移量之间的损失值，并判断所述损失值是否满足预设条件，若不满足，则对所述原始模型进行迭代调整，若满足，则将迭代调整后的原始模型作为重定向模型。