فشرده‌سازی داده‌های ساخته‌شده با پاشش گاوسی در مدل‌سازی سه‌بعدی با استفاده از تحلیل مولفه اصلی

با افزایش تقاضا برای مدل‌های سه‌بعدی دقیق و با کیفیت بالا در کاربردهایی نظیر بازی‌های رایانه‌ای، فیلم‌سازی و واقعیت مجازی، حجم بالای داده‌ به چالشی جدی در ذخیره‌سازی و پردازش تبدیل شده است. این مقاله روشی برای فشرده‌سازی داده‌های سه‌بعدی ساخته‌شده با پاشش گاوسی ارائه می‌دهد که بر داده‌های ورودی متشکل از اطلاعاتی همچون موقعیت، چرخش، رنگ، مقیاس، شفافیت و ضرایب هارمونیک کروی اعمال می‌شود. با بهره‌گیری از فنون چندی‌سازی و تحلیل مولفه‌ اصلی (pca)، این روش منجر به کاهش حجم داده‌ها می‌شود، در حالی که کیفیت بصری حفظ شده و تاثیر منفی ناچیزی بر معیارهای کمی نظیر psnr، ssim و lpips می‌گذارد.