論文の概要: MuSCLE: Multi Sweep Compression of LiDAR using Deep Entropy Models
- arxiv url: http://arxiv.org/abs/2011.07590v2
- Date: Fri, 8 Jan 2021 21:58:57 GMT
- ステータス: 処理完了
- システム内更新日: 2022-09-25 07:49:52.399775
- Title: MuSCLE: Multi Sweep Compression of LiDAR using Deep Entropy Models
- Title(参考訳): MuSCLE:深部エントロピーモデルを用いたLiDARのマルチスイープ圧縮
- Authors: Sourav Biswas, Jerry Liu, Kelvin Wong, Shenlong Wang, Raquel Urtasun
- Abstract要約: 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。
- 参考スコア(独自算出の注目度): 78.93424358827528
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: We present a novel compression algorithm for reducing the storage of LiDAR
sensor data streams. Our model exploits spatio-temporal relationships across
multiple LiDAR sweeps to reduce the bitrate of both geometry and intensity
values. Towards this goal, we propose a novel conditional entropy model that
models the probabilities of the octree symbols by considering both coarse level
geometry and previous sweeps' geometric and intensity information. We then use
the learned probability to encode the full data stream into a compact one. Our
experiments demonstrate that our method significantly reduces the joint
geometry and intensity bitrate over prior state-of-the-art LiDAR compression
methods, with a reduction of 7-17% and 15-35% on the UrbanCity and
SemanticKITTI datasets respectively.
- Abstract(参考訳): 本稿では,lidarセンサデータストリームのストレージを削減する新しい圧縮アルゴリズムを提案する。
我々のモデルは、複数のLiDARスイープ間の時空間関係を利用して、幾何値と強度値の両方のビットレートを削減する。
この目的に向けて,粗面幾何学と先行するスイープの幾何学的・強度的情報の両方を考慮して,オツリー記号の確率をモデル化する新しい条件付きエントロピーモデルを提案する。
次に、学習した確率を使って、完全なデータストリームをコンパクトなものにエンコードします。
実験により, 従来のLiDAR圧縮法よりも接合形状と強度のビットレートを有意に低減し, 都市域とセマンティックKITTIデータセットの7-17%, 15-35%を削減できた。
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) - Unrolled Compressed Blind-Deconvolution [77.88847247301682]
sparse multi channel blind deconvolution (S-MBD) はレーダー/ソナー/超音波イメージングなどの多くの工学的応用で頻繁に発生する。
そこで本研究では,受信した全信号に対して,はるかに少ない測定値からブラインドリカバリを可能にする圧縮手法を提案する。
論文 参考訳(メタデータ) (2022-09-28T15:16:58Z) - Multiscale Latent-Guided Entropy Model for LiDAR Point Cloud Compression [18.897023700334458]
LiDAR点雲(LPC)の非均一分布と極めてスパースの性質は、その高効率圧縮に重大な課題をもたらす。
本稿では,従来のLPCをオクツリー構造にエンコードし,階層的にオクツリーエントロピーモデルを階層的に分解する,エンド・ツー・エンドで完全に構成された新しいディープ・フレームワークを提案する。
論文 参考訳(メタデータ) (2022-09-26T08:36:11Z) - 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) - Communication-Efficient Federated Learning via Quantized Compressed
Sensing [82.10695943017907]
提案フレームワークは,無線機器の勾配圧縮とパラメータサーバの勾配再構成からなる。
勾配スペーシフィケーションと量子化により、我々の戦略は1ビット勾配圧縮よりも高い圧縮比を達成することができる。
圧縮を行わない場合とほぼ同じ性能を実現できることを示す。
論文 参考訳(メタデータ) (2021-11-30T02:13:54Z) - Lossless Coding of Point Cloud Geometry using a Deep Generative Model [11.69103847045569]
方法は点雲を複数のボクセルブロックサイズに適応的に分割する。
深部自己回帰生成モデルでは、各ボクセルの占有確率を推定する。
我々は,文脈ベースの算術コーダを用いて,ブロックを効率的に符号化する確率を推定する。
論文 参考訳(メタデータ) (2021-07-01T12:20:22Z) - SelfVoxeLO: Self-supervised LiDAR Odometry with Voxel-based Deep Neural
Networks [81.64530401885476]
本稿では,これら2つの課題に対処するために,自己教師型LiDARオドメトリー法(SelfVoxeLO)を提案する。
具体的には、生のLiDARデータを直接処理する3D畳み込みネットワークを提案し、3D幾何パターンをよりよく符号化する特徴を抽出する。
我々は,KITTIとApollo-SouthBayという2つの大規模データセット上での手法の性能を評価する。
論文 参考訳(メタデータ) (2020-10-19T09:23:39Z) - 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)
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。