லாஸ்லெஸ் பாயிண்ட் கிளவுட் ஜியோமெட்ரி சுருக்கத்திற்கான ZTE வழிகாட்டப்பட்ட அல்காரிதம்

விவரக்குறிப்புகள்:

• தயாரிப்பு பெயர்: லாஸ்லெஸ் பாயிண்ட் கிளவுட் ஜியோமெட்ரி கம்ப்ரஷனுக்கான ஸ்பேடியோ-டெம்போரல் கான்டெக்ஸ்ட்-கைடட் அல்காரிதம்
• ஆசிரியர்கள்: ZHANG Huiran, DONG Zhen, WANG Mingsheng
• வெளியிடப்பட்டது: டிசம்பர் 2023
• DOI: 10.12142/ZTECOM.202304003

தயாரிப்பு பயன்பாட்டிற்கான வழிமுறைகள்

அறிமுகம்:
ஸ்டோரேஜ் ஸ்பேஸ் திறன் மற்றும் நெட்வொர்க் டிரான்ஸ்மிஷன் அலைவரிசை தொடர்பான சவால்களை எதிர்கொள்ளும் வகையில், புள்ளி கிளவுட் டேட்டாவை திறம்பட சுருக்கும் வகையில் தயாரிப்பு வடிவமைக்கப்பட்டுள்ளது.

முக்கிய அம்சங்கள்:

1. நீட்டிக்கப்பட்ட பயண விற்பனையாளர் சிக்கலைப் பயன்படுத்தி இன்ட்ராஃப்ரேம் மற்றும் இன்டர்-ஃபிரேம் பாயிண்ட் மேகங்களுக்குப் பொருந்தும் கணிப்பு முறை.
2. திறமையான நிகழ்தகவு கணக்கீடு மற்றும் சுருக்க முடிவுகளுக்கான வேகமான சூழல் புதுப்பித்தலுடன் கூடிய அடாப்டிவ் எண்கணித குறியாக்கி.

பயன்பாட்டு படிகள்:

படி 1: புள்ளி மேகங்களைப் பிரிக்கவும்
புள்ளி மேகங்களை பிரதான அச்சில் அலகு அடுக்குகளாக பிரிக்கவும்.

படி 2: வடிவமைப்பு கணிப்பு முறை
இடஞ்சார்ந்த மற்றும் தற்காலிக பணிநீக்கங்களை மேம்படுத்த, பயண விற்பனையாளர் அல்காரிதத்தைப் பயன்படுத்தி கணிப்பு பயன்முறையை வடிவமைக்கவும்.

படி 3: எச்சங்களை குறியாக்கம்
சுருக்கத்திற்கான சூழல்-அடாப்டிவ் எண்கணித குறியாக்கியைப் பயன்படுத்தி எச்சங்களை பிட் ஸ்ட்ரீம்களில் எழுதவும்.

அடிக்கடி கேட்கப்படும் கேள்விகள்:

• கே: இந்த தயாரிப்பைப் பயன்படுத்துவதன் முக்கிய நன்மைகள் என்ன?
  A: தயாரிப்பு புள்ளி கிளவுட் தரவின் திறமையான சுருக்கத்தை செயல்படுத்துகிறது, மேம்பட்ட சுருக்க முடிவுகளுக்கு இடஞ்சார்ந்த மற்றும் தற்காலிக தொடர்புகளைப் பயன்படுத்துகிறது.
• கே: இந்த தயாரிப்பு ஒற்றை-பிரேம் மற்றும் பல-பிரேம் புள்ளி மேகங்கள் இரண்டையும் கையாள முடியுமா?
  A: ஆம், முன்கணிப்பு பயன்முறையானது இன்ட்ராஃப்ரேம் மற்றும் இன்டர்-ஃபிரேம் பாயிண்ட் மேகங்கள் இரண்டிற்கும் பொருந்தும், இது பல்துறை பயன்பாட்டு காட்சிகளை அனுமதிக்கிறது.

ZHANG Huiran, DONG Zhen, WANG Mingsheng

1. குவாங்சோ நகர்ப்புற திட்டமிடல் மற்றும் வடிவமைப்பு ஆய்வு ஆராய்ச்சி நிறுவனம், குவாங்சோ 510060, சீனா
2. நகர்ப்புற உணர்திறன், கண்காணிப்பு மற்றும் முன் எச்சரிக்கைக்கான குவாங்டாங் நிறுவன முக்கிய ஆய்வகம், குவாங்சோ 510060, சீனா
3. ஸ்டேட் கீ லேபாரட்டரி ஆஃப் இன்பர்மேஷன் இன்ஜினியரிங் இன் சர்வேயிங் மேப்⁃ பிங் மற்றும் ரிமோட் சென்சிங், வுஹான் பல்கலைக்கழகம், வுஹான் 430079, சீனா)

சுருக்கம்: 3டி அமிர்சிவ் டெலிபிரெசென்ஸ், தன்னாட்சி ஓட்டுநர் மற்றும் கலாச்சார ஹெரி போன்ற இயற்பியல் உலகின் 3D பிரதிநிதித்துவங்களை வரிசைப்படுத்த புள்ளி கிளவுட் சுருக்கமானது முக்கியமானது.tagஇ பாதுகாப்பு. இருப்பினும், புள்ளி கிளவுட் தரவு இடஞ்சார்ந்த மற்றும் தற்காலிக டொமைன்களில் ஒழுங்கற்ற மற்றும் இடைவிடாமல் விநியோகிக்கப்படுகிறது, அங்கு தேவையற்ற ஆக்கிரமிக்கப்படாத வோக்சல்கள் மற்றும் 3D இடத்தில் பலவீனமான தொடர்புகள் திறமையான சுருக்கத்தை அடைவதை ஒரு சவாலான சிக்கலாக மாற்றுகின்றன. இந்தத் தாளில், இழப்பற்ற புள்ளி கிளவுட் வடிவியல் சுருக்கத்திற்கான ஸ்பேடியோ-டெம்போரல் சூழல்-வழிகாட்டப்பட்ட அல்காரிதத்தை நாங்கள் முன்மொழிகிறோம். முன்மொழியப்பட்ட திட்டம், புள்ளி மேகத்தை நீளமான அச்சில் அலகு தடிமன் கொண்ட துண்டுகளாக்கப்பட்ட அடுக்குகளாகப் பிரிப்பதில் தொடங்குகிறது. பின்னர், இது ஒரு முன்கணிப்பு முறையை அறிமுகப்படுத்துகிறது, அங்கு இன்ட்ராஃப்ரேம் மற்றும் இன்டர்-ஃபிரேம் பாயிண்ட் மேகங்கள் இரண்டும் கிடைக்கின்றன, அருகிலுள்ள அடுக்குகளுக்கு இடையிலான கடிதங்களை தீர்மானிப்பதன் மூலம் மற்றும் பயண விற்பனையாளர் வழிமுறையைப் பயன்படுத்தி குறுகிய பாதையை மதிப்பிடுகிறது. இறுதியாக, சில முன்கணிப்பு எச்சங்கள் உகந்த சூழல்-வழிகாட்டப்பட்ட மற்றும் தகவமைப்பு ஃபாஸ்ட்மோட் எண்கணித குறியீட்டு நுட்பங்களுடன் திறமையாக சுருக்கப்படுகின்றன. முன்மொழியப்பட்ட முறையானது புள்ளி கிளவுட் வடிவியல் தகவலின் குறைந்த பிட் வீத இழப்பற்ற சுருக்கத்தை திறம்பட அடைய முடியும் என்பதை சோதனைகள் நிரூபிக்கின்றன, மேலும் இது பல்வேறு வகையான காட்சிகளுக்கு பொருந்தும் 3D புள்ளி கிளவுட் சுருக்கத்திற்கு ஏற்றது.
முக்கிய வார்த்தைகள்: புள்ளி மேகம் வடிவியல் சுருக்கம்; ஒற்றை சட்ட புள்ளி மேகங்கள்; பல சட்ட புள்ளி மேகங்கள்; முன்கணிப்பு குறியீட்டு முறை; எண்கணித குறியீட்டு முறை.

மேற்கோள் (வடிவம் 1): ஜாங் எச்ஆர், டாங் இசட், வாங் எம் எஸ். ஸ்பேடியோ-டெம்போரல் கான்டெக்ஸ்ட்-கைடட் அல்காரிதம் ஃபார் லாஸ்லெஸ் பாயிண்ட் கிளவுட் ஜியோமெட்ரி கம்ப்ரஷன் [J]. ZTE கம்யூனிகேஷன்ஸ், 2023, 21(4): 17–28. DOI: 10.12142/ZTECOM.202304003
மேற்கோள் (வடிவம் 2): HR ஜாங், Z. டோங் மற்றும் MS வாங்," ஸ்பேடியோ-டெம்போரல் கான்டெக்ஸ்ட்-கைடட் அல்காரிதம் ஃபார் லாஸ்லெஸ் பாயிண்ட் கிளவுட் ஜியோமெட்ரி கம்ப்ரஷன், "ZTE கம்யூனிகேஷன்ஸ், தொகுதி. 21, எண். 4, பக். 17–28, டிசம்பர் 2023. doi: 10.12142/ZTECOM.202304003.

 

அறிமுகம்

மல்டி-பிளாட்ஃபார்ம் மற்றும் மல்டி-ரெசல்யூஷன் கையகப்படுத்தும் உபகரணங்களின் செயல்திறனை மேம்படுத்துவதன் மூலம், ஒளி கண்டறிதல் மற்றும் வரம்பு (LiDAR) தொழில்நுட்பம் 3D பொருள்கள் அல்லது காட்சிகளை பாரிய புள்ளி தொகுப்புகளுடன் திறமையாக உருவகப்படுத்த முடியும். பாரம்பரிய மல்டிமீடியா தரவோடு ஒப்பிடும்போது, ​​புள்ளி கிளவுட் தரவு, இலவசத்திலிருந்து பொருட்களைக் குறிக்கும் அதிக உடல் அளவீட்டுத் தகவலைக் கொண்டுள்ளது viewபுள்ளிகள், சிக்கலான இடவியல் கட்டமைப்புகளைக் கொண்ட காட்சிகளும் கூட. இது பயனர்களுக்கு தெளிவான மற்றும் யதார்த்தமான காட்சிப்படுத்தல் அனுபவத்தை வழங்கும் வலுவான ஊடாடும் மற்றும் அதிவேக விளைவுகளை ஏற்படுத்துகிறது. கூடுதலாக, புள்ளி கிளவுட் தரவு வலுவான இரைச்சல் எதிர்ப்பு திறன் மற்றும் இணையான செயலாக்க திறன் ஆகியவற்றைக் கொண்டுள்ளது, இது தொழில்துறை மற்றும் கல்வியாளர்களிடமிருந்து ஈர்ப்பைப் பெற்றுள்ளது, குறிப்பாக கலாச்சார ஹெரி போன்ற பயன்பாட்டு களங்களுக்குtagஇ பாதுகாப்பு, 3டி அமிர்சிவ் டெலிபிரசென்ஸ் மற்றும் தானியங்கி ஓட்டுதல்[1–2].
இருப்பினும், புள்ளி கிளவுட் தரவு பொதுவாக ஸ்பேஷியல் டொமைன்களில் மில்லியன் கணக்கான முதல் பில்லியன் புள்ளிகளைக் கொண்டிருக்கும், சேமிப்பக இடத் திறன் மற்றும் நெட்வொர்க் டிரான்ஸ்மிஷன் அலைவரிசைக்கு சுமைகளையும் சவால்களையும் கொண்டுவருகிறது. எடுத்துக்காட்டாக, பொழுதுபோக்கிற்காகப் பயன்படுத்தப்படும் ஒரு பொதுவான டைனமிக் பாயிண்ட் கிளவுட் பொதுவாக ஒரு பிரேமிற்கு சுமார் ஒரு மில்லியன் புள்ளிகளைக் கொண்டிருக்கும், இது ஒரு நொடிக்கு 30 பிரேம்களில், சுருக்கப்படாமல் விட்டால், மொத்த அலைவரிசை 3.6 ஜிபிட்/வி ஆகும்[3]. எனவே, புள்ளி மேகங்களுக்கான உயர்-செயல்திறன் வடிவியல் சுருக்க வழிமுறைகள் பற்றிய ஆராய்ச்சி முக்கியமான தத்துவார்த்த மற்றும் நடைமுறை மதிப்பைக் கொண்டுள்ளது.
முந்தைய வேலைகள் நேரடியாக கட்டங்களை உருவாக்குவதன் மூலம் அல்லது தேவைக்கேற்ப குறைவதன் மூலம் இந்த சிக்கலைச் சமாளித்ததுampலிங், கம்ப்யூட்டர் கம்ப்யூட்டிங் பவர் மற்றும் பாயிண்ட் கிளவுட் சேகரிப்பு திறன் ஆகியவற்றில் உள்ள வரம்புகள் காரணமாக, இது குறைந்த ஸ்பேடியோ-டெம்போரல் கம்ப்ரஷன் செயல்திறன் மற்றும் வடிவியல் பண்புக்கூறு அம்சத் தகவலை இழந்தது. சமீபத்திய ஆய்வுகள் முக்கியமாக கணினி வரைகலை மற்றும் டிஜிட்டல் சிக்னல் செயலாக்க நுட்பங்களை அடிப்படையாகக் கொண்டவை, ஆன்-பாயிண்ட் கிளவுட் தரவு[4 5] அல்லது ஒருங்கிணைந்த வீடியோ குறியீட்டு தொழில்நுட்பம்[6 7] மேம்படுத்தப்பட்டது. 2017 ஆம் ஆண்டில், நகரும் பட வல்லுநர்கள் குழு (MPEG) புள்ளி கிளவுட் சுருக்கத்திற்கான முன்மொழிவுகளைக் கோரியது மற்றும் இந்த வகையான தரவை எவ்வாறு சுருக்குவது என்பது பற்றிய விவாதங்களை நடத்தியது. புள்ளி கிளவுட் கம்ரெஷனுக்கான அதிகரித்து வரும் அணுகுமுறைகளுடன், இரண்டு-புள்ளி கிளவுட் தரவு சுருக்க கட்டமைப்புகள்-TMC13 மற்றும் TMC2 ஆகியவை 2018 இல் வெளியிடப்பட்டன. மேலே உள்ள ஆராய்ச்சி புள்ளி கிளவுட்டின் சுருக்க தொழில்நுட்பத்தில் குறிப்பிடத்தக்க முன்னேற்றம் அடைந்துள்ளது என்பதைக் காட்டுகிறது. இருப்பினும், முந்தைய வேலைகள் பெரும்பாலும் புள்ளி மேகங்களின் இடஞ்சார்ந்த மற்றும் தற்காலிக இணை-தொடர்புடன் தனித்தனியாக கையாளப்பட்டன, ஆனால் புள்ளி மேக சுருக்கத்தில் அவற்றின் முழு திறனை இன்னும் பயன்படுத்தவில்லை.
மேற்கூறிய சவால்களை எதிர்கொள்ள, இழப்பற்ற புள்ளி கிளவுட் ஜியோமெட்ரி சுருக்கத்திற்கான இடஞ்சார்ந்த-தற்காலிக சூழல்-வழிகாட்டப்பட்ட முறையை நாங்கள் அறிமுகப்படுத்துகிறோம். நாம் முதலில் புள்ளி மேகங்களை பிரதான அச்சில் அலகு அடுக்குகளாகப் பிரிக்கிறோம். ஸ்பேடியோடெம்போரல் தொடர்பைப் பின்பற்றி, பயண விற்பனையாளர் அல்காரிதம் மூலம் கணிப்புப் பயன்முறையை வடிவமைக்கிறோம். இறுதியாக, எச்சங்கள் பிட்-ஸ்ட்ரீம்களில் பயன்படுத்தப்பட்ட சூழல்-அடாப்டிவ் எண்கணித குறியாக்கியுடன் எழுதப்படுகின்றன. எங்கள் முக்கிய பங்களிப்புகள் பின்வருமாறு.
1) நாங்கள் வடிவமைக்கிறோம்- நீட்டிக்கப்பட்ட பயண விற்பனையாளர் சிக்கல் (TSP) வழியாக, உள்-பிரேம் மற்றும் இடை-பிரேம் புள்ளி கிளவுட் ஆகிய இரண்டிற்கும் பொருந்தும் ஒரு கணிப்பு முறை. புள்ளி மேகங்களின் இடஞ்சார்ந்த மற்றும் தற்காலிக பணிநீக்கங்கள் இரண்டையும் மேம்படுத்துவதன் மூலம், வடிவியல் கணிப்பு இடஞ்சார்ந்த தொடர்புகளை சிறப்பாகப் பயன்படுத்துகிறது, எனவே பல்வேறு வகையான காட்சிகளை செயல்படுத்துகிறது.
2) வேகமான கான்டெக்ஸ்ட் அப்டேட் கொண்ட தகவமைப்பு எண்கணித குறியாக்கியை நாங்கள் வழங்குகிறோம், இது சூழல் அகராதியிலிருந்து உகந்த 3D சூழலைத் தேர்ந்தெடுத்து என்ட்ரோபி மதிப்பீட்டின் அதிகரிப்பை அடக்குகிறது. இதன் விளைவாக, இது என்ட்ரோபி குறியாக்கிகளின் நிகழ்தகவு கணக்கீட்டு செயல்திறனை மேம்படுத்துகிறது மற்றும் குறிப்பிடத்தக்க சுருக்க முடிவுகளை அளிக்கிறது.
இந்த தாளின் மீதமுள்ளவை பின்வருமாறு கட்டமைக்கப்பட்டுள்ளன. பகுதி 2 புள்ளி கிளவுட் ஜியோமெட்ரி சுருக்கத்தில் தொடர்புடைய வேலையின் வெளிப்புறத்தை அளிக்கிறது. பிரிவு 3 முதலில் ஒரு ஓவரை அளிக்கிறதுview முன்மொழியப்பட்ட கட்டமைப்பின். பின்னர், முன்மொழியப்பட்ட முறை விரிவாக விவரிக்கப்படுகிறது. சோதனை முடிவுகள் மற்றும் முடிவுகள் முறையே பிரிவு 4 மற்றும் 5 இல் வழங்கப்பட்டுள்ளன.

தொடர்புடைய வேலை

இலக்கியத்தில் முன்மொழியப்பட்ட பல புள்ளி கிளவுட் ஜியோமெட்ரி சுருக்க வழிமுறைகள் உள்ளன. CAO மற்றும் பலர். [8] மற்றும் GRAZIOSI மற்றும் பலர். [9] முறையே இடஞ்சார்ந்த பரிமாண சுருக்க தொழில்நுட்பம் மற்றும் MPEG தரநிலைப்படுத்தல் கட்டமைப்புகளில் கவனம் செலுத்தி, தற்போதைய புள்ளி கிளவுட் சுருக்க முறைகளின் விசாரணை மற்றும் சுருக்கத்தை நடத்தவும். நாங்கள் ஒரு சுருக்கமான மறு வழங்குகிறோம்view இரண்டு வகைகளில் சமீபத்திய முன்னேற்றங்கள்: ஒற்றை-பிரேம் புள்ளி கிளவுட் சுருக்கம் மற்றும் பல-பிரேம் புள்ளி கிளவுட் சுருக்கம்.

1. சிங்கிள்-ஃபிரேம் பாயிண்ட் கிளவுட் கம்ப்ரஷன்
   ஒற்றை-சட்ட புள்ளி மேகங்கள் பொறியியல் ஆய்வுகள், கலாச்சார ஹெரி ஆகியவற்றில் பரவலாகப் பயன்படுத்தப்படுகின்றனtagஇ பாதுகாப்பு, புவியியல் தகவல் அமைப்புகள் மற்றும் பிற காட்சிகள். ஆக்ட்ரீ என்பது புள்ளி மேகங்களை திறம்பட பிரதிநிதித்துவப்படுத்த பரவலாகப் பயன்படுத்தப்படும் தரவு கட்டமைப்பாகும், இது ஆக்கிரமிக்கப்பட்ட முனைகள் மூலம் தகவல்களைப் பதிவு செய்வதன் மூலம் சுருக்கப்படலாம். ஹுவாங் மற்றும் பலர்.[10] ஒவ்வொரு அலகின் வடிவியல் மையத்தால் குறிப்பிடப்படும் அவற்றின் நிலைகளுடன் புள்ளி மேகத்தை முனைகளாக மீண்டும் மீண்டும் பிரிக்கும் ஆக்ட்ரீ அடிப்படையிலான முறையை முன்மொழியுங்கள். FAN மற்றும் பலர்.[11] விவரம் (LOD) படிநிலையை உருவாக்க கிளஸ்டர் பகுப்பாய்வை அறிமுகப்படுத்துவதன் மூலம் இந்த முறையை மேலும் மேம்படுத்தவும் மற்றும் அதை அகல-முதல் வரிசையில் குறியாக்கம் செய்யவும். இருப்பினும், இந்த முறைகள் மீண்டும் செயல்படும் போது அசல் மாதிரியின் தோராயமான காரணத்தால் சிதைவை ஏற்படுத்தும்.
   இந்த வரம்புகளை நிவர்த்தி செய்ய, அறிஞர்கள் வடிவியல் கட்டமைப்பு அம்சங்களை அறிமுகப்படுத்தியுள்ளனர், அதாவது- முக்கோண மேற்பரப்பு மாதிரி[12], சமதள மேற்பரப்பு மாதிரி[13 14], மற்றும் கிளஸ்டரிங் அல்-கோரிதம்[15], இடை-அடுக்கு கணிப்பு மற்றும் எஞ்சிய கணக்கீடு. . RENTE மற்றும் பலர்.[16] முற்போக்கான அடுக்கு சுருக்கத்தின் ஒரு கருத்தை முன்மொழியுங்கள், இது முதலில் கரடுமுரடான குறியாக்கத்திற்கு ஆக்ட்ரீ கட்டமைப்பைப் பயன்படுத்துகிறது, பின்னர் மேகக்கணி விவரங்களை சுருக்க மற்றும் புனரமைக்க வரைபட ஃபோரியர் மாற்றத்தைப் பயன்படுத்துகிறது. 2019 ஆம் ஆண்டில், MPEG ஆனது நிலையான மற்றும் மாறும் புள்ளி மேகங்களுக்கான வடிவியல் அடிப்படையிலான புள்ளி கிளவுட் கம்ப்ரஷன் (G-PCC) தொழில்நுட்பத்தை வெளியிட்டது, இது ஒருங்கிணைப்பு மாற்றம், வோக்சலைசேஷன், வடிவியல் கட்டமைப்பு பகுப்பாய்வு மற்றும் படிமுறையாக எண்கணித குறியீட்டு முறை மூலம் செயல்படுத்தப்படுகிறது[17].
   ஒரு ஆக்ட்ரீயில் உள்ள சில ஆக்டான்ட்கள் மக்கள்தொகை குறைவாகவோ அல்லது காலியாகவோ இருக்கலாம் என்பதால், துணை முனைகளை கத்தரித்து மர அமைப்பை மேம்படுத்த சில முறைகள் முன்மொழியப்பட்டு நினைவக ஒதுக்கீட்டைப் பாதுகாக்கின்றன. உதாரணமாகample, DRICOT மற்றும் பலர். [18] ஸ்பார்சிட்டி பகுப்பாய்வின் முன் வரையறுக்கப்பட்ட நிபந்தனைகளின் அடிப்படையில் ஆக்ட்ரீ பகிர்வை நிறுத்துவதற்கான ஊகிக்கப்பட்ட நேரடி குறியீட்டு முறை (IDCM) ஒன்றை முன்மொழியுங்கள், இதில் குழந்தை முனைகளுக்கு ஒதுக்கப்பட்ட பிட்களைச் சேமிக்க ஆக்ட்ரீ கட்டமைப்பை கத்தரிப்பது அடங்கும். ஜாங் மற்றும் பலர். [19] புள்ளி கிளவுட் ஸ்பேஸை முதன்மை கூறுகளுடன் சேர்த்து பிரிக்கவும் மற்றும் பைனரி மரம், குவாட்ட்ரீ மற்றும் ஆக்ட்ரீ ஆகியவற்றிலிருந்து பகிர்வு முறையை மாற்றியமைக்கவும் பரிந்துரைக்கவும். பாரம்பரிய octree பகிர்வுகளுடன் ஒப்பிடுகையில், மேலே குறிப்பிடப்பட்டுள்ள கலப்பின மாதிரிகள், சிதறிய புள்ளிகளைக் குறிக்கப் பயன்படுத்தப்படும் பிட்களின் எண்ணிக்கையை திறம்பட குறைக்கலாம், எனவே குறியிடப்பட வேண்டிய முனைகளைச் சேமிக்கிறது. இருப்பினும், சிக்கலான ஹைபர்பாராமீட்டர் நிலைமைகள் மற்றும் பயன்முறை நிர்ணயம் ஆகியவை செயல்பாட்டில் தேவைப்படுகின்றன, இது சுய-தழுவல் மற்றும் குறைந்த சிக்கலான தேவைகளைப் பூர்த்தி செய்வது கடினம்.
   ஆழமான நரம்பியல் நெட்வொர்க்குகள் படம் மற்றும் வீடியோ சுருக்கத்தில் குறிப்பிடத்தக்க முன்னேற்றங்களைச் செய்வதால், சுருக்கச் செயல்பாட்டின் போது சூப்பர் முன் வழிகாட்டுதல் மற்றும் மறைந்திருக்கும் வெளி வெளிப்பாட்டின் பணிநீக்கத்தை மேம்படுத்துவதன் மூலம் பிட் விகிதங்களை மேலும் குறைப்பதற்கான வழிகளை ஆராய்ச்சியாளர்கள் ஆராய்ந்துள்ளனர். குவாச் மற்றும் பலர்.[20] மற்றும் ஹுவாங் மற்றும் பலர்.[21] இந்த கருத்துகளை உள்ளடக்கிய முறைகளை முன்மொழியுங்கள். GUARDA மற்றும் பலர். கன்வல்யூஷனல் நியூரல் நெட்வொர்க்குகள் மற்றும் ஆட்டோஎன்கோடர்களை இணைத்து, அருகிலுள்ள புள்ளிகளுக்கு இடையில் பணிநீக்கத்தைப் பயன்படுத்தவும் மற்றும் Ref இல் குறியீட்டு தழுவலை மேம்படுத்தவும். [22]. சமீபத்தில், வாங் மற்றும் பலர். [23] மாறுபாடு தன்னியக்க குறியாக்கியின் அடிப்படையில் ஒரு புள்ளி கிளவுட் சுருக்க முறையை முன்மொழியுங்கள், இது ஹைப்பர்பிரியரைக் கற்றுக்கொள்வதன் மூலம் சுருக்க விகிதத்தை மேம்படுத்துகிறது மற்றும் எண்கணித குறியீட்டின் நினைவக நுகர்வு குறைக்கிறது. மேற்கூறிய முறைகள், புள்ளி மேகத்தின் உயர்-வரிசை மறைக்கப்பட்ட திசையன், என்ட்ரோபி மாதிரி நிகழ்தகவுகள் மற்றும் விளிம்பு நிகழ்தகவுகள் ஆகியவற்றைப் பிடிக்க நியூரல் நெட்வொர்க் குறியாக்கிகளைப் பயன்படுத்துகின்றன, இதனால் எண்கணித குறியீட்டின் நினைவக நுகர்வு குறைகிறது. பொதுவாக, சிங்கிள்-ஃபிரேம் பாயிண்ட் கிளவுட் ஜியோமெட்ரிக் கம்ப்ரஷன் பற்றிய ஆராய்ச்சி ஒப்பீட்டளவில் முதிர்ச்சியடைந்தது, ஆனால் இன்னும் இரண்டு சவால்கள் உள்ளன. இடஞ்சார்ந்த தொடர்பு திறம்பட பயன்படுத்தப்படவில்லை, மேலும் பெரும்பாலான முறைகள் புள்ளி கிளவுட் தரவின் தொடர்புகளை முழுமையாகவும் திறமையாகவும் குறியிடுவதில்லை. தவிர, என்ட்ரோபி குறியீட்டிற்கான நிகழ்தகவு மாதிரியின் கணக்கீடு நீண்ட மற்றும் கடினமான சூழல்களின் காரணமாக தோன்றுகிறது.
2. மல்டி-ஃபிரேம் பாயிண்ட் கிளவுட் சுருக்கம்
   மல்டி-ஃபிரேம் பாயிண்ட் மேகங்கள் பொதுவாக நிகழ்நேர 3D அமிர்சிவ் டெலிபிரசன்ஸ், இன்டராக்டிவ் VR, 3D இலவசம் போன்ற காட்சிகளில் பயன்படுத்தப்படுகின்றன. viewபுள்ளி ஒளிபரப்பு மற்றும் தானியங்கி ஓட்டுதல். சிங்கிள்-ஃபிரேம் பாயிண்ட் கிளவுட் கம்ப்ரஷன் போலல்லாமல், மல்டி-ஃபிரேம் பாயிண்ட் கிளவுட் கம்ப்ரஷன், நேர தொடர்பு, அத்துடன் இயக்க மதிப்பீடு மற்றும் இழப்பீடு ஆகியவற்றைப் பயன்படுத்துவதற்கு முன்னுரிமை அளிக்கிறது. மல்டி-ஃபிரேம் பாயிண்ட் கிளவுட் கம்ப்ரஷனுக்கான தற்போதைய முறைகளை இரண்டு வகைகளாகப் பிரிக்கலாம்: 2டி ப்ரொஜெக்ஷன் மற்றும் 3டி டிகோரிலேஷன்.
   படம் மற்றும் வீடியோ சுருக்கத் துறை விரிவானது மற்றும் கடந்த சில தசாப்தங்களாக நன்கு ஆராயப்பட்டது. பல்வேறு அல்காரிதங்கள் புள்ளி மேகங்களை படங்களாக மாற்றுகின்றன, பின்னர் அவற்றை FFmpeg மற்றும் H. 265 குறியாக்கிகள் மூலம் நேரடியாக சுருக்குகின்றன. AINALA மற்றும் பலர்[24] ஒரு பிளானர் ப்ரொஜெக்ஷன் தோராயமான என்-கோடிங் பயன்முறையை அறிமுகப்படுத்துகின்றனர், இது பிளானெஸ்டர் ஸ்கேனிங் மூலம் வடிவியல் மற்றும் வண்ண பண்புக்கூறுகள் இரண்டையும் குறியாக்குகிறது. . இருப்பினும், இந்த முறை மேப்பிங் செயல்பாட்டின் போது இலக்கு வடிவத்தில் மாற்றங்களை ஏற்படுத்துகிறது, இது துல்லியமான இடை-கணிப்பை கடினமாக்குகிறது. எனவே, SCHWARZ et al.[25] மற்றும் SEVOM மற்றும் பலர்.[26] புள்ளி மேகங்களை முறையே 2D வீடியோக்களாக மாற்ற சுழற்றப்பட்ட பிளானர் ப்ரொஜெக்ஷன், க்யூப் ப்ரொஜெக்ஷன் மற்றும் பேட்ச்-அடிப்படையிலான ப்ரொஜெக்ஷன் முறைகளை பரிந்துரைக்கவும். இதேபோன்ற கணிப்புகளை அடுத்தடுத்த பிரேம்களில் அதே இடத்தில் அடுத்தடுத்த படங்களில் வைப்பதன் மூலம், வீடியோ அமுக்கி தற்காலிக தொடர்புகளை முழுமையாக நீக்க முடியும். Ref இல். [27], இடை-வடிவவியல் கணிப்பு TSP வழியாக நடத்தப்படுகிறது, இது நெருங்கிய சராசரி மதிப்பைக் கொண்ட தொகுதியைத் தேடுவதன் மூலம் அருகிலுள்ள உள்-தடுப்புகளின் ஒன்றிலிருந்து ஒன்று கடிதத்தைக் கணக்கிடுகிறது. MPEG ஆனது 2019 இல் டைனமிக் பாயிண்ட் மேகங்களுக்கான வீடியோ அடிப்படையிலான புள்ளி கிளவுட் கம்ப்ரஷன் (V-PCC) தொழில்நுட்பத்தை வெளியிட்டது[28]. இந்த கட்டமைப்பானது உள்ளீட்டு புள்ளி கிளவுட்டை ஒரே மாதிரியான சாதாரண திசையன்கள் மற்றும் தொடர்ச்சியான இடைவெளியுடன் சிறிய தொகுதிகளாகப் பிரிக்கிறது, பின்னர் அவற்றை க்யூப்ஸ் மூலம் பிளானர் மேற்பரப்பில் ஆக்கிரமிப்பு படம் மற்றும் துணைத் தகவலைப் பதிவு செய்கிறது. இதன் விளைவாக வரும் அனைத்து படங்களும் முதிர்ந்த வீடியோ கோடெக்குகளால் சுருக்கப்படுகின்றன, மேலும் அனைத்து பிட்ஸ்ட்ரீம்களும் ஒரே வெளியீட்டில் இணைக்கப்படுகின்றன. file. இந்த முறைகளின் செயல்திறனை மேம்படுத்த மற்ற முயற்சிகள் செய்யப்பட்டுள்ளன. கோஸ்டா மற்றும் பலர்.[29] பேக்கேஜிங் அல்காரிதம், டேட்டா பேக்கேஜிங் இணைப்புகள், தொடர்புடைய வரிசையாக்கம் மற்றும் நிலைப்படுத்தல் குறிகாட்டிகளுக்கான தேர்வுமுறைக் கண்ணோட்டத்தில் பல புதிய பேட்ச் பேக்கேஜிங் உத்திகளைப் பயன்படுத்தவும். மேலும், PARK மற்றும் பலர். [30] V-PCC ஸ்ட்ரீமின் செயல்திறனைப் பாதிக்காமல், கட்டமைப்பு ஒற்றுமையின்படி, அடுத்தடுத்த பிரேம்களை ஒரே குழுவாகத் தகவமைப்பு முறையில் குழுவாக்கும் ஒரு தரவு-அடாப்டிவ் பேக்கிங் முறையை வடிவமைக்கவும். புள்ளி கிளவுட் ப்ரொஜெக்ஷனால் ஏற்படும் தவிர்க்க முடியாத தகவல் இழப்பு காரணமாக, 3D இடத்தை அடிப்படையாகக் கொண்ட இயக்க இழப்பீட்டுத் தொழில்நுட்பத்தைப் பயன்படுத்தி தொடர்ச்சியான சட்டங்களின் புள்ளி கிளவுட் வரிசையை சுருக்குவதற்கு அறிஞர்கள் பயனுள்ள நுட்பங்களை உருவாக்கியுள்ளனர். KAMMERL மற்றும் பலர்.[31] octree-அடிப்படையிலான வடிவியல் குறியாக்க முறையை முன்மொழியுங்கள், இது பிரத்தியேகமான OR (XOR) வேறுபாடுகளை அருகில் உள்ள பிரேம்களுக்கு இடையே செய்வதன் மூலம் உயர் சுருக்க செயல்திறனை அடைகிறது. இந்த முறை பிரபலமான பாயின்ட் கிளவுட் லைப்ரரியில் (PCL)[32] ஏற்றுக்கொள்ளப்பட்டது மட்டுமல்லாமல் மேலும் அல்காரிதம் ஆராய்ச்சிக்கும் பரவலாகப் பயன்படுத்தப்படுகிறது. பிற இடைச்சட்ட அணுகுமுறைகள் 3D இயக்க மதிப்பீடு சிக்கலை ஒரு அம்சம் பொருந்தக்கூடிய சிக்கலாக மாற்றுகிறது[33] அல்லது இயக்க திசையன்களைக் கணிக்கவும், அருகில் உள்ள பிரேம்களுக்கு இடையே உள்ள தொடர்பை துல்லியமாக அடையாளம் காணவும் புனரமைக்கப்பட்ட வடிவியல் தகவலைப்[34] பயன்படுத்துகின்றன. சமீபத்திய வெடிப்பு ஆய்வுகள்[35 36] கற்ற வீடியோ சுருக்கமானது பாரம்பரியமானவற்றை விட சிறந்த விகித-விலகல் செயல்திறனை வழங்குகிறது, இது புள்ளி கிளவுட் சுருக்கத்திற்கு குறிப்பிடத்தக்க குறிப்பு முக்கியத்துவத்தைக் கொண்டுவருகிறது. ZHAO மற்றும் பலர்.[37] இடை-சட்ட முன்கணிப்பைச் செய்ய இரு-திசை இடை-சட்ட முன்கணிப்பு நெட்வொர்க்கை அறிமுகப்படுத்துதல் மற்றும் இடஞ்சார்ந்த மற்றும் தற்காலிக பரிமாணங்களில் தொடர்புடைய தகவல்களை திறம்பட பயன்படுத்துதல். கயா மற்றும் பலர். [38] அடர்த்தியான புள்ளி மேகக் காட்சிகளின் வடிவியல் அம்சங்களை குறியாக்க ஒரு புதிய முன்னுதாரணத்தை வடிவமைக்கவும், அடர்த்தியான புள்ளி மேகங்களின் இழப்பற்ற சுருக்கத்தை உணர குறியாக்க விநியோகத்தை மதிப்பிடுவதற்கு CNN ஐ மேம்படுத்துகிறது.
   மல்டி-ஃபிரேம் பாயிண்ட் கிளவுட் மாடல்களின் சுருக்க குறியீட்டு தொழில்நுட்பத்தில் முன்னேற்றம் இருந்தபோதிலும், இரண்டு சிக்கல்கள் தொடர்கின்றன. தற்போதுள்ள மல்டி-ஃபிரேம் பாயிண்ட் கிளவுட் கம்ப்ரஷன் அணுகுமுறைகள் முக்கியமாக வீடியோ கோடிங் மற்றும் மோஷன் இழப்பீட்டை நம்பியுள்ளன, இது தவிர்க்க முடியாமல் தகவல் இழப்பு அல்லது மேப்பிங் மற்றும் பிளாக் எட்ஜ் இடைநிறுத்தத்தால் ஏற்படும் சிதைவை உள்ளடக்கியது. கூடுதலாக, இண்டர்-ஃபிரேம் பாயிண்ட் கிளவுட் ஜியோமெட்ரியின் சீரற்ற தன்மையின் காரணமாக முன்கணிப்பு குறியீட்டு முறை குறைவான பொருந்தக்கூடிய தன்மையை வெளிப்படுத்துகிறது. பிரேம்களுக்கு இடையே உள்ள புள்ளிகளின் வெளிப்படையான ஆஃப்செட் மற்றும் தவிர்க்க முடியாத சத்தம் இடை-சட்ட சுருக்கத்தில் முன்கணிப்பு குறியீட்டை திறம்பட பயன்படுத்துவதில் சிரமத்தை அதிகரிக்கிறது.

முன்மொழியப்பட்ட ஸ்பேடியோ-டெம்போரல் சூழல்-வழிகாட்டப்பட்ட லாஸ்லெஸ் ஜியோமெட்ரி பாயின்ட் கிளவுட் சுருக்க முறை

முடிந்துவிட்டதுview
எங்களின் ஸ்பேடியோ-டெம்போரல் சூழல்-வழிகாட்டப்பட்ட வழிமுறையின் ஒட்டுமொத்த பைப்லைன் படம் 1 இல் காட்டப்பட்டுள்ளது. முதலில், வோக்சலைசேஷன் மற்றும் ஸ்கேல் ட்ரான்ஸ்ஃபர்மேஷனைப் பயன்படுத்துவதன் மூலம் உள்ளீட்டு புள்ளி கிளவுட்டை முன்கூட்டியே செயலாக்குகிறோம். பின்னர், புள்ளி மேகம் பிரதான அச்சில் அலகு-தடிமன் வெட்டப்பட்ட அடுக்குகளாக பிரிக்கப்பட்டுள்ளது. அடுத்து, இன்ட்ரா-ஃபிரேம் மற்றும் இன்டர்-ஃபிரேம் இரண்டிலும் உள்ள தற்காலிக மற்றும் இடஞ்சார்ந்த தொடர்புத் தகவலை முழுமையாகப் பயன்படுத்தும் முன்கணிப்பு பயன்முறையை நாங்கள் வடிவமைக்கிறோம். பயண விற்பனையாளர் வழிமுறைகள் வழியாக குறிப்பு அடுக்குகளின் (ஆர்-லேயர்கள்) புள்ளிகளின் குறுகிய பாதையை நாங்கள் கணக்கிடுகிறோம், மேலும் R-அடுக்குகளின் முடிவுகள் பின்னர் இடஞ்சார்ந்த முறையில் கணிக்கவும், மீதமுள்ள புள்ளி மேகங்களை குறியாக்கவும் பயன்படுத்தப்படுகின்றன, அதாவது கணிக்கப்பட்ட அடுக்குகள் (பி-லேயர்கள். ) இறுதியாக, சுருக்கப்பட்ட பைனரியைப் பெற மேம்படுத்தப்பட்ட என்ட்ரோபி குறியீட்டு வழிமுறைகள் ஏற்றுக்கொள்ளப்படுகின்றன. file.

படம் வெட்டப்பட்ட-அடிப்படையிலான படிநிலைப் பிரிவு

1. முன் செயலாக்கம்
   முன்-செயலாக்கத் தொகுதியானது, ஒவ்வொரு குறிப்பிட்ட புள்ளியையும் சிறப்பாக அட்டவணைப்படுத்துவதற்கு, வோக்சலைசேஷன் மற்றும் அளவிலான மாற்றம் ஆகியவற்றை உள்ளடக்கியது. வோக்சலைசேஷனில், இடத்தை N அளவு க்யூப்ஸாகப் பிரிக்கிறோம், இது புள்ளி மேகத்தின் உண்மையான தீர்மானத்திற்கு ஒத்திருக்கிறது. ஒவ்வொரு புள்ளிக்கும் அதன் நிலையின் அடிப்படையில் ஒரு தனிப்பட்ட வோக்சல் ஒதுக்கப்படுகிறது. ஒரு வோக்சல் 1 ஆக பதிவு செய்யப்பட்டுள்ளது; நேர்மறையாக ஆக்கிரமிக்கப்பட்டிருந்தால், அது 0 ஆகும். புள்ளிகளுக்கு இடையே உள்ள தூரம் சிறியதாக இருக்கும் புள்ளி மேகத்தை பெரிதாக்குவதன் மூலம் சிறந்த சுருக்கத்திற்கான ஸ்பேர்சிட்டியை அளவு மாற்றம் குறைக்கலாம். அளவிடுதல் காரணி s ஐப் பயன்படுத்தி புள்ளி கிளவுட் ஆயத்தொகுப்புகளை (x, y, z) ஒருங்கிணைக்கிறோம், அதாவது,
   இழப்பற்ற சுருக்கத்தை உறுதிப்படுத்த, அளவிடுதல் காரணிகள் வடிவவியலின் இழப்பை ஏற்படுத்தாது என்பதை உறுதி செய்ய வேண்டும் மற்றும் தலைப்பில் மீண்டும் பதிவு செய்யப்பட வேண்டும். file.
2. வெட்டப்பட்ட அடுக்கு பிரிவு
   இந்த மாட்யூல் 3D புள்ளி மேகத்தை அதன் அச்சில் ஒன்றில் பிரித்து, ஆக்கிரமிக்கப்பட்ட மற்றும் ஆக்கிரமிக்கப்படாத தகவல்களுடன் பல யூனிட்-ஸ்லைடு லேயர்களை உருவாக்குவதன் மூலம் வேலை செய்கிறது. செயல்பாடு பின்வருமாறு வரையறுக்கப்படுகிறது:
   இதில் G என்பது உள்ளீட்டு புள்ளி கிளவுட் ஒருங்கிணைப்பு மேட்ரிக்ஸைக் குறிக்கிறது, அச்சு என்பது தேர்ந்தெடுக்கப்பட்ட பரிமாணத்தைக் குறிக்கிறது, மேலும் S (a, b) என்பது ஒவ்வொரு அடுக்கிலும் பிரித்தெடுக்கப்பட்ட 2D ஸ்லைஸ் ஆகும். பொதுவாக, நாங்கள் அதிக எண்ணிக்கையிலான சோதனை வரிசைகளில் சோதனைகளை மேற்கொள்கிறோம், மேலும் புள்ளி மேகக்கணி இடஞ்சார்ந்த மாறுபாட்டின் மிக நீளமான அச்சில் பிரிப்பது குறைந்த பிட்ரேட்டை அளிக்கிறது என்று முடிவுகள் தெரிவிக்கின்றன, அதாவது
3. குறைந்தபட்ச எல்லைப் பெட்டி பிரித்தெடுத்தல்
   பெரும்பாலான சந்தர்ப்பங்களில், ஆன்-ஆக்கிரமிக்கப்பட்ட வோக்சல்கள் பொதுவாக தவிர்க்க முடியாதவை மற்றும் அதிக எண்ணிக்கையிலான ஆக்கிரமிக்கப்பட்ட வோக்சல்களை விட அதிகமாக இருக்கும். இதன் விளைவாக, இரண்டு வகையான வோக்சல்களையும் ஒரே நேரத்தில் செயலாக்குதல் மற்றும் குறியாக்கம் செய்வது சுருக்க வழிமுறையின் கணக்கீட்டு சிக்கலான தன்மை மற்றும் குறியாக்க வேகத்தை சுமைப்படுத்துகிறது. எனவே, ஒவ்வொரு வெட்டப்பட்ட அடுக்குக்கான குறைந்தபட்ச எல்லைப் பெட்டியைக் கணக்கிட, ஓரியண்டட் எல்லைப் பெட்டியை (OBB) [39] ஏற்றுக்கொள்கிறோம். அடுத்தடுத்த செயலாக்கத்தில், கட்டுப்படுத்தப்பட்ட செவ்வகத்திற்குள் அமைந்துள்ள வோக்சல்கள் மட்டுமே சுருக்கப்படுகின்றன.

இடஞ்சார்ந்த சூழல்-வழிகாட்டப்பட்ட முன்கணிப்பு குறியாக்கம்

இடஞ்சார்ந்த சூழல்-வழிகாட்டப்பட்ட முன்கணிப்பு குறியாக்கத்தின் குறிக்கோள், அனைத்து புள்ளிகளையும் அடுக்காக குறியாக்கம் செய்வதாகும். TSP ஆல் ஈர்க்கப்பட்டு, ஒவ்வொரு ஸ்லைடு லேயருக்குள்ளும் சாத்தியமான ஆர்டர்கள் மற்றும் தொடர்புகளை ஆராய ஒரு முன்கணிப்பு பயன்முறையை நாங்கள் வடிவமைக்கிறோம். இந்த தொகுதி பகிர்வு மற்றும் குறுகிய பாதை கணக்கீடு ஆகியவற்றைக் கொண்டுள்ளது.
முதலில், நாம் வெட்டப்பட்ட அடுக்குகளை பிரித்து ஒவ்வொரு குழுவிற்கும் R- அடுக்கு மற்றும் R- அடுக்குகளை தீர்மானிக்கிறோம். தேர்ந்தெடுக்கப்பட்ட அச்சில் லேயர் மூலம் புள்ளி மேகக்கணி அடுக்கைக் கடந்து செல்கிறோம். அருகிலுள்ள அடுக்குகளுக்கு இடையே உள்ள குறைந்தபட்ச எல்லைப் பெட்டியின் முக்கிய திசையின் நீளம் ஒரு குறிப்பிட்ட அலகு நீளத்தால் வேறுபடும் போது, ​​அது ஒரே குழுவாக பதிவு செய்யப்படுகிறது. இல்லையெனில், இது அடுத்த குழுவின் குறிப்பு அடுக்காகப் பயன்படுத்தப்படுகிறது, மேலும் பின்வரும் குழுவில் உள்ள ஒவ்வொரு புள்ளி மேகமும் ஒரே குறுகிய பாதையைப் பயன்படுத்துகிறது. இந்தத் தாளில், ஒவ்வொரு குழுவின் முதல் அடுக்கையும் ஆர்-லேயராகவும், மற்றவை பி-லேயர்களாகவும் அமைக்கிறோம். நாங்கள் அதிக எண்ணிக்கையிலான சோதனைத் தொடர்களில் சோதனைகளை மேற்கொள்கிறோம் மற்றும் சிறந்த சுருக்கத்தைப் பெற, இந்த குறிப்பிட்ட அளவுருவை 3 அலகுகளாக அமைக்க பரிந்துரைக்கிறோம்.
அதன்பிறகு, R-லேயர்களில் மிகக் குறுகிய பாதை கணக்கீட்டை நடத்தி, பிளேயர்களின் எச்சங்களை பதிவு செய்கிறோம். ஒவ்வொரு ஸ்லைஸ் லேயரின் புள்ளி மேகத்தின் விநியோக ஒழுங்குமுறையின்படி, TSP அல்காரிதம் அடிப்படையில் ஒவ்வொரு ஸ்லைஸ் லேயருக்கும் ஒழுங்கற்ற புள்ளி மேகங்களை உகந்த முறையில் ஏற்பாடு செய்கிறோம். இது R-லேயர்களின் புள்ளி மேகத்திற்கு குறுகிய பாதையை திறமையாக கணக்கிட அனுமதிக்கிறது, பின்னர் தொடர்புடைய கணிப்பு அடுக்குகளின் எச்சங்களை பதிவு செய்கிறது. அல்காரிதம் 1 கணிப்பு நடைமுறையின் போலிக் குறியீட்டைக் காட்டுகிறது.

முதலாவதாக, உள்ளூர் பகுதியில் உள்ள புள்ளிகளுக்கு இடையே உள்ள தூர கணக்கீட்டு விதியை வரையறுத்து, தோராயமாக தேர்ந்தெடுக்கப்பட்ட புள்ளி pc1 மூலம் பாதை நிலையை துவக்குவோம். ஒவ்வொரு மறு செய்கையிலும், ஒரு புதிய புள்ளி pci சேர்க்கப்படும் போதெல்லாம், அனைத்து சேர்க்கப்பட்ட புள்ளிகளும் குறுகிய பாதையின் வரிசையில் P இல் பதிவு செய்யப்படும் வரை, நிலை மாற்றம் சமன்பாடு பாதை (P - i, i) மூலம் வரிசைமாற்றம் மாறும் வகையில் புதுப்பிக்கப்படும். இந்த செயல்முறையானது குறைந்தபட்ச தூர அளவுகோலின் அடிப்படையில் படிப்படியாக மாற்றியமைக்கப்படுகிறது. அனைத்து மறு செய்கைகளும் மொத்த குறுகிய பாதையில் முடிந்த பிறகு, நிமிடத்தை கணக்கிடுகிறோம் ஒவ்வொரு R-லேயர்களிலும் dist(pci, pcj ) மற்றும் ஒவ்வொரு R-லேயர்களிலும் உள்ள புள்ளி மேகங்களின் குறுகிய பாதை பதிவு அட்டவணையை வழங்கவும். மேலும் சுருக்கத்திற்கு, அதே குழுவிற்குள் உள்ள ஆர்-லேயரின் குறுகிய பாதையில் இருந்து பி-அடுக்குகளின் விலகலைக் கணக்கிட்டு அவற்றை முன்கணிப்பு எச்சங்களாகப் பதிவு செய்கிறோம். இறுதியாக, ரேலேயரின் குறுகிய பாதை மற்றும் ஒவ்வொரு குழுவின் எச்சங்களும் வெளியீடு மற்றும் கணிப்பு எச்சங்களை மேலும் சுருக்க என்ட்ரோபி குறியாக்கிக்கு அனுப்பப்படும்.

ஸ்பேடியோ-டெம்போரல் சூழல்-வழிகாட்டப்பட்ட முன்கணிப்பு குறியாக்கம்
இடஞ்சார்ந்த சூழல்-வழிகாட்டப்பட்ட முன்கணிப்பு முறை குறியாக்கம் செய்கிறது
தனித்தனியாக ஒற்றை-பிரேம் புள்ளி மேகங்கள். இருப்பினும், ஒவ்வொரு சிங்கிள்-ஃபிரேம் பாயிண்ட் கிளவுட்க்கும் தனித்தனியாக இடஞ்சார்ந்த குறியாக்கத்தைப் பயன்படுத்துவதால், மல்டி-ஃபிரேம் பாயிண்ட் கிளவுட் முழுவதும் தற்காலிக தொடர்புகளால் வெளிப்படும் வாய்ப்புகளை இழக்க நேரிடும். மல்டி-ஃபிரேம் பாயிண்ட் கிளவுட் ஒன்றுடன் ஒன்று பெரிய பகுதிகளைப் பகிர்ந்து கொள்கிறது என்பதைக் கருத்தில் கொண்டு, சுருக்கத் திறனை மேலும் அதிகரிக்க தற்காலிக பணிநீக்கத்தைப் பயன்படுத்துவதில் கவனம் செலுத்துகிறோம். எனவே, முன்மொழியப்பட்ட இடஞ்சார்ந்த சூழல்-வழிகாட்டப்பட்ட முன்கணிப்பு பயன்முறையின் அடிப்படையில், பிரேம்கள் முழுவதும் அருகிலுள்ள அடுக்குகளுக்கு இடையே ஒரு கடிதத்தை அடையாளம் காண்பதன் மூலம் மல்டிபிரேம் புள்ளி கிளவுட்டை சுருக்கலாம்.

1. இன்டர்-ஃபிரேம் பகிர்வு
   இண்டர்-ஃப்ரேம் முன்கணிப்பு பயன்முறையின் செயல்திறனை மேம்படுத்த, பிரேம்களின் அருகில் உள்ள அடுக்குகளுக்கு இடையே போதுமான ஒற்றுமையை உறுதி செய்வது மிகவும் முக்கியமானது. இதன் விளைவாக, அருகிலுள்ள பிரேம்களுக்கு இடையில் குழுக்களைப் பிரித்து, பிரேம்கள் முழுவதும் ஆர்-லேயர்கள் மற்றும் பி-லேயர்களைத் தீர்மானிக்க வேண்டும். ஆர்-லேயர்களின் குறுகிய பாதையின் அடிப்படையில் பி-லேயர்களின் குறுகிய பாதையை மதிப்பிடுவதன் மூலம், கணிப்பு எச்சங்களைப் பதிவுசெய்து, என்ட்ரோபி குறியாக்கி மூலம் அவற்றை மேலும் சுருக்கவும். அல்காரிதம் 2 இன்டர்ஃப்ரேம் பகிர்வின் சூடோகோடைக் காட்டுகிறது.
   வெட்டப்பட்ட-அடுக்குகளின் நோக்குநிலை சீரமைப்பின் அடிப்படையில், கரடுமுரடான பகிர்வு மற்றும் நேர்த்தியான பகிர்வு ஆகியவற்றை நாங்கள் தொடர்ச்சியாக உணர்கிறோம். கரடுமுரடான பகிர்வுக்கு, ஒவ்வொரு சட்டகத்தின் துண்டாக்கப்பட்ட அடுக்குகளை சிறியது முதல் பெரியது வரை பிரிவு அச்சுகளுடன் தொடர்புடைய ஆயங்களின் அடிப்படையில் வரிசைப்படுத்துகிறோம். இதன் விளைவாக, ஒவ்வொரு ஃபிரேமின் ஒவ்வொரு ஸ்லைஸ் லேயரும் ஒரு தனித்துவமான லேயர் எண்ணைக் கொண்டுள்ளது, இது ஸ்லைஸ் லேயர்களை அதே எண்ணுடன் அருகிலுள்ள பிரேம்களுக்கு இடையில் கரடுமுரடாகப் பிரிக்க அனுமதிக்கிறது. பின்னர், அதே எண்ணுடன் அருகிலுள்ள அடுக்குகளின் குறைந்தபட்ச எல்லைப் பெட்டிகளின் முதன்மை அச்சு நீளங்களுக்கு இடையிலான வேறுபாட்டைக் கணக்கிடுகிறோம். இந்த மதிப்பு ஒரு குறிப்பிட்ட நீள அலகுக்கு குறைவாகவோ அல்லது சமமாகவோ இருந்தால், அடுக்குகள் ஒரே குழுவாக பிரிக்கப்படும். இல்லையெனில், அருகிலுள்ள சட்டகத்தின் தொடர்புடைய அடுக்கில் உள்ள குறைந்தபட்ச எல்லைப் பெட்டியின் முக்கிய திசை அச்சின் நீளத்தில் உள்ள வேறுபாட்டை, அருகிலுள்ள சட்டத்தில் உள்ள எண்ணுக்கு முன்னும் பின்னும் குறிப்பிட்ட அடுக்குடன் ஒப்பிடுகிறோம். சிறிய வேறுபாடு கொண்ட அடுக்கு பின்னர் அதே குழுவாக பிரிக்கப்படுகிறது. இது அருகிலுள்ள அடுக்குகளுக்கு இடையில் ஒரு சிறந்த பகிர்வை உறுதி செய்கிறது, மேலும் அருகிலுள்ள உறவின் சிறந்த பகிர்வை உணர இது.
2. ஸ்பேடியோ-தற்காலிக சூழல்-வழிகாட்டப்பட்ட முன்கணிப்பு முறை
   பகிர்வின் அடிப்படையில், பிரிவு 3.3 இல் குறிப்பிடப்பட்டுள்ள கணிப்பு பயன்முறையைப் பயன்படுத்துகிறோம் மற்றும் விரிவாக்குகிறோம். இந்த செயல்பாட்டில் நாங்கள் இடை-சட்ட சூழலை இணைத்துக்கொள்கிறோம், அதாவது R-லேயராக செயல்படும் ஒவ்வொரு குழுவின் முதல் அடுக்கும் சிறந்த கணிப்பு முடிவை அளிக்காது. அருகிலுள்ள அடுக்குகளுக்கு இடையிலான சாத்தியமான தொடர்பை முழுமையாக ஆராய, உகந்த கணிப்பு பயன்முறையை நாம் வெளிப்படுத்த வேண்டும்.
   முதலாவதாக, R-லேயராகப் பயன்படுத்தப்படும்போது, ​​தற்போதைய குழுவில் உள்ள ஒவ்வொரு வெட்டப்பட்ட-அடுக்குக்கான கணிப்பு எச்சங்களைக் கணக்கிடுகிறோம். எல்லா சந்தர்ப்பங்களிலும் கணிப்பு எச்சங்களை ஒப்பிடுவதன் மூலம், மிகச் சிறிய முழுமையான எஞ்சிய மதிப்பைக் கொண்ட R-லேயரை சிறந்த முன்கணிப்பு பயன்முறையாகத் தேர்ந்தெடுக்கிறோம். R-லேயர் குறுகிய பாதை கணக்கீட்டிற்கு, சிறந்த முன்கணிப்பு பயன்முறையின் கீழ் R- அடுக்குகளின் குறுகிய பாதையை கணக்கிடுவதற்கு பயண விற்பனையாளர் வழிமுறையைப் பயன்படுத்துகிறோம். மேலும், ஒவ்வொரு குழுவிற்கும் அந்தந்த சிறந்த முன்கணிப்பு முறைகளின் கீழ் கணிப்பு எச்சங்களை நாங்கள் கணக்கிடுகிறோம். ஒவ்வொரு குழுவின் ஆக்கிரமிப்பு நீளம் மற்றும் R-லேயர் தகவலை அடுத்தடுத்த செயலாக்கத்தில் மேலும் சுருக்குவதற்கு நாங்கள் பதிவு செய்கிறோம். ஃபாலோ-அப் செயல்பாட்டில், மல்டி-ஃபிரேம் பாயின்ட் கிளவுட் ஜியோமெட்ரி சுருக்க அல்காரிதத்தின் முழு செயல்முறையையும் முடிக்க, மேலே உள்ள தகவலுக்கான சிறந்த சூழல் தேர்வின் அடிப்படையில் எண்கணித குறியீட்டைப் பயன்படுத்துகிறோம்.

சூழல் அகராதியின் அடிப்படையில் எண்கணித குறியீட்டு முறை
புள்ளி கிளவுட்டில் உள்ள பாரிய அளவு சூழல், எண்கணித குறியீட்டு கணக்கீட்டு சிக்கலின் அடிப்படையில் ஒட்டுமொத்த சுருக்கத் திட்டத்தை கணிசமாகக் குறைக்கிறது. பின்வரும் இரண்டு தொகுதிகளில் இருந்து எண்கணித குறியீட்டை மேம்படுத்துகிறோம். 1) நாங்கள் சூழல் அகராதியை அமைத்து, என்ட்ரோபி மதிப்பீட்டின்படி உலகளாவிய உகந்த மதிப்பைத் தேர்ந்தெடுத்து புதுப்பிக்கிறோம், பின்னர் 2) நிகழ்தகவுகளின் மேல் மற்றும் கீழ் வரம்புகளை திறம்பட கணக்கிட தகவமைப்பு குறியாக்கிகளை நாங்கள் பின்பற்றுகிறோம்.

1. சூழல் அகராதி உருவாக்கம்
2. ஒவ்வொரு ஸ்லைடு லேயரில் உள்ள புள்ளி மேகத்தின் ஆயத்தொலைவுகள் மற்றும் அதனுடன் தொடர்புடைய வெறுமையற்ற சூழலின் முழு எண் பிரதிநிதித்துவம் ஆகியவற்றைக் கொண்ட மூன்று வரிசையைக் குறிக்கும் சூழல் அகராதியை நாங்கள் உருவாக்குகிறோம். எனவே, புள்ளி கிளவுட்டில் உள்ள வோக்சல்களை ஒவ்வொரு லேயரின் குறைந்தபட்ச எல்லைப் பெட்டியுடன் அதன் வெறுமையற்ற சூழலுடன் இணைக்கிறோம். சூழல் அகராதியின் மூன்று வரிசை வரிசையின் கட்டமைப்பை தெளிவாக விளக்குவதற்கு, படம் 2 இல் உள்ளுணர்வு விளக்கத்தை தருகிறோம். படம் 2 இல் உள்ள நிழல் கொண்ட இரண்டு சதுரங்களுக்கு, சூழல் வரைபடத்தின் நிலைகள் pc1 மற்றும் pc2 மட்டுமே கருதப்படுகின்றன. x- அச்சு மற்றும் y- அச்சில் உள்ள சூழல் பங்களிப்பு முறையே QX - மற்றும் QY - ஆகிய இரண்டு வரிசைகளில் பதிவு செய்யப்படுகிறது. எனவே சூழல் அகராதி QX - மற்றும் QY - ஆகியவற்றைக் கொண்டுள்ளது. ஒரே ஆயத்தொகுப்புகளைக் கொண்ட வரிசை உறுப்புகள் ஒரு மும்மடங்காக ஒருங்கிணைக்கப்படுகின்றன, இதன் சூழல் முழு எண் பிரதிநிதித்துவம் ஒன்றிணைக்கப்பட்ட மும்மடங்கின் சூழல் பங்களிப்புகளின் கூட்டுத்தொகையாகக் கணக்கிடப்படுகிறது.
   எனவே, ஒவ்வொரு வோக்சலின் சூழலையும் அதன் சூழல் அகராதியில் உள்ள ஆக்கிரமிக்கப்பட்ட வோக்சல்களின் சுயாதீன பங்களிப்புகளின் கூட்டுத்தொகையாகக் கணக்கிடலாம். இந்த அமைப்பு கடினமான மேட்ரிக்ஸ் தேடல்கள் இல்லாமல் சூழல் அகராதியில் ஒரு வோக்செல் சேர்க்கப்பட வேண்டுமா என்பதைத் தீர்மானிக்க உதவுகிறது, இதன் விளைவாக கணக்கீட்டு சிக்கலானது மற்றும் இயக்க நேரம் கணிசமாகக் குறைக்கப்படுகிறது.
3. நிகழ்தகவு கணக்கீடு
   என்ட்ரோபி நிகழ்தகவைக் கணக்கிட, வரிசையின் நீளம் மற்றும் அதன் தொகுதி வோக்சல்களின் சூழல் ஆகிய இரண்டும் கணக்கில் எடுத்துக்கொள்ளப்பட வேண்டும். இந்த தொகுதியில், சூழல் அகராதியிலிருந்து ஒவ்வொரு குழுவிற்கும் மேல் மற்றும் கீழ் ஒட்டுமொத்த நிகழ்தகவு வரம்புகளை முதலில் மதிப்பிடும் அடாப்டிவ் குறியாக்கியை வடிவமைக்கிறோம், பின்னர் அதை குறியாக்கம் செய்கிறோம். முதலில், மார்கோவ் சங்கிலி மாதிரியின் அடிப்படையில் ஒரு பைனரி மரத்தை உருவாக்குகிறோம். வோக்சல்களின் ஆக்கிரமிப்பைக் கடந்து செல்வதன் மூலம், ஆக்கிரமிக்கப்பட்ட மற்றும் வெற்று வோக்சல்களுக்கு முறையே 1 மற்றும் 0 மதிப்புகளை ஒதுக்குகிறோம், மேலும் மரத்தின் கட்டமைப்பின் அடிப்படையில் நிகழ்தகவைக் கணக்கிடுகிறோம். ரூட் நோடில் இருந்து தொடங்கி, ஒரு வோக்செல் ஆக்கிரமிக்கப்பட்டிருக்கும் போது, ​​இடது சைல்ட் நோட் 1 ஆக பதிவு செய்கிறோம். இல்லையெனில், வலது சைல்ட் நோடை 0 எனக் குறியிட்டு, தீர்ப்பு மற்றும் பிரிவின் அடுத்த கட்டத்திற்குச் செல்கிறோம். ஆக்கிரமிக்கப்பட்ட வோக்சல்களின் ரன் நிகழ்தகவுக்கான கணக்கீட்டு சூத்திரத்தை Eq இல் காணலாம். (4)

n ஐ விட குறைவான அல்லது அதற்கு சமமான ரன் நீளங்களுக்கு, வோக்சல்களின் ஆக்கிரமிப்பு நிலைகளைக் குறிக்கும் 2n மர முனைகள் இருக்கலாம். எனவே, எந்தவொரு ஆக்கிரமிக்கப்பட்ட வோக்சலின் நிகழ்தகவு, வேரில் தொடங்கி மரத்தின் எந்த குழந்தையற்ற முனையிலும் முடிவடையும் அனைத்து நிலைகளையும் கடந்து செல்லும் சுயாதீனமான கூட்டு நிகழ்தகவு மூலம் குறிப்பிடப்படுகிறது. Eq ஐ அடிப்படையாகக் கொண்டது. (4), வோக்சல் வரிசையின் ஆக்கிரமிப்பில் எண்கணித குறியாக்கத்தைச் செய்ய, சமன்பாட்டில் காட்டப்பட்டுள்ளபடி, வரிசையின் ஒட்டுமொத்த மேல் மற்றும் கீழ் நிகழ்தகவுகள் நமக்குத் தேவை. (5)

இந்த அணுகுமுறையைப் பயன்படுத்துவதன் மூலம், உகந்த நிகழ்தகவு மதிப்பீட்டு மாதிரி மற்றும் தற்போதைய குறியீட்டு வரிசையில் ஒவ்வொரு குறியீட்டின் அதிர்வெண்ணின் அடிப்படையில் ஒவ்வொரு குறியீட்டின் நிகழ்தகவு மதிப்பீட்டை சரிசெய்ய, எண்கணித குறியீட்டின் தகவமைப்பு பண்புகளைப் பயன்படுத்தலாம். இது ஆக்கிரமிக்கப்பட்ட வோக்சல்களின் ஒட்டுமொத்த நிகழ்தகவின் மேல் மற்றும் கீழ் எல்லைகளைக் கணக்கிடவும் மற்றும் குறியாக்க செயல்முறையை முடிக்கவும் அனுமதிக்கிறது.

பரிசோதனை

செயல்படுத்தல் விவரங்கள்

1. தரவுத்தொகுப்பு. எங்கள் முன்மொழியப்பட்ட முறையின் செயல்திறனைச் சரிபார்க்க, 16 புள்ளி மேகக்கணி தரவுத்தொகுப்புகளுக்கு மேல் விரிவான சோதனைகள் நடத்தப்பட்டன, அவை Ref இலிருந்து பதிவிறக்கம் செய்யப்படலாம். [40], படம் 3 இல் காட்டப்பட்டுள்ளபடி, இதில் படம். 3(a)– 3(l) என்பது அடர்த்தியான புள்ளிகள் கொண்ட உருவப்படங்கள், மற்றும் படம். 3(m) - 3(p) என்பது அரிதான புள்ளிகளைக் கொண்ட கட்டிடக்கலை ஆகும். அத்திப்பழம். 3(a) - 3(h) என்பது மைக்ரோசாஃப்ட் நிறுவனத்திடமிருந்து பெறப்பட்ட இரண்டு இடஞ்சார்ந்த தீர்மானங்களின் வோக்ஸலிஸ் செய்யப்பட்ட மேல் உடல் புள்ளி கிளவுட் தரவு வரிசைகள் ஆகும். அத்திப்பழம். 3(i)– 3(l) ஆனது 8i வோக்சலைஸ் செய்யப்பட்ட முழு உடல் புள்ளி கிளவுட் தரவு வரிசைகளிலிருந்து தேர்ந்தெடுக்கப்பட்டது. அத்திப்பழத்தில் எஞ்சியிருக்கும் பெரிய அளவிலான அரிதான புள்ளி மேகங்கள். 3(k)– 3(p) நிலையான முகப்பு மற்றும் கட்டிடக்கலை தரவுத்தொகுப்புகள்.
2. மதிப்பீட்டு அளவீடுகள். முன்மொழியப்பட்ட முறையின் செயல்திறன் ஒரு புள்ளிக்கு பிட் (BPP) அடிப்படையில் மதிப்பிடப்படுகிறது. BPP என்பது புள்ளியுடன் இணைக்கப்பட்ட ஆயத் தகவல்களால் ஆக்கிரமிக்கப்பட்ட பிட்களின் கூட்டுத்தொகையைக் குறிக்கிறது. குறைந்த மதிப்பு, சிறந்த செயல்திறன். புள்ளி கிளவுட் தரவின் ஒருங்கிணைப்புத் தகவலால் ஆக்கிரமிக்கப்பட்ட பிட்களின் எண்ணிக்கையை Sizeig குறிக்கிறது, மேலும் k என்பது அசல் புள்ளி கிளவுட்டில் உள்ள புள்ளிகளின் எண்ணிக்கையைக் குறிக்கிறது.
3. வரையறைகள். நாங்கள் முக்கியமாக எங்கள் முறையை மற்ற அடிப்படை வழிமுறைகளுடன் ஒப்பிடுகிறோம், இதில் அடங்கும்: PCL-PCC: PCL இல் ஆக்ட்ரீ அடிப்படையிலான சுருக்கம்; ஜி-பிசிசி (எம்பிஇஜி இன்ட்ரா-கோடர்கள் சோதனை மாதிரி) மற்றும் இன்டர்இஎம் (எம்பிஇஜி இன்டர்-கோடர்கள் சோதனை மாதிரி) முறையே ஒற்றை-பிரேம் மற்றும் மல்டி-ஃபிரேம் பாயிண்ட் கிளவுட் சுருக்கத்தை இலக்காகக் கொண்டுள்ளன; Silhouette 3D (S3D)[41] மற்றும் Silhouette 4D (S4D)[42] ஆகியவை முறையே ஒற்றை சட்டகம் மற்றும் பல-பிரேம் புள்ளி கிளவுட் சுருக்கத்தை இலக்காகக் கொண்டுள்ளன.
   PCLக்கு, PCL-v1.8.1 இல் ஆக்ட்ரீ புள்ளி கிளவுட் கம்ப்ரஷன் அணுகுமுறையை வடிவியல் சுருக்கத்திற்கு மட்டுமே பயன்படுத்துகிறோம். புள்ளி துல்லியம் மற்றும் வோக்சல் தெளிவுத்திறன் ஆகியவற்றிலிருந்து ஆக்ட்ரீ தெளிவுத்திறன் அளவுருக்களை அமைக்கிறோம். G-PCCக்கு (TM13-v11.0), இழப்பற்ற வடிவவியலைத் தேர்வு செய்கிறோம் - இழப்பற்ற பண்புக்கூறுகள் ஆக்ட்ரீ-முன்கணிப்பு பயன்முறையில் நிலை, அளவுருக்களை இயல்புநிலையாக விட்டுவிடும். interEM (tmc3v3.0) க்கு, இழப்பற்ற வடிவியல் மற்றும் இழப்பற்ற பண்புக்கூறுகளின் நிலைமைகளின் கீழ் சோதனை முடிவுகளை ஒப்பிட்டுப் பயன்படுத்துகிறோம்[43]. S3Dக்கு
   மற்றும் S4D, இயல்புநிலை நிபந்தனைகள் மற்றும் அளவுருக்களைப் பின்பற்றுகிறோம்.
4. வன்பொருள். முன்மொழியப்பட்ட அல்காரிதம் PCL-v1.8.1 இன் சில செயல்பாடுகளைப் பயன்படுத்தி Matlab மற்றும் C++ இல் செயல்படுத்தப்படுகிறது. அனைத்து சோதனைகளும் இன்டெல் கோர் i7- 8750 CPU @2.20 GHz உடன் 8 GB நினைவகத்துடன் கூடிய மடிக்கணினியில் சோதிக்கப்பட்டன.

ஒற்றை-பிரேம் பாயிண்ட் கிளவுட் சுருக்கத்தின் முடிவுகள்

1. அடர்த்தியான புள்ளி கிளவுட் தரவு வரிசைகளின் உருவப்படங்களின் சுருக்க முடிவுகள்
   அடர்த்தியான புள்ளி கிளவுட் தரவு வரிசைகளின் உருவப்படங்களில் PCL-PCC, G-PCC மற்றும் S1D முறைகளுடன் ஒப்பிடும்போது, ​​எங்களின் ஸ்பேஷியல் சூழல் வழிகாட்டுதல் இழப்பற்ற புள்ளி கிளவுட் ஜியோமெட்ரி சுருக்க அல்காரிதம்களின் செயல்திறனை அட்டவணை 3 காட்டுகிறது. ஒரே வரிசைகளின் அனைத்து புள்ளி மேகங்களுக்கும், முன்மொழியப்பட்ட முறை மற்ற முறைகளுடன் ஒப்பிடும்போது மிகக் குறைந்த சுருக்க BPP ஐ அடைகிறது என்பதை அட்டவணை 1 இலிருந்து காணலாம். எங்கள் அல்காரிதம் S1.56Dக்கு எதிராக −0.02% முதல் −3% வரையிலான சராசரி ஆதாயங்களையும், G-PCCக்கு எதிராக −10.62% முதல் −1.45% வரை ஆதாயங்களையும் வழங்குகிறது. இது இன்னும் தெளிவான அட்வான் காட்டுகிறதுtage, அதாவது, முன்மொழியப்பட்ட வழிமுறையின் சுருக்க செயல்திறன் ஆதாயங்கள் −10.62% முதல் −1.45% வரை; PCL-PCC க்கு, முன்மொழியப்பட்ட வழிமுறையானது −154.43% முதல் −85.39% வரையிலான அனைத்து வரிசைகளிலும் கிட்டத்தட்ட இரட்டிப்பு ஆதாயத்தைக் காட்டுகிறது.
2. பெரிய அளவிலான ஸ்பேர்ஸ் பாயிண்ட் கிளவுட் டேட்டாவின் சுருக்க முடிவுகள்
   இந்த விஷயத்தில் S3D வேலை செய்ய முடியாததால், பெரிய அளவிலான ஸ்பேர்ஸ் பாயிண்ட் கிளவுட் டேட்டாவில் PCL-PCC மற்றும் G-PCC முறைகளுடன் எங்களின் ஸ்பேஷியல் சூழல்-வழிகாட்டப்பட்ட லாஸ்லெஸ் ஜியோமெட்ரி பாயின்ட் கிளவுட் கம்ப்ரஷன் அல்காரிதத்தை மட்டுமே ஒப்பிடுகிறோம். மீண்டும், அட்டவணை 1 இல் காட்டப்பட்டுள்ளபடி, ஜி-பிசிசி மற்றும் பிசிஎல்-பிசிசியுடன் எங்கள் அல்காரிதம் கணிசமான செயல்திறனைப் பெறுகிறது. ஜி-பிசிசியுடன் ஒப்பிடும்போது சராசரி பிபிபி ஆதாயங்கள் −8.84% முதல் -4.35% வரை கைப்பற்றப்பட்டதாக முடிவுகள் காட்டுகின்றன. PCL-PCC க்கு, எங்களின் முன்மொழியப்பட்ட அல்காரிதம் மிகவும் தெளிவான அட்வானைக் காட்டுகிறதுtages, −34.69% முதல் −23.94% வரையிலான ஆதாயங்களுடன்.
3. சுருக்கம்
   சிங்கிள் பிரேம் பாயிண்ட் கிளவுட் கம்ப்ரஷன் முடிவுகளின் மிகவும் புரிந்துகொள்ளக்கூடிய ஒப்பீட்டை வழங்க, எங்கள் இடஞ்சார்ந்த சூழல்-வழிகாட்டப்பட்ட சுருக்க முறை மற்றும் பிற அதிநவீன பெஞ்ச்மார்க் முறைகளுக்கு இடையிலான சராசரி முடிவுகளை அட்டவணை 2 வழங்குகிறது. S3D உடன் ஒப்பிடும்போது, ​​எங்கள் முன்மொழியப்பட்ட முறை சராசரி ஆதாயங்களைக் காட்டுகிறது - 0.58% முதல் - 3.43% வரை. G-PCC மற்றும் PCL-PCC ஐப் பொறுத்தவரை, சராசரி ஆதாயங்கள் முறையே குறைந்தபட்சம் − 3.43% மற்றும் −95.03% அடையும். எங்கள் இடஞ்சார்ந்த சூழல் வழிகாட்டுதல் சுருக்க முறையானது தற்போதைய S3D, G-PCC மற்றும் PCL-PCC ஆகியவற்றைக் கணிசமான அளவு வித்தியாசத்தில் மீறுகிறது என்பதை பரிசோதனை பகுப்பாய்வு வெளிப்படுத்துகிறது. இவ்வாறு, பல்வேறு காட்சி வகைகளுக்கான புள்ளி கிளவுட் வடிவவியலின் இழப்பற்ற சுருக்கத் தேவைகளை இது பூர்த்தி செய்ய முடியும், எ.கா., அடர்த்தியான அல்லது அரிதான விநியோகங்கள், மேலும் எங்கள் முறையின் செயல்திறன் தொடர்ந்து இருக்கும்.
4. பல-பிரேம் புள்ளி கிளவுட் சுருக்கத்தின் முடிவுகள்
   S4D, PCL-PCC, G-PCC மற்றும் interEM போன்ற தற்போதைய சுருக்க வழிமுறைகளுக்கு எதிராக எங்களின் முன்மொழியப்பட்ட இடஞ்சார்ந்த-தற்காலிக சூழல்-வழிகாட்டப்பட்ட புள்ளி கிளவுட் ஜியோமெட்ரி சுருக்க அல்காரிதத்தை மதிப்பீடு செய்கிறோம். இந்த சோதனையில் அடர்த்தியான புள்ளி மேகக்கணி தரவு வரிசைகளின் உருவப்படங்கள் மட்டுமே பயன்படுத்தப்படுகின்றன. முடிவுகள் விளக்கப்பட்டுள்ளன.

அட்டவணை 1. எங்கள் இடஞ்சார்ந்த சூழல்-வழிகாட்டப்பட்ட சுருக்க அல்காரிதம் மற்றும் அடிப்படை முறைகளின் BPP ஒப்பீடுகள்.

அட்டவணை 2. சிங்கிள்-ஃபிரேம் பாயிண்ட் கிளவுட் டேட்டாவில் அதிநவீன அல்காரிதம்களுடன் BPP ஒப்பீடு.

அட்டவணை 3. நாம் பார்க்கிறபடி, முன்கணிப்பு முறை மற்றும் எண்கணித குறியாக்கியில் மேம்படுத்தல்களுக்குப் பிறகு, முன்மொழியப்பட்ட அல்காரிதம் அனைத்து சோதனைத் தொடர்களிலும் மேன்மையைக் காட்டுகிறது. குறிப்பாக, interEM மற்றும் G-PCC உடன் ஒப்பிடும்போது, ​​முன்மொழியப்பட்ட அல்காரிதம் முறையே −51.94% முதல் −17.13% மற்றும் −46.62% முதல் −5.7% வரையிலான குறிப்பிடத்தக்க ஆதாயங்களைக் காட்டுகிறது. S4D உடன் ஒப்பிடும்போது, ​​முன்மொழியப்பட்ட அல்காரிதம் −12.18% முதல் -0.33% வரை வலுவான முன்னேற்றத்தைக் காட்டுகிறது. PCL-PCC ஐப் பொறுத்தவரை, எங்கள் முன்மொழியப்பட்ட அல்காரிதம் அனைத்து சோதனைத் தொடர்களிலும் கிட்டத்தட்ட பாதியாகக் குறைந்துள்ளது.
மேலும், அட்டவணை 4 இல் பட்டியலிடப்பட்டுள்ள உருவப்படத்தின் அடர்த்தியான புள்ளி கிளவுட் தரவு வரிசைகளில் முன்மொழியப்பட்ட முறையின் சுருக்க முடிவுகளையும் ஆதாயங்களையும் சுருக்கமாகக் கூறுகிறோம். சராசரியாக, இடஞ்சார்ந்த சூழல்-வழிகாட்டப்பட்ட புள்ளி கிளவுட் உடன் ஒப்பிடும்போது சராசரியாக −11.5% மற்றும் −2.59% இடையே ஆதாயங்களை வழங்குகிறது. முன்பு முன்மொழியப்பட்ட வடிவியல் சுருக்க வழிமுறை. மேலும், இது G-PCC உடன் ஒப்பிடும்போது − 19% இன் சிறந்த சராசரி ஆதாயங்களைக் காட்டுகிறது மற்றும் interEM உடன் ஒப்பிடும்போது சராசரி குறியீட்டு ஆதாயத்தை −24.55% அடைந்துள்ளது. கூடுதலாக, S3D மற்றும் S4D உடன் ஒப்பிடும்போது, ​​சராசரியாக முறையே −6.11% மற்றும் −3.64% ஐ விட அதிகமாகப் பெறுகிறது. ஸ்பேடியோடெம்போரல் சூழல்-வழிகாட்டப்பட்ட புள்ளி கிளவுட் சுருக்க முறையானது உள்-பிரேம்கள் மற்றும் இடை-பிரேம்களுக்குள் அருகிலுள்ள அடுக்குகளின் இடஞ்சார்ந்த மற்றும் தற்காலிக தொடர்பு இரண்டையும் முழுமையாகப் பயன்படுத்த முடியும் என்பதை ஒட்டுமொத்த சோதனை பகுப்பாய்வு காட்டுகிறது. குறைந்த பிட் வீதத்தைப் பெற, எண்கணித குறியாக்கியின் உலகளாவிய சூழல் தேர்வு மற்றும் நிகழ்தகவு மாதிரியையும் மேம்படுத்துகிறோம். டைனமிக் போர்ட்ரெய்ட்கள் போன்ற மல்டிமீடியா பயன்பாட்டுக் காட்சிகளில் புள்ளி கிளவுட் ஜியோமெட்ரி இழப்பற்ற சுருக்கத்தின் தேவைகளைப் பூர்த்தி செய்யும் வகையில், முன்மொழியப்பட்ட முறை, அதிநவீன அல்காரிதம்களின் செயல்திறனை மிஞ்சுகிறது.

அட்டவணை 3. எங்களின் ஸ்பேடியோ-டெம்போரல் சூழல்-வழிகாட்டப்பட்ட சுருக்க அல்காரிதம் மற்றும் அடிப்படை முறைகளின் பிட்-பெர்-பாயிண்ட் ஒப்பீடுகள்.

அட்டவணை 4. மல்டி-ஃபிரேம் பாயிண்ட் கிளவுட் டேட்டாவில் அதிநவீன அல்காரிதம்களுடன் பிட்-பெர்-பாயிண்ட் ஒப்பீடு.

நீக்குதல் ஆய்வு
பகிர்வின் செயல்திறனை நிரூபிக்க 8i வோக்சலைஸ் செய்யப்பட்ட முழு-உடல் புள்ளி கிளவுட் தரவு வரிசைகளுக்கு மேல் முன்கணிப்பு குறியாக்கத்தில் நீக்குதல் ஆய்வுகளை நாங்கள் செய்கிறோம். மல்டிபிரேம் பாயிண்ட் கிளவுட் கம்ப்ரஷனில் −5% மற்றும் பகிர்வு அல்லாத முன்கணிப்பு குறியீட்டுக்கு எதிராக ஒற்றை-பிரேம் பாயிண்ட் கிளவுட் கம்ப்ரஷனில் −70% என்ற நிலையான ஆதாயத்தை முன்னேற்றம் காட்டுகிறது என்பதை அட்டவணை 60ல் இருந்து காணலாம்.
அடுத்து, சூழல் அகராதியின் செயல்திறனைக் காட்ட, எண்கணிதக் குறியீட்டில் நீக்குதல் பரிசோதனையைச் செய்கிறோம். அட்டவணை 6 இல் காட்டப்பட்டுள்ளபடி, பல-பிரேம் புள்ளி கிளவுட் சுருக்கத்தில் −33% மற்றும் சூழல் அகராதி இல்லாமல் எண்கணித குறியீட்டுக்கு எதிராக ஒற்றை-பிரேம் புள்ளி கிளவுட் சுருக்கத்தில் −41% வலுவான முன்னேற்றம் எங்கள் முறையில் காணப்படுகிறது.

நேர நுகர்வு
அல்காரிதம் சிக்கலை மதிப்பிடுவதற்கும், முன்மொழியப்பட்ட முறைகளை மற்றவர்களுடன் ஒப்பிடுவதற்கும் நேர நுகர்வுகளை நாங்கள் சோதிக்கிறோம். அல்காரிதம் சிக்கலானது அட்டவணை 7 இல் பட்டியலிடப்பட்டுள்ள குறியாக்கிகள் மற்றும் குறிவிலக்கிகளால் சுயாதீனமாக பகுப்பாய்வு செய்யப்படுகிறது. நாம் பார்க்க முடியும் என, G-PCC, interEM மற்றும் PCL-PCC ஆகியவை 10 வினாடிகளுக்கு குறைவான குறியாக்க நேரத்தையும் 5 வினாடிகளுக்கு குறைவான டிகோடிங் நேரத்தையும் அடைய முடியும். உருவப்படம்-அடர்த்தியான புள்ளி மேகம் தரவு. மற்றவர்களுடன் ஒப்பிடும்போது பெரிய அளவிலான ஸ்பேர்ஸ் பாயிண்ட் கிளவுட் டேட்டாவிலும் அவை சிறப்பாகச் செயல்படுகின்றன. எங்களின் முன்மொழியப்பட்ட அல்காரிதம்கள் போர்ட்ரெய்ட் சீக்வென்ஸை குறியாக்க மற்றும் டிகோட் செய்ய சுமார் 60 வி மற்றும் 15 வினாடிகள் ஆகும், முகப்பில் மற்றும் கட்டிடக்கலை புள்ளி கிளவுட் தரவுகளில் இன்னும் அதிகமாக இருக்கும். பிட்ரேட்டுகளுக்கும் சுருக்க வேகத்திற்கும் இடையே ஒரு பரிமாற்றம் உள்ளது. குறியாக்கம் செய்ய நூற்றுக்கணக்கான வினாடிகள் எடுக்கும் S3D மற்றும் S4D உடன் ஒப்பிடும்போது, ​​எங்கள் நேரத்தைச் செலவழிக்கும் முறை மேன்மையைக் காட்டலாம்.
சுருக்கமாக, எங்களின் முன்மொழியப்பட்ட முறைகளின் நேர நுகர்வு அனைத்து ஒப்பிடப்பட்ட அல்காரிதம்களிலும் நடுத்தரமானது ஆனால் இன்னும் மேம்படுத்தப்பட வேண்டியது அவசியம்.

முடிவுகள்

இந்தத் தாளில், இழப்பற்ற புள்ளி கிளவுட் ஜியோமெட்ரி சுருக்கத்திற்கான ஸ்பேடியோடெம்போரல் சூழல்-வழிகாட்டப்பட்ட முறையை நாங்கள் முன்மொழிகிறோம். யூனிட் தடிமன் கொண்ட ஸ்லைடு பாயிண்ட் மேகத்தை உள்ளீட்டு யூனிட்டாகக் கருதுகிறோம் மற்றும் டிராவல்லிங் சேல்ஸ்மேன் அல்காரிதம் அடிப்படையில் வடிவியல் முன்கணிப்பு குறியீட்டு முறையைப் பயன்படுத்துகிறோம், இது இன்ட்ரா-ஃபிரேம் மற்றும் இன்டர்-ஃப்ரேம் இரண்டிற்கும் பொருந்தும். மேலும், புள்ளி மேகங்களின் இழப்பற்ற சுருக்க மற்றும் டிகம்பரஷ்ஷன் முடிவுகளை அடைய, சூழல்-வேகமான புதுப்பிப்பின் அடிப்படையில் உலகளாவிய சூழல் தகவல் மற்றும் தகவமைப்பு எண்கணித குறியாக்கியை நாங்கள் முழுமையாகப் பயன்படுத்துகிறோம். சோதனை முடிவுகள் எங்கள் முறைகளின் செயல்திறனையும் முந்தைய ஆய்வுகளை விட அவற்றின் மேன்மையையும் நிரூபிக்கின்றன. எதிர்கால வேலைக்காக, அதிவேக சுருக்க விகிதம் மற்றும் குறைந்த பிட் வீத சுருக்க முடிவுகளை அடைய அல்காரிதம் சிக்கலைக் குறைப்பதன் மூலம், அல்காரிதத்தின் ஒட்டுமொத்த சிக்கலை மேலும் ஆய்வு செய்ய திட்டமிட்டுள்ளோம். குறைந்த பிட் வீதம் மற்றும் நிகழ்நேர/குறைந்த தாமத ஆதரவு முறை பல்வேறு வகையான காட்சிகளில் மிகவும் விரும்பப்படுகிறது.

குறிப்புகள்

1. MI XX, YANG BS, DONG Z, மற்றும் பலர். MLS புள்ளி மேகங்களை [J] பயன்படுத்தி தானியங்கு 3D சாலை எல்லை பிரித்தெடுத்தல் மற்றும் வெக்டரைசேஷன். அறிவார்ந்த போக்குவரத்து அமைப்புகளில் IEEE பரிவர்த்தனைகள், 2022, 23(6): 5287 – 5297. DOI: 10.1109/ TITS.2021.3052882
2. டாங் இசட், லியாங் எஃப்எக்ஸ், யாங் பிஎஸ், மற்றும் பலர். பெரிய அளவிலான டெரஸ்ட்ரியல் லேசர் ஸ்கேனர் புள்ளி மேகங்களின் பதிவு: ஒரு மறுview மற்றும் அளவுகோல் [J]. ISPRS ஜர்னல் ஆஃப் ஃபோட்டோகிராமெட்ரி மற்றும் ரிமோட் சென்சிங், 2020, 163: 327– 342. DOI: 10.1016/j.isprsjprs.2020.03.013
3. GRAZIOSI D, NAKAGAMI O, KUMA S, மற்றும் பலர். ஒரு ஓவர்view தற்போதைய புள்ளி கிளவுட் சுருக்க தரநிலைப்படுத்தல் செயல்பாடுகள்: வீடியோ அடிப்படையிலான (V-PCC) மற்றும் வடிவியல் அடிப்படையிலான (G-PCC) [J]. சிக்னல் மற்றும் தகவல் செயலாக்கத்தில் APSIPA பரிவர்த்தனைகள், 2020, 9: e13
4. DE QUEIROZ RL, CHOU P A. 3D புள்ளி மேகங்களின் சுருக்கம் ஒரு பிராந்திய-அடாப்டிவ் படிநிலை மாற்றத்தைப் பயன்படுத்தி [J]. பட செயலாக்கத்தில் IEEE பரிவர்த்தனைகள், 2016, 25(8): 3947–3956. DOI: 10.1109/TIP.2016.2575005
5. பிளெட்டர் ஏ, பயன் எஃப், அன்டோனினி எம், மற்றும் பலர். ஆழ வரைபடங்களைப் பயன்படுத்தி புள்ளி மேகம் சுருக்கம் [J]. எலக்ட்ரானிக் இமேஜிங், 2016, 2016(21):1–6
6. MEKURIA R, BLOM K, CESAR P. டெலி-அமர்சிவ் வீடியோ [J]க்கான புள்ளி கிளவுட் கோடெக்கின் வடிவமைப்பு, செயல்படுத்தல் மற்றும் மதிப்பீடு. வீடியோ தொழில்நுட்பத்திற்கான சுற்றுகள் மற்றும் அமைப்புகளில் IEEE பரிவர்த்தனைகள், 2017, 27(4): 828 – 842. DOI: 10.1109/ TCSVT.2016.2543039
7. DE QUEIROZ RL, CHOU P A. டைனமிக் வோக்சலைஸ்டு பாயிண்ட் மேகங்களின் இயக்கம்-ஈடுபடுத்தப்பட்ட சுருக்கம் [J]. பட செயலாக்கத்தில் IEEE பரிவர்த்தனைகள், 2017, 26 (8): 3886–3895. DOI: 10.1109/TIP.2017.2707807
8. CAO C, PREDA M, ZAHARIA T. 3D புள்ளி கிளவுட் கம்ப்ரஷன்: ஒரு ஆய்வு [C]// 24D இல் 3வது சர்வதேச மாநாடு Web தொழில்நுட்பம். ACM, 2019: 1–9. DOI: 10.1145/3329714.3338130
9. GRAZIOSI D, NAKAGAMI O, KUMA S, மற்றும் பலர். ஒரு ஓவர்view தற்போதைய புள்ளி கிளவுட் சுருக்க தரநிலைப்படுத்தல் செயல்பாடுகள்: வீடியோ அடிப்படையிலான (V-PCC) மற்றும் வடிவியல் அடிப்படையிலான (G-PCC) [J]. சிக்னல் மற்றும் தகவல் செயலாக்கத்தில் APSIPA பரிவர்த்தனைகள், 2020, 9(1): e13. DOI: 10.1017/atsip.2020.12
10. HUANG Y, PENG JL, KUO CJ, மற்றும் பலர். புள்ளி மேகங்களின் ஆக்ட்ரீ-அடிப்படையிலான முற்போக்கான வடிவியல் குறியீட்டு முறை [C]//புள்ளி அடிப்படையிலான கிராபிக்ஸ் மீதான 3வது யூரோகிராபிக்ஸ்/IEEE VGTC மாநாடு. IEEE, 2016: 103–110
11. FAN YX, HUANG Y, PENG J L. படிநிலை புள்ளி கிளஸ்டரிங் [C]//ஆசியா-பசிபிக் சிக்னல் மற்றும் தகவல் செயலாக்க சங்கத்தின் வருடாந்திர உச்சிமாநாடு மற்றும் மாநாடு அடிப்படையில் புள்ளி கிளவுட் சுருக்கம். IEEE, 2014: 1 - 7. DOI: 10.1109/APSIPA.2013.6694334
12. டிரிகாட் ஏ, அசென்சோ ஜே. வடிவியல் அடிப்படையிலான புள்ளி கிளவுட் கோடிங்கிற்கான அடாப்டிவ் மல்டி-லெவல் முக்கோண சூப் [C]//மல்டிமீடியா சிக்னல் ப்ராசஸிங்கிற்கான 21வது சர்வதேச பட்டறை (MMSP). IEEE, 2019: 1 - 6. DOI: 10.1109/ MMSP.2019.8901791
13. HE C, RAN LQ, WANG L, மற்றும் பலர். வடிவ வடிவ பகுப்பாய்வின் அடிப்படையில் பாயிண்ட் செட் மேற்பரப்பு சுருக்கம் [J]. மல்டிமீடியா கருவிகள் மற்றும் பயன்பாடுகள், 2017, 76(20): 20545–20565. DOI: 10.1007/s11042-016-3991-0
14. IMDAD U, ASIF M, AHMAD M, மற்றும் பலர். முப்பரிமாண புள்ளி கிளவுட் கம்ப்ரஷன் மற்றும் டிகம்பரஷ்ஷன் பட்டம் ஒன்றின் பல்லுறுப்புக்கோவைகளைப் பயன்படுத்தி [J]. சமச்சீர், 2019, 11(2): 209. DOI: 10.3390/sym11020209
15. SUN XB, MA H, SUN YX, மற்றும் பலர். க்ளஸ்டரிங் [J] அடிப்படையிலான ஒரு புதிய புள்ளி கிளவுட் சுருக்க அல்காரிதம். IEEE ரோபாட்டிக்ஸ் மற்றும் ஆட்டோமேஷன் கடிதங்கள், 2019, 4(2): 2132–2139. DOI: 10.1109/LRA.2019.2900747
16. டி ஆலிவேரா ரென்டே பி, பிரிட்ஸ் சி, அசென்சோ ஜே, மற்றும் பலர். வரைபட அடிப்படையிலான நிலையான 3D புள்ளி மேகங்கள் வடிவியல் குறியீட்டு முறை [J]. மல்டிமீடியாவில் IEEE பரிவர்த்தனைகள், 2019, 21(2): 284–299. DOI: 10.1109/TMM.2018.2859591
17. ஐஎஸ்ஓ. ஜியோமெட்ரி அடிப்படையிலான புள்ளி கிளவுட் கம்ப்ரஷன் (G-PCC): ISO/IEC 23090-9 [S]. 2021
18. DRICOT A, ASCENSO J. ஹைப்ரிட் ஆக்ட்ரீ-பிளேன் பாயிண்ட் கிளவுட் ஜியோமெட்ரி குறியீட்டு முறை [C]//The 27th European Signal Processing Conference (EUSIPCO). IEEE, 2019: 1–5
19. ZHANG X, GAO W, LIU S. புள்ளி கிளவுட் சுருக்கத்திற்கான மறைமுக வடிவியல் பகிர்வு [C]//2020 தரவு சுருக்க மாநாட்டின் செயல்முறைகள் (DCC). IEEE, 2020: 73–82. DOI: 10.1109/DCC47342.2020.00015
20. QUACH M, VALENZISE G, DUFAUX F. லாசி பாயின்ட் கிளவுட் ஜியோமெட்ரி சுருக்கத்திற்கான கன்வல்யூஷனல் டிரான்ஸ்ஃபார்ம்களை கற்றல் [C]//தி 2019 IEEE இன்டர்நேஷனல் கான்ஃபெரன்ஸ் ஆன் இமேஜ் பிராசஸிங் (ICIP). IEEE, 2019: 4320– 4324. DOI: 10.1109/ICIP.2019.8803413
21. HUANG TX, LIU Y. ஆழமான கற்றலில் 3D புள்ளி கிளவுட் ஜியோமெட்ரி சுருக்கம் [C]//மல்டிமீடியாவில் 27வது ACM சர்வதேச மாநாடு. ACM, 2019: 890–898. DOI: 10.1145/3343031.3351061
22. GUARDA AFR, RODRIGUES NMM, PEREIRA F. பாயிண்ட் கிளவுட் கோடிங்: ஆழ்ந்த கற்றல் அடிப்படையிலான அணுகுமுறையை ஏற்றுக்கொள்வது [C]//படக் குறியீட்டு சிம்போசியம் (PCS). IEEE, 2020: 1–5. DOI: 10.1109/PCS48520.2019.8954537
23. WANG JQ, ZHU H, MA Z, மற்றும் பலர். புள்ளி கிளவுட் ஜியோமெட்ரி சுருக்கத்தை [EB/OL] கற்றுக்கொண்டது. [2023-09-01]. https://arxiv.org/abs/1909.12037.pdf
24. ஐனாலா கே, மெகுரியா ஆர்என், கதாரியா பி, மற்றும் பலர். ப்ளேன் ப்ரொஜெக்ஷன் ap⁃ ப்ரோக்ஸிமேஷன் [C]//SPIE ஆப்டிகல் இன்ஜினியரிங்+பயன்பாடுகளுடன் ஆக்ட்ரீ அடிப்படையிலான புள்ளி கிளவுட் கம்ப்ரஷனுக்கான மேம்படுத்தப்பட்ட மேம்படுத்தப்பட்ட அடுக்கு. SPIE, 2016: 223– 231. DOI: 10.1117/12.2237753
25. SCHWARZ S, HANNUKSELA MM, FAKOUR-SEVOM V, மற்றும் பலர். வால்யூமெட்ரிக் வீடியோ தரவின் 2டி வீடியோ கோடிங் [C]//படக் குறியீட்டு சிம்போசியம் (பிசிஎஸ்). IEEE, 2018: 61–65. DOI: 10.1109/PCS.2018.8456265
26. FAKOUR SEVOM V, SCHWARZ S, GABBOUJ M. ப்ரொஜெக்ஷன்-அடிப்படையிலான டைனமிக் பாயிண்ட் கிளவுட் கோடிங்கிற்கான ஜியோமெட்ரி-வழிகாட்டப்பட்ட 3D தரவு இடைக்கணிப்பு [C]//விஷுவல் இன்ஃபர்மேஷன் பிராசஸிங்கிற்கான 7வது ஐரோப்பியப் பட்டறை (EUVIP). IEEE, 2019: 1–6. DOI: 0.1109/EUVIP.2018.8611760
27. கதாரியா பி, எல்ஐ எல், எல்ஐ இசட், மற்றும் பலர். லாஸ்லெஸ் டைனமிக் பாயிண்ட் கிளவுட் ஜியோமெட்ரி கம்ப்ரஷன் உடன் இண்டர்-காம்பென்சேஷன் மற்றும் டிராவல்லிங் சேல்ஸ்மேன் கணிப்பு [C]// தரவு சுருக்க மாநாடு. IEEE, 2018: 414. DOI: 10.1109/ DCC.2018.00067
28. ஐஎஸ்ஓ. விஷுவல் வால்யூமெட்ரிக் வீடியோ அடிப்படையிலான குறியீட்டு முறை (V3C) மற்றும் வீடியோ அடிப்படையிலான புள்ளி கிளவுட் சுருக்கம்: ISO/IEC 23090-5 [S]. 2021
29. பார்க் ஜே, லீ ஜே, பார்க் எஸ், மற்றும் பலர். 3D பாயின்ட் கிளவுட் கம்ப்ரஷனுக்கான ப்ரொஜெக்ஷன் அடிப்படையிலான ஆக்யூபென்சி மேப் குறியீட்டு முறை [J]. ஸ்மார்ட் ப்ராசசிங் & கம்ப்யூட்டிங்கில் IEIE பரிவர்த்தனைகள், 2020, 9(4): 293–297. DOI: 10.5573/ieiespc.2020.9.4.293
30. கோஸ்டா ஏ, டிரிகாட் ஏ, பிரிட்ஸ் சி மற்றும் பலர். MPEG V-PCC தரநிலைக்கான மேம்படுத்தப்பட்ட பேட்ச் பேக்கிங் [C]//IEEE 21வது சர்வதேச மல்டிமீடியா சிக்னல் செயலாக்கப் பட்டறை (MMSP). IEEE, 2019: 1 - 6. DOI: 10.1109/ MMSP.2019.8901690
31. KAMMERL J, BLODOW N, RUSU RB, மற்றும் பலர். புள்ளி கிளவுட் ஸ்ட்ரீம்களின் நிகழ்நேர சுருக்கம் [C]//ரோபாட்டிக்ஸ் மற்றும் ஆட்டோமேஷன் மீதான 2012 IEEE சர்வதேச மாநாட்டின் செயல்முறைகள். IEEE, 2012: 778 – 785. DOI: 10.1109/ ICRA.2012.6224647
32. பிசிஎல். புள்ளி கிளவுட் நூலகம். [EB/OL]. [2023-09-01]. http://pointclouds.org/
33. THANOU D, CHOU PA, FROSSARD பி பட செயலாக்கத்தில் IEEE பரிவர்த்தனைகள், 3, 2016(25): 4–1765. DOI: 1778/TIP.10.1109
34. LI L, LI Z, ZAKHARCHENKO V, மற்றும் பலர். வீடியோ அடிப்படையிலான புள்ளி மேகக்கணிக்கான மேம்பட்ட 3D மோஷன் கணிப்பு சுருக்கம் [C]//தரவு சுருக்க மாநாடு (DCC). IEEE, 2019: 498–507. DOI: 10.1109/DCC.2019.00058
    ZHAO LL, MA KK, LIN XH, மற்றும் பலர். நிகழ்நேர LiDAR புள்ளி கிளவுட் கம்ப்ரஷன் இரு-திசை முன்கணிப்பு மற்றும் வரம்பு-அடாப்டிவ் மிதக்கும்-புள்ளி குறியீட்டு முறையைப் பயன்படுத்தி [J]. ஒளிபரப்பில் IEEE பரிவர்த்தனைகள், 2022, 68(3): 620 – 635. DOI: 10.1109/TBC.2022.3162406
35. LIN JP, LIU D, LI HQ, மற்றும் பலர். M-LVC: கற்றறிந்த வீடியோ சுருக்கத்திற்கான பல பிரேம்கள் கணிப்பு [C]//IEEE/CVF மாநாடு பற்றிய கணினி பார்வை மற்றும் வடிவ அங்கீகாரம். IEEE, 2020: 3543 – 3551. DOI: 10.1109/ CVPR42600.2020.00360
36. YANG R, MENTZER F, VAN GOOL L, மற்றும் பலர். படிநிலை தரம் மற்றும் தொடர்ச்சியான மேம்பாடு [C]//IEEE/CVF மாநாடு கணினி பார்வை மற்றும் வடிவ அங்கீகாரத்துடன் வீடியோ சுருக்கத்திற்கான கற்றல். IEEE, 2020: 6627–6636.DOI: 10.1109/CVPR42600.2020.00666
37. KAYA EC, TABUS I. வரிசை உகந்த CNN மாதிரிகளைப் பயன்படுத்தி புள்ளி கிளவுட் வரிசைகளின் இழப்பற்ற சுருக்கம் [J]. IEEE அணுகல், 2022, 10: 83678 –83691. DOI: 10.1109/ACCESS.2022.3197295
38. டிங் எஸ், மன்னன் எம்ஏ, பூ ஏ என் கணினி உதவி வடிவமைப்பு, 5, 2004(36): 13-1281
39. ALEXIOU E, VIOLA I, BORGES TM, மற்றும் பலர். MPEG பாயிண்ட் கிளவுட் கம்ப்ரஷனில் [J] விகிதம்-மாறுதல் செயல்திறன் பற்றிய விரிவான ஆய்வு. சிக்னல் மற்றும் தகவல் செயலாக்கத்தில் APSIPA பரிவர்த்தனைகள், 2019, 8: e27. doi:10.1017/ ATSIP.2019.20
40. PEIXOTO E. டையாடிக் சிதைவை [J] பயன்படுத்தி புள்ளி கிளவுட் வடிவவியலின் உள்-பிரேம் சுருக்கம். IEEE சிக்னல் செயலாக்க கடிதங்கள், 2020, 27: 246–250. DOI: 10.1109/LSP.2020.2965322
41. RAMALHO E, PEIXOTO E, MEDEIROS E. Silhouette 4D உடன் சூழல் தேர்வு: மாறும் புள்ளி மேகங்களின் இழப்பற்ற வடிவியல் சுருக்கம் [J]. IEEE சிக்னல் செயலாக்க கடிதங்கள், 2021, 28: 1660 – 1664. DOI: 10.1109/ lsp.2021.3102525
42. ஐஎஸ்ஓ. G-PCC ஆவணம் N00106க்கான பொதுவான சோதனை நிபந்தனைகள்: ISO/IEC JTC 1/ SC 29/WG 7 MPEG [S]. 2021

சுயசரிதைகள்

• ஜாங் ஹுய்ரன் 2020 மற்றும் 2023 ஆம் ஆண்டுகளில் சீனாவின் வுஹான் பல்கலைக்கழகத்தில் இருந்து ஸ்கூல் ஆஃப் ஜியோடெஸி மற்றும் ஜியோமேடிக்ஸ் மற்றும் ஸ்டேட் கீ லேபரட்டரி ஆஃப் இன்ஃபர்மேஷன் இன்ஜினியரிங் மேப்பிங் மற்றும் ரிமோட் சென்சிங்கில் தனது BE மற்றும் ME பட்டங்களைப் பெற்றார். அவர் தற்போது சீனாவின் குவாங்சோ நகர திட்டமிடல் மற்றும் வடிவமைப்பு ஆய்வு ஆராய்ச்சி நிறுவனத்தின் சர்வேயராக உள்ளார். அவரது ஆராய்ச்சி ஆர்வங்களில் புள்ளி கிளவுட் தரவு செயலாக்கம் மற்றும் சுருக்கம் ஆகியவை அடங்கும். ரிமோட் சென்சிங் துறை தொடர்பான பல திட்டங்களில் அவர் பங்கேற்றார் மற்றும் வுஹான் பல்கலைக்கழகத்தின் புவியியல் மற்றும் தகவல் அறிவியலில் ஒரு கட்டுரையை வெளியிட்டார்.
• டாங் ஜென் (dongzhenwhu@whu.edu.cn) முறையே 2011 மற்றும் 2018 ஆம் ஆண்டுகளில் சீனாவின் வுஹான் பல்கலைக்கழகத்தில் ரிமோட் சென்சிங் மற்றும் போட்டோகிராமெட்ரியில் BE மற்றும் PhD பட்டங்களைப் பெற்றார். அவர் வுஹான் பல்கலைக்கழகத்தில் சர்வேயிங், மேப்பிங் மற்றும் ரிமோட் சென்சிங் (LIESMARS) ஆகியவற்றில் தகவல் பொறியியலின் மாநில முக்கிய ஆய்வகத்தின் பேராசிரியராக உள்ளார். அவரது ஆராய்ச்சி ஆர்வங்களில் 3D புனரமைப்பு, காட்சி புரிதல், புள்ளி கிளவுட் செயலாக்கம் மற்றும் அறிவார்ந்த போக்குவரத்து அமைப்பு, டிஜிட்டல் இரட்டை நகரங்கள், நகர்ப்புற நிலையான வளர்ச்சி மற்றும் ரோபாட்டிக்ஸ் ஆகியவற்றில் அவற்றின் பயன்பாடுகள் அடங்கும். அவர் பல்வேறு தேசிய மற்றும் சர்வதேச போட்டிகளில் இருந்து 10 க்கும் மேற்பட்ட விருதுகளைப் பெற்றார் மற்றும் பல்வேறு பத்திரிகைகள் மற்றும் மாநாடுகளில் சுமார் 60 கட்டுரைகளை வெளியிட்டார்.
  வாங் மிங்ஷெங் 2001 இல் சீனாவின் ஜிலின் பல்கலைக்கழகத்தில் கணினி அறிவியல் மற்றும் தொழில்நுட்பக் கல்லூரியில் BE பட்டமும், 2004 இல் சீனாவின் தென் சீன தொழில்நுட்ப பல்கலைக்கழகத்தில் கணினி அறிவியல் மற்றும் பொறியியல் பள்ளியில் ME பட்டமும் பெற்றார். தற்போது குவாங்சோ நகரத் திட்டமிடலில் மூத்த பொறியாளராக உள்ளார். & வடிவமைப்பு ஆய்வு ஆராய்ச்சி நிறுவனம், சீனா. அவரது ஆராய்ச்சி ஆர்வங்களில் கணினி பயன்பாடுகள் மற்றும் மென்பொருள், உடலியல் மற்றும் கணக்கெடுப்பு ஆகியவை அடங்கும். அவர் பல்வேறு தேசிய போட்டிகளில் இருந்து 20 க்கும் மேற்பட்ட விருதுகளைப் பெற்றார் மற்றும் பல்வேறு பத்திரிகைகள் மற்றும் மாநாடுகளில் சுமார் 50 கட்டுரைகளை வெளியிட்டார்.

DOI: 10.12142/ZTECOM.202304003
https://kns.cnki.net/kcms/detail/34.1294.TN.20231108.1004.002.htmlநவம்பர் 8, 2023 அன்று ஆன்லைனில் வெளியிடப்பட்டது
கையெழுத்துப் பிரதி பெறப்பட்டது: 2023-09-11

ஆவணங்கள் / ஆதாரங்கள்

லாஸ்லெஸ் பாயிண்ட் கிளவுட் ஜியோமெட்ரி சுருக்கத்திற்கான ZTE வழிகாட்டப்பட்ட அல்காரிதம் [pdf] பயனர் வழிகாட்டி லாஸ்லெஸ் பாயிண்ட் கிளவுட் ஜியோமெட்ரி சுருக்கத்திற்கான வழிகாட்டி அல்காரிதம், வழிகாட்டுதல், லாஸ்லெஸ் பாயிண்ட் கிளவுட் ஜியோமெட்ரி சுருக்கத்திற்கான அல்காரிதம், லாஸ்லெஸ் பாயிண்ட் கிளவுட் ஜியோமெட்ரி கம்ப்ரஷன், பாயிண்ட் கிளவுட் ஜியோமெட்ரி கம்ப்ரஷன், ஜியோமெட்ரி கம்ப்ரஷன்

குறிப்புகள்

• பயனர் கையேடு