基于GPU加速的三维模型压缩与解码方法、设备及介质与流程

本发明涉及三维模型，具体地说，是涉及一种基于gpu加速的三维模型压缩与解码方法、设备及介质。

背景技术：

1、随着三维技术的快速发展，大模型（顶点数百万级及以上）的应用日益广泛，此类模型包含海量的几何信息、拓扑信息及纹理信息，数据量庞大，给存储、传输及实时渲染带来了巨大挑战。在实际应用中，大模型的加载延迟直接影响用户体验，尤其是在vr/ar、云渲染等对实时性要求极高的场景中，加载延迟过高会导致画面卡顿、眩晕等问题，严重影响应用落地。

2、目前，三维模型压缩技术主要分为基于gpu的压缩算法和基于gpu的辅助压缩算法。基于gpu的压缩算法（如基于网格剖分、矢量量化、纹理压缩等），受限于传统gpu压缩方案串行执行的特性，压缩效率低，难以满足大模型的快速压缩需求；现有基于gpu的压缩技术，大多仅用于几何信息的并行压缩，未实现压缩、解码、渲染的全流程gpu加速，且未针对大模型设计分块压缩传输机制，无法解决大模型加载延迟过高的问题。

3、同时，现有解码与渲染流程多为“先完整解码、后整体渲染”的串行模式，即需等待整个模型解码完成后才能启动渲染，导致解码与渲染过程无法并行，进一步加剧了加载延迟。此外，现有技术中，压缩算法与解码渲染的协同性差，缺乏有效的同步调度机制，难以实现解码与渲染的无缝衔接，且压缩过程中未充分考虑大模型的拓扑关联性和几何冗余特性，导致压缩比与模型保真度难以兼顾。

4、因此，如何设计一种基于gpu加速的全流程方案，实现大模型的高效压缩、快速传输，以及解码与渲染的并行执行，显著减少加载延迟，同时保证模型保真度，成为当前亟待解决的技术问题。

技术实现思路

1、为了克服现有技术中三维大模型压缩效率低、加载延迟高、解码与渲染无法并行、压缩比与保真度难以兼顾的技术问题，本发明提供一种基于gpu加速的三维模型压缩与解码方法、设备及介质，实现三维模型的高效压缩传输、边解码边渲染，显著减少加载延迟，同时兼顾压缩比与模型保真度。

2、本发明技术方案如下所述：

3、第一方面，本发明提供一种基于gpu加速的三维模型压缩与解码方法，其特征在于，包括以下步骤：

4、基于三维模型的拓扑结构和几何分布，将所述三维模型分割为若干个独立的子模型块，每个所述子模型块包含完整的拓扑信息、几何信息和纹理信息，且所述子模型块的尺寸适配gpu并行处理能力；

5、基于gpu并行计算架构，对每个所述子模型块的拓扑信息、几何信息和纹理信息进行协同压缩，并封装为压缩包；

6、基于udp协议，将各个所述子模型块的压缩包进行并行传输，并根据所述子模型块的传输优先级进行动态带宽分配；

7、接收端在接收各个所述子模型块的压缩包的同时，启动gpu并行解码与实时渲染；

8、基于动态电压频率调节技术，优化gpu的工作频率。

9、作为本发明的一个优选方案，将所述三维模型分割为若干个独立的子模型块过程中，基于所述三维模型的曲率特征和顶点密度进行自适应划分，通过最小化分块边界上所有顶点的曲率与该顶点到候选分块边界距离的乘积之和，确定分块边界集合；

10、其中，候选分块边界为所有可能的分块边界，顶点的曲率反映顶点处的模型弯曲程度，顶点到候选边界的距离为顶点与边界的最短距离。

11、作为本发明的一个优选方案，确定分块边界的数学模型为：

12、

13、其中，为分块边界集合，为候选分块边界，为顶点v的曲率，为顶点v到候选边界的距离。

14、作为本发明的一个优选方案，所述基于gpu并行计算架构，对每个所述子模型块的拓扑信息、几何信息和纹理信息进行协同压缩，并封装为压缩包，包括：

15、拓扑信息压缩：基于gpu和边权重计算模型，构建所述子模型块的顶点生成树和三角形生成树，并对所述顶点生成树和所述三角形生成树进行行程编码；

16、几何信息压缩：基于gpu的单指令流多数据流架构，对所述几何信息进行并行压缩处理；

17、纹理信息压缩：基于gpu的纹理处理单元，并行压缩处理所述纹理信息的每个纹理块，优化纹理块的编码模式选择；

18、压缩包封装：将每个所述子模型块压缩后的拓扑信息、几何信息和纹理信息，以及辅助信息封装为独立的压缩包。

19、作为本发明的一个优选方案，所述边权重计算模型为：

20、

21、其中，为第i条边的权重，为第i条边的中点，为顶点生成树的根节点，为曲率权重系数，为边中点的曲率；基于边权重，通过gpu并行遍历边集合，确定分割边，生成顶点生成树和三角形生成树。

22、作为本发明的一个优选方案，所述几何信息的压缩处理过程，包括：

23、基于顶点生成树的拓扑关联性，构建顶点坐标预测模型；

24、通过最小化预测误差平方和确定最优预测系数和偏移量；

25、采用自适应量化步长对预测误差进行量化处理；

26、对量化后的所述预测误差进行熵编码。

27、作为本发明的一个优选方案，所述子模型块的传输优先级计算公式为：

28、

29、其中，为第j个子模型块的传输优先级，为子模型块的可见性系数，为子模型块压缩包的大小，和为权重系数，。

30、作为本发明的一个优选方案，所述接收端在接收各个所述子模型块的压缩包的同时，启动gpu并行解码与实时渲染，包括：

31、压缩包接收与解析：接收端通过多线程并行接收各个所述子模型块的压缩包，解析所述压缩包的包头信息，确定所述子模型块的id、压缩参数，并将所述压缩包的数据体送入gpu解码缓冲区；

32、gpu并行解码：基于gpu的多线程架构，对每个所述子模型块的压缩包数据体进行并行熵解码；

33、解码与渲染同步调度：设计gpu同步调度模型，调整每个所述子模型块解码与渲染的同步偏差；

34、子块渲染拼接：将各个所述子模型块的渲染结果拼接为完整的模型画面；其中，拼接过程中，基于分块边界的拓扑信息，进行平滑过渡处理，并根据用户视角的变化，动态调整所述子模型块的渲染优先级，优先渲染可见区域的所述子模型块。

35、第二方面，本发明提供一种电子设备，包括：

36、至少一个处理器；以及，

37、与所述至少一个处理器通信连接的存储器；其中，

38、所述存储器存储有可被所述至少一个处理器执行的计算机程序，所述计算机程序被所述至少一个处理器执行，以使所述至少一个处理器能够执行上述的基于gpu加速的三维模型压缩与解码方法。

39、第三方面，本发明提供一种计算机可读存储介质，包括存储数据区和存储程序区，存储数据区存储创建的数据，存储程序区存储有计算机程序；其中，所述计算机程序被处理器执行时实现如上述的基于gpu加速的三维模型压缩与解码方法。

40、根据上述方案的本发明，其有益效果在于：

41、1、全流程基于gpu并行加速，大大提升了三维模型压缩速度；

42、2、采用边解码边渲染机制打破先全量解码、后整体渲染的串行模式，使三维模型加载延迟有效降低，可实现百万级顶点大模型的秒级加载；

43、3、通过自适应分块、优化预测模型和自适应量化策略，解决了三维模型加载延迟过高的问题；

44、4、通过gpu频率动态调节，在保证实时性的前提下，有效降低了gpu能耗；

45、5、适配不同尺寸的大模型和各类gpu架构（cuda、opencl、vulkan），可广泛应用于元宇宙、vr/ar、三维游戏、工业设计可视化等多个领域。