論文の概要: Point Cloud Quality Assessment using 3D Saliency Maps

• arxiv url: http://arxiv.org/abs/2209.15475v1
• Date: Fri, 30 Sep 2022 13:59:09 GMT
• ステータス: 処理完了
• システム内更新日: 2022-10-03 16:37:25.185261
• Title: Point Cloud Quality Assessment using 3D Saliency Maps
• Title（参考訳）: 3次元塩分マップによるポイントクラウド品質評価
• Authors: Zhengyu Wang, Yujie Zhang, Qi Yang, Yiling Xu, Jun Sun, and Shan Liu
• Abstract要約: そこで本研究では,品質予測の容易化を目的として,実効的な完全参照PCQA指標を提案する。 具体的には、まず、点雲の幾何学的特性をよりよく反映する深度情報を導入し、プロジェクションに基づく点雲塩分濃度マップ生成法を提案する。 最後に、最終的な品質スコアを生成するために、サリエンシに基づくプーリング戦略を提案する。
• 参考スコア（独自算出の注目度）: 37.290843791053256
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Point cloud quality assessment (PCQA) has become an appealing research field in recent days. Considering the importance of saliency detection in quality assessment, we propose an effective full-reference PCQA metric which makes the first attempt to utilize the saliency information to facilitate quality prediction, called point cloud quality assessment using 3D saliency maps (PQSM). Specifically, we first propose a projection-based point cloud saliency map generation method, in which depth information is introduced to better reflect the geometric characteristics of point clouds. Then, we construct point cloud local neighborhoods to derive three structural descriptors to indicate the geometry, color and saliency discrepancies. Finally, a saliency-based pooling strategy is proposed to generate the final quality score. Extensive experiments are performed on four independent PCQA databases. The results demonstrate that the proposed PQSM shows competitive performances compared to multiple state-of-the-art PCQA metrics.
• Abstract（参考訳）: ポイントクラウド品質評価(pcqa)は近年、魅力的な研究分野となっている。 品質評価におけるサリエンシー検出の重要性を考慮し,3次元サリエンシーマップ (pqsm) を用いたポイントクラウド品質評価法 (point cloud quality assessment) という,サリエンシー情報の利用を初めて試みた,効果的なpcqa指標を提案する。 具体的には,まず,地点雲の幾何学的特徴をよりよく反映するために,深度情報を導入するプロジェクションベースポイントクラウドサリエンシーマップ生成法を提案する。 次に,3つの構造記述子を導出するために点クラウドローカル近傍を構築し,幾何学的,色的,塩分的不一致を示す。 最後に,最終品質スコアを生成するために,塩分ベースのプーリング戦略を提案する。 4つの独立したPCQAデータベース上で大規模な実験を行う。 提案したPQSMは,複数のPCQA測定値と比較して,競合性能を示すことを示した。

関連論文リスト

• Full-reference Point Cloud Quality Assessment Using Spectral Graph Wavelets [29.126056066012264]
  3Dアプリケーションにおけるポイントクラウドは、しばしば、スキャンや圧縮などの処理中に品質劣化を経験する。 本稿ではスペクトルグラフウェーブレット(SGW)を用いた全参照(FR)PCQA法を提案する。 我々の知る限り、PCQA向けのSGWを紹介する最初の研究である。
  論文  参考訳（メタデータ） (2024-06-14T06:59:54Z)
• Contrastive Pre-Training with Multi-View Fusion for No-Reference Point Cloud Quality Assessment [49.36799270585947]
  No-Reference Point Cloud Quality Assessment (NR-PCQA) は、歪んだ点雲の知覚的品質を、参照なしで自動的に評価することを目的としている。 我々は,PCQA(CoPA)に適した新しいコントラスト付き事前学習フレームワークを提案する。 提案手法は,最新のPCQA手法よりも高い性能を示す。
  論文  参考訳（メタデータ） (2024-03-15T07:16:07Z)
• PointPCA+: Extending PointPCA objective quality assessment metric [4.674509064536047]
  PointPCA+は、ポイントクラウド品質アセスメント(PCQA)メトリクスの知覚関連記述子のセットである。 PointPCA+は、より効率的に計算される既存の幾何学やテクスチャ記述子を豊かにしながら、幾何学データにのみPCAを使用する。 テストの結果,PointPCA+は,公開データセットから得られる主観的真理スコアに対して,予測的ハイパフォーマンスを実現することがわかった。
  論文  参考訳（メタデータ） (2023-11-23T10:05:31Z)
• Simple Baselines for Projection-based Full-reference and No-reference Point Cloud Quality Assessment [60.2709006613171]
  投影型ポイントクラウド品質評価(PCQA)のための簡易ベースラインを提案する。 我々は、全参照(FR)タスクと非参照(NR)PCQAタスクの両方に対して、点雲から共通立方体状の投影プロセスによって得られる多重射影を用いる。 ICIP 2023 PCVQA Challengeに参加して,5トラック中4トラックで首位を獲得した。
  論文  参考訳（メタデータ） (2023-10-26T04:42:57Z)
• No-Reference Point Cloud Quality Assessment via Weighted Patch Quality Prediction [19.128878108831287]
  地域相関分析機能を備えた非参照点雲質評価法(NR-PCQA)を提案する。 具体的には、ポイントクラウドをパッチに分割し、各パッチのテクスチャと構造機能を生成し、パッチ品質を予測するためにそれらをパッチ機能に融合させました。 実験の結果,提案手法はNR-PCQA法よりも優れていた。
  論文  参考訳（メタデータ） (2023-05-13T03:20:33Z)
• MM-PCQA: Multi-Modal Learning for No-reference Point Cloud Quality Assessment [32.495387943305204]
  マルチモーダル方式で,新しい非参照点クラウド品質評価(NR-PCQA)指標を提案する。 具体的には、点雲を部分モデルに分割し、点シフトやダウンサンプリングのような局所的な幾何学的歪みを表す。 目標を達成するために、サブモデルと投影された画像は、ポイントベースおよびイメージベースニューラルネットワークで符号化される。
  論文  参考訳（メタデータ） (2022-09-01T06:11:12Z)
• Blind Quality Assessment of 3D Dense Point Clouds with Structure Guided Resampling [71.68672977990403]
  本研究では,3次元高密度点雲の知覚的視覚的品質を自動評価するために,Structure Guided Resampling (SGR) を用いた客観的点雲品質指標を提案する。 提案するSGRは,参照情報の不要な汎用ブラインド品質評価手法である。
  論文  参考訳（メタデータ） (2022-08-31T02:42:55Z)
• 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)
• 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)

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。