Algorithm 如何有效地将体素空间聚类到尽可能少的相似、连续块中？

我正在研究使用体素来表示大型战场（256x256x256体素）的可行性，这些战场具有可破坏的地形，可用于服务器托管的多人游戏。任何一场比赛一次只能有一个战场。然而，为了能够广播房间及其地形的变化，我正在尝试找到一种算法，可以将体素分组到尽可能少的矩形块中

作为一个简单的示例，如果层的下半部分完全填充了一种类型的体素，而上半部分填充了另一种类型的体素，则层应分为两个块，一个块表示层的下半部分，另一个块表示层的上半部分。理想情况下，该算法应该能够实时运行，以便在每帧的基础上计算地形中的任何变形，并将其广播给客户端。这将使客户端能够高效地渲染地形，而不必担心在客户端中重复地形破坏逻辑

以下是我尝试过的方法以及我发现的问题。报告的块计数用于填充256^3的空间，方法是将超过4194304个“地球”体素随机放置到尽可能靠近底部的位置，以获得随机选择的（x，z）坐标。仅计算“接地”块

• 八叉树：非常快，但是如果我在一个空间的中间分割，它会产生大量的块（800000+）
• k-D树在分裂后进行分裂以最小化加权熵：略慢于八叉树，但块要少得多（~350000）
• k-D树拆分以最大化信息增益率：比以前的k-D树方法快两倍，生成的块要少得多（~167000），但仍然很慢
• k-D树拆分以最小化Gower相似性：非常慢，但生成的块比任何其他k-D树方法都少（~155000）

---

• 当考虑到每个无人认领的“地球”块作为块的定义点时，贪婪地抓住最大的非相交块子集，最大的体积块：即使是线程，该算法的速度也非常慢（8核系统上有8个线程，大约16分钟），但它生成的块是所有块中最少的（也许你可以通过使用普通的图像压缩算法来解决这个问题？即将其分割成256个位图（其中每个像素代表一种块类型，每个位图代表一层块）。然后您可以将每个位图压缩为PNG格式进行传输？我认为传输块的位置、尺寸和类型会更有效。我有一些测试文件，它们非常小。此外，这意味着客户端必须弄清楚如何将这些位图中的信息表示为3D g几何，这是我在这里试图解决的同一个问题。我想说的是，通过四叉树或其他你尝试过的算法只压缩二维层，并提供所有的层集，而不试图缩短层的数量。看，战场似乎就像“下面的地面，上面的空气”具有上层尺寸小于下层尺寸的墙或其他结构（如金字塔）。这将导致3D算法在斜坡上卡住，因为您需要将块边界与轴对齐。我尝试了一种新方法：k-D树，拆分以最小化熵，然后最大化拆分一侧的体积。这种方法比其他k-D树方法慢得多，生成约360000个块。这不好。（如果是平面地形的话）我会用RLE压缩来压缩高度轴，并将空气体素设置为背景色。（RLE压缩/解压缩速度非常快），这将节省大量内存（足以忘记树木）。根据地形复杂度，可以从256^3->32*256*256