[发明专利]一种语义驱动的二维动画自动生成方法

权利要求书

1.一种语义驱动的二维动画自动生成方法，其特征在于，包括以下步骤：

S1、构建二维动画素材库，包括构成二维动画的所有基本元素如：动画角色以及角色对应的各种常用动画姿态、动画中的常用场景、动画中常出现的各类道具，这些素材用于自动构建二维动画；

S2、建立训练样本动画场景集合，该训练样本动画集合包含大量的具有语言描述的动画场景，组成动画场景的所有元素均为前景、背景分割清晰的动画元素；

S3、建立训练样本标注数据集合，该集合与训练样本动画场景集合中的每个样本一一对应，该集合针对训练样本动画场景集合中的每一个样本，进行动画元素的标注；

S4、建立训练样本语料集合，该集合与训练样本动画场景集合中的每个样本一一对应，该集合中的每个样本为一段汉语故事文本，用于描述训练样本动画场景集合中的一个样本；

S5、对训练样本语料集合中的每条样本首先进行分词、命名实体识别处理，提取出文本中所有的实体名称，然后使用构建好的动画领域知识图谱进行推理，并完善和补全实体对象，如样本：小猫钓鱼；分词后得到：小猫/钓鱼；命名实体识别：小猫，鱼，知识图谱推理补全实体：小猫，钓鱼竿，小河，水桶，鱼，小凳子...，该步骤主要用于提取文本中的关键信息，通过命名实体识别以及针对动画领域建立的常用知识图谱获取和补充构建动画的必要元素，然后对这些元素的几何参数进行编码；

S6、句法特征提取，通过对训练样本语料集合中的每条样本做句法分析，为每个样本中的句子添加句法标签；

S7、将上述的所有句法特征按照样本词汇的顺序保存下来，为后续训练做准备，在上述特征工程步骤执行完成之后，需要搭建深度神经网络，对特征和样本建立对应的生成器并进行训练，由于本方法是语义的二维动画的自动生成方法，训练阶段需要提取训练样本语料集合中每个样本的全局语义特征和局部语义特征，首先使用基于神经网络的KL算法实现压缩当前样本整体语义信息的作用，该算法的输入为当前样本的全部内容，输出为压缩后的全文语义特征编码；

S8、获得当前样本的全文特征编码之后，需要对当前样本中的单条句子进行编码获取局部语义特征，为了确保特征中包含足够的信息，需要将步骤S6中提取的所有信息添加到当前句子中；

S9、获得局部语义特征之后，构建二维动画生成器-判别器神经网络，开始训练该神经网络；

S10、构建好二维动画生成器-判别器神经网络架构之后，需要将前面准备好的数据加载到网络中进行模型的训练，训练好生成器之后，在实际使用中只需要对生成器模型输入文本和编码好的句子，即可自动生成二维动画短片。

2.根据权利要求1所述的一种语义驱动的二维动画自动生成方法，其特征在于，所述步骤S1中，各种常用动画姿态主要包括抬手、指向、摇头、跳跃、走、跑以及左顾右盼，动画中的常用场景如：客厅、厨房、广场、河边、公园以及小山等等，动画中常出现的各类道具如：皮球、玩具、零食、各种植物、小动物以及生活用品等等。

3.根据权利要求1所述的一种语义驱动的二维动画自动生成方法，其特征在于，所述步骤S2中，组成动画的各个元素均具有唯一图层，且动画元素边界可辨识度高。

4.根据权利要求1所述的一种语义驱动的二维动画自动生成方法，其特征在于，所述步骤S3中，进行动画元素的标注包括动画元素的名称、类别、运动状态序列、坐标序列、朝向序列、旋转序列、交互状态序列、交互实体序列，序列采样频率为3次/秒。

5.根据权利要求1所述的一种语义驱动的二维动画自动生成方法，其特征在于，所述步骤S4中，该集合的每个样本的文字规模限定在300个汉字以内。

6.根据权利要求1所述的一种语义驱动的二维动画自动生成方法，其特征在于，所述步骤S5中，补充构建动画的必要元素为角色、场景以及各类道具等，元素的几何参数如：长、宽、高、坐标、旋转、朝向以及图层顺序等等。

7.根据权利要求1所述的一种语义驱动的二维动画自动生成方法，其特征在于，所述步骤S6中，添加句法标签如：我们喜欢吃西瓜，句法结构为：我们/pn喜欢/vv吃/vv西瓜/nn。