[发明专利]虚拟场景的数据处理方法、装置及存储介质有效
| 申请号: | 201811022991.8 | 申请日: | 2018-09-03 |
| 公开(公告)号: | CN109224442B | 公开(公告)日: | 2021-06-11 |
| 发明(设计)人: | 杨夏;王洁梅;周大军;张力柯;荆彦青 | 申请(专利权)人: | 腾讯科技(深圳)有限公司 |
| 主分类号: | A63F13/52 | 分类号: | A63F13/52;G06N3/04;G06N3/08 |
| 代理公司: | 北京派特恩知识产权代理有限公司 11270 | 代理人: | 崔晓岚;张颖玲 |
| 地址: | 518000 广东省深圳*** | 国省代码: | 广东;44 |
| 权利要求书: | 查看更多 | 说明书: | 查看更多 |
| 摘要: | |||
| 搜索关键词: | 虚拟 场景 数据处理 方法 装置 存储 介质 | ||
本发明提供一种虚拟场景的数据处理方法、装置及存储介质,方法包括:对虚拟场景的图像进行识别,以确定所述虚拟场景所处的阶段;根据所述虚拟场景所处的不同阶段,采用调用机器学习模型或条件触发的方式,确定对应所述虚拟场景所处不同阶段的目标操作;控制执行所述虚拟场景所处特定阶段对应的目标操作。
技术领域
本发明涉及数据处理技术,尤其涉及一种虚拟场景的数据处理方法、装置及存储介质。
背景技术
基于图形处理硬件的显示技术,扩展了感知环境以及获取信息的渠道,尤其是虚拟场景的显示技术,能够根据实际应用需求实现人与人、人与虚拟场景中各种虚拟对象的智能化的交互。
游戏是虚拟场景显示技术的典型应用,用户可以通过设备运行游戏,在设备输出的虚拟场景中,用户控制的游戏对象与线上的其他游戏对象协同战斗或者对战。
相关技术中,对于游戏场景中的处理采用深度强化学习算法训练人工智能(AI,Artificial Intelligence)来实现,然而,由于游戏场景复杂,一些游戏场景(如过场动画)并不适用于深度强化学习算法来解决。
发明内容
本发明实施例提供一种虚拟场景的数据处理方法、装置及存储介质,能够针对不同的虚拟场景所处的阶段采用不同的处理方式,提高处理效率。
本发明实施例的技术方案是这样实现的:
第一方面,本发明实施例提供一种虚拟场景的数据处理方法,包括:
对虚拟场景的图像进行识别,以确定所述虚拟场景所处的阶段;
根据所述虚拟场景所处的不同阶段,采用调用机器学习模型或条件触发的方式,确定对应所述虚拟场景所处不同阶段的目标操作;
控制执行所述虚拟场景所处特定阶段对应的目标操作。
第二方面,本发明实施例提供一种虚拟场景的数据处理装置,包括:
识别单元,用于对虚拟场景的图像进行识别,以确定所述虚拟场景所处的阶段;
确定单元,用于根据所述虚拟场景所处的不同阶段,采用机器学习模型或条件触发的方式,确定对应所述虚拟场景所处不同阶段的目标操作;
执行单元,用于控制执行所述虚拟场景所处特定阶段对应的目标操作。
第三方面,本发明实施例提供一种虚拟场景的数据处理装置,包括:
存储器,用于存储可执行指令;
处理器,用于执行所述存储器中存储的可执行指令时,实现本发明实施例提供的所述虚拟场景的数据处理方法。
第四方面,本发明实施例提供一种存储介质,存储有可执行指令,所述可执行指令用于引起存储器执行本发明实施例提供的所述虚拟场景的数据处理方法。
本发明实施例具有以下有益效果:
1)通过对虚拟场景的图像进行识别,确定虚拟场景所处的不同阶段,也就是说,虚拟场景被划分为不同的阶段,使得能够针对不同的阶段进行有针对性的处理;
2)根据虚拟场景所处的不同阶段,采用调用深度神经网络模型或条件触发的方式,确定对应虚拟场景所处不同阶段的目标操作;对应不同的阶段,对于计算的复杂程度不同,根据不同的计算复杂度采用调用深度神经网络模型或条件触发的方式确定目标操作,提高了确定目标操作的效率,同时,使得深度神经网络模型在训练过程中更有针对性,训练速度快。
附图说明
图1是本发明实施例提供的DQN模型的一个示意图;
图2是本发明实施例提供的虚拟场景的数据处理方法的应用模式示意图一;
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于腾讯科技(深圳)有限公司,未经腾讯科技(深圳)有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201811022991.8/2.html,转载请声明来源钻瓜专利网。





