[发明专利]推导模型构建方法、推导模型构建装置、程序、记录介质、构成装置以及构成方法

权利要求书

1.一种推导模型构建方法，使计算机针对如下的表现模型来构建推导模型，该表现模型通过使对象物体的与基准状态对应的2维图像的各组成部分变形来实现该对象物体的与不同于所述基准状态的状态对应的描绘表现，该推导模型推导所述2维图像的各组成部分在与所述基准状态不同的定义状态下的变形，

其特征在于，

所述表现模型构成为，通过定义所述2维图像的各组成部分的至少1个所述定义状态下的变形而成为定义完毕，并且至少能够实现与所述基准状态和所述定义状态之间的状态对应的描绘表现，

所述表现模型中的各组成部分的变形是通过针对该组成部分设定的控制点的分布的形态来控制的，

所述推导模型构建方法包括：

取得工序，针对定义完毕的所述表现模型，取得所述基准状态和所述定义状态下的所述控制点的分布；

提取工序，基于在所述取得工序中取得的所述基准状态下的控制点的分布，提取第一特征量；以及

学习工序，将在所述提取工序中提取出的所述第一特征量作为标签，对在所述取得工序中取得的所述定义状态下的控制点的分布进行机器学习，基于对多个所述定义完毕的表现模型进行学习而得到的学习结果来构建推导模型。

2.根据权利要求1所述的推导模型构建方法，其特征在于，

所述表现模型中的各组成部分构成为包含该组成部分的2维图像、应用该2维图像的曲面、以及确定该曲面的形状的所述控制点，

所述第一特征量包含所述基准状态下的控制点的分布中各组成部分所涉及的曲面的中心位置及尺寸的信息。

3.根据权利要求2所述的推导模型构建方法，其特征在于，

所述第一特征量还包含所述基准状态下的各组成部分的曲面所应用的2维图像的尺寸的信息。

4.根据权利要求1至3中的任一项所述的推导模型构建方法，其特征在于，

所述推导模型构建方法还包括标准化工序，所述标准化工序由所述计算机进行，对定义完毕的所述表现模型进行标准化，

在所述取得工序中取得在所述标准化工序中被标准化后的所述表现模型。

5.根据权利要求4所述的推导模型构建方法，其特征在于，

所述对象物体包含角色的头部，

所述标准化工序包括以下工序：

基于构成角色的头部的第一类别的组成部分所包含的2个组成部分之间的距离，对所述基准状态和所述定义状态下的控制点的分布的尺度进行标准化；以及

基于针对构成角色的头部的第二类别的组成部分设定的控制点在尺度被标准化后的所述基准状态下的控制点的分布和尺度被标准化后的所述定义状态下的控制点的分布之间的移动量，对从所述基准状态到所述定义状态的变形量进行标准化。

6.根据权利要求1至5中的任一项所述的推导模型构建方法，其特征在于，

所述推导模型构建方法还包括估计工序，所述估计工序由所述计算机进行，基于在所述取得工序中取得的所述基准状态下的控制点的分布和所述定义状态下的控制点的分布来估计第二特征量，

在所述学习工序中，还将在所述估计工序中估计出的所述第二特征量添加到标签中来进行机器学习。

7.根据权利要求6所述的推导模型构建方法，其特征在于，

所述第二特征量包含与从所述基准状态到所述定义状态的变形有关的、表示平移分量的变形量和非平移分量的变形量的信息。

8.根据权利要求7所述的推导模型构建方法，其特征在于，

所述对象物体包含角色的头部，

表示所述第二特征量的所述平移分量的变形量的信息是基于针对构成角色的头部的第三类别的组成部分设定的至少1个控制点在所述基准状态下的控制点的分布和所述定义状态下的控制点的分布之间的移动量估计出的，

表示所述第二特征量的所述非平移分量的变形量的信息是基于针对构成角色的头部的第四类别的组成部分设定的多个控制点在所述基准状态下的控制点的分布和所述定义状态下的控制点的分布之间的移动量之差而估计出的。