論文の概要: Efficient dynamic point cloud coding using Slice-Wise Segmentation
- arxiv url: http://arxiv.org/abs/2208.08061v1
- Date: Wed, 17 Aug 2022 04:23:45 GMT
- ステータス: 処理完了
- システム内更新日: 2022-08-18 13:39:51.078105
- Title: Efficient dynamic point cloud coding using Slice-Wise Segmentation
- Title（参考訳）: スライスワイズセグメンテーションを用いた効率的な動的点クラウド符号化
- Authors: Faranak Tohidi, Manoranjan Paul, Anwaar Ulhaq
- Abstract要約: 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。
- 参考スコア（独自算出の注目度）: 10.850101961203748
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: With the fast growth of immersive video sequences, achieving seamless and
high-quality compressed 3D content is even more critical. MPEG recently
developed a video-based point cloud compression (V-PCC) standard for dynamic
point cloud coding. However, reconstructed point clouds using V-PCC suffer from
different artifacts, including losing data during pre-processing before
applying existing video coding techniques, e.g., High-Efficiency Video Coding
(HEVC). Patch generations and self-occluded points in the 3D to the 2D
projection are the main reasons for missing data using V-PCC. This paper
proposes a new method that introduces overlapping slicing as an alternative to
patch generation to decrease the number of patches generated and the amount of
data lost. In the proposed method, the entire point cloud has been
cross-sectioned into variable-sized slices based on the number of self-occluded
points so that data loss can be minimized in the patch generation process and
projection. For this, a variable number of layers are considered, partially
overlapped to retain the self-occluded points. The proposed method's added
advantage is to reduce the bits requirement and to encode geometric data using
the slicing base position. The experimental results show that the proposed
method is much more flexible than the standard V-PCC method, improves the
rate-distortion performance, and decreases the data loss significantly compared
to the standard V-PCC method.
- Abstract（参考訳）: 没入型ビデオシーケンスの急速な成長により、シームレスで高品質な3Dコンテンツを実現することがさらに重要である。
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。
しかしながら、V-PCCを使用した再構成ポイントクラウドは、例えばHEVC(High-Efficiency Video Coding)のような既存のビデオ符号化技術を適用する前に、前処理中にデータを失うなど、異なるアーティファクトに悩まされている。
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パッチ生成の代替として導入し、生成されたパッチの数と失われたデータ量を減らす方法を提案する。
提案手法では, パッチ生成過程と投影過程においてデータ損失を最小限に抑えるために, 自己閉鎖点数に基づいて, 点雲全体を可変サイズスライスに分割した。
このため、可変数の層が考慮され、部分的に重複して自己閉塞点を保持する。
提案手法の利点は、ビットの要求を減らし、スライシングベース位置を用いて幾何データを符号化することである。
実験の結果,提案手法は標準V-PCC法よりもはるかに柔軟であり,速度歪み性能が向上し,標準V-PCC法に比べてデータ損失が大幅に減少することがわかった。
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) - Geometric Prior Based Deep Human Point Cloud Geometry Compression [67.49785946369055]
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) - Quadric Representations for LiDAR Odometry, Mapping and Localization [93.24140840537912]
現在のLiDARオードメトリ、マッピング、ローカライズ手法は、3Dシーンのポイントワイズ表現を利用する。
3次元オブジェクトのよりコンパクトな表現である2次元曲面を用いたシーン記述法を提案する。
提案手法は低レイテンシとメモリの有効性を維持しつつ、競争力があり、しかも精度も優れている。
論文 参考訳（メタデータ） (2023-04-27T13:52:01Z) - 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) - Evaluating Point Cloud from Moving Camera Videos: A No-Reference Metric [58.309735075960745]
本稿では,ビデオ品質評価(VQA)手法を用いて,ポイントクラウド品質評価(PCQA)タスクの処理方法について検討する。
捉えたビデオは、いくつかの円形の経路を通して、点雲の周りでカメラを回転させて生成する。
トレーニング可能な2D-CNNモデルと事前学習された3D-CNNモデルを用いて、選択したキーフレームとビデオクリップから空間的・時間的品質認識特徴を抽出する。
論文 参考訳（メタデータ） (2022-08-30T08:59:41Z) - IPDAE: Improved Patch-Based Deep Autoencoder for Lossy Point Cloud
Geometry Compression [11.410441760314564]
パッチベースのポイントクラウド圧縮の大幅な改善を提案する。
改良されたパッチベースのオートエンコーダは、速度歪み性能の点で最先端よりも優れていることを示す実験結果が得られた。
論文 参考訳（メタデータ） (2022-08-04T08:12:35Z) - Learned Video Compression via Heterogeneous Deformable Compensation
Network [78.72508633457392]
不安定な圧縮性能の問題に対処するために,不均一変形補償戦略(HDCVC)を用いた学習ビデオ圧縮フレームワークを提案する。
より具体的には、提案アルゴリズムは隣接する2つのフレームから特徴を抽出し、コンテンツ近傍の不均一な変形(HetDeform)カーネルオフセットを推定する。
実験結果から,HDCVCは最近の最先端の学習ビデオ圧縮手法よりも優れた性能を示した。
論文 参考訳（メタデータ） (2022-07-11T02:31:31Z) - Dynamic Point Cloud Compression with Cross-Sectional Approach [10.850101961203748]
MPEGはV-PCCとして知られるビデオベースのPoint Cloud Compression標準を確定した。
提案手法は,新しい断面法を用いて,これらの制約に対処する。
標準ビデオシーケンスを用いた実験結果から,幾何学的およびテクスチャ的データの両方において,提案手法がより良い圧縮を実現することを示す。
論文 参考訳（メタデータ） (2022-04-25T02:58:18Z) - Variable Rate Compression for Raw 3D Point Clouds [5.107705550575662]
そこで本研究では,生の3Dポイントクラウドデータを用いた新しい可変レート深部圧縮アーキテクチャを提案する。
我々のネットワークは、ポイントクラウドを明示的に処理し、圧縮された記述を生成することができる。
論文 参考訳（メタデータ） (2022-02-28T15:15:39Z) - Reduced Reference Perceptual Quality Model and Application to Rate
Control for 3D Point Cloud Compression [61.110938359555895]
レート歪み最適化では、ビットレートの制約を受ける再構成品質尺度を最大化してエンコーダ設定を決定する。
本稿では,V-PCC幾何および色量化パラメータを変数とする線形知覚品質モデルを提案する。
400個の圧縮された3D点雲による主観的品質試験の結果,提案モデルが平均評価値とよく相関していることが示唆された。
また、同じ目標ビットレートに対して、提案モデルに基づくレート歪みの最適化は、ポイント・ツー・ポイントの客観的な品質指標による徹底的な探索に基づくレート歪みの最適化よりも高い知覚品質を提供することを示した。
論文 参考訳（メタデータ） (2020-11-25T12:42:02Z) - Multiscale Point Cloud Geometry Compression [29.605320327889142]
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。
論文 参考訳（メタデータ） (2020-11-07T16:11:16Z)
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。