TMF - 高压缩比（高达89%），闪电般的3D模型格式

什么是TMF？

tmf是一种专注于

1. 保留图形保真度
2. 实现高压缩比
3. 非常快
4. 提供非常友好和明确的API，以及高质量的文档。

tmf擅长什么？

当操作中等大小的3D模型（<100 k个三角形）时，tmf效果最佳，这些模型具有相当一致的LOD。

TMF实现目标的效果如何？

1. 关于视觉质量，您可以很容易地自行判断。
2. 压缩比通常在86-89%之间，具体取决于质量设置。在更严格的设置（保留所有顶点数据的精确顺序）下，tmf的压缩比约为~70%
3. 解码速度非常高，在某些情况下，比未压缩格式的读者快一个数量级。例如，将位于tests目录中的blender测试猴子（Suzanne）文件（15.7k个三角形，8.2k个点）细分2次解码仅需< strong>678.18 µs（0.67818 ms）！ 由于内置tokio集成，解码可以自动在多个线程之间分割，从而进一步提高解码速度。在单线程上解码包含尼菲蒂蒂半身像的网格（一个大约有200万个三角形的3D模型），需要< strong>220-240 ms，在8个线程上只需要< strong>84 ms，在一个8核系统（4个物理核心）上。这意味着tmf非常快。但是，请注意，tmf的压缩算法难以处理非常大的模型，因此具有数百万个三角形的模型在文件大小方面受益较少。
4. TMF API 主要围绕两种类型：代表网格及其所有操作的 TMFMesh，以及指定质量设置的 TMFPrecisionInfo。所有 TMF 函数和类型都有很好的文档记录，经常带有多个示例，展示了如何使用它们，大大提高了易用性。网格上的所有操作都是显式的。

模型渲染比较

未压缩 .obj	压缩 .tmf 文件（默认设置，允许数据重排）

TMF 是否适合您的项目？

当它不适合时

1. 您完全不关心读取速度。那么就使用 Draco。它要慢得多（在我的测试中约为 10-20 倍），但它在压缩方面也做得更好。
2. 您的网格非常大（数百万个三角形）。tmf 是在具有更多谦虚的网格（>150k 个三角形）上优化和测试的。随着三角形和点的增加，其压缩效果变得更差。尽管如此，它仍然非常快，只是不适合这类任务。

当它适合时

1. 您需要您的模型更小，但又不想牺牲太多的读取速度。
2. 您的网格尺寸适度或较小（>150k 个三角形）。
3. 您只需网格看起来完全相同，并且对一些不明显的变化感到满意。

如何实现高压缩速度？

目前，在默认设置下，TMF 使用位操作（位移和或）来读取数据，这使得它能够以非常高的速度读取数据。此外，TMF 是线程安全的，并具有内置的可选多线程功能，允许多个核心同时解码模型的多部分，从而进一步提高速度。

它是如何工作的？

虽然我在传统意义上将 tmf 标记为“有损压缩格式”，但实际上它并没有压缩任何东西（至少目前如此）。大部分的空间节省来自于将模型数据存储在不同的数据结构中，这些数据结构更好地反映了它们存储的数据，并且仅保存所需精确度的数据（例如，9 或 23 位数据类型）。

比较

测试中使用的模型是 Blender 猴子（Suzzane）。TMF 文件使用默认设置保存（TMFPrecisionInfo::default()）。

文件大小比较

TMF 与 Draco 的比较。

Draco 在压缩方面比 TMF 明显更好。如果您只想减少文件大小，那么只需使用 Draco。但如果您需要高压缩和快速读取，tmf 可以是一个可行的替代方案。

一些优缺点比较

注意：当给出压缩比率/百分比时，所有格式（例如，tmf、draco、fbx）都与未压缩的 .obj 基础进行比较.

什么因素可能导致特定网格的压缩效率降低？

LOD差异很大：保存系统会动态调整网格的LOD。例如，一个低多边形城堡网格可能以10厘米的精度保存，而草莓模型的精度可能为1毫米。将这两个对象保存在一个网格（而非文件！）中，将迫使城堡网格以更高的精度保存，浪费空间。因为大多数网格自然会具有一致的LOD，而那些不一致的网格几乎总会引起其他地方的问题，所以这种情况很少遇到。

示例

网格加载

加载单个网格

use tmf::TMFMesh;
use std::fs::File;
let input = File::open("suzanne.tmf").expect("Could not open .tmf file!");
let (mesh,name) = TMFMesh::read_tmf_one(&mut input).expect("Could not read TMF file!");
// Geting mesh data
let vertices = mesh.get_vertices().expect("No vertices!");
let vertex_triangles = mesh.get_vertex_triangles().expect("No vertiex triangle array!");
let normals = mesh.get_normals().expect("No normals!");
let normal_triangles = mesh.get_normal_triangles().expect("No normal triangle array!");
let uvs = mesh.get_uvs().expect("No uvs!");
let uv_triangles = mesh.get_uv_triangles().expect("No uv triangle array!");
// Can provide arrays laid out like OpenGL buffers for ease of use when developing games!
let buff_vert_array = mesh.get_vertex_buffer();
let buff_norm_array = mesh.get_normal_buffer();
let buff_uv_array = mesh.get_uv_buffer();

加载多个网格

use tmf::TMFMesh;
use std::fs::File;
let input = File::open("suzanne.tmf").expect("Could not open .tmf file!");
let meshes = TMFMesh::read_tmf_one(&mut input).expect("Could not open TMF file!");
for (mesh,name) in meshes{
    do_something(mesh,name);
}

网格保存

保存单个网格

use tmf::TMFMesh;
use std::fs::File;
let output = File::create("suzanne.tmf").expect("Could not create output file!");
let settings = TMFPrecisionInfo::default();

// Change TMF mesh to have better laid out data. This can save significant ammounts of space.
mesh.unify_index_data();

mesh.write_tmf_one(&mut output,&settings,name).expect("Could not save TMF mesh!");

保存多个网格

use tmf::TMFMesh;
use std::fs::File;
let output = File::open("suzanne.tmf").expect("Could not create .tmf file!");
TMFMesh::write_tmf(meshes,&mut input,&settings).expect("Could not write TMF mesh!");

功能

0.1（当前版本）

• 导出.obj
• 导入.obj
• 导入未三角化的.obj模型 - 实验性，仅支持凸多边形
• 写入/读取.tmf文件
• 点位置
• 点法线
• 点Uv坐标
• 网格三角形
• 点云
• 一个文件中的多个网格
• 完全可定制的保存精度设置
• 完整文档
• 每个功能的示例
• 切线数据
• 自定义网格数据
• 支持RGBA顶点颜色（使用浮点属性支持灰度），以及浮点/整数顶点属性。

计划中的功能

• 顶点组
• 材质 已经完成了一些初步工作

关于压缩的更深入解释

基于数学的节省

许多用于保存3D模型的格式惊人地浪费。即使在无损压缩的情况下，也有很多机会减少文件大小。例如，许多模型格式将表面法向量视为任何其他向量。但它们并不像其他向量！它们有一些特殊的属性，可以利用这些属性更有效地保存它们。具体来说

1. 法向量中的所有组件都落在范围 <-1,1> 之内。这意味着诸如1.3、123.0、69.323或甚至6.50e+12之类的值在法向量中永远不会出现，因此使用支持这些值的格式进行保存是浪费的。
2. 所有法向量都满足条件 x^2 + y^2 + z^2 = 1。这意味着有大量的向量所有组件都在范围 <-1,1> 之内，但不是有效的表面法线。如果支持保存这些无效值，这意味着有浪费的空间。因此，通过考虑法线的这些属性，可以将法线以这种方式保存，即每个保存的位组合对应于不同的法线，不浪费任何空间！

对模型数据的每个元素都采取类似的方法，进一步减少大小。

基于位与字节的节省。

使用字节对齐的数据类型的一个缺点是在保存数据时缺乏精度粒度。一个很好的例子可能是UV坐标，它应该表示一个位于1024像素纹理上的点，精度为.25像素。进行一些简单的计算，可以确定所需的精度为log2(1024/.25) = log2(4096) = 12位。但可用的数据类型要么太小（u8）要么太大（u16，25%的磁盘空间将被浪费！）。解决方案是放弃字节对齐。这会带来轻微的性能损失，需要执行位移动操作，并且无法使用预构建的压缩算法（它们假设字节对齐），但具有巨大的优势，即使用恰好足够保存所需数据的类型而无需更宽的类型。数据以我所说的UBA（非对齐二进制数组）的形式排列。UBA中的数据由一系列任意二进制大小的数据组成，连续数据可能跨越字节边界，可以从字节的任何位置开始或结束，且没有填充。元素的大小通常在UBA本身之前指定。对于某些宽度，如9位，使用UBA可以节省多达44%的空间！