申请/专利权人：深圳追一科技有限公司

申请日：2021-05-07

公开（公告）日：2024-04-09

公开（公告）号：CN113112400B

主分类号：G06T3/00

分类号：G06T3/00;G06T9/00;G06N3/0464;G06N3/084

优先权：

专利状态码：有效-授权

法律状态：2024.04.09#授权;2021.07.30#实质审查的生效;2021.07.13#公开

摘要：本发明实施例的模型训练方法及训练装置，用于提升对虚拟数字人姿态的仿真速度。本发明实施例方法包括：利用训练集中的第一数据对图像翻译模型的生成器和判别器分别进行训练，并将训练后的图像翻译模型确定为第一图像翻译模型，其中，生成器为编码模型‑解码模型结构，编码模型采用的是残差网络架构，第一数据包括目标帧图像、目标帧图像的轮廓线数据、目标帧图像的距离图像数据、目标帧图像的前N帧图像、前N帧图像的轮廓线数据和距离图像数据，其中，N为大于等于2的整数，目标帧图像为训练集中除了第一帧图像和第二帧图像以外的任一帧或任意多帧图像；将第一图像翻译模型的编码模型的残差网络架构修改为轻量模型架构，得到第二图像翻译模型。

主权项：1.一种模型训练方法，其特征在于，所述方法包括：利用训练集中的第一数据对图像翻译模型的生成器和判别器分别进行训练，并将训练后的图像翻译模型确定为第一图像翻译模型，其中，所述生成器为编码模型-解码模型结构，所述编码模型采用的是残差网络架构，所述第一数据包括目标帧图像、所述目标帧图像的轮廓线数据、所述目标帧图像的距离图像数据、所述目标帧图像的前N帧图像、所述前N帧图像的轮廓线数据和所述前N帧图像的距离图像数据，其中，所述N为大于等于2的整数，所述目标帧图像为所述训练集中除了第一帧图像和第二帧图像以外的任意一帧或任意多帧图像；将所述第一图像翻译模型的所述编码模型的残差网络架构修改为轻量模型架构，以得到第二图像翻译模型。

全文数据：

权利要求：

百度查询： 深圳追一科技有限公司 一种模型训练方法及模型训练装置

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD