基于稀疏表示的时变体数据压缩绘制框架
在这篇文章中,描述了一个基于稀疏表示的时变体数据压缩绘制框架,它能有效缓解大规模时变数据绘制对于存储和传输带宽的严峻挑战.压缩方法首先利用时变体数据的时间一致性,提取每个相邻时间步体数据之间的残差体数据,将残差体数据分割成一些小的体数据块,然后使用基于字典原子线性组合的稀疏表示的方法来表示每一个小的体数据块.通过使用基于重要性非均匀采样优化的K-SVD算法,从残差体数据中生成并优化学习出一个最适合该数据的字典.针对压缩后的体数据实现了一个支持GPU加速的实时解压缩方法,该方法充分利用GPU缓存特性来提高算法的访存效率,有效地提升了解压算法的执行效率,使得在绘制流程中,实时进行压缩体数据的解压绘制成为可能.框架能够取得数据压缩与绘制效果的平衡,为大规模时变体数据的高效绘制提供一个可行的解决方案.
时变体数据 压缩绘制框架 执行效率 稀疏表示
林云胤 陶煜波 林海
浙江大学 CAD&CG 国家重点实验室,浙江 310000
国内会议
广州
中文
672-679
2014-11-06（万方平台首次上网日期，不代表论文的发表时间）