虚拟形象生成方法、装置、设备及存储介质.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN111265879A(43)申请公布日2020.06.12(21)申请号202010060158.3(22)申请日2020.01.19(71)申请人百度在线网络技术（北京）有限公司地址100085北京市海淀区上地十街10号百度大厦三层(72)发明人陆永帅(74)专利代理机构北京同立钧成知识产权代理有限公司11205代理人朱颖臧建明(51)Int.Cl.A63F13/60(2014.01)权利要求书3页说明书16页附图8页(54)发明名称虚拟形象生成方法、装置、设备及存储介质(57)摘要本申请公开了虚拟形象生成方法、装置、设备及存储介质，涉及人工智能领域。具体实现方案为：该方法应用于电子设备，该方法包括：若确定满足虚拟形象生成条件，则获取第一随机噪声图像；根据第一随机噪声图像和训练至收敛的形象生成模型生成对应的第一虚拟形象图像；确定第一虚拟形象图像中第一虚拟形象的属性信息；输出第一虚拟形象图像及第一虚拟形象的属性信息。使生成的第一虚拟形象图像具有唯一性和非重复性。并且能够在满足虚拟形象生成条件时自动生成虚拟形象，无需创作者进行创作，有效提高了虚拟形象的生成效率。并且由于虚拟形象具有非重复性，提高了闯关游戏的视觉效果，使闯关游戏的耐玩性得到提升，进而提高了留存率。CN111265879ACN111265879A权利要求书1/3页1.一种虚拟形象生成方法，其特征在于，所述方法应用于电子设备，所述方法包括：若确定满足虚拟形象生成条件，则获取第一随机噪声图像；根据所述第一随机噪声图像和训练至收敛的形象生成模型生成对应的第一虚拟形象图像；确定所述第一虚拟形象图像中第一虚拟形象的属性信息；输出所述第一虚拟形象图像及所述第一虚拟形象的属性信息。2.根据权利要求1所述的方法，其特征在于，所述若确定满足虚拟形象生成条件，则获取第一随机噪声图像之前，还包括：判断是否满足虚拟形象生成条件。3.根据权利要求2所述的方法，其特征在于，所述判断是否满足虚拟形象生成条件，包括：判断是否接收到用户输入的虚拟形象生成请求；若接收到虚拟形象生成请求，则确定满足虚拟形象生成条件；若未接收到虚拟形象生成请求，则确定不满足虚拟形象生成条件。4.根据权利要求2所述的方法，其特征在于，所述判断是否满足虚拟形象生成条件，包括：判断是否监测到虚拟形象所在场景进入信息；若监测到所述虚拟形象所在场景进入信息，则确定满足虚拟形象生成条件；若未监测到所述虚拟形象所在场景进入信息，则确定不满足虚拟形象生成条件。5.根据权利要求1所述的方法，其特征在于，所述根据所述第一随机噪声图像和训练至收敛的形象生成模型生成对应的第一虚拟形象图像，包括：将所述第一随机噪声图像输入到所述训练至收敛的形象生成模型中；采用所述训练至收敛的形象生成模型生成对应的第一虚拟形象图像。6.根据权利要求5所述的方法，其特征在于，所述根据所述第一随机噪声图像和训练至收敛的形象生成模型生成对应的第一虚拟形象图像之前，还包括：获取第一训练样本，所述第一训练样本为第二随机噪声图像和对应的第二虚拟形象图像；采用第一训练样本对初始形象生成模型进行训练；判断是否满足形象生成模型收敛条件；若确定满足形象生成模型收敛条件，则将满足形象生成模型收敛条件的形象生成模型确定为所述训练至收敛的形象生成模型。7.根据权利要求6所述的方法，其特征在于，所述训练至收敛的形象生成模型为训练至收敛的对抗生成网络模型，所述初始形象生成模型为初始对抗生成网络模型。8.根据权利要求1所述的方法，其特征在于，所述确定所述第一虚拟形象图像中第一虚拟形象的属性信息，包括：确定所述第一虚拟形象图像中第一虚拟形象的类别信息。9.根据权利要求8所述的方法，其特征在于，所述确定所述第一虚拟形象图像中第一虚拟形象的类别信息，包括：将所述第一虚拟形象图像输入到训练至收敛的类别识别模型中；2CN111265879A权利要求书2/3页采用所述训练至收敛的类别识别模型对所述第一虚拟形象图像中第一虚拟形象的类别进行识别；通过所述训练至收敛的类别识别模型输出所述第一虚拟形象的类别信息。10.根据权利要求9所述的方法，其特征在于，所述将所述第一虚拟形象图像输入到训练至收敛的类别识别模型中之前，还包括：获取第二训练样本，所述第二训练样本为第二虚拟形象图像和对应第二虚拟形象的类别信息；采用第二训练样本对初始类别识别模型进行训练；判断是否满足类别识别模型收敛条件；若确定满足类别识别模型收敛条件，则将满足类别识别模型收敛条件的类别识别模型确定为所述训练至收敛的类别识别模型。11.根据权利要求10所述的方法，其特征在于，所述训练至收敛的类别识别模型为训练至收敛的深度残差网络模型，所述初始类别识别模型为初始深度残差网络模型。