ARTFEED — Contemporary Art Intelligence

Codifica Gaussiana a Budget Fisso per una Compressione Efficiente di Volumi Scalari

other · 2026-08-17

È stata sviluppata una nuova tecnica per codificare volumi scalari come primitive gaussiane anisotrope all'interno di un budget predeterminato. Questo metodo alloca sistematicamente l'intero set di primitive in base alle strutture locali del campo, che includono aspetti come posizione, orientamento e forma. Successivamente, affina direttamente il campo scalare senza necessità di densificazione, potatura o modifiche nel numero. Il budget impostato in precedenza determina la memoria per la codifica, mentre il programma di iterazione consente un budget di tempo di raffinamento gestibile. Nei test di benchmark, la valutazione del campo sensibile al troncamento ha mostrato di ridurre i tempi di codifica fino a 51 volte, consentendo a 1,4 milioni di gaussiane di codificare un volume di un miliardo di voxel in meno di quattro minuti su una singola GPU desktop, con un raffinamento a iterazioni ridotte che termina in meno di un minuto. Questa tecnica è stata valutata utilizzando cinque set di dati per un totale di 2,1 milioni di voxel. Affronta efficacemente il problema di memorizzare, trasferire e caricare volumi scalari generati più velocemente di quanto possano essere elaborati, specialmente nelle simulazioni scientifiche dove la riduzione in situ deve operare entro risorse di simulazione limitate. La ricerca è disponibile su arXiv con l'identificatore 2608.14112.

Fatti principali

  • Il metodo codifica campi scalari come primitive gaussiane anisotrope sotto un budget fisso.
  • Il set di primitive è allocato analiticamente dalla struttura locale del campo, inclusi posizione, orientamento e forma.
  • Il raffinamento viene eseguito direttamente sul campo scalare senza densificazione, potatura o variazioni nel numero.
  • La valutazione del campo sensibile al troncamento riduce i tempi di codifica fino a 51 volte.
  • 1,4 milioni di gaussiane codificano un volume di un miliardo di voxel in al massimo quattro minuti su una singola GPU desktop.
  • Il raffinamento a iterazioni ridotte termina in meno di un minuto.
  • Testato su cinque set di dati per un totale di 2,1 milioni di voxel.
  • L'articolo è disponibile su arXiv con l'identificatore 2608.14112.

Entità

Fonti