[发明专利]动作补全模型的训练方法、装置、补全方法、设备和介质

权利要求书

1.一种动作补全模型的训练方法，其特征在于，包括：

S101：采集大量人体运动的原始动作数据，并根据预设所有关节点对应父节点列表和预设所有关节点相对于对应父节点的标准骨骼偏移值列表进行数据预处理，得到除第一帧以外每一帧的所有关节点的6D旋转向量、所有关节点的速度向量、四维布尔向量和所有关节点的3D空间坐标作为数据集，将数据集分为训练集和验证集，包括：获取原始动作数据中每一帧的Hips关节点的3D空间坐标、所有关节点的欧拉角，将每一帧的所有关节点的欧拉角进行数据格式转换，得到每一帧的所有关节点的旋转矩阵；将每一帧的所有关节点的旋转矩阵保留前两个列向量并将其压缩为一个6维向量，得到每一帧的所有关节点的6D旋转向量；根据每一帧的Hips关节点的3D空间坐标、每一帧的所有关节点的旋转矩阵、预设所有关节点对应父节点列表、预设所有关节点相对于对应父节点的标准骨骼偏移值列表，对每个关节点采用将关节点的旋转矩阵与其对应的标准骨骼偏移值求积后再与其对应的父节点的3D空间坐标求和的结果作为该关节点的3D空间坐标的方法，计算得到每一帧的所有关节点的3D空间坐标；将除第一帧以外的每一帧的所有关节点的3D空间坐标减去该帧对应的上一帧的所有关节点的3D空间坐标得到差值后再乘以动画帧率，得到除第一帧以外的每一帧的所有关节点的速度向量；读取除第一帧以外的每一帧的预设第一关节点、预设第二关节点、预设第三关节点和预设第四关节点的速度向量，分别判断每个预设关节点的速度向量与预设速度向量的大小关系，生成预设第一关节点、预设第二关节点、预设第三关节点和预设第四关节点的速度判断布尔值，将其拼接得到除第一帧以外的每一帧的第一布尔向量；读取除第一帧以外的每一帧的预设第一关节点、预设第二关节点、预设第三关节点和预设第四关节点的3D空间坐标，分别判断每个预设关节点的y坐标值与预设长度值的大小关系，生成预设第一关节点、预设第二关节点、预设第三关节点和预设第四关节点的距离判断布尔值，将其拼接得到除第一帧以外的每一帧的第二布尔向量；将除第一帧以外的每一帧的第一布尔向量和第二布尔向量进行与运算，得到除第一帧以外的每一帧的四维布尔向量，保存除第一帧以外的每一帧的所有关节点的6D旋转向量、所有关节点的3D空间坐标、所有关节点的速度向量和四维布尔向量作为数据集，其中划分第一预设比例的数据集为训练集，划分第二预设比例的数据集为测试集；

S102：建立动作补全模型，设置标准差值为预设标准差值，其中，所述动作补全模型包括第一映射子网络E1、第二映射子网络E2、第三映射子网络E3、门控神经网络G和128个专家神经网络EPi，i=1,2,3,...128；

S103：从训练集中提取预设批次数量个动作数据批次作为动作补全模型的输入数据，输入动作补全模型得到动作补全模型的输出结果，每个动作数据批次包括预设组数个动作序列组，每个动作序列组包括过去帧、目标帧和S个过渡帧，其中S是预设采样范围值内的预设组数个均匀采样值；

S104：根据动作补全模型的输入数据和输出结果计算每个动作序列组中系统的总损失项，并根据系统的总损失项对动作补全模型进行优化，得到训练好的动作补全模型。

2.根据权利要求1所述的动作补全模型的训练方法，其特征在于，所述第一映射子网络、所述第二映射子网络和所述第三映射子网络构成了一个编码系统，将动作状态量编码到768维的隐向量上，门控神经网络接收隐向量并做出决策，选择不同的专家神经网络EPi以及对应的权重做隐向量计算的加权融合，专家神经网络EPi对隐向量进行计算得到下一帧的动作状态增量。