特效处理方法、装置、电子设备和存储介质与流程

技术特征：
1.一种特效处理方法，其特征在于，包括：响应于针对目标特效的特效触发操作；当所述目标特效所对应特效主体存在丝状对象渲染时，确定所述特效主体的特效引导图，所述特效引导图包括特效主体的基础模型以及表征丝状对象的关键引导线；对所述特效引导图进行渲染处理，获得所述目标特效的目标特效画面并显示，其中，所述目标特效画面中包含对关键引导线渲染后形成的丝状对象。2.根据权利要求1所述的方法，其特征在于，所述当所述目标特效所对应特效主体上存在丝状渲染对象时，确定所述特效主体的特效引导图，包括：确定所述目标特效对应的特效主体；如果所述特效主体的展示对象中包括丝状对象，则确定所述特效主体上存在丝状对象渲染；根据所述特效主体的关键引导线信息及基础模型，生成所述特效主体的特效引导图，所述关键引导线信息包括所述关键引导线的位置和/或长度。3.根据权利要求2所述的方法，其特征在于，所述根据所述特效主体的基础模型及关键引导线信息，生成所述特效主体的特效引导图，包括：获取所述特效主体用于三维建模的基础模型，并提取相对所述特效主体预先设定的关键引导线信息以及粗渲染参数；通过所述粗渲染参数及关键引导线信息，对所述基础模型进行贴片渲染，获得所述特效主体的特效引导图。4.根据权利要求1所述的方法，其特征在于，所述对所述特效引导图进行渲染处理，获得所述目标特效的目标特效画面并显示，包括：将所述特效引导图输入预先训练的丝状对象渲染模型，输出目标特效画面，所述丝状对象渲染模型通过预先确定的引导图-渲染图样本图像对训练获得；显示所述目标特效的目标特效画面。5.根据权利要求4所述的方法，其特征在于，所述丝状对象渲染模型的训练步骤包括：构建初始的条件生成对抗网络模型，所述条件生成对抗网络模型包括：生成器以及多尺度判别器；获取训练样本集，所述训练样本集中包括至少一组样本图像对，每组样本图像对中包括样本引导图和样本渲染图；根据所述样本图像对，训练所述生成器和多尺度判别器，获得所述丝状对象渲染模型。6.根据权利要求5所述的方法，其特征在于，所述根据所述样本图像对，训练所述生成器和多尺度判别器，获得所述丝状对象渲染模型，包括：将所述样本图像对中的样本引导图作为所述生成器的输入数据；基于所述生成器的输出结果及所述样本图像对中的样本引导图和样本渲染图构成所述多尺度判别器的两组输入数据；根据所述多尺度判别器相对所述两组输入数据的输出结果，结合预先给定的损失函数，分别对所述生成器和多尺度判别器进行参数调整；在满足训练迭代结束条件后，将训练后的生成器作为所述丝状对象渲染模型。7.根据权利要求6所述的方法，其特征在于，所述生成器以给定第一网络结构表示，所
述多尺度判别器以给定的第二网络结构表示；所述损失函数包括：生成对抗损失函数、学习感知图像块相似度损失函数和随机图像块损失函数。8.根据权利要求5所述的方法，其特征在于，所述样本图像对中的样本引导图和样本渲染图基于相同的渲染参数分别通过预先给定的渲染引擎工具渲染确定。9.根据权利要求1-8任一项所述的方法，其特征在于，所述丝状对象为毛发。10.一种特效处理装置，其特征在于，包括：响应模块，用于响应于针对目标特效的特效触发操作；引导图确定模块，用于当所述目标特效所对应特效主体存在丝状对象渲染时，确定所述特效主体的特效引导图，所述特效引导图包括特效主体的基础模型以及表征丝状对象的关键引导线；处理显示模块，用于对所述特效引导图进行渲染处理，获得所述目标特效的目标特效画面并显示，其中，所述目标特效画面中包含对关键引导线渲染后形成的丝状对象。11.一种电子设备，其特征在于，所述电子设备包括：一个或多个处理器；存储装置，用于存储一个或多个程序，当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1-9中任一所述的特效处理方法。12.一种包含计算机可执行指令的存储介质，其特征在于，所述计算机可执行指令在由计算机处理器执行时用于执行如权利要求1-9中任一所述的特效处理方法。

技术总结
本公开实施例提供了一种特效处理方法、装置、电子设备和存储介质。该方法包括：响应于针对目标特效的特效触发操作；当所述目标特效所对应特效主体存在丝状对象渲染时，确定所述特效主体的特效引导图，所述特效引导图包括特效主体的基础模型以及表征丝状对象的关键引导线；对所述特效引导图进行渲染处理，获得所述目标特效的目标特效画面并显示，其中，所述目标特效画面中包含对关键引导线渲染后形成的丝状对象。利用该方法，将对丝状对象的渲染简化为基于丝状对象的关键引导线进行精致渲染，在保证丝状对象渲染精度的同时，有效减少了渲染计算量，保证了丝状对象的渲染速度；同时，也有效降低了制作成本，降低了丝状对象多样化设计的实现难度。计的实现难度。计的实现难度。


技术研发人员：曹晋源 李百林 曾光 李文越 李心雨 李云颢
受保护的技术使用者：北京字跳网络技术有限公司
技术研发日：2022.10.25
技术公布日：2023/1/13