欢迎来到知嘟嘟! 联系电话:13336804447 卖家免费入驻,海量在线求购! 卖家免费入驻,海量在线求购!
知嘟嘟
我要发布
联系电话:13336804447
知嘟嘟经纪人
收藏
专利号: 2025111494677
申请人: 南昌大学
专利类型:发明专利
专利状态:已下证
专利领域: 计算;推算;计数
更新日期:2026-11-16
缴费截止日期: 暂无
价格&联系人
年费信息
委托购买

摘要:

权利要求书:

1.基于动态图卷积的自适应感知数字人骨骼绑定方法,其特征在于,包括:基于SMPL模型对数字人骨骼数据进行绑定和增强,以获取增强后的三维网格数字人模型数据;

基于预设的蒙皮模块EdgeConv构建局部拓扑图,利用K-近邻算法更新邻域,经编码器-解码器与多层MLP生成蒙皮权重矩阵,其中,所述预设的蒙皮模块包括多个边缘卷积层,所述边缘卷积层通过K - 近邻算法动态构建局部拓扑图,实现对数字人模型几何特征的自适应提取,所述自适应提取的具体过程,包括:基于所述边缘卷积层对所述局部拓扑图内的每个顶点进行KNN算法处理,以获取多个近邻点;

基于所述多个近邻点构建K-近邻图;

基于所述边缘卷积层每一个所述近邻点的边特征进行聚合处理,以生成更新后的顶点特征,并基于所述更新后的顶点特征对所述K -近邻图进行更新,以获取更新后的K-近邻图,其中,所述边特征的数学表达式为:;

;

所述更新后的顶点特征的数学表达式为:

;

其中,为非线性映射函数,与分别表示输入与输出特征维度,表示边特征,表示顶点,表示顶点,表示实数集,表示更新后的顶点特征,表示通道对称聚合操作,表示k近邻边的集合;

基于预设的绑定模块对所述蒙皮权重矩阵进行处理,以获取深度偏移特征向量,其中,所述基于预设的绑定模块对所述蒙皮权重矩阵进行处理,以获取深度偏移特征向量的过程,包括:所述绑定模块以蒙皮模块的输入数据为基础,首先通过四层堆叠的 EdgeConv 层提取高维几何特征,所述高维几何特征包含了数字人模型的深层几何信息;

基于注意力池化机制将所述蒙皮模块输出的蒙皮权重矩阵作为注意力权重;

基于所述注意力权重对所述高维几何特征进行池化处理,以生成深度偏移特征向量,其中,所述深度偏移特征向量仅与绑定的顶点相关;

基于骨骼感知多层感知机对所述深度偏移特征向量进行处理,获取关节点偏移量。

2.根据权利要求1所述的基于动态图卷积的自适应感知数字人骨骼绑定方法,其特征在于,所述基于SMPL模型对数字人骨骼数据进行绑定和增强,以获取增强后的三维网格数字人模型数据的过程,包括:调整形状向量和姿势向量以生成初始数字人模型,所述初始数字人模型由多个不同的形状特性和高质量变形的数字人组成;

分别基于幂律分布和高斯分布对应生成第一SMPL模型和第二SMPL模型;

组合所述初始数字人模型、所述第一SMPL模型、所述第二SMPL模型,以获得初始SMPL模型;

基于多服装数据集对所述初始SMPL模型依次进行处理,以获取增强后的三维网格数字人模型数据。

3.根据权利要求1所述的基于动态图卷积的自适应感知数字人骨骼绑定方法,其特征在于,生成所述蒙皮权重矩阵的具体过程,包括:通过池化操作对编码器输出的高维特征进行降维,获得不同层级的特征图;

基于跳跃连接将所述不同层级的特征图进行融合并输入至多层感知机网络中进行拟合处理,以输出蒙皮权重矩阵。

4.根据权利要求3所述的基于动态图卷积的自适应感知数字人骨骼绑定方法,其特征在于,所述拟合处理的具体过程,包括:基于多层感知机网络对每个顶点与 24 个关节点之间的蒙皮权重进行拟合,以输出蒙皮权重矩阵,其中,所述多层感知机网络的层次结构为(256,256,128,24)。

5.基于动态图卷积的自适应感知数字人骨骼绑定系统,其特征在于,包括:增强数据集构建模块,用于基于SMPL模型对数字人骨骼数据进行绑定和增强,以获取增强后的三维网格数字人模型数据;

蒙皮模块,用于基于预设的蒙皮模块内的EdgeConv层构建局部拓扑图,利用K-近邻算法更新邻域,经编码器-解码器与多层MLP生成蒙皮权重矩阵,其中,所述预设的蒙皮模块包括多个边缘卷积层,所述边缘卷积层通过K - 近邻算法动态构建局部拓扑图,实现对数字人模型几何特征的自适应提取,所述自适应提取的具体过程,包括:基于所述边缘卷积层对所述局部拓扑图内的每个顶点进行KNN算法处理,以获取多个近邻点;

基于所述多个近邻点构建K-近邻图;

基于所述边缘卷积层每一个所述近邻点的边特征进行聚合处理,以生成更新后的顶点特征,并基于所述更新后的顶点特征对所述K -近邻图进行更新,以获取更新后的K-近邻图,其中,所述边特征的数学表达式为:;

;

所述更新后的顶点特征的数学表达式为:

;

其中,为非线性映射函数,与分别表示输入与输出特征维度,表示边特征,表示顶点,表示顶点,表示实数集,表示更新后的顶点特征,表示通道对称聚合操作,表示k近邻边的集合;

绑定模块,用于基于预设的绑定模块对所述蒙皮权重矩阵进行处理,以获取深度偏移特征向量,其中,所述基于预设的绑定模块对所述蒙皮权重矩阵进行处理,以获取深度偏移特征向量的过程,包括:所述绑定模块以蒙皮模块的输入数据为基础,首先通过四层堆叠的 EdgeConv 层提取高维几何特征,所述高维几何特征包含了数字人模型的深层几何信息;

基于注意力池化机制将所述蒙皮模块输出的蒙皮权重矩阵作为注意力权重;

基于所述注意力权重对所述高维几何特征进行池化处理,以生成深度偏移特征向量,其中,所述深度偏移特征向量仅与绑定的顶点相关;

骨骼多层感知机模块,用于对所述深度偏移特征向量进行处理,获取关节点偏移量。

6.一种电子设备,其特征在于,包括处理器,存储器及存储在所述存储器上并可在所述处理器上运行的程序或指令,所述程序或指令被所述处理器执行时实现如权利要求1-4任一所述的基于动态图卷积的自适应感知数字人骨骼绑定方法的步骤。

7.一种可读存储介质,其特征在于,所述可读存储介质上存储程序或指令,所述程序或指令被处理器执行时实现如权利要求1-4任一所述的基于动态图卷积的自适应感知数字人骨骼绑定方法的步骤。