20.500.12556/RUL-185571 Nevronsko stiskanje blokov volumna Neural volume block compression V magistrskem delu raziskujemo uporabo nevronskih mrež za stiskanje gostih volumnov, ki so ključni pri predstavitvi prostorskih podatkov v ra- čunalništvu in naravoslovju. Gosti volumni zaradi svoje zasnove zahtevajo veliko pomnilniškega prostora, kar obstoječe rešitve za njihovo hranjenje le delno naslavljajo. Razvili smo dve arhitekturi nevronskega stiskanja: bločno in vokselsko, ki združujeta koncepte samodekodirnikov in koordinatnih ne- vronskih mrež. Obe arhitekturi ponujata učinkovit zapis gostih volumnov in hkrati omogočata hiter naključen dostop do njihovih vrednosti. Za učinko- vito implementacijo, hrambo in izmenjavo volumnov smo razvili programsko knjižnico za format BVP v jeziku C++ in jo razširili s podporo za zapis volumnov v formatu nevronskega stiskanja in formatu BC4. Spletno orodje za vizualizacijo VPT smo nadgradili s podporo za razširjanje nevronsko sti- snjenih volumnov, kar omogoča njihovo upodabljanje neposredno v brskal- niku. Rezultati kažejo, da predlagani pristop dosega visoka razmerja stiska- nja ob sprejemljivi izgubi kakovosti, pri čemer vokselska arhitektura bolje ohranja podrobne strukture. Primerjava z uveljavljenima formatoma BC4 in JPEG potrjuje primernost nevronskega stiskanja kot učinkovite alternative za hrambo volumetričnih podatkov. In this master’s thesis, we investigate the use of neural networks for the compression of dense volumes, which are essential for representing spatial data in computer science and natural sciences. Due to their design, dense volumes require significant storage space, a challenge that existing storage solutions only partially address. We developed two neural compression ar- chitectures: block-based and voxel-based, which combine the concepts of autodecoders and coordinate neural networks. Both architectures offer ef- ficient storage of dense volumes while enabling fast random access to their values. For efficient implementation, storage, and data exchange, we devel- oped a software library for the BVP format in C++ and extended it with support for storing volumes in the proposed neural compression format and the BC4 format. The VPT web visualization framework was upgraded with support for decompressing neural-compressed volumes, enabling interactive rendering directly in the browser. The results show that the proposed ap- proach achieves high compression ratios with acceptable quality loss, with the voxel-based architecture better preserving detailed structures. Comparison with established BC4 and JPEG formats confirms the suitability of neural compression as an effective alternative for storing volumetric data. volumen kompresija nevronske mreže kompresija volumnov implicitna ne- vronska predstavitev nevronska kompresija volumnov volume compression neural network volume compression implicit neural representation neural volume compression true false false Slovenski jezik Angleški jezik Magistrsko delo/naloga 2026-08-10 12:20:17 2026-08-10 12:20:31 2026-08-11 04:01:56 0000-00-00 00:00:00 2026 0 0 0000-00-00 NiDoloceno NiDoloceno NiDoloceno 0000-00-00 0000-00-00 0000-00-00 1970-01-01 38629 Kristan_Blaz_-_Nevronsko_stiskanje_blokov_volumna.pdf Kristan_Blaz_-_Nevronsko_stiskanje_blokov_volumna.pdf 1 ACFDA5C5F7C8605EC82E1F2F0D8425F9 297808abfa942046498467247505656e094673efcfe29c973ed557b01f061132 cd3dd62f-94a4-11f1-9b0d-0050569b8976 https://repozitorij.uni-lj.si/Dokument.php?lang=slv&id=244223 Fakulteta za računalništvo in informatiko 0 0 0