考慮消費者興趣的3D動漫造型優化研究

顏偉娜

摘? 要： 傳統的3D動漫造型優化方法采用固定掃描策略，無法準確衡量X3D渲染節點狀態，導致最終造型設計效果不佳。為了解決這一問題，提出基于消費者興趣的3D動漫造型優化方法。利用Schema語意定義分配3D動漫造型渲染節點。再引入演化規則，依據消費者興趣設置顯性指標。完成上述操作后，提出線性掃描更新策略，計算輔助函數值。再運用M?ETICGA方法實現3D動漫造型設計。最后，分別計算傳統優化方法與所提優化方法的輔助函數值。設實驗次數為20次，實驗結果表明，所提的優化方法執行線性掃描更新策略得到的20次計算結果更接近于0.8，而傳統的優化方法與元胞遺傳算法所得的20次計算結果均高于0.8，說明所提的優化方法能夠準確衡量X3D渲染節點狀態。

關鍵詞： 3D動漫造型; 消費者興趣; 渲染節點分配; 函數值計算; 指標設置; 仿真實驗

中圖分類號： TN911.73?34; TP391.9? ? ? ? ? ? ? ? ? 文獻標識碼： 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，但卻面臨著造型創意不足和設計周期長的問題。就造型創意性來說，造型師在設計的過程中受設計觀念的限制無法設計出創新性造型。因此，需要一種計算機輔助設計環境輔助造型師設計出高效、新穎的3D動漫造型。傳統的3D動漫造型優化方法在制作過程中產生的數據量過多，無法快速有效地制作出高質量的動漫作品[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，每個環節產生的數據都要通過數據審核和評價才能流向下一個環節。若在執行的過程中發現上一個環節的數據出現問題，可以通過評價功能反饋給相關工作人員，重新修改調整。另外，為方便渲染設計，引入動態概念，促進局部種群之間的關系。在此基礎上，構建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動漫造型渲染節點分配

基于標準的XML語言分配3D渲染節點，利用Schema語意上的定義，將X3D格式分成Head和Scene。X3D渲染節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點，共分為四層：第一層節點支持所有節點，但與HTML不同;第二層節點包含前一級節點，但不包含渲染相關信息[2];第三層節點包含X3D重要渲染相關信息;第四層節點包含有Scene節點。采用DOM樹的形式分配這四層X3D渲染節點，Scene中的每個渲染節點都對應一個渲染場景，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。按照一定規則組織成子樹通過XML屬性域表示這四層節點的基本信息，四層X3D渲染節點基本數據類型分配結果如表1所示。這四層X3D渲染節點只針對動漫場景渲染，渲染相關組由Scene節點的子節點組成。Scene節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系，需要在全局管理中，將分配后的X3D渲染節點分成兩類，一種為簡單節點，另一種為復雜節點，以便于后續處理，從而增強3D動漫渲染效果[3]。

2? 3D動漫造型演化規則引入

利用Schema語意上的定義分配3D動漫造型渲染節點，為不影響數據審核結果，引入演化規則，并依據消費者興趣設置顯性指標[4]。演化規則數學定義表達式見式（1）：

以三維網格為例，演化規則制定過程如下：

Step1：將三維四格網格映射成三維矩陣，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值[7]。

應用式（1）～式（3）設置X3D渲染顯性指標。

3? 3D動漫造型設計流程

先分配3D動漫造型渲染節點，再引入3D動漫造型演化規則。完成上述操作后，根據消費者興趣和消費主體設計創意性3D動漫造型[8]。再運用M?ETICGA方法實現3D動漫造型流程設計。在流程設計中，提出更新策略，計算X3D輔助度函數值，得到最終的3D動漫造型。

為便于操作，提出更新策略，設計出便于操作和創新的3D動漫造型。在設計的過程中，為便于操作，準確衡量X3D渲染節點的狀態，采用線性掃描更新策略計算輔助函數值[9]。計算過程如下：

計算輔助函數值，衡量X3D渲染節點的狀態，計算公式為：

式中：[δ1+1δ]表示輔助評價變量;[kamn]表示輔助函數值;[fΔamn]表示當前進化代數。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格，每行個體數目相同的網格都可以用于渲染操作[10]。采用固定隨機掃描更新策略時，建立的三維輔助網格的大小要依據演化規則而定。若采用統一選擇策略時，要建立一個相同形式的三維輔助網格[11]。 基于消費者興趣的3D動漫造型設計具體實現過程如圖1所示。

Step1：設初始種群個數[M]，隨機生成[M]個ACIS規則表達式，負責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格中，如圖2所示。

為建立輔助于更新策略的三維操作網格，將初始種群的狀態設置為“活”。

Step2：經過專家打分得到輔助函數值[12]。

Step3：依據更新策略掃描操作網格中的個體，再對掃描領域執行渲染操作。

Step4：在三維輔助網格內生成與原中心渲染節點相對應的位置[13]。

Step5：設[a]為輔助網格中任意一個渲染節點，[a]為[a]在輔助網格中的對應個體，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，要清空三維輔助網格[14]。

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

Step7：引入演化規則，并加入專業知識以及消費者興趣。

Step8：若滿足上述條件，即可結束，轉向Step2，完成3D動漫造型設計[15]。

由此，完成基于消費者興趣的3D動漫造型設計。

4? 仿真實驗

對比傳統的3D動漫造型優化方法與基于消費者興趣的3D動漫造型優化方法，所得到的輔助函數值是否接近于標準輔助度函數值，準確衡量X3D渲染節點的狀態。

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，將初始種群狀態設置為“活”。再導入3D動漫初始造型。

第2步：根據演化原則得到不同造型構成的初始種群。應用式（4），將初始種群[M]設置為25。

第3步：設置3D動漫造型三維操作網格個體。

第4步：設置3D動漫造型評分標準。實驗中，要求動漫人物要與實際人物仿真度接近。依據顯性指標，將[α]設置為0.5?？紤]到3D動漫造型在變形的過程中五官會錯位，要先將造型打分結果上傳到系統統計。

第5步：基于消費者興趣的3D動漫造型執行線性掃描更新策略，傳統的3D動漫造型執行固定掃描更新策略，分別計算輔助函數值，若計算結果接近標準輔助函數值，說明該方法可以準確衡量X3D渲染節點的狀態。若計算結果比標準輔助函數值高，說明該方法無法準確衡量X3D渲染節點的狀態。

4.2? 實驗結果分析

標準的輔助函數值為[p=0.8]。為保證實驗結果的準確性，設該實驗次數為20次。應用式（4）計算出傳統方法、元胞遺傳算法與本文方法得到的輔助函數值，計算結果見表2。

從實驗結果可以看出：使用本文方法執行線性掃描更新策略得到的20次計算結果更接近于0.8，且均能準確衡量X3D渲染節點的狀態;而使用傳統優化方法與元胞遺傳算法執行固定掃描更新策略，得出的20次計算結果均高于標準輔助函數值，說明該策略無法準確衡量X3D渲染節點的狀態。

由此可知，基于消費者興趣的3D動漫造型優化方法可用于實踐操作。

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

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

5? 結? 語

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

參考文獻

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

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

[3] 蔡權.VR技術在青少年網絡文明動漫開發中的運用[J].現代電子技術，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計研究[J].包裝工程，2017，38（2）：45?49.

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

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

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

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

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

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

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

[12] 李艷妮.Maya場景建模技術在泥偶動畫立體造型設計中的應用[J].現代電子技術，2017，40（19）：135?137.

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

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

[15] 趙偉.基于VR技術的動漫人物三維設計[J].現代電子技術，2018，41（16）：172?175.