crunch 项目亮点解析
2025-05-21 16:57:58作者:瞿蔚英Wynne
1. 项目的基础介绍
crunch 是一个由 Unity Technologies 维护的高级 DXTn 纹理压缩和转码库。它提供了一个高效的纹理压缩解决方案,适用于那些需要使用 DXT1/5/N 或 3DC 压缩颜色/法线图/立方体贴图 Mipmap 纹理格式的开发人员。crunch 最初是基于 Google Code 上的开源项目,由 Richard Geldreich, Jr. 和 Binomial LLC 开发。
2. 项目代码目录及介绍
项目的代码目录结构清晰,以下是一些主要目录的介绍:
bin/: 包含编译后的可执行文件和工具。crnlib/: 这是 crunch 的核心库,包含了主要的压缩和解压缩算法。crunch/: 包含 crunch 工具的源代码,用于生成压缩的纹理文件。emscripten/: 包含用于 Emscripten 编译器的相关代码。example1/,example2/,example3/: 提供了几个示例项目,用于演示如何使用 crunch 库。inc/: 包含 crunch 库的公共头文件。license.txt: 包含项目的许可证信息,该项目使用 ZLIB 许可证。
3. 项目亮点功能拆解
crunch 项目的亮点功能包括:
- 高质量的压缩:能够将 2D 纹理、法线图和立方体贴图压缩到约 1-1.25 比特/像素,法线图可压缩到约 1.75-2 比特/像素。
- 快速的转码速度:单线程下,转码到 DXTn 的速度一般在 100-250兆像素/秒之间。
- 支持多种格式:除了标准的 DXT1、DXT5 格式,还支持多种流行的颜色抖动变种。
- 高度可定制:允许开发人员根据需要调整压缩质量,以实现最佳的性能和视觉效果平衡。
4. 项目主要技术亮点拆解
crunch 的主要技术亮点包括:
- 高效的 DXTn 端点优化器:支持任意像素数量的处理,而非固定的 16 像素。
- 自适应宏块大小:支持多种宏块大小和配置的组合,如 4x4、8x4、4x8 和 8x8 像素块。
- 端点聚类分析:使用自顶向下的分析方法,提高压缩质量。
- 向量量化:对选择器索引进行向量量化,进一步优化压缩效果。
- 多线程处理:大部分压缩步骤支持多线程,提高压缩速度。
5. 与同类项目对比的亮点
与同类项目相比,crunch 的亮点在于:
- 优异的压缩质量:在相同的比特率下,crunch 提供了更高的图像质量。
- 高度可定制性:允许开发人员根据项目需求调整压缩参数。
- 易于集成:支持生成标准的 .DDS 文件,易于集成到现有项目中。
- 不需要额外的无损压缩:生成的 .CRN 文件已经是高度压缩的,无需进一步无损压缩。
登录后查看全文
热门项目推荐
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00
项目优选
收起
deepin linux kernel
C
24
9
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
413
3.18 K
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
690
325
Ascend Extension for PyTorch
Python
229
258
暂无简介
Dart
679
160
React Native鸿蒙化仓库
JavaScript
265
326
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.21 K
660
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
1.03 K
492
TorchAir 支持用户基于PyTorch框架和torch_npu插件在昇腾NPU上使用图模式进行推理。
Python
346
147