一种人物场景建模方法、装置、设备及存储介质与流程

1.本发明涉及元宇宙隐私保护技术领域，特别涉及一种人物场景建模方法、装置、设备及存储介质。


背景技术：

2.元宇宙是一个虚拟的、三维的、互动的、多用户的、基于互联网的虚拟空间，其中包含大量虚拟现实场景和虚拟对象，可以实现与现实世界的交互，而这些场景和对象很多是来自现实世界的复制品。元宇宙的建立需要大量的三维场景建模，传统的三维场景建模方法需要人工进行大量的模型设计和细节处理，耗时耗力且成本较高。其次，大量的现实场景信息难以被直接转化成三维场景模型，导致建模效率较低。最后，由于数据隐私的保护，许多数据不允许直接使用，限制了元宇宙场景的生成。
3.随着元宇宙技术的不断发展和应用的不断拓展，其中的隐私保护问题逐渐成为人们关注的焦点。用户使用虚拟身份在元宇宙中进行互动、创造、购买、销售、娱乐等活动时，需要用户提供更多的个人信息。这些信息包括用户个人基本信息、虚拟身份信息、现实中的照片、视频、生活空间位置信息等，都可能面临泄露的风险。此外，使用vr头盔、传感器等设备也可能会收集用户的行为数据和生物特征数据，如面部表情、身体姿势、生物节律、语音等信息，这些数据都可能被滥用，从而影响用户的隐私安全。
4.为了解决元宇宙隐私保护问题，许多技术手段正在不断地被研究和应用，然而，由于元宇宙特点，如真实感和交互性，以及用户的沉浸式体验，传统的加密技术和身份认证等技术存在局限性。在这种情况下，如何生成元宇宙人物场景模型并保护用户的隐私安全成为本领域亟需解决的问题。


技术实现要素：

5.有鉴于此，本发明的目的在于提供一种人物场景建模方法、装置、设备及存储介质，能够将多模态数据转换为文本数据，并基于脱敏处理后的文本数据生成的相应的元宇宙人物场景模型，可以满足用户的隐私需求。其具体方案如下：
6.第一方面，本技术提供了一种人物场景建模方法，包括：
7.获取用于生成元宇宙人物场景模型的初始数据；所述初始数据包括结构化数据、图像数据、语音数据、视频数据、文本描述数据；
8.利用预设数据转换模型将所述初始数据转换为自然语言文本数据；
9.通过预设文字数据脱敏模型，结合预设用户隐私要求对所述自然语言文本数据进行脱敏处理，得到脱敏后文本数据；
10.基于所述脱敏后文本数据生成相应的元宇宙人物场景模型。
11.可选的，所述利用预设数据转换模型将所述初始数据转换为自然语言文本数据之前，还包括：
12.根据与所述初始数据对应业务领域相关的信息对所述预设数据转换模型的参数
进行调整，以便利用调整参数后的预设数据转换模型将所述初始数据转换为所述自然语言文本数据。
13.可选的，所述利用预设数据转换模型将所述初始数据转换为自然语言文本数据，包括：
14.利用所述预设数据转换模型对所述初始数据中除去所述文本描述数据外的数据进行转换，得到转换后数据；
15.对所述转换后数据以及所述文本描述数据进行文本融合处理，得到所述自然语言文本数据。
16.可选的，所述通过预设文字数据脱敏模型，结合预设用户隐私要求对所述自然语言文本数据进行脱敏处理，得到脱敏后文本数据之后，还包括：
17.利用预设隐私等级判定规则对所述脱敏后文本数据进行判定；
18.若判定所述脱敏后文本数据对应的隐私等级小于预设隐私安全等级，则基于深度强化学习技术对所述预设文字数据脱敏模型的相关参数进行调整；
19.利用调整参数后的预设文字数据脱敏模型，结合所述预设用户隐私要求对所述自然语言文本数据进行脱敏处理得到新脱敏后数据，以便基于所述新脱敏后数据生成相应的元宇宙人物场景模型。
20.可选的，所述基于所述脱敏后文本数据生成相应的元宇宙人物场景模型之前，还包括：
21.从元宇宙人物场景模型对应的数据集中随机选取若干模型参数，并对所述模型参数进行编码，以得到第一特征向量；
22.对所述第一特征向量进行加噪处理得到第二特征向量，以便基于所述第二特征向量以及所述脱敏后文本数据生成所述元宇宙人物场景模型。
23.可选的，所述基于所述第二特征向量以及所述脱敏后文本数据生成所述元宇宙人物场景模型，包括：
24.基于预设向量生成模型根据所述脱敏后文本数据生成相应的特征向量，得到第三特征向量；
25.基于所述第二特征向量以及所述第三特征向量生成所述元宇宙人物场景模型。
26.可选的，所述基于所述第二特征向量以及所述第三特征向量生成所述元宇宙人物场景模型，包括：
27.对所述第二特征向量以及所述第三特征向量一同进行去噪处理，并对去噪处理后得到的向量进行解码，以得到所述元宇宙人物场景模型。
28.第二方面，本技术提供了一种人物场景建模装置，包括：
29.初始数据获取模块，用于获取用于生成元宇宙人物场景模型的初始数据；所述初始数据包括结构化数据、图像数据、语音数据、视频数据、文本描述数据；
30.数据转换模块，用于利用预设数据转换模型将所述初始数据转换为自然语言文本数据；
31.数据脱敏处理模块，用于通过预设文字数据脱敏模型，结合预设用户隐私要求对所述自然语言文本数据进行脱敏处理，得到脱敏后文本数据；
32.模型生成模块，用于基于所述脱敏后文本数据生成相应的元宇宙人物场景模型。
33.第四方面，本技术提供了一种电子设备，包括：
34.存储器，用于保存计算机程序；
35.处理器，用于执行所述计算机程序以实现如上述的人物场景建模方法。
36.第五方面，本技术提供了一种计算机可读存储介质，用于保存计算机程序，所述计算机程序被处理器执行时实现如上述的人物场景建模方法。
37.由此可见，本技术首先获取用于生成元宇宙人物场景模型的初始数据；所述初始数据包括结构化数据、图像数据、语音数据、视频数据、文本描述数据；然后利用预设数据转换模型将所述初始数据转换为自然语言文本数据；再通过预设文字数据脱敏模型，结合预设用户隐私要求对所述自然语言文本数据进行脱敏处理，得到脱敏后文本数据；再基于所述脱敏后文本数据生成相应的元宇宙人物场景模型。这样一来，本技术可以将多模态的初始数据转换为自然语言文本数据，然后对文本数据进行脱敏处理，再根据脱敏后文本数据生成相应的元宇宙人物场景模型，可以充分挖掘多模态的初始数据中多形式数据的潜在联系；并且脱敏处理后，可以提升隐私数据的保护能力，能够满足用户的隐私需求。
附图说明
38.为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图获得其他的附图。
39.图1为本技术公开的一种人物场景建模方法流程图；
40.图2为本技术公开的一种具体的人物场景建模方法流程图；
41.图3为本技术公开的一种条件向量生成方法流程图；
42.图4为本技术公开的一种人物场景建模装置结构示意图；
43.图5为本技术公开的一种电子设备结构图。
具体实施方式
44.下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
45.本技术可以有效应用于元宇宙真实复杂场景建模，并充分考虑用户个性化需求，通过将各类跨模态数据转化成文本数据，并根据用户隐私要求构建数据脱敏提示，实现文本语义级的隐私脱敏，最终将结构化数据、文本、语音、图像、视频等多种形式数据进行有效融合，生成满足用户个性化需求的元宇宙人物场景模型，提升人物场景生成效率，同时保障用户数据隐私。
46.参见图1所示，本发明实施例公开了一种人物场景建模方法，包括：
47.步骤s11、获取用于生成元宇宙人物场景模型的初始数据；所述初始数据包括结构化数据、图像数据、语音数据、视频数据、文本描述数据。
48.本技术中，首先获取用于生成元宇宙人物场景模型的初始数据，需要指出的是，元
宇宙人物场景模型是在元宇宙环境下三维的人物及场景模型参数构成的，包含其3d几何形状模型、材质模型、碰撞模型、光照模型、运动模型等模型参数，相应的，用于生成元宇宙人物场景模型的初始数据可以包括结构化数据、图像数据、语音数据、视频数据以及相关的文本描述数据。可以理解的是，通过这些跨模态数据可以得到符合用户期望的元宇宙人物场景模型。
49.步骤s12、利用预设数据转换模型将所述初始数据转换为自然语言文本数据。
50.进一步的，得到初始数据之后，可以通过预设数据转换模型将初始数据转换为相应的自然语言文本数据；需要指出的是，在一种具体的实施例中，所述利用预设数据转换模型将所述初始数据转换为自然语言文本数据之前，还可以包括：根据与所述初始数据对应业务领域相关的信息对所述预设数据转换模型的参数进行调整，以便利用调整参数后的预设数据转换模型将所述初始数据转换为所述自然语言文本数据。具体的，可以根据与初始数据对应的业务领域相关的数据对预设数据转换模型的参数进行调整，即利用与该业务领域相关的数据对预设数据转换模型进行强化训练，这样可以得到适合该业务领域的预设数据转换模型，然后再通过适用于该业务领域的预设数据转换模型将初始数据转换为相应的自然语言文本数据。
51.在具体的实施例中，所述利用预设数据转换模型将所述初始数据转换为自然语言文本数据，可以包括：利用所述预设数据转换模型对所述初始数据中除去所述文本描述数据外的数据进行转换，得到转换后数据；对所述转换后数据以及所述文本描述数据进行文本融合处理，得到所述自然语言文本数据。具体的，可以通过预设数据转换模型对初始数据中的结构化数据、图像数据、语音数据以及视频数据进行转换以得到转换后数据；然后将得到的转换后数据与初始数据中的文本描述数据进行融合，这样可以得到文字文本形式的自然语言文本数据。
52.步骤s13、通过预设文字数据脱敏模型，结合预设用户隐私要求对所述自然语言文本数据进行脱敏处理，得到脱敏后文本数据。
53.本技术中，通过对初始数据进行转换得到自然语言文本数据之后，可以通过预设文字数据脱敏模型，再结合预设用户隐私要求对得到的自然语言文本数据进行脱敏处理以得到脱敏后文本数据。需要指出的是，在具体的实施例中，所述通过预设文字数据脱敏模型，结合预设用户隐私要求对所述自然语言文本数据进行脱敏处理，得到脱敏后文本数据之后，还可以包括：利用预设隐私等级判定规则对所述脱敏后文本数据进行判定；若判定所述脱敏后文本数据对应的隐私等级小于预设隐私安全等级，则基于深度强化学习技术对所述预设文字数据脱敏模型的相关参数进行调整；利用调整参数后的预设文字数据脱敏模型，结合所述预设用户隐私要求对所述自然语言文本数据进行脱敏处理得到新脱敏后数据，以便基于所述新脱敏后数据生成相应的元宇宙人物场景模型。具体的，可以预设隐私等级判定规则判断脱敏后数据的隐私等级，若该脱敏后数据的隐私等级小于预设隐私安全等级，则该脱敏后数据不符合用户隐私需求；此时可以基于深度强化学习技术对预设文字数据脱敏模型进行学习调整，以保证利用经过调整的预设文字数据脱敏模型对自然语言文本数据进行脱敏得到的脱敏后数据可以符合用户的隐私需求，即得到的新脱敏后数据对应的隐私等级不小于预设隐私安全等级。
54.步骤s14、基于所述脱敏后文本数据生成相应的元宇宙人物场景模型。
55.本技术中，通过预设文本数据脱敏模型得到与自然语言文本数据对应的脱敏后文本数据之后，可以基于脱敏后文本数据生成相应的元宇宙人物场景模型。在具体的实施例中，所述基于所述脱敏后文本数据生成相应的元宇宙人物场景模型之前，还可以包括：从元宇宙人物场景模型对应的数据集中随机选取若干模型参数，并对所述模型参数进行编码，以得到第一特征向量；对所述第一特征向量进行加噪处理得到第二特征向量，以便基于所述第二特征向量以及所述脱敏后文本数据生成所述元宇宙人物场景模型。具体的，可以从元宇宙人物场景模型对应的数据集中随机选取若干模型参数；进一步的，可以对模型参数对应的第一特征向量进行加噪处理，经过若干次处理之后，可以得到高斯分布的第二特征向量，后续可以基于第二特征向量以及脱敏后文本数据生成相应的元宇宙人物场景模型。
56.在另一种具体的实施例中，所述基于所述第二特征向量以及所述脱敏后文本数据生成所述元宇宙人物场景模型，可以包括：基于预设向量生成模型根据所述脱敏后文本数据生成相应的特征向量，得到第三特征向量；基于所述第二特征向量以及所述第三特征向量生成所述元宇宙人物场景模型。具体的，基于第二特征向量以及脱敏后文本数据生成元宇宙人物场景模型的过程，首先可以基于预设向量生成模型生成与脱敏后数据对应的第三特征向量，之后再基于第二特征向量以及第三特征向量生成相应的元宇宙人物场景模型；进一步的，所述基于所述第二特征向量以及所述第三特征向量生成所述元宇宙人物场景模型，可以包括：对所述第二特征向量以及所述第三特征向量一同进行去噪处理，并对去噪处理后得到的向量进行解码，以得到所述元宇宙人物场景模型。具体的，可以对基于元宇宙人物场景模型的数据集得到的第二特征向量以及基于脱敏后文本数据得到的第三特征向量一同进行去噪处理，并对去噪得到的向量进行解码，这样可以生成与脱敏后文本数据对应的元宇宙人物场景模型。
57.由此可见，本技术首先获取用于生成元宇宙人物场景模型的初始数据；所述初始数据包括结构化数据、图像数据、语音数据、视频数据、文本描述数据；然后利用预设数据转换模型将所述初始数据转换为自然语言文本数据；再通过预设文字数据脱敏模型，结合预设用户隐私要求对所述自然语言文本数据进行脱敏处理，得到脱敏后文本数据；再基于所述脱敏后文本数据生成相应的元宇宙人物场景模型。并且本技术可以利用与初始数据对应业务领域的数据对预设数据转换模型进行针对性训练，再利用训练后的预设数据转换模型将初始数据转换为自然语言文本数据；然后可以根据预设隐私等级判定规则对脱敏后文本数据的隐私性进行判断，能够保证得到的脱敏后文本数据符合用户的隐私需求；再基于脱敏后文本数据生成相应的元宇宙人物场景模型，可以更大程度消除隐私数据泄露的隐患。
58.如图2所示，本技术实施例公开了一种人物场景建模方法，包括：
59.本技术实施例中，通过对元宇宙人物场景模型对应的数据集中若干模型参数进行编码(encoder)可以得到特征向量v(第一特征向量)，再经加噪(diff-noise)处理可以得到特征向量vt(第二特征向量)；并且用户提供信息(初始数据)以及用户隐私要求经过跨模态条件向量生成器(convect-gen)处理可以得到条件向量vc(第三特征向量)；之后，可以通过对vt以及vc进行去噪(denoise)处理可以看得到特征向量vg，然后对vg解码可以得到与初始数据对应的元宇宙人物场景模型。
60.其中，如图3所示，跨模态条件向量生成器基于初始数据得到条件向量的过程，可以包括：对初始数据(用户提供信息)进行处理，并得到第三特征向量的过程可以包括：将用
户提供的信息转换为文字；其中，用户提供的用于生成元宇宙人物场景模型的信息可以包括结构化数据、文本描述数据(个性化要求)、图像数据、语音数据以及视频数据。其中不同形式的数据可以通过相应的模块生成相应的文字；可以理解的是，特征处理模块可以基于transformer结构；具体的，结构化数据可以通过s2tconverter转为相应的文字，图像数据可以通过i2tconverter转为相应的文字，语音数据可以通过a2tconverter转为相应的文字，视频数据可以通过v2tconverter转为相应的文字；之后可以对转换得到的文字与文本描述数据(个性化要求)进行文字聚合处理，这样可以得到自然语言文本数据。进一步的，可以将通过提示数据生成器(prompt-gen)处理后的用户隐私要求与得到的自然语言文本数据一同输入到文字数据脱敏模块(text-desens)；其中，文字数据脱敏模块可以为基于nlp大模型gpt结构的文字数据脱敏模块，并且提示数据生成器可以将用户隐私要求转换为脱敏文本提示数据；这样可以结合用户隐私要求对得到的自然语言文本数据进行脱敏处理，以得到脱敏文本(脱敏后文本数据)；然后可以基于脱敏后文本数据得到相应的条件向量(第三特征向量)，具体的，跨模态脱敏数据融合模块(cross-fusion)可以对用户输入的跨模态数据以及脱敏后文本数据进行转换，投影到向量空间生成融合条件向量，即得到第三特征向量。之后可以结合图2，对特征向量vt以及vc进行去噪处理，并对去噪得到的特征向量vg进行解码，这样可以得到符合用户隐私要求的元宇宙人物场景模型。在一种具体的实施例中，可以收集用户对生成的元宇宙人物场景模型的反馈数据，以便对本技术中相关预设模型的参数进行调整。
61.由此可见，本技术可以对跨模态数据进行脱敏处理，并结合用户隐私要求根据用户生成元宇宙人物场景模型的跨模态数据生成相应的条件向量，即第三特征向量；同时本技术可以基于元宇宙人物场景模型对应的模型数据集中若干模型参数得到特征向量，即第二特征向量；然后结合第二特征向量以及第三特征向量可以生成与跨模态数据对应的能够满足用户隐私要求的元宇宙人物场景模型。
62.如图4所示，本技术公开了一种人物场景建模装置，包括：
63.初始数据获取模块11，用于获取用于生成元宇宙人物场景模型的初始数据；所述初始数据包括结构化数据、图像数据、语音数据、视频数据、文本描述数据；
64.数据转换模块12，用于利用预设数据转换模型将所述初始数据转换为自然语言文本数据；
65.数据脱敏处理模块13，用于通过预设文字数据脱敏模型，结合预设用户隐私要求对所述自然语言文本数据进行脱敏处理，得到脱敏后文本数据；
66.模型生成模块14，用于基于所述脱敏后文本数据生成相应的元宇宙人物场景模型。
67.由此可见，本技术可以将多模态的初始数据转换为自然语言文本数据，然后对文本数据进行脱敏处理，再根据脱敏后文本数据生成相应的元宇宙人物场景模型，可以充分挖掘多模态的初始数据中多形式数据的潜在联系；并且脱敏处理后，可以提升隐私数据的保护能力，能够满足用户的隐私需求。
68.在一种具体的实施例中，所述装置，还可以包括：
69.第一模型调整单元，用于根据与所述初始数据对应业务领域相关的信息对所述预设数据转换模型的参数进行调整，以便利用调整参数后的预设数据转换模型将所述初始数
据转换为所述自然语言文本数据。
70.在一种具体的实施例中，所述数据转换模块12，可以包括：
71.数据转换单元，用于利用所述预设数据转换模型对所述初始数据中除去所述文本描述数据外的数据进行转换，得到转换后数据；
72.数据融合单元，用于对所述转换后数据以及所述文本描述数据进行文本融合处理，得到所述自然语言文本数据。
73.在一种具体的实施例中，所述装置，还可以包括：
74.数据隐私等级判定单元，用于利用预设隐私等级判定规则对所述脱敏后文本数据进行判定；
75.第二模型调整单元，用于当判定所述脱敏后文本数据对应的隐私等级小于预设隐私安全等级时，基于深度强化学习技术对所述预设文字数据脱敏模型的相关参数进行调整；
76.数据脱敏单元，用于利用调整参数后的预设文字数据脱敏模型，结合所述预设用户隐私要求对所述自然语言文本数据进行脱敏处理得到新脱敏后数据，以便基于所述新脱敏后数据生成相应的元宇宙人物场景模型。
77.在一种具体的实施例中，所述装置，还可以包括：
78.第一向量生成单元，用于从元宇宙人物场景模型对应的数据集中随机选取若干模型参数，并对所述模型参数进行编码，以得到第一特征向量；
79.第二向量生成单元，用于对所述第一特征向量进行加噪处理得到第二特征向量，以便基于所述第二特征向量以及所述脱敏后文本数据生成所述元宇宙人物场景模型。
80.在一种具体的实施例中，所述模型生成模块14，可以包括：
81.第三向量生成单元，用于基于预设向量生成模型根据所述脱敏后文本数据生成相应的特征向量，得到第三特征向量；
82.模型生成子模块，用于基于所述第二特征向量以及所述第三特征向量生成所述元宇宙人物场景模型。
83.在另一种具体的实施例中，所述模型生成子模块，可以包括：
84.模型生成单元，用于对所述第二特征向量以及所述第三特征向量一同进行去噪处理，并对去噪处理后得到的向量进行解码，以得到所述元宇宙人物场景模型。
85.进一步的，本技术实施例还公开了一种电子设备，图5是根据一示例性实施例示出的电子设备20结构图，图中的内容不能认为是对本技术的使用范围的任何限制。
86.图5为本技术实施例提供的一种电子设备20的结构示意图。该电子设备20，具体可以包括：至少一个处理器21、至少一个存储器22、电源23、通信接口24、输入输出接口25和通信总线26。其中，所述存储器22用于存储计算机程序，所述计算机程序由所述处理器21加载并执行，以实现前述任一实施例公开的人物场景建模方法中的相关步骤。另外，本实施例中的电子设备20具体可以为电子计算机。
87.本实施例中，电源23用于为电子设备20上的各硬件设备提供工作电压；通信接口24能够为电子设备20创建与外界设备之间的数据传输通道，其所遵循的通信协议是能够适用于本技术技术方案的任意通信协议，在此不对其进行具体限定；输入输出接口25，用于获取外界输入数据或向外界输出数据，其具体的接口类型可以根据具体应用需要进行选取，
在此不进行具体限定。
88.另外，存储器22作为资源存储的载体，可以是只读存储器、随机存储器、磁盘或者光盘等，其上所存储的资源可以包括操作系统221、计算机程序222等，存储方式可以是短暂存储或者永久存储。
89.其中，操作系统221用于管理与控制电子设备20上的各硬件设备以及计算机程序222，其可以是windows server、netware、unix、linux等。计算机程序222除了包括能够用于完成前述任一实施例公开的由电子设备20执行的人物场景建模方法的计算机程序之外，还可以进一步包括能够用于完成其他特定工作的计算机程序。
90.进一步的，本技术还公开了一种计算机可读存储介质，用于存储计算机程序；其中，所述计算机程序被处理器执行时实现前述公开的人物场景建模方法。关于该方法的具体步骤可以参考前述实施例中公开的相应内容，在此不再进行赘述。
91.本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其它实施例的不同之处，各个实施例之间相同或相似部分互相参见即可。对于实施例公开的装置而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。
92.专业人员还可以进一步意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、计算机软件或者二者的结合来实现，为了清楚地说明硬件和软件的可互换性，在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本技术的范围。
93.结合本文中所公开的实施例描述的方法或算法的步骤可以直接用硬件、处理器执行的软件模块，或者二者的结合来实施。软件模块可以置于随机存储器(ram)、内存、只读存储器(rom)、电可编程rom、电可擦除可编程rom、寄存器、硬盘、可移动磁盘、cd-rom、或技术领域内所公知的任意其它形式的存储介质中。
94.最后，还需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个
……”
限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
95.以上对本技术所提供的技术方案进行了详细介绍，本文中应用了具体个例对本技术的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本技术的方法及其核心思想；同时，对于本领域的一般技术人员，依据本技术的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本技术的限制。

技术特征：
1.一种人物场景建模方法，其特征在于，包括：获取用于生成元宇宙人物场景模型的初始数据；所述初始数据包括结构化数据、图像数据、语音数据、视频数据、文本描述数据；利用预设数据转换模型将所述初始数据转换为自然语言文本数据；通过预设文字数据脱敏模型，结合预设用户隐私要求对所述自然语言文本数据进行脱敏处理，得到脱敏后文本数据；基于所述脱敏后文本数据生成相应的元宇宙人物场景模型。2.根据权利要求1所述的人物场景建模方法，其特征在于，所述利用预设数据转换模型将所述初始数据转换为自然语言文本数据之前，还包括：根据与所述初始数据对应业务领域相关的信息对所述预设数据转换模型的参数进行调整，以便利用调整参数后的预设数据转换模型将所述初始数据转换为所述自然语言文本数据。3.根据权利要求1所述的人物场景建模方法，其特征在于，所述利用预设数据转换模型将所述初始数据转换为自然语言文本数据，包括：利用所述预设数据转换模型对所述初始数据中除去所述文本描述数据外的数据进行转换，得到转换后数据；对所述转换后数据以及所述文本描述数据进行文本融合处理，得到所述自然语言文本数据。4.根据权利要求1所述的人物场景建模方法，其特征在于，所述通过预设文字数据脱敏模型，结合预设用户隐私要求对所述自然语言文本数据进行脱敏处理，得到脱敏后文本数据之后，还包括：利用预设隐私等级判定规则对所述脱敏后文本数据进行判定；若判定所述脱敏后文本数据对应的隐私等级小于预设隐私安全等级，则基于深度强化学习技术对所述预设文字数据脱敏模型的相关参数进行调整；利用调整参数后的预设文字数据脱敏模型，结合所述预设用户隐私要求对所述自然语言文本数据进行脱敏处理得到新脱敏后数据，以便基于所述新脱敏后数据生成相应的元宇宙人物场景模型。5.根据权利要求1至4任一项所述的人物场景建模方法，其特征在于，所述基于所述脱敏后文本数据生成相应的元宇宙人物场景模型之前，还包括：从元宇宙人物场景模型对应的数据集中随机选取若干模型参数，并对所述模型参数进行编码，以得到第一特征向量；对所述第一特征向量进行加噪处理得到第二特征向量，以便基于所述第二特征向量以及所述脱敏后文本数据生成所述元宇宙人物场景模型。6.根据权利要求5所述的人物场景建模方法，其特征在于，所述基于所述第二特征向量以及所述脱敏后文本数据生成所述元宇宙人物场景模型，包括：基于预设向量生成模型根据所述脱敏后文本数据生成相应的特征向量，得到第三特征向量；基于所述第二特征向量以及所述第三特征向量生成所述元宇宙人物场景模型。7.根据权利要求6所述的人物场景建模方法，其特征在于，所述基于所述第二特征向量
以及所述第三特征向量生成所述元宇宙人物场景模型，包括：对所述第二特征向量以及所述第三特征向量一同进行去噪处理，并对去噪处理后得到的向量进行解码，以得到所述元宇宙人物场景模型。8.一种人物场景建模装置，其特征在于，包括：初始数据获取模块，用于获取用于生成元宇宙人物场景模型的初始数据；所述初始数据包括结构化数据、图像数据、语音数据、视频数据、文本描述数据；数据转换模块，用于利用预设数据转换模型将所述初始数据转换为自然语言文本数据；数据脱敏处理模块，用于通过预设文字数据脱敏模型，结合预设用户隐私要求对所述自然语言文本数据进行脱敏处理，得到脱敏后文本数据；模型生成模块，用于基于所述脱敏后文本数据生成相应的元宇宙人物场景模型。9.一种电子设备，其特征在于，包括：存储器，用于保存计算机程序；处理器，用于执行所述计算机程序以实现如权利要求1至7任一项所述的人物场景建模方法。10.一种计算机可读存储介质，其特征在于，用于保存计算机程序，所述计算机程序被处理器执行时实现如权利要求1至7任一项所述的人物场景建模方法。

技术总结
本申请公开了一种人物场景建模方法、装置、设备及存储介质、涉及元宇宙隐私保护技术领域，包括：获取用于生成元宇宙人物场景模型的初始数据；初始数据包括结构化数据、图像数据、语音数据、视频数据、文本描述数据；利用预设数据转换模型将初始数据转换为自然语言文本数据；通过预设文字数据脱敏模型，结合预设用户隐私要求对自然语言文本数据进行脱敏处理，得到脱敏后文本数据；基于脱敏后文本数据生成相应的元宇宙人物场景模型。这样一来，本申请可以将跨模态的初始数据转化为文本数据，然后进行隐私脱敏处理，再利用脱敏后数据生成相应的元宇宙人物场景模型，可以消除元宇宙人物场景模型的数据泄露问题，能够满足用户的隐私需求。私需求。私需求。


技术研发人员：孙善宝 李彬 贾荫鹏 罗清彩 王启正
受保护的技术使用者：山东浪潮科学研究院有限公司
技术研发日：2023.05.25
技术公布日：2023/8/9