論文の概要: Point Cloud Attribute Compression via Successive Subspace Graph
Transform
- arxiv url: http://arxiv.org/abs/2010.15302v1
- Date: Thu, 29 Oct 2020 01:40:54 GMT
- ステータス: 処理完了
- システム内更新日: 2022-10-01 23:54:19.459322
- Title: Point Cloud Attribute Compression via Successive Subspace Graph
Transform
- Title(参考訳): 連続部分空間グラフ変換によるポイントクラウド属性圧縮
- Authors: Yueru Chen, Yiting Shao, Jing Wang, Ge Li, C.-C. Jay Kuo
- Abstract要約: 我々は、点クラウド属性の圧縮に対処するために、連続した部分空間グラフ変換を開発する。
提案手法は,従来のRAHT法よりも優れたR-D性能を実現する。
- 参考スコア(独自算出の注目度): 39.620248228288546
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Inspired by the recently proposed successive subspace learning (SSL)
principles, we develop a successive subspace graph transform (SSGT) to address
point cloud attribute compression in this work. The octree geometry structure
is utilized to partition the point cloud, where every node of the octree
represents a point cloud subspace with a certain spatial size. We design a
weighted graph with self-loop to describe the subspace and define a graph
Fourier transform based on the normalized graph Laplacian. The transforms are
applied to large point clouds from the leaf nodes to the root node of the
octree recursively, while the represented subspace is expanded from the
smallest one to the whole point cloud successively. It is shown by experimental
results that the proposed SSGT method offers better R-D performances than the
previous Region Adaptive Haar Transform (RAHT) method.
- Abstract(参考訳): 最近提案された逐次サブスペース学習(SSL)の原則に触発されて,本研究におけるポイントクラウド属性圧縮に対処する逐次サブスペースグラフ変換(SSGT)を開発した。
octree幾何構造はポイントクラウドを分割するために利用され、octreeの各ノードは一定の空間サイズを持つポイントクラウド部分空間を表す。
部分空間を記述するために自己ループ付き重み付きグラフを設計し、正規化グラフ Laplacian に基づいてグラフフーリエ変換を定義する。
変換は葉ノードからoctreeの根ノードへ再帰的に大点雲に適用され、表現された部分空間は最小の点雲から全点雲へと連続的に拡大される。
実験結果から,提案手法は従来の領域適応型Haar Transform (RAHT) 法よりもR-D性能がよいことがわかった。
関連論文リスト
- Point Cloud Denoising With Fine-Granularity Dynamic Graph Convolutional Networks [58.050130177241186]
ノイズの摂動は、しばしば3次元の点雲を破損させ、表面の再構成、レンダリング、さらなる処理といった下流のタスクを妨げる。
本稿では,GDGCNと呼ばれる粒度動的グラフ畳み込みネットワークについて紹介する。
論文 参考訳(メタデータ) (2024-11-21T14:19:32Z) - RandAlign: A Parameter-Free Method for Regularizing Graph Convolutional Networks [13.83680253264399]
本稿では,グラフ畳み込みネットワークの正規化手法であるRandAlignを提案する。
RandAlignの考え方は、学習した各ノードの埋め込みと前のレイヤの埋め込みをランダムに整列させることである。
異なるグラフ領域のタスクに対して、7つのベンチマークデータセット上でRandAlignを実験的に評価する。
論文 参考訳(メタデータ) (2024-04-15T13:28:13Z) - Learning Neural Volumetric Field for Point Cloud Geometry Compression [13.691147541041804]
我々は、ニューラルネットワークを学習することで、与えられた点雲の幾何学をコーディングすることを提案する。
空間全体を小さな立方体に分割し,各空でない立方体をニューラルネットワークと入力潜時符号で表現する。
ネットワークは、空間的および時間的冗長性を利用するために、1つのフレームまたは複数のフレームで全ての立方体間で共有される。
論文 参考訳(メタデータ) (2022-12-11T19:55:24Z) - GeoUDF: Surface Reconstruction from 3D Point Clouds via Geometry-guided
Distance Representation [73.77505964222632]
スパース点雲から離散曲面を再構成する問題に対処する学習ベース手法であるGeoUDFを提案する。
具体的には、UDFのための幾何誘導学習法とその勾配推定を提案する。
予測されたUDFから三角形メッシュを抽出するために,カスタマイズされたエッジベースマーチングキューブモジュールを提案する。
論文 参考訳(メタデータ) (2022-11-30T06:02:01Z) - GRASP-Net: Geometric Residual Analysis and Synthesis for Point Cloud
Compression [16.98171403698783]
損失点クラウド幾何圧縮のための深層学習を用いた異種アプローチを提案する。
具体的には、粗い点雲上に存在する不規則な特徴に局所的詳細を変換するために、点ベースネットワークを適用する。
論文 参考訳(メタデータ) (2022-09-09T17:09:02Z) - PSTNet: Point Spatio-Temporal Convolution on Point Cloud Sequences [51.53563462897779]
本稿では,ポイントクラウドシーケンスの情報表現を実現するために,PST畳み込みを提案する。
PSTは3次元空間における局所的構造点を捉えるために空間畳み込みを用い、時間次元に沿った空間領域のダイナミクスをモデル化するために時間畳み込みを用いる。
提案したPST畳み込みを深層ネットワーク,すなわちPSTNetに組み込んで,階層的に点群列の特徴を抽出する。
論文 参考訳(メタデータ) (2022-05-27T02:14:43Z) - Snowflake Point Deconvolution for Point Cloud Completion and Generation
with Skip-Transformer [60.32185890237936]
完全点雲を生成するために,Snowflake Point Deconvolution (SPD) を用いたSnowflakeNetを提案する。
SPDは、完全点雲の生成を雪片のような点の成長としてモデル化し、それぞれのSPD後に親点を分割することで、子点を徐々に生成する。
詳細な幾何学を明らかにする上での洞察は,ローカル領域に最適な点分割パターンを学習するために,SPDにスキップ変換器を導入することである。
論文 参考訳(メタデータ) (2022-02-18T17:09:49Z) - VoxelContext-Net: An Octree based Framework for Point Cloud Compression [20.335998518653543]
静的および動的ポイントクラウド圧縮のための2段階のディープラーニングフレームワークvoxelcontext-netを提案する。
まず,構築したオクツリーの各ノードの空間近傍コンテキスト情報を符号化した局所ボクセル表現を抽出する。
エントロピー符号化の段階では,非リーフノードのシンボルを圧縮するボクセルコンテキストに基づくディープエントロピーモデルを提案する。
論文 参考訳(メタデータ) (2021-05-05T16:12:48Z) - PRIN/SPRIN: On Extracting Point-wise Rotation Invariant Features [91.2054994193218]
点群解析における回転不変特徴抽出に着目した点集合学習フレームワークPRINを提案する。
さらに、PRINをスパースポイントクラウド上で直接動作するSPRINと呼ばれるスパースバージョンに拡張します。
その結果、ランダムに回転した点群を持つデータセットでは、SPRINはデータ拡張なしで最先端の方法よりも優れたパフォーマンスを発揮します。
論文 参考訳(メタデータ) (2021-02-24T06:44:09Z) - MG-SAGC: A multiscale graph and its self-adaptive graph convolution
network for 3D point clouds [6.504546503077047]
点群の多スケールグラフ生成法を提案する。
このアプローチは、ポイントクラウドを、スケール空間におけるポイントクラウドのマルチスケール分析をサポートする構造化マルチスケールグラフ形式に変換する。
従来の畳み込みニューラルネットワークは不規則な近傍を持つグラフデータには適用できないため,チェビシェフグラフを用いて不規則な畳み込みフィルタに適合するセフ適応畳み込みカーネルを提案する。
論文 参考訳(メタデータ) (2020-12-23T01:58:41Z)
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。