基于隐式神经表示的体积视频压缩方法结题报告.docVIP

基于隐式神经表示的体积视频压缩方法结题报告

一、研究背景与问题提出

1.1体积视频技术发展现状

体积视频（VolumetricVideo）作为沉浸式媒体的核心技术之一，通过捕获真实场景或物体的三维几何结构与纹理信息，实现了从传统二维视频到三维空间的内容升级。随着元宇宙、虚拟现实（VR）、增强现实（AR）等应用场景的爆发式增长，体积视频的需求呈现指数级上升。根据市场研究机构数据，2025年全球体积视频内容市场规模已突破300亿美元，年复合增长率超过65%。

当前主流的体积视频采集与重建技术主要包括基于多视角立体视觉（MVS）、结构光扫描、LiDAR点云融合等方法。这些技术虽然能够生成高精度的三维内容，但也带来了数据量爆炸的问题。例如，一个1080P分辨率、30帧/秒的普通二维视频，未经压缩的码率约为1.5Gbps；而同等质量的体积视频，其原始数据码率可高达数百Gbps，甚至超过1Tbps。这种数据量的激增给存储、传输和实时渲染都带来了巨大挑战。

1.2传统体积视频压缩技术瓶颈

现有的体积视频压缩方法主要基于传统的三维数据压缩框架，可分为几何压缩与纹理压缩两个独立模块：

几何压缩：主要针对点云、网格等三维几何数据，采用的技术包括拓扑简化、量化编码、预测编码等。例如，MPEG制定的V-PCC（Video-basedPointCloudCompression）标准，通过将点云投