本发明实施方式涉及增强和虚拟现实(ar/vr)领域。
背景技术：
1、已经开发了增强和虚拟现实(ar/vr)环境来增加计算装置的用户可用的功能的数量。在增强现实环境中，ar/vr数字内容用于“增强”用户对其中设置有计算装置的物理环境的直接观看。例如，配备有数字摄像机的移动装置(例如，移动电话或平板计算机)可以用于观看真实世界场景，并且使用ar/vr数字内容作为虚拟对象或部件来增强真实世界场景。在vr环境中，物理环境可以被重新创建(即，“虚拟化”)并由用户观看，其中，ar/vr数字内容用于生成在该环境中观看的对象。在这两种情况下，ar/vr环境可以利用计算装置、使用ar/vr数字内容支持沉浸式用户体验。
2、然而，用于生成ar/vr数字内容的常规技术面临各种挑战。这些挑战包括如何以适合作为ar/vr环境的一部分(例如，看起来“好像它真的在那里”)呈现的形式来生成ar/vr数字内容、如何对ar/vr数字内容进行建模以及如何确定ar/vr数字内容在环境内的大小和位置。用于生成ar/vr数字内容的源是否适合这样做，进一步加剧了这些挑战。因此，用于生成ar/vr数字内容的常规技术通常限于由使用复杂工具的老练用户使用，或者迫使不老练的用户重复地尝试创建适合的ar/vr数字内容。因此，如使用常规技术和系统生成的ar/vr数字内容受限于不能在广泛的场景中使用，这些场景的示例包括社交媒体系统、产品和服务陈列、数字服务等。
技术实现思路
1、为了克服这些问题，利用数字图像适合性确定来生成用于在ar/vr环境中显示的ar/vr数字内容。首先，接收对象的二维数字图像，并且使用计算机视觉和机器学习技术，做出关于对象的图像是适合还是不适合生成用于在ar/vr环境中显示的ar/vr数字内容的确定。如果对象的数字图像被确定为适合生成用于在ar/vr环境中显示的ar/vr数字内容，则生成对象的ar/vr数字内容，并且将所生成的ar/vr数字内容提供给用户以在ar/vr环境中显示。如果确定对象的二维数字图像不适合生成用于在ar/vr环境中显示的ar/vr数字内容，则提供对象的图像不适合生成ar/vr数字内容的指示，以及/或者关于如何改进对象的后续数字图像以使其适合生成用于在ar/vr环境中显示的ar/vr数字内容的意见。另外，可以提供对对象的后续数字图像进行自动校正的选项，或者可以自动地并且在没有用户干预的情况下捕获包括校正的后续图像，以确保适合生成用于在ar/vr环境中显示的ar/vr数字内容。
2、另外，提供了用于在在线市场中提供非模态端到端ar/vr体验的技术。在非模态ar/vr环境中，用户可以搜索物品、选择物品、添加多个物品、删除物品、缩放物品、移动物品以及以其他方式修改和操纵物品、以及接收推荐、购买物品等，所有这些操作都在ar/vr环境内。
3、本
技术实现要素：
以简化形式介绍了将在下面的具体实施方式中进一步描述的一系列构思。因此，本发明内容不旨在标识所要求保护的主题的必要特征，也不旨在用作对确定所要求保护的主题的范围的帮助。
1.一种由至少一个计算装置实现的方法，所述方法包括：
2.根据权利要求1所述的方法，其中，所述ar/vr环境的启动从摄像机图标、观看对象页面以及对象推荐陈列中至少之一执行。
3.根据权利要求1所述的方法，其中，在所述ar/vr环境中的所述第二对象相对于所述ar/vr环境中的所述实况摄像机的输出是非模态的。
4.根据权利要求1所述的方法，还包括：
5.根据权利要求4所述的方法，其中，所述确定包括由所述计算装置使用所述机器学习模型来计算分数，所述分数指示包括在所述二维数字图像中的所述第二对象适合生成用于在所述ar/vr环境中显示的所述ar/vr数字内容的程度。
6.根据权利要求5所述的方法，其中，所述分数被配置为由被配置为分类器的所述机器学习模型生成的概率，并且关于所述第二对象是否适合生成所述ar/vr数字内容的所述确定基于将所述概率与阈值进行比较。
7.根据权利要求4所述的方法，其中，所述机器学习模型是卷积神经网络cnn。
8.一种增强现实/虚拟现实ar/vr数字内容系统，包括：
9.根据权利要求8所述的ar/vr数字内容系统，其中，在所述ar/vr环境中的所述第二对象相对于所述ar/vr环境中的所述实况摄像机的输出是非模态的。
10.根据权利要求8所述的ar/vr数字内容系统，其中，所述至少一个计算装置还被配置成确定由所述第二对象是否适合生成用于在增强现实/虚拟现实ar/vr环境中显示的ar/vr数字内容，所述确定是使用机器学习模型执行的。
11.根据权利要求10所述的ar/vr数字内容系统，其中，所述确定包括由所述计算装置使用所述机器学习模型来计算分数，所述分数指示包括在所述二维数字图像中的所述第二对象适合生成用于在所述ar/vr环境中显示的所述ar/vr数字内容的程度。
12.根据权利要求11所述的ar/vr数字内容系统，其中，所述分数被配置为由被配置为分类器的所述机器学习模型生成的概率，并且关于所述第二对象是否适合生成所述ar/vr数字内容的所述确定基于将所述概率与阈值进行比较。
13.根据权利要求10所述的ar/vr数字内容系统，其中，所述机器学习模型是卷积神经网络cnn。
