論文の概要: Multiscale Point Cloud Geometry Compression
- arxiv url: http://arxiv.org/abs/2011.03799v1
- Date: Sat, 7 Nov 2020 16:11:16 GMT
- ステータス: 処理完了
- システム内更新日: 2022-09-28 22:53:22.089375
- Title: Multiscale Point Cloud Geometry Compression
- Title(参考訳): マルチスケールポイントクラウド幾何圧縮
- Authors: Jianqiang Wang, Dandan Ding, Zhu Li, Zhan Ma
- Abstract要約: 本稿では,3次元ポイント・クラウド・ジオメトリを階層的に再構築するマルチスケール・ツー・エンド・ラーニング・フレームワークを提案する。
このフレームワークは、ポイントクラウド圧縮と再構成のためのスパース畳み込みベースのオートエンコーダの上に開発されている。
- 参考スコア(独自算出の注目度): 29.605320327889142
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Recent years have witnessed the growth of point cloud based applications
because of its realistic and fine-grained representation of 3D objects and
scenes. However, it is a challenging problem to compress sparse, unstructured,
and high-precision 3D points for efficient communication. In this paper,
leveraging the sparsity nature of point cloud, we propose a multiscale
end-to-end learning framework which hierarchically reconstructs the 3D Point
Cloud Geometry (PCG) via progressive re-sampling. The framework is developed on
top of a sparse convolution based autoencoder for point cloud compression and
reconstruction. For the input PCG which has only the binary occupancy
attribute, our framework translates it to a downscaled point cloud at the
bottleneck layer which possesses both geometry and associated feature
attributes. Then, the geometric occupancy is losslessly compressed using an
octree codec and the feature attributes are lossy compressed using a learned
probabilistic context model.Compared to state-of-the-art Video-based Point
Cloud Compression (V-PCC) and Geometry-based PCC (G-PCC) schemes standardized
by the Moving Picture Experts Group (MPEG), our method achieves more than 40%
and 70% BD-Rate (Bjontegaard Delta Rate) reduction, respectively. Its encoding
runtime is comparable to that of G-PCC, which is only 1.5% of V-PCC.
- Abstract(参考訳): 近年、ポイントクラウドベースのアプリケーションは、3Dオブジェクトやシーンの現実的できめ細かい表現のために成長している。
しかし、効率的な通信のためにスパース、非構造化、高精度な3Dポイントを圧縮することは難しい問題である。
本稿では,ポイントクラウドのスパーシティを活かし,プログレッシブな再サンプリングによって3dポイントクラウド幾何(pcg)を階層的に再構築する,マルチスケールのエンド・ツー・エンド学習フレームワークを提案する。
このフレームワークは、ポイントクラウド圧縮と再構成のためのスパース畳み込みベースのオートエンコーダの上に開発されている。
バイナリ占有属性のみを持つ入力PCGに対して、我々のフレームワークは、幾何学的特徴属性と関連する特徴属性の両方を持つボトルネック層のダウンスケールポイントクラウドに変換する。
次に、octreeコーデックを用いて幾何学的占有率をロスレス圧縮し、学習された確率的文脈モデルを用いて特徴属性を損失圧縮する。v-pccとmpegによって標準化された幾何学的pcc(g-pcc)方式と比較すると、それぞれ40%以上と70%のbdレート(bjontegaard delta rate)を低減できる。
エンコーディングランタイムは、V-PCCのわずか1.5%であるG-PCCに匹敵する。
関連論文リスト
- Hierarchical Prior-based Super Resolution for Point Cloud Geometry
Compression [39.052583172727324]
幾何学に基づくポイントクラウド圧縮(G-PCC)は、ポイントクラウドを圧縮するために移動画像専門家グループによって開発された。
本稿では,点雲幾何学的圧縮のための階層的事前分解能超解法を提案する。
論文 参考訳(メタデータ) (2024-02-17T11:15:38Z) - Patch-Wise Point Cloud Generation: A Divide-and-Conquer Approach [83.05340155068721]
分割・分散アプローチを用いた新しい3dポイントクラウド生成フレームワークを考案する。
すべてのパッチジェネレータは学習可能な事前情報に基づいており、幾何学的プリミティブの情報を取得することを目的としている。
最も人気のあるポイントクラウドデータセットであるShapeNetのさまざまなオブジェクトカテゴリに関する実験結果は、提案したパッチワイドポイントクラウド生成の有効性を示している。
論文 参考訳(メタデータ) (2023-07-22T11:10:39Z) - Geometric Prior Based Deep Human Point Cloud Geometry Compression [82.26992688231283]
我々は、点雲の幾何学的冗長性除去に先立って、人間の幾何学的手法を利用する。
高分解能な人点雲を幾何学的先行と構造的偏差の組み合わせとして考えることができる。
提案フレームワークは,既存の学習ベースポイントクラウド圧縮手法を用いて,プレイ・アンド・プラグ方式で動作可能である。
論文 参考訳(メタデータ) (2023-05-02T10:35:20Z) - GQE-Net: A Graph-based Quality Enhancement Network for Point Cloud Color
Attribute [51.4803148196217]
本稿では,点雲の色歪みを低減するため,グラフベースの品質向上ネットワーク(GQE-Net)を提案する。
GQE-Netは、幾何学情報を補助入力とグラフ畳み込みブロックとして使用し、局所的な特徴を効率的に抽出する。
実験結果から,本手法は最先端性能を実現することが示された。
論文 参考訳(メタデータ) (2023-03-24T02:33:45Z) - 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) - Efficient dynamic point cloud coding using Slice-Wise Segmentation [10.850101961203748]
MPEGは最近、ダイナミックポイントクラウドコーディングのためのビデオベースのポイントクラウド圧縮(V-PCC)標準を開発した。
V-PCCを用いたデータ不足の主な原因は、3Dから2Dプロジェクションへのパッチ生成と自己隠蔽点である。
本稿では, 重複スライシングを導入し, 発生するパッチ数と損失データ量を削減する手法を提案する。
論文 参考訳(メタデータ) (2022-08-17T04:23:45Z) - Inter-Frame Compression for Dynamic Point Cloud Geometry Coding [9.15965133212928]
本稿では,従来のフレームを用いて,現在のフレームの潜在表現を予測する圧縮手法を提案する。
提案手法は,91%以上のBD-Rate Bjontegaard Delta Rateと62%以上のBD-Rate reductionをV-PCCフレーム内符号化モードに対して達成する。
論文 参考訳(メタデータ) (2022-07-25T22:17:19Z) - Point Cloud Compression with Sibling Context and Surface Priors [47.96018990521301]
大規模クラウド圧縮のための新しいオクツリーベースのマルチレベルフレームワークを提案する。
本稿では,オクツリーの階層的依存性を探索する新しいエントロピーモデルを提案する。
表面をボクセルベースの幾何認識モジュールで局所的に整合させ,エントロピー符号化における幾何学的先行情報を提供する。
論文 参考訳(メタデータ) (2022-05-02T09:13:26Z) - Density-preserving Deep Point Cloud Compression [72.0703956923403]
本研究では,局所密度情報を保存する新しい深部クラウド圧縮手法を提案する。
エンコーダはポイントをサンプリングし、ポイントワイドな特徴を学習し、デコーダはこれらの特徴を使ってポイントをサンプリングする。
論文 参考訳(メタデータ) (2022-04-27T03:42:15Z) - OctSqueeze: Octree-Structured Entropy Model for LiDAR Compression [77.8842824702423]
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。
論文 参考訳(メタデータ) (2020-05-14T17:48:49Z) - Folding-based compression of point cloud attributes [10.936043362876651]
ポイントクラウド上に2Dグリッドを折り畳み、新しい最適化されたマッピング手法を用いて、ポイントクラウドから折り畳まれた2Dグリッドに属性をマッピングする。
このマッピングによってイメージが生成され、ポイントクラウド属性に既存の画像処理技術を適用する方法が開かれる。
そこで本研究では,従来の2次元画像で圧縮する。
論文 参考訳(メタデータ) (2020-02-11T14:55:58Z)
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。