論文の概要: OctSqueeze: Octree-Structured Entropy Model for LiDAR Compression
- arxiv url: http://arxiv.org/abs/2005.07178v2
- Date: Fri, 8 Jan 2021 22:27:07 GMT
- ステータス: 処理完了
- システム内更新日: 2022-12-03 05:34:17.226648
- Title: OctSqueeze: Octree-Structured Entropy Model for LiDAR Compression
- Title(参考訳): octsqueeze:lidar圧縮のためのoctree構造エントロピーモデル
- Authors: Lila Huang, Shenlong Wang, Kelvin Wong, Jerry Liu, Raquel Urtasun
- Abstract要約: 本稿では,LiDAR点雲のメモリフットプリントを削減するための新しいディープ圧縮アルゴリズムを提案する。
本手法は,メモリフットプリントを低減するために,点間の間隔と構造的冗長性を利用する。
我々のアルゴリズムは、自動運転車などのアプリケーションにおいて、LiDARポイントのオンボードおよびオフボードストレージを減らすために使用できる。
- 参考スコア(独自算出の注目度): 77.8842824702423
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: We present a novel deep compression algorithm to reduce the memory footprint
of LiDAR point clouds. Our method exploits the sparsity and structural
redundancy between points to reduce the bitrate. Towards this goal, we first
encode the LiDAR points into an octree, a data-efficient structure suitable for
sparse point clouds. We then design a tree-structured conditional entropy model
that models the probabilities of the octree symbols to encode the octree into a
compact bitstream. We validate the effectiveness of our method over two
large-scale datasets. The results demonstrate that our approach reduces the
bitrate by 10-20% at the same reconstruction quality, compared to the previous
state-of-the-art. Importantly, we also show that for the same bitrate, our
approach outperforms other compression algorithms when performing downstream 3D
segmentation and detection tasks using compressed representations. Our
algorithm can be used to reduce the onboard and offboard storage of LiDAR
points for applications such as self-driving cars, where a single vehicle
captures 84 billion points per day
- Abstract(参考訳): 本稿では,LiDAR点雲のメモリフットプリントを削減するための新しいディープ圧縮アルゴリズムを提案する。
本手法は点間のスパース性と構造冗長性を利用してビットレートを低減する。
この目標に向けて、まずLiDARポイントを、疎点雲に適したデータ効率の高い構造であるオクツリーにエンコードする。
次に、octreeをコンパクトなビットストリームにエンコードするために、octreeシンボルの確率をモデル化する木構造条件エントロピーモデルを設計する。
提案手法の有効性を2つの大規模データセットで検証する。
その結果,本手法は従来手法に比べてビットレートを10~20%低減できることがわかった。
また,同じビットレートでは,圧縮表現を用いた下流3次元セグメンテーションや検出タスクの実行において,他の圧縮アルゴリズムよりも優れることを示す。
当社のアルゴリズムは,1台の車両が1日840億ポイントを獲得している自動運転車などのアプリケーションにおいて,LiDARポイントのオンボードおよびオフボードストレージを削減できる。
関連論文リスト
- Compression of Structured Data with Autoencoders: Provable Benefit of
Nonlinearities and Depth [83.15263499262824]
勾配勾配勾配は入力のスパース構造を完全に無視する解に収束することを示す。
浅層構造にデノナイジング関数を付加することにより,スパースデータの圧縮におけるガウス性能の改善方法を示す。
CIFAR-10 や MNIST などの画像データセットに対して,本研究の成果を検証した。
論文 参考訳(メタデータ) (2024-02-07T16:32:29Z) - Improving Dual-Encoder Training through Dynamic Indexes for Negative
Mining [61.09807522366773]
本稿では,ソフトマックスを証明可能な境界で近似し,木を動的に維持するアルゴリズムを提案する。
我々は,2000万以上のターゲットを持つデータセットについて検討し,オラクル・ブルート力負の鉱業に関して,誤差を半分に削減した。
論文 参考訳(メタデータ) (2023-03-27T15:18:32Z) - ECM-OPCC: Efficient Context Model for Octree-based Point Cloud
Compression [6.509720419113212]
我々は,十分に効率的なコンテキストモデルを提案し,ポイントクラウドのための効率的なディープラーニングを設計する。
具体的には、まず、自己回帰的コンテキストを活用するために、ウィンドウ制約付きマルチグループ符号化戦略を提案する。
また、その祖先と兄弟に対する現在のノードの依存性を利用するためのデュアルトランスフォーマーアーキテクチャを提案する。
論文 参考訳(メタデータ) (2022-11-20T09:20:32Z) - Efficient LiDAR Point Cloud Geometry Compression Through Neighborhood
Point Attention [25.054578678654796]
この研究は、それらに取り組むための近隣点注意(NPA)を示唆している。
まず、k近辺(kNN)を用いて、適応的な地域地区を構築する。
そして、この地区内の情報を動的に集約するために自己認識機構を利用する。
論文 参考訳(メタデータ) (2022-08-26T10:44:30Z) - Reducing Redundancy in the Bottleneck Representation of the Autoencoders [98.78384185493624]
オートエンコーダは教師なしニューラルネットワークの一種であり、様々なタスクを解くのに使用できる。
本稿では,ボトルネック表現における特徴冗長性を明示的に罰する手法を提案する。
我々は,3つの異なるデータセットを用いた次元削減,MNISTデータセットを用いた画像圧縮,ファッションMNISTを用いた画像デノナイズという,さまざまなタスクにまたがってアプローチを検証した。
論文 参考訳(メタデータ) (2022-02-09T18:48:02Z) - An Information Theory-inspired Strategy for Automatic Network Pruning [88.51235160841377]
深層畳み込みニューラルネットワークは、リソース制約のあるデバイスで圧縮されることがよく知られている。
既存のネットワークプルーニング手法の多くは、人的努力と禁忌な計算資源を必要とする。
本稿では,自動モデル圧縮のための情報理論に基づく戦略を提案する。
論文 参考訳(メタデータ) (2021-08-19T07:03:22Z) - DeepCompress: Efficient Point Cloud Geometry Compression [1.808877001896346]
本稿では,ポイントクラウド圧縮のためのより効率的なディープラーニングベースのエンコーダアーキテクチャを提案する。
CENIC(Efficient Neural Image Compression)から学習した活性化関数を組み込むことで,効率と性能が劇的に向上することを示す。
提案手法は,BjontegardデルタレートとPSNR値において,ベースラインアプローチよりも小さなマージンで優れていた。
論文 参考訳(メタデータ) (2021-06-02T23:18:11Z) - MuSCLE: Multi Sweep Compression of LiDAR using Deep Entropy Models [78.93424358827528]
本稿では,LiDARセンサデータのストレージストリームを削減するための新しい圧縮アルゴリズムを提案する。
本手法は,従来のLiDAR圧縮法よりも接合形状と強度を著しく低減する。
論文 参考訳(メタデータ) (2020-11-15T17:41:14Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。