| 摘要 | 第3-5页 |
| Abstract | 第5-7页 |
| 第1章 绪论 | 第17-48页 |
| 1.1 研究背景 | 第17-23页 |
| 1.2 风格化绘制研究概述 | 第23-38页 |
| 1.2.1 交互式风格化绘制过程的模拟技术 | 第26-27页 |
| 1.2.2 基于三维模型的风格化绘制技术 | 第27-32页 |
| 1.2.3 基于参考图像的风格化绘制技术 | 第32-38页 |
| 1.3 风格化动画研究概述 | 第38-42页 |
| 1.4 本文工作 | 第42-48页 |
| 第2章 风格化脸部动画技术综述 | 第48-70页 |
| 2.1 脸部表情动画生成技术 | 第48-57页 |
| 2.1.1 二维表情动画技术 | 第48-50页 |
| 2.1.2 结合三维约束的二维表情动画技术 | 第50-51页 |
| 2.1.3 真实感表情动画技术 | 第51-57页 |
| 2.2 风格化动画生成技术 | 第57-66页 |
| 2.2.1 二维风格化动画技术 | 第57-61页 |
| 2.2.2 三维风格化动画技术 | 第61-63页 |
| 2.2.3 二维半风格化动画技术 | 第63-64页 |
| 2.2.4 基于样例的风格化动画技术 | 第64-66页 |
| 2.3 本章小结 | 第66-70页 |
| 第3章 风格化脸部动画的样例表达和候选样例检索 | 第70-88页 |
| 3.1 引言 | 第70-73页 |
| 3.1.1 样例表达研究概述 | 第70-72页 |
| 3.1.2 候选样例检索研究概述 | 第72-73页 |
| 3.2 问题描述 | 第73-74页 |
| 3.2.1 样例表达 | 第73页 |
| 3.2.2 候选样例检索 | 第73-74页 |
| 3.3 样例表达 | 第74-77页 |
| 3.4 样例预处理 | 第77-79页 |
| 3.4.1 生成夸张矢量场 | 第78页 |
| 3.4.2 生成中性肖像画 | 第78-79页 |
| 3.5 候选样例检索 | 第79-81页 |
| 3.5.1 特征定义 | 第80-81页 |
| 3.5.2 匹配度评价模型定义 | 第81页 |
| 3.6 构建样例库 | 第81-84页 |
| 3.7 实验结果 | 第84-86页 |
| 3.8 本章小结 | 第86-88页 |
| 第4章 基于主帧样例学习的中间帧生成 | 第88-113页 |
| 4.1 引言 | 第88-90页 |
| 4.2 问题描述 | 第90-92页 |
| 4.3 从主帧中学习先验知识 | 第92-94页 |
| 4.4 基于样例学习的视点识别 | 第94-99页 |
| 4.4.1 线绘图特征提取 | 第95-96页 |
| 4.4.2 线绘图像特征自动选择 | 第96-98页 |
| 4.4.3 支持向量机 | 第98-99页 |
| 4.5 基于样例学习的笔画标记 | 第99-102页 |
| 4.5.1 笔画特征提取 | 第99-100页 |
| 4.5.2 训练支持向量机集 | 第100-101页 |
| 4.5.3 对比实验 | 第101-102页 |
| 4.6 笔画采样点对应关系 | 第102-103页 |
| 4.7 三维模型指导的笔画插值方法 | 第103-108页 |
| 4.7.1 View Morphing | 第105-106页 |
| 4.7.2 Four-View Morphing | 第106-108页 |
| 4.8 实验结果 | 第108-111页 |
| 4.9 本章小结 | 第111-113页 |
| 第5章 基于实例推理的风格化绘制 | 第113-134页 |
| 5.1 引言 | 第113-114页 |
| 5.2 问题描述 | 第114-115页 |
| 5.3 基于实例推理的风格化绘制框架 | 第115-117页 |
| 5.4 构建实例库 | 第117页 |
| 5.5 面向实例获取的匹配度评价 | 第117-122页 |
| 5.5.1 训练数据生成 | 第118-119页 |
| 5.5.2 学习匹配度评估模型 | 第119-122页 |
| 5.6 面向自动实例调整的参数估计 | 第122-123页 |
| 5.7 通过CBR合成期望的风格化人脸草图 | 第123-127页 |
| 5.7.1 基于实例的草图迭代生成 | 第125-126页 |
| 5.7.2 夸张 | 第126-127页 |
| 5.8 实验结果 | 第127-133页 |
| 5.9 本章小结 | 第133-134页 |
| 第6章 二三维结合的人物动画生成方法 | 第134-161页 |
| 6.1 引言 | 第134-135页 |
| 6.2 问题描述 | 第135-137页 |
| 6.3 二三维动画资源 | 第137-140页 |
| 6.4 创建2.5D模型 | 第140页 |
| 6.5 建立2.5D和3D模型的对应关系 | 第140-144页 |
| 6.5.1 生成对应信息 | 第141-142页 |
| 6.5.2 合成新视点下的笔画 | 第142-144页 |
| 6.6 驱动混合模型生成动画 | 第144-145页 |
| 6.6.1 由3D动画的驱动2.5D动画 | 第144-145页 |
| 6.6.2 混合2.5D和3D动画 | 第145页 |
| 6.7 基于Kinect深度数据的多视点人脸草图生成 | 第145-155页 |
| 6.7.1 精确标定Kinect | 第149-155页 |
| 6.8 实验结果 | 第155-160页 |
| 6.9 本章小结 | 第160-161页 |
| 第7章 总结和展望 | 第161-166页 |
| 7.1 本文工作总结 | 第161-163页 |
| 7.2 后续工作展望 | 第163-166页 |
| 参考文献 | 第166-198页 |
| 攻读博士学位期间主要的研究成果 | 第198-199页 |
| 致谢 | 第199页 |