摘要
体素表示法是一种将三维物体表示为二进制占用信号的简单方法，但在中高分辨率下，密集的体素网格以及直接的稀疏编码方式仍存在较高成本。本文旨在弥补传统密集网格、八叉树和点云编码格式与能够实现精确二进制体素占用的确定性轮廓优先源序列化之间的差距。我们提出了一种基于轮廓的链式编码序列化方法，该方法将体素网格分解为二维切片，提取前景元素和孔洞，使用F4、3OT和F8三种变体对它们的轮廓进行编码，然后在应用通用无损压缩之前将轮廓符号与位置元数据分开。该算法在40个类别、分辨率分别为8、16、32、64、128、256和512的3983个基于ModelNet40生成的体素化物体上进行了测试，主要以X轴作为评估依据。其性能与OCC1、BINVOX、广度优先八叉树掩码以及仅包含几何信息的G-PCC进行了比较。在N=8时，其他方法的性能更优，因为zstd压缩的八叉树掩码能获得最低的平均比特率。但从N=16开始，所提出的方法性能就超过了所有对比方法，其优势从N=16时的20.93%提升到N=512时的84.37%。在N=8和N=16时，最佳配置为zstd + 3OT，而从N=32到N=512，zstd + F8则表现更为出色。熵值分析、消融实验、时间消耗、内存占用以及验证分析进一步表明，这种优势源自于轮廓感知的源序列化方法与后端压缩技术的协同作用，而非仅仅来自后端压缩器本身。
