[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

说明书

本申请提供了一种动作补全模型的训练方法、装置、补全方法、设备和介质，模型的训练方法包括：采集大量人体运动的原始动作数进行预处理得到数据集，通过数据集对动作补全神经网络模型进行训练和优化得到训练好的动作补全神经网络模型。基于训练好的动作补全神经网络模型能够预测和计算自动生成大量动作过渡帧的数据，适合生成时间长、过渡帧帧数多、动作复杂的场景，且生成的过渡帧动作真实，减少了原本插值方案所需的人力成本，提升了项目质量，缩短了项目周期。本申请提供的模型训练装置、动作补全方法、计算机设备和计算机可读存储介质，均具有上述有益效果。

技术领域

本申请涉及神经网络模型训练领域，特别涉及一种动作补全模型的训练方法、装置、补全方法、设备和介质。

背景技术

在三维动画或游戏等应用中，三维虚拟形象都是通过动画数据进行驱动，形成走路、跑步、跳跃、舞蹈等各种动作。动画数据可以通过动画师手工制作，或者通过动作捕捉设备获取。动作捕捉设备捕获的动画数据很多时候无法直接使用，往往在某些不满意的动作片段，还需要经过动画师的手工修改。因此在这两种情况，都需要动画师的手工编辑。

在动画师使用动画软件时，会编辑或修改若干个关键帧，并指定前后相关的若干个关键帧，通过动画软件自带的数学插值方法，生成中间指定帧数目的过渡帧，从而得到一段平滑的动作序列组。但是，这种方式只适用于生成时间短、过渡帧数少、动作简单的动作过渡。而在实际生产过程中，动画师不得不编辑或修改大量的关键帧，如果关键帧数量太少，时间间隔太短，或者动作过于复杂，插值方法会得到不真实、不合理的过渡序列。使用现有方案，会非常依赖动画师的技术和经验，进而增加了人力成本；由于容易出现不合理的过渡序列，又因为动画师等人员的技术水平参差不齐，导致项目质量也会受到影响；同时，由于需要调试和编辑大量关键帧，也会大大增加项目周期。

因此，如何提供一种解决上述技术问题的方案是本领域技术人员目前亟需解决的问题。

发明内容

本申请的目的是提供一种动作补全模型的训练方法、动作补全方法、动作补全模型的训练装置、计算机设备和计算机可读存储介质，能够处理复杂的、高频快速的动作补全，且补全的动作真实、丰富。具体方案如下：

本申请提供一种动作补全模型的训练方法，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；

S102：建立动作补全模型，设置标准差值为预设标准差值；

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。

优选的，所述S101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；