論文の概要: Point Cloud Compression with Sibling Context and Surface Priors
- arxiv url: http://arxiv.org/abs/2205.00760v1
- Date: Mon, 2 May 2022 09:13:26 GMT
- ステータス: 処理完了
- システム内更新日: 2022-05-03 15:14:33.808168
- Title: Point Cloud Compression with Sibling Context and Surface Priors
- Title(参考訳): Sibling Context と Surface Priors を用いた Point Cloud Compression
- Authors: Zhili Chen, Zian Qian, Sukai Wang, Qifeng Chen
- Abstract要約: 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。
- 参考スコア(独自算出の注目度): 47.96018990521301
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: We present a novel octree-based multi-level framework for large-scale point
cloud compression, which can organize sparse and unstructured point clouds in a
memory-efficient way. In this framework, we propose a new entropy model that
explores the hierarchical dependency in an octree using the context of
siblings' children, ancestors, and neighbors to encode the occupancy
information of each non-leaf octree node into a bitstream. Moreover, we locally
fit quadratic surfaces with a voxel-based geometry-aware module to provide
geometric priors in entropy encoding. These strong priors empower our entropy
framework to encode the octree into a more compact bitstream. In the decoding
stage, we apply a two-step heuristic strategy to restore point clouds with
better reconstruction quality. The quantitative evaluation shows that our
method outperforms state-of-the-art baselines with a bitrate improvement of
11-16% and 12-14% on the KITTI Odometry and nuScenes datasets, respectively.
- Abstract(参考訳): 本稿では,大規模ポイントクラウド圧縮のためのoctreeベースの新しいマルチレベルフレームワークを提案する。
このフレームワークでは,兄弟姉妹の子供,祖先,隣人のコンテキストを用いてoctree内の階層的依存関係を探索し,各非リーフoctreeノードの占有情報をビットストリームにエンコードする,新しいエントロピーモデルを提案する。
さらに,二次曲面をボクセルに基づく幾何対応加群に局所的に適合させ,エントロピー符号化における幾何学的事前性を与える。
これらの強力なプリエントは、octreeをよりコンパクトなビットストリームにエントロピーフレームワークをエントロピー化する。
復号段階では, 2段階のヒューリスティック戦略を適用して, より良い復元精度で点雲を復元する。
定量的評価の結果,kittiオドメトリーとnuscenesデータセットでは,ビットレートが11-16%,12-14%向上した。
関連論文リスト
- Lightweight super resolution network for point cloud geometry
compression [34.42460388539782]
本稿では,軽量超解像ネットワークを利用して点雲形状を圧縮する手法を提案する。
提案手法は,ポイントクラウドをベースポイントクラウドに分解し,元のポイントクラウドを再構築するパターンを含む。
また,MPEG Cat1(Solid)とCat2データセットの圧縮性能について実験を行った。
論文 参考訳(メタデータ) (2023-11-02T03:34:51Z) - Hierarchical clustering with dot products recovers hidden tree structure [53.68551192799585]
本稿では,階層構造の回復に着目した凝集クラスタリングアルゴリズムの新しい視点を提案する。
クラスタを最大平均点積でマージし、例えば最小距離やクラスタ内分散でマージしないような、標準的なアルゴリズムの単純な変種を推奨する。
このアルゴリズムにより得られた木は、汎用確率的グラフィカルモデルの下で、データ中の生成的階層構造をボナフェイド推定することを示した。
論文 参考訳(メタデータ) (2023-05-24T11:05:12Z) - 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) - 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) - PointTree: Transformation-Robust Point Cloud Encoder with Relaxed K-D
Trees [27.641101804012152]
我々は、リラックスしたK-D木に基づく変換に頑健なポイントクラウドエンコーダであるPointTreeを提案する。
我々のアプローチの鍵は、主成分分析(PCA)を用いたK-D木における分割則の設計である。
この新しいアーキテクチャ設計に加えて、事前調整による導入をさらに改善する。
論文 参考訳(メタデータ) (2022-08-11T17:59:09Z) - OctAttention: Octree-based Large-scale Contexts Model for Point Cloud
Compression [36.77271904751208]
OctAttentionは、点雲のメモリ効率のよい表現であるoctree構造を用いる。
我々の手法は、ボクセルベースラインと比較して95%のコーディング時間を節約する。
従来の最先端技術と比較すると,LiDARベンチマークでは10%-35%のBD-Rateゲインが得られる。
論文 参考訳(メタデータ) (2022-02-12T10:06:12Z) - Differentiable Convolution Search for Point Cloud Processing [114.66038862207118]
本稿では,点雲上での新しい差分畳み込み探索パラダイムを提案する。
純粋にデータ駆動型であり、幾何学的形状モデリングに適した畳み込みのグループを自動生成することができる。
また,内部畳み込みと外部アーキテクチャの同時探索のための共同最適化フレームワークを提案する。
論文 参考訳(メタデータ) (2021-08-29T14:42:03Z) - 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) - 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) - 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。