考慮消費者興趣的3D動漫造型優(yōu)化研究

顏偉娜

摘? 要： 傳統(tǒng)的3D動漫造型優(yōu)化方法采用固定掃描策略，無法準(zhǔn)確衡量X3D渲染節(jié)點狀態(tài)，導(dǎo)致最終造型設(shè)計效果不佳。為了解決這一問題，提出基于消費者興趣的3D動漫造型優(yōu)化方法。利用Schema語意定義分配3D動漫造型渲染節(jié)點。再引入演化規(guī)則，依據(jù)消費者興趣設(shè)置顯性指標(biāo)。完成上述操作后，提出線性掃描更新策略，計算輔助函數(shù)值。再運用M?ETICGA方法實現(xiàn)3D動漫造型設(shè)計。最后，分別計算傳統(tǒng)優(yōu)化方法與所提優(yōu)化方法的輔助函數(shù)值。設(shè)實驗次數(shù)為20次，實驗結(jié)果表明，所提的優(yōu)化方法執(zhí)行線性掃描更新策略得到的20次計算結(jié)果更接近于0.8，而傳統(tǒng)的優(yōu)化方法與元胞遺傳算法所得的20次計算結(jié)果均高于0.8，說明所提的優(yōu)化方法能夠準(zhǔn)確衡量X3D渲染節(jié)點狀態(tài)。

關(guān)鍵詞： 3D動漫造型; 消費者興趣; 渲染節(jié)點分配; 函數(shù)值計算; 指標(biāo)設(shè)置; 仿真實驗

中圖分類號： TN911.73?34; TP391.9? ? ? ? ? ? ? ? ? 文獻標(biāo)識碼： A? ? ? ? ? ? ? ? ?文章編號： 1004?373X（2020）19?0094?04

Abstract： Since the traditional 3D animation modeling optimization method cannot accurately measure the state of X3D rendering nodes due to its fixed scanning strategy， which results in poor effect of final modeling design， a 3D animation modeling optimization method based on consumer interest is proposed. Schema semantic definition is used to assign 3D animation modeling rendering nodes. The evolution rule is introduced to set the explicit index according to the consumer′s interest. After the above operation， a linear scan update strategy is proposed to calculate the auxiliary function value， and then the M?ETICGA method is used to realize 3D animation modeling design. In the experiment， the auxiliary function values of the traditional optimization method and the proposed optimization method were calculated respectively， and 20 times of experiments were set. The experimental results show that the 20?time calculation results obtained by the proposed optimization method executing the linear scan update strategy are close to 0.8， while the 20?time calculation results obtained by the traditional optimization method and cellular genetic algorithm are all higher than 0.8， which indicate that the proposed optimization method can accurately measure the state of the X3D rendering node.

Keywords： 3D animation modeling; consumer interest; rendering node allocation; function value calculation; index setting; simulation experiment

0? 引? 言

3D動漫是通過Maya和3D Max等軟件繪制而成，使用該方法繪制的3D動漫造型更精致，但卻面臨著造型創(chuàng)意不足和設(shè)計周期長的問題。就造型創(chuàng)意性來說，造型師在設(shè)計的過程中受設(shè)計觀念的限制無法設(shè)計出創(chuàng)新性造型。因此，需要一種計算機輔助設(shè)計環(huán)境輔助造型師設(shè)計出高效、新穎的3D動漫造型。傳統(tǒng)的3D動漫造型優(yōu)化方法在制作過程中產(chǎn)生的數(shù)據(jù)量過多，無法快速有效地制作出高質(zhì)量的動漫作品[1]。

為解決這一問題，本文提出基于消費者興趣的3D動漫造型，該方法提供了針對流程的支持，每個環(huán)節(jié)產(chǎn)生的數(shù)據(jù)都要通過數(shù)據(jù)審核和評價才能流向下一個環(huán)節(jié)。若在執(zhí)行的過程中發(fā)現(xiàn)上一個環(huán)節(jié)的數(shù)據(jù)出現(xiàn)問題，可以通過評價功能反饋給相關(guān)工作人員，重新修改調(diào)整。另外，為方便渲染設(shè)計，引入動態(tài)概念，促進局部種群之間的關(guān)系。在此基礎(chǔ)上，構(gòu)建3D動漫造型模型，加入元胞遺傳算法快速生成3D動漫造型。

1? 3D動漫造型渲染節(jié)點分配

基于標(biāo)準(zhǔn)的XML語言分配3D渲染節(jié)點，利用Schema語意上的定義，將X3D格式分成Head和Scene。X3D渲染節(jié)點表示該文件支持的語言版本、概貌和名字空間。概貌表示文件支持的節(jié)點，共分為四層：第一層節(jié)點支持所有節(jié)點，但與HTML不同;第二層節(jié)點包含前一級節(jié)點，但不包含渲染相關(guān)信息[2];第三層節(jié)點包含X3D重要渲染相關(guān)信息;第四層節(jié)點包含有Scene節(jié)點。采用DOM樹的形式分配這四層X3D渲染節(jié)點，Scene中的每個渲染節(jié)點都對應(yīng)一個渲染場景，可以隨機切換場景，但需要提前更新X3D文件，才能引入新的X3D文件。按照一定規(guī)則組織成子樹通過XML屬性域表示這四層節(jié)點的基本信息，四層X3D渲染節(jié)點基本數(shù)據(jù)類型分配結(jié)果如表1所示。這四層X3D渲染節(jié)點只針對動漫場景渲染，渲染相關(guān)組由Scene節(jié)點的子節(jié)點組成。Scene節(jié)點不包含任何有意義的屬性，故在分配的過程中，為不影響渲染組之間的關(guān)系，需要在全局管理中，將分配后的X3D渲染節(jié)點分成兩類，一種為簡單節(jié)點，另一種為復(fù)雜節(jié)點，以便于后續(xù)處理，從而增強3D動漫渲染效果[3]。

2? 3D動漫造型演化規(guī)則引入

利用Schema語意上的定義分配3D動漫造型渲染節(jié)點，為不影響數(shù)據(jù)審核結(jié)果，引入演化規(guī)則，并依據(jù)消費者興趣設(shè)置顯性指標(biāo)[4]。演化規(guī)則數(shù)學(xué)定義表達式見式（1）：

以三維網(wǎng)格為例，演化規(guī)則制定過程如下：

Step1：將三維四格網(wǎng)格映射成三維矩陣，表達式為：

式中：[A]表示三維矩陣;[amn]表示X3D渲染個體[6]。

Step2：引入元胞算法計算分數(shù)值，計算公式為：

式中：[famn]表示專家評價的X3D渲染造型美觀度;[?q]表示X3D渲染造型仿真度的權(quán)值[7]。

應(yīng)用式（1）～式（3）設(shè)置X3D渲染顯性指標(biāo)。

3? 3D動漫造型設(shè)計流程

先分配3D動漫造型渲染節(jié)點，再引入3D動漫造型演化規(guī)則。完成上述操作后，根據(jù)消費者興趣和消費主體設(shè)計創(chuàng)意性3D動漫造型[8]。再運用M?ETICGA方法實現(xiàn)3D動漫造型流程設(shè)計。在流程設(shè)計中，提出更新策略，計算X3D輔助度函數(shù)值，得到最終的3D動漫造型。

為便于操作，提出更新策略，設(shè)計出便于操作和創(chuàng)新的3D動漫造型。在設(shè)計的過程中，為便于操作，準(zhǔn)確衡量X3D渲染節(jié)點的狀態(tài)，采用線性掃描更新策略計算輔助函數(shù)值[9]。計算過程如下：

計算輔助函數(shù)值，衡量X3D渲染節(jié)點的狀態(tài)，計算公式為：

式中：[δ1+1δ]表示輔助評價變量;[kamn]表示輔助函數(shù)值;[fΔamn]表示當(dāng)前進化代數(shù)。如果采用線性掃描更新策略時，要建立一個單行的三維操作網(wǎng)格，每行個體數(shù)目相同的網(wǎng)格都可以用于渲染操作[10]。采用固定隨機掃描更新策略時，建立的三維輔助網(wǎng)格的大小要依據(jù)演化規(guī)則而定。若采用統(tǒng)一選擇策略時，要建立一個相同形式的三維輔助網(wǎng)格[11]。 基于消費者興趣的3D動漫造型設(shè)計具體實現(xiàn)過程如圖1所示。

Step1：設(shè)初始種群個數(shù)[M]，隨機生成[M]個ACIS規(guī)則表達式，負責(zé)將初始造型進行非均勻縮放，變形后所得的初始種群會被映射到三維網(wǎng)格中，如圖2所示。

為建立輔助于更新策略的三維操作網(wǎng)格，將初始種群的狀態(tài)設(shè)置為“活”。

Step2：經(jīng)過專家打分得到輔助函數(shù)值[12]。

Step3：依據(jù)更新策略掃描操作網(wǎng)格中的個體，再對掃描領(lǐng)域執(zhí)行渲染操作。

Step4：在三維輔助網(wǎng)格內(nèi)生成與原中心渲染節(jié)點相對應(yīng)的位置[13]。

Step5：設(shè)[a]為輔助網(wǎng)格中任意一個渲染節(jié)點，[a]為[a]在輔助網(wǎng)格中的對應(yīng)個體，分別計算[a]和[a]的輔助度值，再比較[a]與[a]的大小。如果[a]>[a]，那么[a]可以替換[a];如果[a]>[a]，那么[a]不可以替換成[a]。完成全部替換后，要清空三維輔助網(wǎng)格[14]。

Step6：如果更新策略結(jié)束，得到新種群，就可以進入Step7;如果更新策略結(jié)束，顯示失敗，直接進入Step3。

Step7：引入演化規(guī)則，并加入專業(yè)知識以及消費者興趣。

Step8：若滿足上述條件，即可結(jié)束，轉(zhuǎn)向Step2，完成3D動漫造型設(shè)計[15]。

由此，完成基于消費者興趣的3D動漫造型設(shè)計。

4? 仿真實驗

對比傳統(tǒng)的3D動漫造型優(yōu)化方法與基于消費者興趣的3D動漫造型優(yōu)化方法，所得到的輔助函數(shù)值是否接近于標(biāo)準(zhǔn)輔助度函數(shù)值，準(zhǔn)確衡量X3D渲染節(jié)點的狀態(tài)。

4.1? 實驗步驟

具體的實驗步驟如下：

第1步：用戶輸入初始化種群，將初始種群狀態(tài)設(shè)置為“活”。再導(dǎo)入3D動漫初始造型。

第2步：根據(jù)演化原則得到不同造型構(gòu)成的初始種群。應(yīng)用式（4），將初始種群[M]設(shè)置為25。

第3步：設(shè)置3D動漫造型三維操作網(wǎng)格個體。

第4步：設(shè)置3D動漫造型評分標(biāo)準(zhǔn)。實驗中，要求動漫人物要與實際人物仿真度接近。依據(jù)顯性指標(biāo)，將[α]設(shè)置為0.5?？紤]到3D動漫造型在變形的過程中五官會錯位，要先將造型打分結(jié)果上傳到系統(tǒng)統(tǒng)計。

第5步：基于消費者興趣的3D動漫造型執(zhí)行線性掃描更新策略，傳統(tǒng)的3D動漫造型執(zhí)行固定掃描更新策略，分別計算輔助函數(shù)值，若計算結(jié)果接近標(biāo)準(zhǔn)輔助函數(shù)值，說明該方法可以準(zhǔn)確衡量X3D渲染節(jié)點的狀態(tài)。若計算結(jié)果比標(biāo)準(zhǔn)輔助函數(shù)值高，說明該方法無法準(zhǔn)確衡量X3D渲染節(jié)點的狀態(tài)。

4.2? 實驗結(jié)果分析

標(biāo)準(zhǔn)的輔助函數(shù)值為[p=0.8]。為保證實驗結(jié)果的準(zhǔn)確性，設(shè)該實驗次數(shù)為20次。應(yīng)用式（4）計算出傳統(tǒng)方法、元胞遺傳算法與本文方法得到的輔助函數(shù)值，計算結(jié)果見表2。

從實驗結(jié)果可以看出：使用本文方法執(zhí)行線性掃描更新策略得到的20次計算結(jié)果更接近于0.8，且均能準(zhǔn)確衡量X3D渲染節(jié)點的狀態(tài);而使用傳統(tǒng)優(yōu)化方法與元胞遺傳算法執(zhí)行固定掃描更新策略，得出的20次計算結(jié)果均高于標(biāo)準(zhǔn)輔助函數(shù)值，說明該策略無法準(zhǔn)確衡量X3D渲染節(jié)點的狀態(tài)。

由此可知，基于消費者興趣的3D動漫造型優(yōu)化方法可用于實踐操作。

對比本文方法與傳統(tǒng)方法、元胞遺傳算法對3D動漫造型分別進行優(yōu)化時的3D動漫渲染效果，如圖3所示。

通過對比圖3中呈現(xiàn)的各方法優(yōu)化后的3D動漫渲染效果可得知，傳統(tǒng)方法與元胞遺傳算法的3D動漫渲染效果均不夠理想，而本文方法所呈現(xiàn)的3D動漫渲染效果清晰逼真，實現(xiàn)了對原有3D動漫造型的合理優(yōu)化。

5? 結(jié)? 語

針對傳統(tǒng)的3D動漫造型優(yōu)化方法存在的問題，本文提出基于消費者興趣的3D動漫造型設(shè)計與實現(xiàn)。在本次設(shè)計中，考慮到操作的便捷性，提出演化原則和更新策略，用于設(shè)置X3D渲染顯性指標(biāo)和掃描三維輔助網(wǎng)格中X3D渲染個體。在此基礎(chǔ)上，運用M?ETICGA完成3D動漫造型流程設(shè)計。最后，通過實驗驗證本次提出的基于消費者興趣的3D動漫造型設(shè)計的合理性。實驗結(jié)果表明，本次提出的優(yōu)化方法符合設(shè)計需求，但在實驗中發(fā)現(xiàn)，該方法還存在不足之處，需要在后續(xù)的研究中加以改進。

參考文獻

[1] 葉鳳華，葉歡.基于Flash和3D動畫渲染技術(shù)的育苗機器人設(shè)計[J].農(nóng)機化研究，2018，40（3）：189?192.

[2] 熊昕.影視動漫設(shè)計中3D技術(shù)的應(yīng)用研究：以央視少兒頻道動畫片為例[J].電視技術(shù)，2018，42（12）：79?81.

[3] 蔡權(quán).VR技術(shù)在青少年網(wǎng)絡(luò)文明動漫開發(fā)中的運用[J].現(xiàn)代電子技術(shù)，2019，42（3）：87?89.

[4] 魏芊蕙，趙毅，高朋飛.基于動漫角色的主題公園列車造型設(shè)計研究[J].包裝工程，2017，38（2）：45?49.

[5] 王曉高.基于3D藝術(shù)打印技術(shù)的播種機零部件設(shè)計與研究[J].農(nóng)機化研究，2019，41（3）：236?239.

[6] 陳子豪，柴麗芳.基于3D打印技術(shù)在服裝設(shè)計專業(yè)教學(xué)中的創(chuàng)新運用研究：以立體裁剪課程為例[J].裝飾，2019（1）：120?123.

[7] 張敏，羅梅芬.基于產(chǎn)品與消費者興趣視角的健康科技產(chǎn)品購買意愿研究[J].軟科學(xué)，2017（5）：94?98.

[8] 張新圣，李先國.虛擬品牌社區(qū)特征對消費者價值共創(chuàng)意愿的影響：基于滿意與信任中介模型的解釋[J].中國流通經(jīng)濟，2017，31（7）：70?82.

[9] 劉剛田，曹慧敏.基于卡諾模型和穩(wěn)健設(shè)計的產(chǎn)品造型優(yōu)化方法[J].組合機床與自動化加工技術(shù)，2017（1）：9?11.

[10] 王亞輝，余隋懷.基于多目標(biāo)粒子群優(yōu)化算法的汽車造型設(shè)計決策模型[J].計算機集成制造系統(tǒng)，2017，23（4）：681?688.

[11] 朱煒，趙磊，王小龍.基于品牌意象的SUV造型優(yōu)化方法[J].機械設(shè)計，2017，34（1）：118?121.

[12] 李艷妮.Maya場景建模技術(shù)在泥偶動畫立體造型設(shè)計中的應(yīng)用[J].現(xiàn)代電子技術(shù)，2017，40（19）：135?137.

[13] 戴繼龍，吳鳳林.遺傳算法在掘進機造型設(shè)計中的應(yīng)用[J].機械設(shè)計與制造，2017（11）：37?39.

[14] 周毅暉.MRI設(shè)備外觀造型設(shè)計的產(chǎn)品語意表現(xiàn)[J].裝飾，2018（2）：134?135.

[15] 趙偉.基于VR技術(shù)的動漫人物三維設(shè)計[J].現(xiàn)代電子技術(shù)，2018，41（16）：172?175.