技术特征：
1.一种方法，包括：由计算系统：接收由结合到用户的一个或多个传感器采集到的传感器数据；基于所述传感器数据，生成与所述用户的身体的第一部分对应的上半身姿势，所述身体的第一部分包括所述用户的头部和手臂；通过使用机器学习模型对所述上半身姿势进行处理，来生成与所述用户的所述身体的第二部分对应的下半身姿势，所述身体的第二部分包括所述用户的腿部；以及基于所述上半身姿势和所述下半身姿势，来生成所述用户的全身姿势。2.根据权利要求1所述的方法，其中，所述机器学习模型是使用第二机器学习模型而训练的，所述第二机器学习模型被训练以确定给定全身姿势是否可能是使用所述机器学习模型而生成的。3.根据权利要求1或2所述的方法，其中，所述机器学习模型在训练期间被优化，以使得第二机器学习模型错误地确定为：使用所述机器学习模型而生成的给定全身姿势不太可能是使用所述机器学习模型而生成的。4.根据前述权利要求中任一项所述的方法，其中，所述机器学习模型是通过以下方式来训练的：通过使用所述机器学习模型对第二上半身姿势进行处理，来生成第二下半身姿势；基于所述第二上半身姿势和所述第二下半身姿势，生成第二全身姿势；使用第二机器学习模型来判断所述第二全身姿势是否可能是使用所述机器学习模型而生成的；以及基于所述第二机器学习模型的确定，来对所述机器学习模型进行更新。5.根据前述权利要求中任一项所述的方法，其中，所述一个或多个传感器与所述用户所佩戴的头戴式设备相关联。6.根据前述权利要求中任一项所述的方法，其中，生成所述上半身姿势包括：基于所述传感器数据，来确定与所述用户的多个预定身体部位对应的多个姿势；以及基于所述多个姿势来推断所述上半身姿势。7.根据权利要求6所述的方法，其中，所述多个姿势包括与所述用户的手腕对应的手腕姿势，其中，所述手腕姿势是基于由用户佩戴的头戴式设备采集到的一幅或多幅图像而确定的，所述一幅或多幅图像描绘了(1)所述用户的手腕或(2)所述用户所握持的设备。8.根据前述权利要求中任一项所述的方法，还包括：确定与采集所述传感器数据的时间相关联的上下文信息；其中，所述下半身姿势是通过还使用所述机器学习模型对所述上下文信息进行处理而生成的。9.根据权利要求8所述的方法，其中，所述上下文信息包括：在确定所述上半身姿势时所述用户正在与之交互的应用程序。10.根据前述权利要求中任一项所述的方法，还包括：基于所述全身姿势生成所述用户的化身。11.一个或多个计算机可读非暂态存储介质，所述一个或多个计算机可读非暂态存储介质包括指令，所述指令在被服务器执行时，使得所述服务器执行前述权利要求中任一项所述的方法。
12.一种系统，包括：一个或多个处理器；以及根据权利要求11所述的一个或多个计算机可读非暂态存储介质，所述一个或多个计算机可读非暂态存储介质耦接到所述一个或多个处理器。
技术总结
计算系统可以接收来自结合到用户的一个或多个传感器的传感器数据。基于该传感器数据，计算系统可以生成与用户的身体的第一部分对应的上半身姿势，该身体的第一部分包括用户的头部和手臂。计算系统可以使用机器学习模型对用户的上半身姿势进行处理，来生成与用户的身体的第二部分对应的下半身姿势，该身体的第二部分包括用户的腿部。计算系统可以基于该上半身姿势和该下半身姿势来生成用户的全身姿势。势。势。
技术研发人员：塞缪尔
受保护的技术使用者：元平台技术有限公司
技术研发日：2021.08.16
技术公布日：2023/6/7
再多了解一些
本文用于创业者技术爱好者查询，仅供学习研究，如用于商业用途，请联系技术所有人。
