本實用新型涉及一種數據驅動的三維動畫自動生成裝置，具體而言，涉及一種數據驅動的三維動畫自動生成裝置。

背景技術：

由于三維動畫表述信息具有精確性、真實性和可操作性的特點，三維動畫數據已經被廣泛應用于數字娛樂、影視、醫(yī)學、教育等領域。例如在影視制作方面，國產3D動畫片《捉妖記》、《大圣歸來》等先后對國產電影票房紀錄發(fā)起沖擊，這是三維動畫被廣泛認可的印證之一。在諸多應用領域的強烈需求驅動下，三維動畫已經逐漸成為計算機圖形學領域重要的研究對象。隨著動作捕捉和三維模型掃描技術的快速發(fā)展，三維動畫的獲取方式也走向多樣化。不難預測，三維動畫數據正在逐漸成為繼文字、語音、圖片、視頻之后的另一種主流數據載體。

隨著三維動畫的普及化，如何便捷、準確生成動畫的方法逐漸成為當前國內外學術界的研究熱點和重點。目前，三維動畫的生成方法有3ds Max、Maya、3D Blender等專業(yè)的建模和動畫制作工具，也有對三維對象一幀一幀掃描得到三維動畫的方法等。而伴隨著動作捕捉技術以及高精度的三維靜態(tài)模型掃描技術逐漸發(fā)展成熟并且成本越來越低，融合動作捕捉技術和三維模型并為網格模型加載動作捕捉數據從而實現三維動畫生成方法近年來得到廣泛研究和設計。隨著市場對虛擬現實和三維動畫生成方法的關注和研究逐漸增多，現有的在線三維動畫數據逐漸增長，使得數據驅動的三維動畫生成技術成為可能。該類技術通過提取訓練數據中的特征，融合學習算法模型，通過訓練數據完善模型參數，從而通過訓練好的模型直接生成具有訓練數據特征的相似數據。可以看到，三維動畫生成技術已經多種多樣，三維動畫數據集逐漸增加，使得高效、便捷的數據驅動三維動畫生成技術成為一種必然趨勢。

本實用新型依據國家自然科學基金(項目編號：61602222，61662036，61462041，61602221)；江西省教育廳科學技術研究項目，項目名稱：基于時空分割的三維動畫圖集表示方法研究(項目編號：GJJ150359)。

技術實現要素：

本實用新型的目的在于提供一種數據驅動的三維動畫自動生成裝置，對給定的三維模型，指定動作行為，通過深度學習技術挖掘具有該動作行為的三維動畫數據集中行為特征并加載至給定的三維模型，從而驅動該三維模型實現自動生成指定行為的三維動畫。

本實用新型是這樣實現的，它包括校驗器、編碼器、解碼器、中央處理器、顯示終端、數據存儲器，其特征在于，校驗器、編碼器、解碼器、中央處理器和顯示終端依次連接，所述數據存儲器分為第一數據存儲器和第二數據存儲器，所述第一數據存儲器用于存儲編碼基數據，所述第二數據存儲器用于存儲三維動畫數據，所述第一數據存儲器分別連接編碼器和解碼器，所述第二數據存儲器與中央處理器連接。

本實用新型的技術效果是：本實用新型適用于三維動畫智能、自動化制作工序，從而為面向大規(guī)模三維動畫科學研究、工業(yè)應用產業(yè)提供有力的數據支持。

附圖說明

圖1為本實用新型的結構示意圖。

圖2為本實用新型的工作流程圖。

圖3為本實用新型的三維動畫自動生成流程圖。

在圖中，1、校驗器，2、編碼器，3、解碼器，4、中央處理器，5、顯示終端，6、第一數據存儲器，7、第二數據存儲器。

具體實施方式

結合圖1、2、3來具體本實用新型，一種數據驅動的三維動畫自動生成裝置，它包括校驗器(1)、編碼器(2)、解碼器(3)、中央處理器(4)、顯示終端(5)、數據存儲器，校驗器、編碼器、解碼器、中央處理器和顯示終端依次連接，所述數據存儲器分為第一數據存儲器(6)和第二數據存儲器(7)，所述第一數據存儲器(6)用于存儲編碼基數據，所述第二數據存儲器(7)用于存儲三維動畫數據，所述第一數據存儲器分別連接編碼器和解碼器，所述第二數據存儲器與中央處理器連接。

參照圖1圖2，一種三維動畫自動生成裝置的工作原理具體包括以下步驟：

1、對于用戶任意輸入的三維動畫，通過校驗器(1)進行數據預處理，使得三維動畫滿足編碼器(2)、解碼器(3)的輸入規(guī)范，例如：部分三維動畫編碼器要求三維動畫中每一個時間幀的三維模型具有相同的三維拓撲結構，也即變形的網格序列；

2、編碼器(2)、解碼器(3)對三維動畫進行編碼處理，使得輸入的大尺度三維動畫數據可以用編碼表示，其編碼方式可選擇(但不限于)主成分分析(Principle Component Analysis)算法等；

3、中央處理器(3)挖掘、提取動畫數據中的行為信息，例如，可以通過人工神經網絡(Artificial Neural Network)等學習算法，或深度學習(Deep Learning)算法等提取大規(guī)模具有相同行為的三維動畫中的行為特征信息；

4、中央處理器(3)從第二數據存儲器(7)中提取用戶選定的三維模型，并將提取的三維動畫行為信息加載到該三維模型，以驅動該模型得到具有相同行為信息的三維動畫；

5、將中央處理器(3)中生成的三維動畫編碼信息輸入編碼器(2)、解碼器(3)進行解碼，對于使用主成分分析算法實現的編碼，解碼操作通過生成的編碼基與基向量矩陣相乘即可實現；

6、自動生成的三維動畫解碼后通過顯示終端(4)呈現結果。

參照圖3實現三維動畫自動生成的操作方法具體為：

1、三維模型數據輸入，用戶提供一個靜態(tài)3-D(Dimension)模型。為保證更好的三維動畫生成效果，輸入的三維模型的拓撲結構盡量同訓練、提取行為特征采用的數據集中的三維模型近似，例如，訓練用的數據集都是人臉表情，那么輸入的三維模型應該是三維人臉模型；

2、行為加載，在中央處理器已經成功提取數據集中行為特征的前提下，中央處理器將提取的行為信息加載至輸入的三維模型，以驅動輸入的模型生成相似行為的三維動畫，用戶可以選擇預先提取的不同行為信息，生成具有不同行為的多種三維動畫；

3、動畫解碼，中央處理器生成的動畫輸入解碼器，自動解碼生成能夠在終端顯示的三維動畫格式，如maya、3ds max或3D unity等工具顯示所需要的目標格式；

4、結果呈現。輸出的三維動畫解碼后，根據其格式，在顯示終端使用對應的呈現工具向用戶展現生成的三維動畫。

本實用新型首先將三維動畫數據集進行數據校驗使得三維動畫中每一幀模型具有相同拓撲結構，借助性能強大的深度學習工具，提取數據集中共同的行為信息，并將該行為信息加載至給定的三維模型，從而驅動該模型實現生成具有相似行為的三維動畫，數據驅動的三維動畫自動生成裝置將極大地提升生成三維動畫的便利性，降低數據制作成本，有利于數字娛樂、科學研究等諸多應用，促進基于三維動畫數據的相關產業(yè)發(fā)展。

本實用新型實現了數據驅動的三維動畫自動生成，借助深度學習工具提取三維動畫數據集中的相似行為信息并加載到給定的三維模型以生成新的三維動畫，經過對于包含坐立、行走等日常行為的人體三維動畫數據和笑、傷心、惡心、大喜等人臉表情的三維動畫數據的生成都試驗成功，由于該方法不在依賴成本高昂的動作捕捉系統生成新的動畫數據，該發(fā)明大大減小了數據生成成本，有利于極大地提高三維動畫數據的應用和推廣。

以上所述的實施例僅僅是對本實用新型的優(yōu)選實施方式進行描述，并非對本實用新型的范圍進行限定，在不脫離本實用新型設計精神的前提下，本領域普通技術人員對本實用新型的技術方案作出的各種變形和改進，均應落入本實用新型權利要求書確定的保護范圍內。