[发明专利]模型异常绘制的判别方法、装置、服务器和存储介质

权利要求书

1.一种模型异常绘制的判别方法，其特征在于，包括：

获取目标模型的平面设计图，所述目标模型为游戏虚拟模型；

基于预设第一角度或预设第二角度，在游戏内对所述目标模型进行三维绘制处理，得到所述目标模型的三维绘制图；

得到所述平面设计图和所述三维绘制图的视觉相似度；

当所述视觉相似度在预设范围内时，将判别结果判定为所述目标模型在所述游戏内正常绘制；

当所述视觉相似度不在预设范围内时，将判别结果判定为所述目标模型在所述游戏内异常绘制；

展示所述目标模型的所述判别结果。

2.如权利要求1所述的模型异常绘制的判别方法，其特征在于，所述得到所述外观设计图和所述绘制图的视觉相似度，包括：

获取游戏虚拟模型的外观设计图；

基于预设第一角度在游戏内对所述游戏虚拟模型进行绘制处理，得到所述游戏虚拟模型的第一绘制图；

基于预设第二角度在游戏内对所述游戏虚拟模型进行绘制处理，得到所述游戏虚拟模型的第二绘制图；

基于所述游戏虚拟模型的外观设计图、第一绘制图和第二绘制图得到训练数据；

采用所述训练数据训练预设模型，直至所述预设模型收敛，得到特征提取网络；

采用所述特征提取网络确定所述外观设计图和所述绘制图的视觉相似度。

3.如权利要求2所述的模型异常绘制的判别方法，其特征在于，所述游戏虚拟模型包括待处理模型和其他模型，所述其他模型为除所述待处理模型以外其他的游戏虚拟模型，所述基于所述游戏虚拟模型的外观设计图、第一绘制图和第二绘制图得到训练数据，包括：

为所述待处理模型的外观设计图添加锚点标签，得到锚点样本；

为所述待处理模型的第一绘制图或第二绘制图添加正标签，得到正样本；

为所述其他模型的第一绘制图或第二绘制图添加负标签，得到负样本；

得到训练数据，所述训练数据包括锚点样本、正样本和负样本。

4.如权利要求3所述的模型异常绘制的判别方法，其特征在于，所述预设模型包括第一预设网络、第二预设网络和第三预设网络，所述第一预设网络、所述第二预设网络和所述第三预设网络共享相同的网络参数，所述采用所述训练数据训练预设模型，直至所述预设模型收敛，得到特征提取网络，包括：

采用所述第一预设网络提取所述锚点样本的特征向量；

采用所述第二预设网络提取所述正样本的特征向量；

采用所述第三预设网络提取所述负样本的特征向量；

根据所述锚点样本的特征向量、所述正样本的特征向量和所述负样本的特征向量更新所述第一预设网络、所述第二预设网络和所述第三预设网络的网络参数，直至所述预设模型收敛，得到三个网络参数相同的特征提取网络。

5.如权利要求4所述的模型异常绘制的判别方法，其特征在于，所述根据所述锚点样本的特征向量、所述正样本的特征向量和所述负样本的特征向量更新所述第一预设网络、所述第二预设网络和所述第三预设网络的网络参数，直至所述预设模型收敛，得到三个网络参数相同的特征提取网络，包括：

对所述锚点样本的特征向量和所述正样本的特征向量之间的向量距离进行计算，得到第一距离；

对所述锚点样本的特征向量和所述负样本的特征向量之间的向量距离进行计算，得到第二距离；

计算损失值，所述损失值为距离差与预设阈值之和，所述距离差为所述第一距离和所述第二距离之差；

采用所述损失值量更新所述第一预设网络、所述第二预设网络和所述第三预设网络的网络参数，直至所述损失值不大于0，得到三个网络参数相同的特征提取网络。

6.如权利要求1所述的模型异常绘制的判别方法，其特征在于，所述得到所述外观设计图和所述绘制图的视觉相似度，包括：

构造相似度计算模型，所述相似度计算模型包括两个网络参数相同的特征提取网络；

采用所述相似度计算模型中的一个所述特征提取网络计算所述外观设计图的特征向量；

采用所述相似度计算模型中的另一个所述特征提取网络计算所述绘制图的特征向量；

将所述外观设计图的特征向量和所述绘制图的特征向量之间的向量距离作为所述外观设计图和所述绘制图的视觉相似度。