CN111402380A - 一种gpu压缩纹理处理方法 - Google Patents

一种gpu压缩纹理处理方法 Download PDF

Info

Publication number
CN111402380A
CN111402380A CN202010168646.6A CN202010168646A CN111402380A CN 111402380 A CN111402380 A CN 111402380A CN 202010168646 A CN202010168646 A CN 202010168646A CN 111402380 A CN111402380 A CN 111402380A
Authority
CN
China
Prior art keywords
texture
gpu
data
compression
hardware
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN202010168646.6A
Other languages
English (en)
Other versions
CN111402380B (zh
Inventor
张金矿
熊永春
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Hangzhou Quwei Science & Technology Co ltd
Original Assignee
Hangzhou Quwei Science & Technology Co ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Hangzhou Quwei Science & Technology Co ltd filed Critical Hangzhou Quwei Science & Technology Co ltd
Priority to CN202010168646.6A priority Critical patent/CN111402380B/zh
Publication of CN111402380A publication Critical patent/CN111402380A/zh
Application granted granted Critical
Publication of CN111402380B publication Critical patent/CN111402380B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T15/00—3D [Three Dimensional] image rendering
    • G06T15/005—General purpose rendering architectures
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T15/00—3D [Three Dimensional] image rendering
    • G06T15/04—Texture mapping
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T15/00—3D [Three Dimensional] image rendering
    • G06T15/50—Lighting effects
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/70—Denoising; Smoothing
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/90—Determination of colour characteristics
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
    • Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Graphics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Compression Or Coding Systems Of Tv Signals (AREA)

Abstract

本发明公开了一种GPU压缩纹理处理方法。它具体包括如下步骤：对GPU压缩纹理资源进一步编码，使用类似矢量量化的方法处理数据块，通过控制均方误差重新计算像素调色盘索引，然后借鉴差分编码思想，去除空间冗余度并生成像素调色盘索引字典，对全部数据块中的像素进行YCoCg变换和离散小波压缩，进一步去除数据冗余度，最后基于非对称数字系统的有限状态熵编码方法处理并交织数据流，生成高效压缩纹理资源。本发明的有益效果是：降低压缩纹理资源的存储尺寸；降低数据冗余度并提高解码性能和加载效率；降低显存占用，提高素材资源的加载速度，降低CPU负载；降低存储和网络传输成本，提高素材资源的加载和解码速度，解决存储空间和解码效率矛盾。

Description

一种GPU压缩纹理处理方法
技术领域
本发明涉及图形处理相关技术领域，尤其是指一种GPU压缩纹理处理方法。
背景技术
在计算机图形学中，纹理是通常指的是应用于物件表面材质或者绘制于画面上的图片资源，纹理贴图将图片资源按照特定的方式映射到物体表面，增强物体的真实感和视觉效果，是计算机图形学的基础技术之一，在图形渲染领域有着广泛应用。
因传统的图像压缩格式(JPG/PNG/WebP)具有较高的压缩比和压缩质量，故纹理素材资源大多使用其进行文件存储和网络传输。虽然使用传统的图像压缩格式所需的存储和传输成本低，但因其解码算法计算复杂度高，无法满足纹理随机访问等GPU硬件需求，在应用纹理贴图前需要利用CPU进行解码再上传到GPU中，带宽和显存占用高。
为了尽可能节省带宽和计算资源，现代GPU支持压缩纹理方式，以满足大量纹理素材资源的游戏等交互式应用的需求。GPU压缩纹理格式(DXT/PVRTC/ETC/ASTC等)使用固定比特率的压缩算法处理纹理图片，以降低硬件解码算法的复杂度和满足纹理随机访问需求，但文件存储和网络传输成本高。
为了平衡纹理素材的文件存储和所需的CPU/GPU计算资源，素材设计师和程序开发人员经常需要投入大量的时间和成本，按照不同应用和产品的具体需求进行调整。在移动互联盛行的时代，设备的品种丰富多样，CPU/GPU资源和计算能力相对有限，如何平衡纹理资源变成了一大难点和研究热点。
发明内容
本发明是为了克服现有技术中存在上述的不足，提供了一种有效平衡纹理资源的GPU压缩纹理处理方法。
为了实现上述目的，本发明采用以下技术方案：
一种GPU压缩纹理处理方法，具体包括如下步骤：
(1)根据需要选择使用合适的GPU硬件压缩纹理生成方法处理贴图素材，生成GPU硬件压缩纹理资源文件；
(2)参考矢量量化方法，重新计算数据块的图像像素索引；
(3)组合全部数据块中的端点颜色值构成原始纹理图像的低分辨率表示，然后应用YCoCg颜色空间变化解耦空间邻近RGB颜色值，对变换后的图像数据进行离散小波变换，修改数据概率分布曲线，为熵编码做准备；
(4)利用非对称数字系统方法进行熵编码，并交织熵编码结果数据，去除数据冗余度，生成GPU压缩纹理数据文件；
(5)利用GPU高效流水线和大规模数据处理能力，通过自定义解码处理过程，将纹理解码成硬件支持的压缩纹理格式对应的显存数据，满足纹理贴图需求。
GPU压缩纹理处理方法对DXT/3DC/ATC/PVRTC/ETC/ASTC等GPU压缩纹理资源进一步编码，使用类似矢量量化的方法处理数据块，通过控制均方误差重新计算像素调色盘索引，然后借鉴差分编码思想，去除空间冗余度并生成像素调色盘索引字典，对全部数据块中的像素进行YCoCg变换和离散小波压缩，进一步去除数据冗余度，最后基于非对称数字系统的有限状态熵编码方法处理并交织数据流，生成高效压缩纹理资源。其中：采用非对称数字系统(asymmetric numeral systems,ANS)的有限状态(Finite State Entropy,FSE)熵编码方法，对GPU压缩纹理资源进一步编码处理，逼近理论水平的香农信息熵，极大地降低压缩纹理资源的存储尺寸，获得接近传统图像压缩格式的压缩比；结合GPU强大的并行计算能力和硬件架构，编码时交织多个压缩数据流，支持多个压缩纹理数据块的并发解码，可充分利用GPU单指令多数据处理架构，有效降低数据冗余度并大大提高解码性能和加载效率；充分利用现代GPU硬件解码特性，在GPU中将素材资源解码为硬件所支持的压缩纹理格式，不但极大地降低了显存占用，同时可利用GPU高效的大规模数据处理能力，大大提高了素材资源的加载速度，有效降低CPU负载；支持单张纹理图片压缩和序列帧及视频纹理压缩，有效去除纹理素材资源的时间和空间冗余度，不仅大幅度降低了存储和网络传输成本，同时提高了素材资源的加载和解码速度，很好地解决了存储空间和解码效率矛盾；兼容主流的各种GPU压缩格式DXT/PVRTC/ETC/ASTC，解决不同硬件平台压缩格式不一致的问题，降低开发成本。
作为优选，在步骤(1)中，具体操作方法为：根据需要选择选取合适的GPU硬件压缩纹理生成方法，对贴图纹理图片进行转码和压缩处理，根据处理纹理图片特点和功能要求，控制图片压缩质量，生成GPU硬件直接支持的压缩纹理格式资源文件；其中：GPU硬件压缩纹理生成方法指的是根据目标硬件GPU压缩纹理格式，选取特定的编码器。
作为优选，在步骤(2)中，具体操作方法为：对硬件压缩纹理数据块中的像素索引进行有损量化处理，选择和控制数据块的整体均方误差，重新计算数据块的图像像素索引值，按照逐行遍历方式逐行遍历像素索引并构建调色盘索引字典，确保整体压缩质量损失在给定的范围内；其中：GPU硬件纹理压缩方法使用分块方法处理素材图片，硬件压缩纹理数据块是所生成的压缩资源文件的数据组成部分。
作为优选，在步骤(2)中，以NxM数据块为例，其内部包含NxM个索引及两个端点颜色值Ca和Cb作为RGB索引调色盘，使用二进制位数b进行存储像素索引值，那么量化后的第i个像素颜色值Ci按如下公式进行计算，
Figure BDA0002408334420000041
数据块的整体均方误差则按如下计算，
E＝∑||Ci-Cx||
其中：Cx表示压缩前图像的颜色像素值。
作为优选，构建调色盘索引字典具体为：按照逐行遍历方式逐行遍历并按照计算像素颜色值的公式计算MxN数据块的像素索引值，若字典中已存在相同的索引值，则将其作为该像素的调色索引值；反之，若字典中不存在相同的索引值，在字典中搜寻整体均方误差在给定的范围内的邻近的调色索引值，若找到，则将邻近值作为该像素的调色索引；反之，则将该索引值添加到字典中。
作为优选，在步骤(3)中，具体操作方法为：组合硬件压缩纹理图像的数据块中的端点颜色值，构成原始纹理图像的低分辨率表示，应用无损的YCoCg颜色空间变换，解耦空间邻近RGB颜色值，对变换后的Y通道和CoCg通道图像数据进行离散小波变换和滤波处理，修改数据概率分布曲线，为熵编码做准备。
作为优选，在步骤(4)中，具体操作方法为：基于非对称数字系统的有限状态熵编码方法，对数据块像素调色盘索引字典和离散小波变换后的数据分别进行编码处理，去除数据冗余度，同时交织熵编码结果数据，为GPU并行解码做准备，存储交织结果以生成GPU压缩纹理数据文件。
作为优选，在步骤(4)中，对于动图纹理素材资源，借鉴视频编码思想，使用帧内/帧间编码和前向预测方式去除时域的信息冗余度。
作为优选，在步骤(5)中，具体操作方法为：利用GPU大规模数据平行处理能力，通过自定义处理过程着色器，反交织压缩数据流并同时解码，在显存中重新生成硬件支持的压缩纹理格式资源，对应GPU硬件压缩纹理资源应用纹理贴图方法，增强物体的真实感和视觉效果。
本发明的有益效果是：极大地降低压缩纹理资源的存储尺寸，获得接近传统图像压缩格式的压缩比；有效降低数据冗余度并大大提高解码性能和加载效率；不但极大地降低了显存占用，同时可利用GPU高效的大规模数据处理能力，大大提高了素材资源的加载速度，有效降低CPU负载；有效去除纹理素材资源的时间和空间冗余度，不仅大幅度降低了存储和网络传输成本，同时提高了素材资源的加载和解码速度，很好地解决了存储空间和解码效率矛盾；解决不同硬件平台压缩格式不一致的问题，降低开发成本。
附图说明
图1是本发明的方法流程图。
具体实施方式
下面结合附图和具体实施方式对本发明做进一步的描述。
该GPU压缩纹理处理方法利用现代图形处理器可编程管线的特点和强大的并行数据处理能力，在GPU中将纹理素材解码成GPU硬件支持的压缩纹理格式，大大提高了算法的处理效率，极大地减少CPU计算量和运算负载，可在移动设备中实时处理。
为了极大化渲染效率和最大化纹理解码算法的通用性，首先会根据具体GPU的能力和不同操作系统，选择最优GPU编程语言。在微软Windows系统中使用Direct3D/Vulkan/CUDA/OpenCL，在Linux系统中使用Vulkan/OpenGL/OpenCL/CUDA，在谷歌Android系统中使用Vulkan/OpenGL ES，而在苹果iOS和Mac OS X系统中则使用Metal/OpenGL/OpenGL ES/OpenCL，然后使用相应的GPU着色器编程语言具体实现纹理解码的具体数据处理过程。
如图1所述的实施例中，一种GPU压缩纹理处理方法，具体包括如下步骤：
(1)根据需要选择使用合适的GPU硬件压缩纹理生成方法处理图像、序列帧和视频等各种贴图素材，生成GPU硬件压缩纹理资源文件；具体操作方法为：根据需要选择选取合适的GPU硬件压缩纹理生成方法，对贴图纹理图片进行转码和压缩处理，根据处理纹理图片特点和功能要求，控制图片压缩质量，生成GPU硬件直接支持的压缩纹理格式资源文件；其中：GPU硬件压缩纹理生成方法指的是根据目标硬件GPU压缩纹理格式，选取特定的编码器。若目标压缩纹理格式为DXT，则选择DXT编码算法处理原始素材图片/视频，其他格式亦然。
(2)参考矢量量化方法，重新计算数据块的图像像素索引；具体操作方法为：对硬件压缩纹理数据块中的像素索引进行有损量化处理，选择和控制数据块的整体均方误差，重新计算数据块的图像像素索引值，按照逐行遍历方式逐行遍历像素索引并构建调色盘索引字典，确保整体压缩质量损失在给定的范围内；其中：GPU硬件纹理压缩方法使用分块方法处理素材图片，硬件压缩纹理数据块是所生成的压缩资源文件的数据组成部分。以NxM数据块为例，其内部包含NxM个索引及两个端点颜色值Ca和Cb作为RGB索引调色盘，使用二进制位数b进行存储像素索引值，那么量化后的第i个像素颜色值Ci按如下公式进行计算，
Figure BDA0002408334420000071
数据块的整体均方误差则按如下计算，
E＝∑||Ci-Cx||
其中：Cx表示压缩前图像的颜色像素值。
构建调色盘索引字典具体为：按照逐行遍历方式逐行遍历并按照计算像素颜色值的公式计算MxN数据块的像素索引值，若字典中已存在相同的索引值，则将其作为该像素的调色索引值；反之，若字典中不存在相同的索引值，在字典中搜寻整体均方误差在给定的范围内的邻近的调色索引值，若找到，则将邻近值作为该像素的调色索引；反之，则将该索引值添加到字典中。
(3)组合全部数据块中的端点颜色值构成原始纹理图像的低分辨率表示，然后应用YCoCg颜色空间变化解耦空间邻近RGB颜色值，对变换后的图像数据进行离散小波变换，修改数据概率分布曲线，为熵编码做准备；具体操作方法为：组合硬件压缩纹理图像的数据块中的端点颜色值，构成原始纹理图像的低分辨率表示，应用无损的YCoCg颜色空间变换，解耦空间邻近RGB颜色值，对变换后的Y通道和CoCg通道图像数据进行离散小波变换和滤波处理，修改数据概率分布曲线，为熵编码做准备。
(4)利用非对称数字系统方法进行熵编码，并交织熵编码结果数据，去除数据冗余度，生成GPU压缩纹理数据文件；具体操作方法为：基于非对称数字系统的有限状态熵编码方法，对数据块像素调色盘索引字典和离散小波变换后的数据分别进行编码处理，去除数据冗余度，同时交织熵编码结果数据，为GPU并行解码做准备，存储交织结果以生成GPU压缩纹理数据文件。对于序列帧和视频等动图纹理素材资源，借鉴视频编码思想，使用帧内/帧间编码和前向预测等方式去除时域的信息冗余度。
(5)利用GPU高效流水线和大规模数据处理能力，通过自定义解码处理过程，将纹理解码成硬件支持的压缩纹理格式对应的显存数据，满足纹理贴图需求；具体操作方法为：利用GPU大规模数据平行处理能力，通过自定义处理过程着色器，反交织压缩数据流并同时解码，在显存中重新生成硬件支持的压缩纹理格式资源，对应GPU硬件压缩纹理资源应用纹理贴图方法，增强物体的真实感和视觉效果。
GPU压缩纹理处理方法对DXT/3DC/ATC/PVRTC/ETC/ASTC等GPU压缩纹理资源进一步编码，使用类似矢量量化的方法处理数据块，通过控制均方误差重新计算像素调色盘索引，然后借鉴差分编码思想，去除空间冗余度并生成像素调色盘索引字典，对全部数据块中的像素进行YCoCg变换和离散小波压缩，进一步去除数据冗余度，最后基于非对称数字系统的有限状态熵编码方法处理并交织数据流，生成高效压缩纹理资源。采用非对称数字系统(asymmetric numeral systems,ANS)的有限状态(Finite State Entropy,FSE)熵编码方法，对GPU压缩纹理资源进一步编码处理，逼近理论水平的香农信息熵，极大地降低压缩纹理资源的存储尺寸，获得接近传统图像压缩格式的压缩比；结合GPU强大的并行计算能力和硬件架构，编码时交织多个压缩数据流，支持多个压缩纹理数据块的并发解码，可充分利用GPU单指令多数据处理架构，有效降低数据冗余度并大大提高解码性能和加载效率；充分利用现代GPU硬件解码特性，在GPU中将素材资源解码为硬件所支持的压缩纹理格式，不但极大地降低了显存占用，同时可利用GPU高效的大规模数据处理能力，大大提高了素材资源的加载速度，有效降低CPU负载；支持单张纹理图片压缩和序列帧及视频纹理压缩，有效去除纹理素材资源的时间和空间冗余度，不仅大幅度降低了存储和网络传输成本，同时提高了素材资源的加载和解码速度，很好地解决了存储空间和解码效率矛盾；兼容主流的各种GPU压缩格式DXT/PVRTC/ETC/ASTC，解决不同硬件平台压缩格式不一致的问题，降低开发成本。

Claims (9)

1.一种GPU压缩纹理处理方法，其特征是，具体包括如下步骤：
(1)根据需要选择使用合适的GPU硬件压缩纹理生成方法处理贴图素材，生成GPU硬件压缩纹理资源文件；
(2)参考矢量量化方法，重新计算数据块的图像像素索引；
(3)组合全部数据块中的端点颜色值构成原始纹理图像的低分辨率表示，然后应用YCoCg颜色空间变化解耦空间邻近RGB颜色值，对变换后的图像数据进行离散小波变换，修改数据概率分布曲线，为熵编码做准备；
(4)利用非对称数字系统方法进行熵编码，并交织熵编码结果数据，去除数据冗余度，生成GPU压缩纹理数据文件；
(5)利用GPU高效流水线和大规模数据处理能力，通过自定义解码处理过程，将纹理解码成硬件支持的压缩纹理格式对应的显存数据，满足纹理贴图需求。
2.根据权利要求1所述的一种GPU压缩纹理处理方法，其特征是，在步骤(1)中，具体操作方法为：根据需要选择选取合适的GPU硬件压缩纹理生成方法，对贴图纹理图片进行转码和压缩处理，根据处理纹理图片特点和功能要求，控制图片压缩质量，生成GPU硬件直接支持的压缩纹理格式资源文件；其中：GPU硬件压缩纹理生成方法指的是根据目标硬件GPU压缩纹理格式，选取特定的编码器。
3.根据权利要求1所述的一种GPU压缩纹理处理方法，其特征是，在步骤(2)中，具体操作方法为：对硬件压缩纹理数据块中的像素索引进行有损量化处理，选择和控制数据块的整体均方误差，重新计算数据块的图像像素索引值，按照逐行遍历方式逐行遍历像素索引并构建调色盘索引字典，确保整体压缩质量损失在给定的范围内；其中：GPU硬件纹理压缩方法使用分块方法处理素材图片，硬件压缩纹理数据块是所生成的压缩资源文件的数据组成部分。
4.根据权利要求3所述的一种GPU压缩纹理处理方法，其特征是，在步骤(2)中，以NxM数据块为例，其内部包含NxM个索引及两个端点颜色值ca和cb作为RGB索引调色盘，使用二进制位数b进行存储像素索引值，那么量化后的第i个像素颜色值Ci按如下公式进行计算，
Figure FDA0002408334410000021
数据块的整体均方误差则按如下计算，
E＝∑||Ci-Cx||
其中：Cx表示压缩前图像的颜色像素值。
5.根据权利要求4所述的一种GPU压缩纹理处理方法，其特征是，构建调色盘索引字典具体为：按照逐行遍历方式逐行遍历并按照计算像素颜色值的公式计算MxN数据块的像素索引值，若字典中已存在相同的索引值，则将其作为该像素的调色索引值；反之，若字典中不存在相同的索引值，在字典中搜寻整体均方误差在给定的范围内的邻近的调色索引值，若找到，则将邻近值作为该像素的调色索引；反之，则将该索引值添加到字典中。
6.根据权利要求1所述的一种GPU压缩纹理处理方法，其特征是，在步骤(3)中，具体操作方法为：组合硬件压缩纹理图像的数据块中的端点颜色值，构成原始纹理图像的低分辨率表示，应用无损的YCoCg颜色空间变换，解耦空间邻近RGB颜色值，对变换后的Y通道和CoCg通道图像数据进行离散小波变换和滤波处理，修改数据概率分布曲线，为熵编码做准备。
7.根据权利要求3所述的一种GPU压缩纹理处理方法，其特征是，在步骤(4)中，具体操作方法为：基于非对称数字系统的有限状态熵编码方法，对数据块像素调色盘索引字典和离散小波变换后的数据分别进行编码处理，去除数据冗余度，同时交织熵编码结果数据，为GPU并行解码做准备，存储交织结果以生成GPU压缩纹理数据文件。
8.根据权利要求7所述的一种GPU压缩纹理处理方法，其特征是，在步骤(4)中，对于动图纹理素材资源，借鉴视频编码思想，使用帧内/帧间编码和前向预测方式去除时域的信息冗余度。
9.根据权利要求1所述的一种GPU压缩纹理处理方法，其特征是，在步骤(5)中，具体操作方法为：利用GPU大规模数据平行处理能力，通过自定义处理过程着色器，反交织压缩数据流并同时解码，在显存中重新生成硬件支持的压缩纹理格式资源，对应GPU硬件压缩纹理资源应用纹理贴图方法，增强物体的真实感和视觉效果。
CN202010168646.6A 2020-03-12 2020-03-12 一种gpu压缩纹理处理方法 Active CN111402380B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010168646.6A CN111402380B (zh) 2020-03-12 2020-03-12 一种gpu压缩纹理处理方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010168646.6A CN111402380B (zh) 2020-03-12 2020-03-12 一种gpu压缩纹理处理方法

Publications (2)

Publication Number Publication Date
CN111402380A true CN111402380A (zh) 2020-07-10
CN111402380B CN111402380B (zh) 2023-06-30

Family

ID=71428773

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010168646.6A Active CN111402380B (zh) 2020-03-12 2020-03-12 一种gpu压缩纹理处理方法

Country Status (1)

Country Link
CN (1) CN111402380B (zh)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113034339A (zh) * 2020-10-26 2021-06-25 中国人民解放军92942部队 一种基于gpu加速的提高振动数据传输带宽方法
CN113327303A (zh) * 2021-08-03 2021-08-31 腾讯科技（深圳）有限公司 图像处理方法、装置、计算机设备及存储介质
CN116489368A (zh) * 2023-06-21 2023-07-25 禹创半导体(深圳)有限公司 影像动态压缩方法及影像动态压缩装置
CN116721196A (zh) * 2023-06-26 2023-09-08 北京麟卓信息科技有限公司 一种压缩纹理的动态转换方法
CN117218263A (zh) * 2023-09-12 2023-12-12 山东捷瑞信息技术产业研究院有限公司 一种基于三维引擎的纹理轻量化优化方法及系统

Citations (21)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CA2068042A1 (en) * 1991-07-22 1993-01-23 Leon Lumelsky Multi-source image real time mixing and anti-aliasing
EP0739139A2 (en) * 1995-04-18 1996-10-23 Sun Microsystems, Inc. Decoder for an end-to-end scalable video delivery system
AU1591999A (en) * 1997-11-25 1999-06-15 Thomson Licensing S.A. Device interoperability utilizing bit-mapped on-screen display menus
US20040151372A1 (en) * 2000-06-30 2004-08-05 Alexander Reshetov Color distribution for texture and image compression
EP1484717A2 (en) * 2003-06-05 2004-12-08 General Electric Company Enhancement of radiographic images
AU2005200191A1 (en) * 2001-08-06 2005-02-03 Zamtec Limited Printing control based on radio frequency identification of printing cartridge
EP1589761A1 (en) * 2004-04-19 2005-10-26 Oplayo Oy A codec adapted to operate in rgb color space
CN1717938A (zh) * 2004-05-20 2006-01-04 株式会社摩迩迪 编码移动通信终端的运动图像的系统和方法
CN101604453A (zh) * 2009-07-08 2009-12-16 西安电子科技大学 基于分块策略的大规模数据场体绘制方法
CN101754013A (zh) * 2008-11-28 2010-06-23 汤姆森许可贸易公司 由图形处理单元支持的视频解码方法
AU2009243440A1 (en) * 2009-11-30 2011-06-16 Canon Kabushiki Kaisha Optimised rendering of palette images
EP2620918A1 (en) * 2012-01-26 2013-07-31 ST-Ericsson SA Compression format conversion for texture data
CN103391414A (zh) * 2013-07-24 2013-11-13 杭州趣维科技有限公司 一种应用于手机平台的视频处理装置及处理方法
US20150010286A1 (en) * 2003-04-25 2015-01-08 Gopro, Inc. Encoding and decoding selectively retrievable representations of video content
CN104322072A (zh) * 2011-11-04 2015-01-28 杜比实验室特许公司 分层vdr编译码中的层分解
EP2843954A1 (en) * 2013-08-28 2015-03-04 Intel IP Corporation Lossy color compression using adaptive quantization
CN104850533A (zh) * 2015-04-22 2015-08-19 南京大学 一种带约束的非负矩阵分解方法及求解方法
WO2015196079A1 (en) * 2014-06-20 2015-12-23 Qualcomm Incorporated Copy from previous rows for palette mode coding
US20170251212A1 (en) * 2016-02-29 2017-08-31 Adobe Systems Incorporated Codebook generation for cloud-based video applications
CN107633538A (zh) * 2016-07-18 2018-01-26 想象技术有限公司 Mip映射压缩
CN108495135A (zh) * 2018-03-14 2018-09-04 宁波大学 一种屏幕内容视频编码的快速编码方法

Patent Citations (21)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CA2068042A1 (en) * 1991-07-22 1993-01-23 Leon Lumelsky Multi-source image real time mixing and anti-aliasing
EP0739139A2 (en) * 1995-04-18 1996-10-23 Sun Microsystems, Inc. Decoder for an end-to-end scalable video delivery system
AU1591999A (en) * 1997-11-25 1999-06-15 Thomson Licensing S.A. Device interoperability utilizing bit-mapped on-screen display menus
US20040151372A1 (en) * 2000-06-30 2004-08-05 Alexander Reshetov Color distribution for texture and image compression
AU2005200191A1 (en) * 2001-08-06 2005-02-03 Zamtec Limited Printing control based on radio frequency identification of printing cartridge
US20150010286A1 (en) * 2003-04-25 2015-01-08 Gopro, Inc. Encoding and decoding selectively retrievable representations of video content
EP1484717A2 (en) * 2003-06-05 2004-12-08 General Electric Company Enhancement of radiographic images
EP1589761A1 (en) * 2004-04-19 2005-10-26 Oplayo Oy A codec adapted to operate in rgb color space
CN1717938A (zh) * 2004-05-20 2006-01-04 株式会社摩迩迪 编码移动通信终端的运动图像的系统和方法
CN101754013A (zh) * 2008-11-28 2010-06-23 汤姆森许可贸易公司 由图形处理单元支持的视频解码方法
CN101604453A (zh) * 2009-07-08 2009-12-16 西安电子科技大学 基于分块策略的大规模数据场体绘制方法
AU2009243440A1 (en) * 2009-11-30 2011-06-16 Canon Kabushiki Kaisha Optimised rendering of palette images
CN104322072A (zh) * 2011-11-04 2015-01-28 杜比实验室特许公司 分层vdr编译码中的层分解
EP2620918A1 (en) * 2012-01-26 2013-07-31 ST-Ericsson SA Compression format conversion for texture data
CN103391414A (zh) * 2013-07-24 2013-11-13 杭州趣维科技有限公司 一种应用于手机平台的视频处理装置及处理方法
EP2843954A1 (en) * 2013-08-28 2015-03-04 Intel IP Corporation Lossy color compression using adaptive quantization
WO2015196079A1 (en) * 2014-06-20 2015-12-23 Qualcomm Incorporated Copy from previous rows for palette mode coding
CN104850533A (zh) * 2015-04-22 2015-08-19 南京大学 一种带约束的非负矩阵分解方法及求解方法
US20170251212A1 (en) * 2016-02-29 2017-08-31 Adobe Systems Incorporated Codebook generation for cloud-based video applications
CN107633538A (zh) * 2016-07-18 2018-01-26 想象技术有限公司 Mip映射压缩
CN108495135A (zh) * 2018-03-14 2018-09-04 宁波大学 一种屏幕内容视频编码的快速编码方法

Cited By (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113034339A (zh) * 2020-10-26 2021-06-25 中国人民解放军92942部队 一种基于gpu加速的提高振动数据传输带宽方法
CN113034339B (zh) * 2020-10-26 2024-04-09 中国人民解放军92942部队 一种基于gpu加速的提高振动数据传输带宽方法
CN113327303A (zh) * 2021-08-03 2021-08-31 腾讯科技（深圳）有限公司 图像处理方法、装置、计算机设备及存储介质
WO2023011033A1 (zh) * 2021-08-03 2023-02-09 腾讯科技（深圳）有限公司 图像处理方法、装置、计算机设备及存储介质
CN116489368A (zh) * 2023-06-21 2023-07-25 禹创半导体(深圳)有限公司 影像动态压缩方法及影像动态压缩装置
CN116489368B (zh) * 2023-06-21 2023-09-01 禹创半导体(深圳)有限公司 影像动态压缩方法及影像动态压缩装置
CN116721196A (zh) * 2023-06-26 2023-09-08 北京麟卓信息科技有限公司 一种压缩纹理的动态转换方法
CN116721196B (zh) * 2023-06-26 2023-11-07 北京麟卓信息科技有限公司 一种压缩纹理的动态转换方法
CN117218263A (zh) * 2023-09-12 2023-12-12 山东捷瑞信息技术产业研究院有限公司 一种基于三维引擎的纹理轻量化优化方法及系统
CN117218263B (zh) * 2023-09-12 2024-03-19 山东捷瑞信息技术产业研究院有限公司 一种基于三维引擎的纹理轻量化优化方法及系统

Also Published As

Publication number Publication date
CN111402380B (zh) 2023-06-30

Similar Documents

Publication Publication Date Title
CN111402380B (zh) 一种gpu压缩纹理处理方法
US11044478B2 (en) Compression with multi-level encoding
JP7431742B2 (ja) 三次元物体を表すポイントクラウドを符号化／復号する方法及び装置
EP4022903A1 (en) Block-based predictive coding for point cloud compression
JP2018534881A (ja) 点群を圧縮する方法
JPH1098719A (ja) 画像データ伝送方法および画像処理装置並びに記録媒体
US20220014767A1 (en) Bit plane encoding of data arrays
KR102645508B1 (ko) Haar 기반 포인트 클라우드 코딩을 위한 방법 및 장치
US20160050431A1 (en) Method and system for organizing pixel information in memory
CN101511025B (zh) 图像压缩/解压缩的方法、装置
KR20230173094A (ko) 포인트 클라우드 데이터 전송 방법, 포인트 클라우드데이터 전송 장치, 포인트 클라우드 데이터 수신 방법 및 포인트 클라우드 데이터 수신 장치
US20210272327A1 (en) Decoding data arrays
US20230401755A1 (en) Mesh Compression Using Coding Units with Different Encoding Parameters
US20050219252A1 (en) Two-dimensional buffer, texture and frame buffer decompression
CN118037870B (zh) 一种兼容Zdepth的并行化深度图像压缩算法、装置及终端设备
TW202002629A (zh) 影像編碼裝置、影像編碼方法及程式、影像解碼裝置、影像解碼方法及程式
US20240040101A1 (en) Method and device for compressing data representative of a volumetric three-dimensional scene with a view to real-time decompression for online viewing
RU2778377C1 (ru) Способ и устройство для кодирования облака точек
WO2022116122A1 (zh) 帧内预测方法及装置、编解码器、设备、存储介质
US20240155137A1 (en) Multimedia data processing method and apparatus, computer device, computer-readable storage medium, and computer program product
WO2022183611A1 (zh) 帧内预测方法及装置、编解码器、设备、存储介质
JP5928914B2 (ja) グラフィックス処理装置およびグラフィックス処理方法
WO2023250100A1 (en) System and method for geometry point cloud coding
CN116582688A (zh) 一种适配云绘制系统的深度图压缩方法和装置
CN115695781A (zh) 一种静止帧模式的编解码方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
CB02 Change of applicant information
CB02 Change of applicant information

Address after: 22nd floor, block a, Huaxing Times Square, 478 Wensan Road, Xihu District, Hangzhou, Zhejiang 310000

Applicant after: Hangzhou Xiaoying Innovation Technology Co.,Ltd.

Address before: 16 / F, HANGGANG Metallurgical Science and technology building, 294 Tianmushan Road, Xihu District, Hangzhou City, Zhejiang Province, 310012

Applicant before: HANGZHOU QUWEI SCIENCE & TECHNOLOGY Co.,Ltd.

GR01 Patent grant
GR01 Patent grant