基于潜在空间的动漫人脸风格迁移与编辑方法

为解决现有图像仿真中动漫风格迁移网络存在图像失真和风格单一等问题,提出了适用于动漫人脸风格迁移和编辑的TGFE-TrebleStyleGAN(text-guided facial editing with TrebleStyleGAN)网络框架。利用潜在空间的向量引导生成人脸图像,并在TrebleStyleGAN中设计了细节控制模块和特征控制模块来约束生成图像的外观。迁移网络生成的图像不仅用作风格控制信号,还用作约束细粒度分割后的编辑区域。引入文本生成图像技术,捕捉风格迁移图像和语义信息的关联性。通过在开源数据集和自建配对标签的动漫人脸数据集上的实验表明:相较于基线模型DualStyleGAN,该模型的FID降低了2.819,SSIM与NIMA分别提升了0.028和0.074。集成风格迁移与编辑的方法能够确保在生成过程中既保留原有动漫人脸细节风格,又具备灵活的编辑能力,减少了图像的失真问题,在生成图像特征的一致性和动漫人脸图像风格相似性中表现更优。

融合时间卷积网络的空间自适应运动风格迁移方法

针对人体运动生成方法严重依赖有监督学习和成对数据集的问题,受图像风格迁移方法启发,提出一个融合时间卷积网络的空间自适应运动风格迁移模型,通过输入虚拟角色运动行为,生成不同的运动风格运动序列.首先,从时序性和空间性考虑,设计以时间卷积网络为主干的神经网络框架,从无配对的数据集中准确地提取运动数据的内容特征和风格特征.其次,基于空间自适应归一化方法,将其改进并适配到运动解码器中,提出一种适用于运动风格迁移的自适应方法.最后,针对运动迁移中的误差问题,在网络中引入正向运动学对沿运动链传递的关节误差进行约束,实现了对足部运动行为的约束.为验证所提方法性能,使用CMU和Xia开源数据集依次从主成分分析、数据聚类、可视化等指标进行实验.结果表明,提出的模型可以有效实现多类非配对数据的风格迁移,所生成的动画效果自然真实,具有良好的互动性和扩展性,可广泛应用于数字动画相关的虚拟人建模中.

基于动作识别的健身体感游戏的设计与实现

为了将电子游戏的趣味性与健身结合起来,让人们以更愉悦的方式达到健身的目的,本文利用Kinect获取的骨骼数据,定义了若干健身动作,在游戏过程中识别玩家动作与预定义动作进行匹配,在游戏的过程中达到健身的目的;根据常用健身项目,设计了6个基于特定健身动作的体感交互游戏场景,利用Unity3d游戏引擎实现了一款基于体感的交互健身游戏。

虚拟现实曼陀罗绘画治疗系统的设计

虚拟现实作为新兴媒介,在娱乐、心理治疗和艺术创作等领域有较多研究及应用,然而将虚拟现实与艺术心理治疗相结合的研究鲜少。本文分析了虚拟现实应用于曼陀罗绘画治疗的优势,结合虚拟现实环境创设、交互方式直观、多媒体融合等优势,设计了基于虚拟现实的绘画治疗系统,辅助心理障碍人群自助疗愈。