## Tổng quan nghiên cứu

Trong bối cảnh công nghệ Thực tế Mở rộng (XR) phát triển mạnh mẽ, dữ liệu ba chiều (3D) đóng vai trò quan trọng trong nhiều ứng dụng như thực tế ảo (VR), thực tế hỗn hợp (MR), xây dựng và bảo tồn di sản văn hóa. Điểm mây (point cloud) là dạng dữ liệu phổ biến để biểu diễn đối tượng và cảnh 3D, bao gồm tập hợp các điểm rời rạc với tọa độ (x, y, z) và các thuộc tính bổ sung như màu sắc, pháp tuyến, phản xạ. Số lượng điểm trong các điểm mây thực tế thường lên đến hàng triệu, gây áp lực lớn về băng thông truyền tải và lưu trữ. Ví dụ, truyền tải điểm mây động không nén có thể yêu cầu băng thông lên đến hàng gigabit mỗi giây. Do đó, việc phát triển các phương pháp nén điểm mây hiệu quả là cần thiết để ứng dụng trong thực tế.

Mục tiêu nghiên cứu tập trung vào phát triển giải pháp nén điểm mây học sâu, tối ưu cho cả hai mục đích: phục vụ con người (hiển thị hình ảnh chất lượng cao) và máy móc (các tác vụ thị giác máy như phân loại, nhận dạng). Nghiên cứu sử dụng bộ dữ liệu ModelNet10 với khoảng 4.899 mô hình 3D, được chuyển đổi thành điểm mây dày đặc với số điểm lên đến 5×10^5, ở ba độ phân giải voxel 64, 128 và 256. Ý nghĩa của nghiên cứu thể hiện qua việc cải thiện hiệu quả nén, giảm băng thông truyền tải, đồng thời duy trì hoặc nâng cao độ chính xác trong các tác vụ phân loại điểm mây, góp phần thúc đẩy ứng dụng XR và các hệ thống tự động hóa.

## Cơ sở lý thuyết và phương pháp nghiên cứu

### Khung lý thuyết áp dụng

- **Nén điểm mây truyền thống và học sâu**: Nén điểm mây truyền thống dựa trên các phương pháp như phân rã octree, chiếu 3D-2D, và mã hóa dựa trên cây dự đoán. MPEG đã chuẩn hóa hai phương pháp chính là G-PCC (Geometry-based Point Cloud Compression) và V-PCC (Video-based Point Cloud Compression). Các phương pháp học sâu sử dụng mạng nơ-ron tích chập (CNN), autoencoder biến phân (VAE), và xử lý tensor thưa thớt để cải thiện hiệu quả nén.

- **Phân loại điểm mây**: Sử dụng các kiến trúc mạng như PointNet, PointNet++ và MinkPointNet để trích xuất đặc trưng và phân loại điểm mây. Các phương pháp này xử lý dữ liệu điểm mây dưới dạng điểm riêng lẻ hoặc tensor thưa thớt, giúp giảm chi phí tính toán và tăng độ chính xác.

- **Mã hóa cho con người và máy móc**: Khung mã hóa đa nhiệm (scalable coding) sử dụng phương pháp residual để tạo hai luồng dữ liệu: luồng cơ sở phục vụ tác vụ máy (phân loại) và luồng nâng cao phục vụ hiển thị hình ảnh cho con người. Lý thuyết Information Bottleneck được áp dụng để tối ưu hóa sự cân bằng giữa lượng thông tin truyền tải và hiệu quả tác vụ.

### Phương pháp nghiên cứu

- **Nguồn dữ liệu**: Sử dụng bộ dữ liệu ModelNet10 gồm 4.899 mô hình 3D, chia thành 3.991 mẫu huấn luyện và 908 mẫu kiểm thử. Dữ liệu được chuyển đổi thành điểm mây voxel với ba độ phân giải 64, 128, 256, mỗi mẫu có trung bình lần lượt khoảng 13.490, 53.582 và 169.307 điểm.

- **Phương pháp phân tích**: Áp dụng mạng PCGCv2 làm codec chính cho nén hình học điểm mây, kết hợp với kiến trúc MinkPointNet cho tác vụ phân loại. Sử dụng phương pháp residual để tạo khung mã hóa đa nhiệm, trong đó nhánh cơ sở tối ưu cho phân loại, nhánh nâng cao tối ưu cho tái tạo hình ảnh.

- **Timeline nghiên cứu**: Huấn luyện PCGCv2 với các giá trị tham số λ khác nhau để tạo các mô hình với mức bitrate đa dạng. Tiếp theo, huấn luyện nhánh cơ sở với các giá trị λb khác nhau để tối ưu độ chính xác phân loại. Cuối cùng, huấn luyện nhánh nâng cao với tham số λr cố định để tối ưu tái tạo hình ảnh. Quá trình huấn luyện sử dụng bộ xử lý RTX 3090, với các kỹ thuật fine-tuning và dừng sớm dựa trên hiệu suất trên tập kiểm thử.

## Kết quả nghiên cứu và thảo luận

### Những phát hiện chính

- **Hiệu quả phân loại**: Phương pháp đề xuất đạt độ chính xác phân loại tối đa khoảng 91.74% trên ModelNet10 với độ phân giải voxel 64, tương đương hoặc vượt trội so với các phương pháp PointNet, PointNet++ và MinkPointNet. So với codec không chuyên biệt (G-PCC + PointNet++), phương pháp cải thiện BD-rate khoảng 0.65%.

- **Hiệu quả nén cho hiển thị**: Phương pháp PCGCv2 và phiên bản fine-tuning cho thấy hiệu quả nén tốt ở độ phân giải thấp (64), với BD-rate giảm đến 22.4% so với G-PCC theo chỉ số D1 (point-to-point). Tuy nhiên, hiệu quả giảm dần khi tăng độ phân giải lên 128 và 256.

- **Thời gian mã hóa**: Thời gian mã hóa của phương pháp đề xuất dưới 1 giây, tương đương với PCGCv2, không tăng đáng kể khi thêm tác vụ phân loại. Thời gian giải mã của GEO-CNNv2 tăng đáng kể ở độ phân giải cao, cho thấy hạn chế về tính toán.

### Thảo luận kết quả

- Việc sử dụng latent space của PCGCv2 làm đầu vào cho nhánh phân loại giúp giảm chi phí tính toán và tận dụng thông tin nén hiệu quả. Tuy nhiên, do tập trung vào điểm mây dày đặc, phương pháp chưa tối ưu hoàn toàn cho bitrate thấp như các phương pháp chuyên biệt cho phân loại.

- Hiệu quả nén giảm ở độ phân giải cao có thể do tính phức tạp của dữ liệu điểm mây từ mô hình lưới (mesh) trong ModelNet10, chứa nhiều thông tin cấu trúc bên trong, khác với điểm mây bề mặt truyền thống.

- So sánh với các nghiên cứu khác, phương pháp đề xuất có lợi thế trong việc cung cấp giải pháp đa nhiệm, phục vụ đồng thời cho con người và máy móc, giảm thiểu sự dư thừa thông tin trong truyền tải.

- Dữ liệu có thể được trình bày qua các biểu đồ đường cong rate-distortion và rate-accuracy, minh họa sự cân bằng giữa bitrate và hiệu suất tác vụ.

## Đề xuất và khuyến nghị

- **Tối ưu hóa hiệu suất hiển thị ở độ phân giải cao**: Nghiên cứu áp dụng kỹ thuật phân vùng điểm mây (partitioning) để giảm tải tính toán và cải thiện hiệu quả nén.

- **Mở rộng thử nghiệm trên các bộ dữ liệu đa dạng**: Đánh giá khả năng thích ứng của phương pháp với các loại điểm mây khác nhau, bao gồm điểm mây động và có thuộc tính màu sắc, pháp tuyến.

- **Kết hợp thông tin thuộc tính bổ sung**: Tích hợp các thuộc tính như màu sắc, pháp tuyến vào quá trình nén và phân loại để nâng cao độ chính xác và chất lượng tái tạo.

- **Đánh giá khả năng mở rộng (scalability)**: Thử nghiệm trên các tập dữ liệu lớn hơn và phức tạp hơn để đảm bảo tính khả thi trong ứng dụng thực tế.

- **Phân tích ảnh hưởng đặc tính dữ liệu**: Nghiên cứu tác động của mật độ, độ thưa và cấu trúc điểm mây đến hiệu suất nén và phân loại, từ đó điều chỉnh mô hình phù hợp.

## Đối tượng nên tham khảo luận văn

- **Nhà nghiên cứu và phát triển trong lĩnh vực xử lý dữ liệu 3D**: Nghiên cứu cung cấp kiến thức sâu về nén điểm mây và ứng dụng học sâu, hỗ trợ phát triển các thuật toán mới.

- **Kỹ sư phát triển hệ thống XR và thực tế ảo**: Áp dụng giải pháp nén hiệu quả để tối ưu băng thông và chất lượng hình ảnh trong các ứng dụng VR, MR.

- **Chuyên gia thị giác máy và trí tuệ nhân tạo**: Tận dụng kiến trúc đa nhiệm để phát triển các hệ thống nhận dạng, phân loại dựa trên dữ liệu 3D.

- **Nhà quản lý dự án công nghệ và truyền thông**: Hiểu rõ về các tiêu chuẩn nén và xu hướng công nghệ để hoạch định chiến lược phát triển sản phẩm.

## Câu hỏi thường gặp

1. **Phương pháp nén điểm mây học sâu có ưu điểm gì so với truyền thống?**  
   Phương pháp học sâu tận dụng mạng nơ-ron để trích xuất đặc trưng hiệu quả, cải thiện tỷ lệ nén và chất lượng tái tạo so với các phương pháp dựa trên cấu trúc cây octree hay chiếu 3D-2D.

2. **Tại sao cần mã hóa đa nhiệm cho con người và máy móc?**  
   Vì điểm mây phục vụ cả hiển thị hình ảnh cho con người và các tác vụ máy như phân loại, nên cần thiết kế mã hóa sao cho tối ưu cho cả hai mục đích, tránh dư thừa dữ liệu và tiết kiệm băng thông.

3. **Latent space trong PCGCv2 đóng vai trò gì?**  
   Latent space là biểu diễn nén của điểm mây, chứa thông tin đủ để tái tạo hình ảnh và thực hiện phân loại, giúp giảm chi phí tính toán và tăng hiệu quả nén.

4. **Phương pháp residual trong mã hóa đa nhiệm hoạt động thế nào?**  
   Phương pháp này tạo hai luồng dữ liệu: luồng cơ sở chứa thông tin cho tác vụ máy, luồng nâng cao chứa thông tin bổ sung cho hiển thị, giúp chia sẻ dữ liệu và giảm trùng lặp.

5. **Có thể áp dụng phương pháp này cho điểm mây động không?**  
   Hiện nghiên cứu tập trung vào điểm mây tĩnh, nhưng kiến trúc và phương pháp có thể được mở rộng cho điểm mây động trong các nghiên cứu tiếp theo.

## Kết luận

- Đã phát triển thành công khung mã hóa điểm mây đa nhiệm sử dụng phương pháp residual, phục vụ đồng thời cho phân loại máy và hiển thị con người.  
- Phương pháp đạt hiệu quả phân loại cao với độ chính xác lên đến 91.74% trên ModelNet10, cải thiện BD-rate so với codec không chuyên biệt.  
- Hiệu quả nén cho hiển thị giảm dần khi tăng độ phân giải, cần cải tiến thêm cho dữ liệu phức tạp.  
- Thời gian mã hóa duy trì dưới 1 giây, phù hợp ứng dụng thực tế với phần cứng hiện đại.  
- Đề xuất mở rộng nghiên cứu về dữ liệu đa dạng, thuộc tính bổ sung và khả năng mở rộng để nâng cao tính ứng dụng.

**Hành động tiếp theo**: Triển khai thử nghiệm trên các bộ dữ liệu thực tế, tích hợp thuộc tính màu sắc và pháp tuyến, đồng thời phát triển kỹ thuật phân vùng điểm mây để cải thiện hiệu suất ở độ phân giải cao.  
**Kêu gọi hành động**: Các nhà nghiên cứu và kỹ sư trong lĩnh vực xử lý dữ liệu 3D và thị giác máy nên tham khảo và phát triển tiếp các giải pháp nén đa nhiệm để đáp ứng nhu cầu ngày càng tăng của công nghệ XR và tự động hóa.