Технології та інжиніринг
Технології та інжиніринг
ISSN 2786-5371 e-ISSN 2786-538X
DOI: 10.30857/2786-5371
Подати статтю

Стаття

Завантажити статтю

Дослідження засобів оптимізації продуктивності VR-додатків у браузерах з низькою пропускною здатністю

Я. Латишев, Ганна Власюк

Отримано 11.04.2025, Доопрацьовано 22.08.2025, Прийнято 17.09.2025

Анотація

 Актуальність дослідження полягала у необхідності підвищення продуктивності WebVR-додатків у браузерних середовищах за умов обмеженої пропускної здатності мережі, що є важливим для користувачів із повільним або нестабільним інтернет-з’єднанням. Метою роботи була розробка і оцінка ефективних методів, які дозволяють зменшити час завантаження сцен, оптимізувати обсяг передаваних даних та підтримувати стабільну частоту кадрів без зниження якості взаємодії. Для дослідження застосовано експериментальне моделювання середовища віртуальної реальності із використанням обмежених параметрів мережі. В роботі використано відкриті бібліотеки для тривимірної графіки з можливістю прогресивного завантаження 3D-ресурсів. Реалізовано та порівняно декілька методів оптимізації, зокрема багаторівневе деталювання моделей, відкладене завантаження, спрощення геометрії на сервері, компресію даних і декомпресію текстур. Оцінювання ефективності проводилось за показниками часу завантаження, обсягу переданого трафіку, плавності відтворення та відгуку системи. Результати дослідження продемонстрували, що поєднання багаторівневого деталювання з стисненням текстур дозволяє скоротити обсяг переданих даних до 70  % без помітної втрати якості зображення. Виявлено, що використання прогресивного завантаження значно знижує час первинного відображення сцени, кешування на боці клієнта зменшує повторний трафік на 90 %. Найефективнішою виявилася стратегія початкового завантаження спрощених моделей з подальшим асинхронним додаванням детальних об’єктів, що підтримує стабільну роботу навіть за низької швидкості інтернету. Практична цінність полягає у застосуванні розроблених методів при створенні WebVR-додатків для освіти, медицини, торгівлі та розваг, особливо в умовах обмеженого інтернет-з’єднання. Це сприяє розширенню аудиторії та зниженню витрат на інфраструктуру


Ключові слова:

WebXR; прогресивне завантаження; LOD; кешування; стиснення текстур; Three.js; A-Frame

https://doi.org/10.30857/2786-5371.2025.4.3

Взято з Т. 26, № 4, 2025

Сторінки 37-43

Використані джерела ЦИТУВАТИ

Використані джерела

  1. A-Frame Documentation. (n.d.). Asset management system. Retrieved from https://aframe.io/docs/1.7.0/core/asset-management-system.html.
  2. Boutsi, A.-M., Ioannidis, C., & Verykokou, S. (2023). Multi-resolution 3D rendering for high-performance web AR. Sensors, 23(15), article number 6885. doi: 10.3390/s23156885.
  3. De Fré, M., van der Hooft, J., Wauters, T., & De Turck, F. (2024). Demonstrating adaptive many-to-many immersive teleconferencing for volumetric video. In Proceedings of the 15th ACM multimedia systems conference (pp. 453-458). New York: Association for Computing Machinery. doi: 10.1145/3625468.3652192.
  4. Fanini, B., & Gosti, G. (2024). A new generation of collaborative immersive analytics on the web: Open-source services to capture, process and inspect users’ sessions in 3D environments. Future Internet, 16(5), article number 147. doi: 10.3390/fi16050147.
  5. Fanini, B., Ferdani, D., Demetrescu, E., Berto, S., & d’Annibale, E. (2021). ATON: An open-source framework for creating immersive, collaborative and liquid web-appsfor cultural heritage. Applied Sciences, 11(22), article number 11062. doi: 10.3390/app112211062.
  6. Franke, L., & Haehn, D. (2020). Modern scientific visualizations on the web. Informatics, 7(4), article number 37. doi: 10.3390/informatics7040037.
  7. Honcharenko, D., Mokin, V., & Protsenko, D. (2023). Building an information system for monitoring physical indicators based on the Internet of Things technology. Information Technologies and Computer Engineering, 20(2), 99-108. doi: 10.31649/1999-9941-2023-57-2-99-108.
  8. Mills, K.A., Brown, A., & Funnell, P. (2024). Virtual reality games for 3D multimodal designing and knowledge across the curriculum. The Australian Educational Researcher, 51, 2323-2353. doi: 10.1007/s13384-024-00695-3.
  9. Kim, W.J., & Khomtchouk, B.B. (2024). WebAssembly enables low latency interoperable augmented and virtual reality software. arXiv. doi: 10.48550/arXiv.2110.07128.
  10. Sobota, B., Korečko, Š., & Mattová, M. (2023). Web-based 3D virtual environments utilization in primary and secondary education of children with multiple impairments. Electronics, 12(13), article number 2792. doi: 10.3390/electronics12132792.
  11. Lee, H., & Hwang, Y. (2022). Technology-enhanced education through VR-making and metaverse-linking to foster teacher readiness and sustainable learning. Sustainability, 14(8), article number 4786. doi: 10.3390/su14084786.
  12. Lim, M., Bentaleb, A., & Zimmermann, R. (2025). WIDE-VR: An open-source prototype for web-based VR through adaptive streaming of 6DoF content and viewport prediction. In Proceedings of the 16th ACM multimedia systems conference (pp. 221-227). New York: Association for Computing Machinery. doi: 10.1145/3712676.3718334.
  13. Liu, K., Wu, N., & Han, B. (2023). Demystifying web-based mobile extended reality accelerated by WebGPU. In Proceedings of the 2023 ACM on internet measurement conference (pp. 145-153). New York: Association for Computing Machinery. doi: 10.1145/3618257.3624833.
  14. Maura, F., Casasnovas, M., & Bellalta, B. (2024). Experimenting with adaptive bitrate algorithms for virtual reality streaming over Wi-Fi. arXiv. doi: 10.48550/arXiv.2407.15614.
  15. Pacheco-Gutierrez, S., Niu, H., Caliskanelli, I., & Skilton, R. (2021). A multiple level-of-detail 3D data transmission approach for low-latency remote visualisation in teleoperation tasks. Robotics, 10(3), article number 89. doi: 10.3390/robotics10030089.
  16. Slocum, C., Huang, J., & Chen, J. (2021). VIA: Visibility-aware web-based virtual reality. In Proceedings of the 26th international conference on 3D web technology (article number 7). New York: Association for Computing Machinery. doi: 10.1145/3485444.3487641.
  17. Three.js. (n.d.). DRACOLoader: A loader for geometry compressed with the Draco library. Retrieved from https://threejs.org/docs/#examples/en/loaders/DRACOLoader.
  18. Uddin, S., Grega, M., Leszczuk, M., & ur Rahman, W. (2025). Evaluating HAS and low-latency streaming algorithms for enhanced QoE. Electronics, 14(13), article number 2587. doi: 10.3390/electronics14132587.
  19. Wang, J., Bleja, T., & Agapito, L. (2022). GO-Surf: Neural feature grid optimization for fast, high-fidelity RGB-D surface reconstruction. arXiv. doi: 10.48550/arXiv.2206.14735.
  20. Wang., S.-M., Yaqin, M.A., & Hsu, F.-H. (2022). AHP-based assessment of developing online virtual reality services with progressive web apps. EasyChair Preprint, 9501, 1-12.
  21. Woo, J., Hong, S., Kang, D., & An, D. (2024). Improving the quality of experience of video streaming through a buffer-based adaptive bitrate algorithm and gated recurrent unit-based network bandwidth prediction. Applied Sciences, 14(22), article number 10490. doi: 10.3390/app142210490.
  22. Yeregui, I., Mejías, D., Zorrilla, M., Viola, R., Astorga, J., & Jacob, E. (2025). Leveraging 5G physical layer monitoring for adaptive remote rendering in XR applications. arXiv. doi: 10.48550/arXiv.2505.22123.
  23. Žádník, J., Mäkitalo, M., Vanne, J., & Jääskeläinen, P. (2022). Image and video coding techniques for ultra-low latency. ACM Computing Surveys (CSUR), 54(11), article number 231. doi: 10.1145/3512342.

ЦИТУВАТИ

Latyshev, Ya., & Vlasiuk, H. (2025). Research on methods for optimising the performance of VR applications in low-bandwidth browsers. Technologies and Engineering, 26(4), 37-43. https://doi.org/10.30857/2786-5371.2025.4.3