| 摘要 | 第6-7页 |
| Abstract | 第7-8页 |
| 第1章 绪论 | 第11-18页 |
| 1.1 研究背景及意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-15页 |
| 1.2.1 虚拟人面部动画技术的研究现状 | 第12-13页 |
| 1.2.2 语音驱动动画技术的研究现状 | 第13-15页 |
| 1.3 研究目标及内容 | 第15-16页 |
| 1.3.1 研究目标 | 第15页 |
| 1.3.2 研究内容 | 第15-16页 |
| 1.4 本文组织结构 | 第16-18页 |
| 第2章 深度神经网络 | 第18-24页 |
| 2.1 深度神经网络概述 | 第18页 |
| 2.2 基于深度神经网络的声视觉映射 | 第18-23页 |
| 2.2.1 深度置信网络 | 第19页 |
| 2.2.2 受限的玻尔兹曼机 | 第19-21页 |
| 2.2.3 RBM的生成训练 | 第21-22页 |
| 2.2.4 堆砌RBM成DBN | 第22页 |
| 2.2.5 微调DNN网络 | 第22-23页 |
| 2.3 本章小结 | 第23-24页 |
| 第3章 声视觉语料库的构建 | 第24-31页 |
| 3.1 MNGU0数据库 | 第24-25页 |
| 3.2 LIPS2008数据库 | 第25-30页 |
| 3.2.1 语音特征参数的提取 | 第25页 |
| 3.2.2 人脸动画参数的提取 | 第25-29页 |
| 3.2.3 声视觉语料库的构建 | 第29-30页 |
| 3.3 本章小结 | 第30-31页 |
| 第4章 语音驱动发音器官运动合成 | 第31-41页 |
| 4.1 基于深度神经网络的声视觉映射 | 第31-32页 |
| 4.1.1 网络结构的搭建 | 第31-32页 |
| 4.1.2 网络结构的实验参数 | 第32页 |
| 4.2 发音器官模型的运动合成 | 第32-34页 |
| 4.2.1 发音器官模型 | 第32-33页 |
| 4.2.2 计算控制量oos、zt和jaw | 第33-34页 |
| 4.3 实验结果与分析 | 第34-40页 |
| 4.3.1 实验评价方法 | 第34-35页 |
| 4.3.2 ANN和DNN实验结果的对比 | 第35-38页 |
| 4.3.3 上下文的长度对实验结果的影响 | 第38-39页 |
| 4.3.4 唇部动画评价结果 | 第39-40页 |
| 4.4 本章小结 | 第40-41页 |
| 第5章 基于MPEG-4的语音驱动虚拟说话人动画合成 | 第41-55页 |
| 5.1 系统总体设计 | 第41-42页 |
| 5.2 声视觉映射模型的建立 | 第42-45页 |
| 5.2.1 口型特征参数 | 第42-44页 |
| 5.2.2 声视觉映射模型建立与优化 | 第44-45页 |
| 5.3 口型动画合成 | 第45-46页 |
| 5.4 系统界面及各模块介绍 | 第46-48页 |
| 5.4.1 系统界面 | 第46-47页 |
| 5.4.2 模块介绍 | 第47-48页 |
| 5.5 实验结果与分析 | 第48-53页 |
| 5.5.1 实验评价方法 | 第48页 |
| 5.5.2 声视觉映射结果 | 第48-51页 |
| 5.5.3 口型动画的合成与评价 | 第51-53页 |
| 5.5.4 个性化头部模型构建与动画合成 | 第53页 |
| 5.6 本章小结 | 第53-55页 |
| 结论 | 第55-56页 |
| 致谢 | 第56-57页 |
| 参考文献 | 第57-62页 |
| 攻读硕士学位期间发表的论文及科研成果 | 第62页 |