智能3D建模助手及其辅助建模方法与流程

本发明涉及三维建模领域。更具体地说，本发明涉及一种基于autodesk maya和ai的智能3d建模助手及其辅助建模方法。

背景技术：

1、在三维建模领域，autodesk maya是一款广泛使用的软件，它为用户提供了强大的建模工具以创建复杂的3d模型。然而，随着模型复杂度的增加和写实还原程度的提高，建模过程也变得更为耗时和繁琐。为了提高建模效率，许多研究者和技术人员致力于开发智能化的建模助手。

2、在公开的现有技术中，在专利号为cn117372638a的专利中公开了一种基于深度学习的三维模型智能重建方法，该方法利用深度神经网络学习三维模型的结构和纹理信息，从而自动完成模型的重建。然而，该方法仅适用于特定类型的模型，对于复杂或非标准模型，重建效果并不理想。尽管上述技术为三维建模提供了智能化解决方案，但仍存在以下问题和缺点：一、缺乏对复杂的、写实的或非标准模型的适应性：现有技术往往针对特定类型的模型进行优化，对于复杂的、写实的或非标准模型的重建效果不佳；二、缺乏对不同用户风格的适应性；三、计算量大，效率不高：许多智能化技术需要进行大量的计算和数据处理，导致建模效率低下。

3、综上所述，目前三维建模领域仍存在智能化程度不足、效率不高的问题，需要进一步研究和改进。

技术实现思路

1、本发明提供了一种智能3d建模助手及其辅助建模方法，其既能够使用户更好地对复杂或非标准模型进行重建，也能够根据不同用户的建模习惯和风格进行自适应调整，满足用户多样化的需求，还能够自动提示复杂、多样化的三维模型数据信息，提高了建模效率和质量。

2、为了实现本发明的这些目的和其它优点，第一方面，本发明提供了一种智能3d建模助手，包括：

3、数据集模块，其包括多种类型的三维模型数据集；

4、深度学习模块，其与所述数据集模块相连，用于对三维模型数据集进行训练学习，自动识别和提取三维模型的属性和结构信息，为模型重建和生成提供基础；

5、强化学习模块，通过与用户交互，所述强化学习模块学习用户的建模习惯和风格；通过对用户的历史建模数据进行训练，所述强化学习模块能够自动识别用户的偏好和习惯，以在建模过程中自动调整模型参数和自动生成策略；

6、用户交互界面模块，其便于用户输入需求或选择模版，以及实时查看生成的模型；

7、自动提示模块，其与所述深度学习模块和所述强化学习模块相连接，结合深度学习模块和强化学习模块，自动在所述用户交互界面模块上提示复杂、多样化的三维模型数据信息。

8、优选的是，所述的智能3d建模助手，还包括图形学模块，其用于训练大量的图像数据集，整合三维模型的自身特征和真实性。

9、优选的是，所述的智能3d建模助手，所述三维模型数据集包括各种复杂的模型结构和纹理信息。

10、优选的是，所述的智能3d建模助手，所述三维模型数据集的类型包括物体分类集，人脸数据集，场景数据集和生物数据集。

11、优选的是，所述的智能3d建模助手，所述用户的偏好和习惯包括：材质偏好，颜色选择，模型复杂度，建模流程，光照设置以及动画风格。

12、优选的是，所述的智能3d建模助手，所述自动调整模型参数包括：自动调整材质的属性，自动调整场景中的光源参数，自动调整模型的几何参数，自动调整动画的持续时间、速度曲线以及关键帧位置，自动调整渲染器的设置；所述自动生成策略包括：自动执行常规建模任务，自动提供模型修复建议，自动建议场景中的物体摆放位置和角度，自动匹配和推荐当前模型的材质和纹理，以及生成个性化的建模流程。

13、优选的是，所述的智能3d建模助手，所述深度学习模块使用卷积神经网络进行图像处理和特征提取，使用循环神经网络进行序列数据处理，使用自编码器进行无监督学习，使用梯度下降及其变种算法用于优化深度学习模型的参数。

14、优选的是，所述的智能3d建模助手，所述强化学习模块使用q-learning或deep q-networks(dqn)算法估计每个动作的价值来学习决策策略，使用策略梯度方法来优化建模策略，使用蒙特卡洛树搜索来强化学习中的探索和利用权衡。

15、第二方面，本发明还提供了一种智能辅助3d建模方法，应用于所述的智能3d建模助手，包括：

16、构建包含多种类型的三维模型数据集；

17、使用深度学习方法对三维模型数据集进行训练学习，以能够自动识别和提取三维模型的属性和结构信息；

18、通过与用户的交互，使用强化学习方法学习用户的建模习惯和风格，并通过对用户的历史建模数据进行训练，以能够自动识别用户的偏好和习惯，从而在建模过程中自动调整模型参数和自动生成策略；

19、通过用户交互界面输入需求或选择模板；

20、自动在用户交互界面上提示复杂、多样化的三维模型数据信息，以辅助建模。

21、本发明至少包括以下有益效果：第一、本发明设置的深度学习模块，能够自动识别和提取三维模型的属性和结构信息，从而使用户更好地对复杂或非标准模型进行重建，适应性强。第二、本发明设置的强化学习模块，能够根据不同用户的建模习惯和风格进行自适应调整，满足了用户多样化的需求。第三、设置的自动提示模块，能够根据用户的输入需求或模板自动提示符合用户需求的数据信息，提高了建模效率和质量。第四、本发明将深度学习和强化学习技术进行结合，大大提高了建模效率，节省用户的时间和精力，提升了用户体验和工作流程。第五、本发明公开的智能建模助手具有良好的可扩展性，能够适应不断变化和发展的三维建模需求和技术趋势；本发明将深度学习和强化学习技术相结合，应用于三维建模领域，也为该领域带来了新的技术突破和创新。因此，本发明提供的3d建模助手，解决了现有技术中存在的问题，提高了建模效率和质量，满足了不同用户的需求和风格，且相比于现有技术，本发明具有明显的优势和积极效果，能够为用户提供更加高效、智能的三维建模体验。

22、本发明的其它优点、目标和特征将部分通过下面的说明体现，部分还将通过对本发明的研究和实践而为本领域的技术人员所理解。

技术特征：

1.智能3d建模助手，其特征在于，包括：

2.如权利要求1所述的智能3d建模助手，其特征在于，还包括图形学模块，其用于训练大量的图像数据集，整合三维模型的自身特征和真实性。

3.如权利要求1所述的智能3d建模助手，其特征在于，所述三维模型数据集包括各种复杂的模型结构和纹理信息。

4.如权利要求1所述的智能3d建模助手，其特征在于，所述三维模型数据集的类型包括物体分类集，人脸数据集，场景数据集和生物数据集。

5.如权利要求1所述的智能3d建模助手，其特征在于，所述用户的偏好和习惯包括：材质偏好，颜色选择，模型复杂度，建模流程，光照设置以及动画风格。

6.如权利要求1所述的智能3d建模助手，其特征在于，所述自动调整模型参数包括：自动调整材质的属性，自动调整场景中的光源参数，自动调整模型的几何参数，自动调整动画的持续时间、速度曲线以及关键帧位置，自动调整渲染器的设置；所述自动生成策略包括：自动执行常规建模任务，自动提供模型修复建议，自动建议场景中的物体摆放位置和角度，自动匹配和推荐当前模型的材质和纹理，以及生成个性化的建模流程。

7.如权利要求1所述的智能3d建模助手，其特征在于，所述深度学习模块使用卷积神经网络进行图像处理和特征提取，使用循环神经网络进行序列数据处理，使用自编码器进行无监督学习，使用梯度下降及其变种算法用于优化深度学习模型的参数。

8.如权利要求1所述的智能3d建模助手，其特征在于，所述强化学习模块使用q-learning或deep q-networks(dqn)算法估计每个动作的价值来学习决策策略，使用策略梯度方法来优化建模策略，使用蒙特卡洛树搜索来强化学习中的探索和利用权衡。

9.智能辅助3d建模方法，应用于权利要求1～8任一所述的智能3d建模助手，其特征在于，包括：

技术总结本发明公开了一种智能3D建模助手，包括：数据集模块，其包括多种类型的三维模型数据集；深度学习模块，用于对三维模型数据集进行训练学习，自动识别和提取三维模型的属性和结构信息；强化学习模块，其用于学习用户的建模习惯和风格，能够自动识别用户的偏好和习惯；用户交互界面模块，其便于用户输入需求或选择模版，以及实时查看生成的模型；自动提示模块，其自动提示复杂、多样化的三维模型数据信息。本发明还提供了一种智能辅助3D建模方法。本发明既能够使用户对复杂或非标准模型进行重建，也能够根据不同用户的建模习惯和风格进行自适应调整，满足用户多样化的需求，还能自动提示复杂、多样化的三维模型数据信息，提高了建模效率和质量。技术研发人员：樊庆阳,贾磊受保护的技术使用者：北京领为军融科技有限公司技术研发日：技术公布日：2024/7/29