論文の概要: TCDM: Transformational Complexity Based Distortion Metric for Perceptual
Point Cloud Quality Assessment
- arxiv url: http://arxiv.org/abs/2210.04671v2
- Date: Sat, 10 Jun 2023 06:11:31 GMT
- ステータス: 処理完了
- システム内更新日: 2023-06-14 02:30:54.526383
- Title: TCDM: Transformational Complexity Based Distortion Metric for Perceptual
Point Cloud Quality Assessment
- Title（参考訳）: TCDM: 知覚的クラウド品質評価のための変換複雑度に基づく歪み指標
- Authors: Yujie Zhang, Qi Yang, Yifei Zhou, Xiaozhong Xu, Le Yang, Yiling Xu
- Abstract要約: 歪んだ点雲を基準に戻す複雑さを計測することで点雲の質を評価する。
提案手法の有効性を,5つのパブリッククラウド品質評価データベース上で行った広範囲な実験を通じて評価した。
- 参考スコア（独自算出の注目度）: 26.88219200020205
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The goal of objective point cloud quality assessment (PCQA) research is to
develop quantitative metrics that measure point cloud quality in a perceptually
consistent manner. Merging the research of cognitive science and intuition of
the human visual system (HVS), in this paper, we evaluate the point cloud
quality by measuring the complexity of transforming the distorted point cloud
back to its reference, which in practice can be approximated by the code length
of one point cloud when the other is given. For this purpose, we first make
space segmentation for the reference and distorted point clouds based on a 3D
Voronoi diagram to obtain a series of local patch pairs. Next, inspired by the
predictive coding theory, we utilize one space-aware vector autoregressive
(SA-VAR) model to encode the geometry and color channels of each reference
patch with and without the distorted patch, respectively. Assuming that the
residual errors follow the multi-variate Gaussian distributions, the
self-complexity of the reference and the transformational complexity between
the reference and distorted samples are computed using covariance matrices.
Additionally, the prediction terms generated by SA-VAR are introduced as one
auxiliary feature to promote the final quality prediction. The effectiveness of
the proposed transformational complexity based distortion metric (TCDM) is
evaluated through extensive experiments conducted on five public point cloud
quality assessment databases. The results demonstrate that the TCDM achieves
state-of-the-art (SOTA) performance, and further analysis confirms its
robustness across various scenarios.
- Abstract（参考訳）: 客観的クラウド品質評価(PCQA)研究の目標は、ポイントクラウド品質を知覚的に一貫した方法で測定する定量的メトリクスを開発することである。
本稿では,認知科学と人間の視覚システム(HVS)の直観を融合させ,歪んだ点雲を基準に戻す複雑さを計測することにより,点雲の品質を評価する。
この目的のために,まず3次元ボロノイ図に基づいて,参照点雲と歪点雲の空間分割を行い,一連の局所パッチペアを得る。
次に,予測符号化理論に触発されて,空間認識ベクトル自己回帰モデル(sa-var)を用いて,各参照パッチの形状と色チャネルをそれぞれ歪むパッチの有無で符号化する。
残差誤差が多変量ガウス分布に従うと仮定すると、参照と歪んだサンプルの間の自己複雑度と変換複雑性は共分散行列を用いて計算される。
また、最終品質予測を促進するために、sa-varが生成する予測項を補助機能として導入する。
提案手法であるtcdm(transformal complexity based distortion metric)の有効性を,5つのパブリッククラウド品質評価データベース上で広範な実験により評価した。
その結果,TCDMは最新技術(SOTA)の性能を達成し,さらに分析により様々なシナリオにおける堅牢性を確認した。
関連論文リスト
- Rendering-Oriented 3D Point Cloud Attribute Compression using Sparse Tensor-based Transformer [52.40992954884257]
3D視覚化技術は、私たちがデジタルコンテンツと対話する方法を根本的に変えてきた。
ポイントクラウドの大規模データサイズは、データ圧縮において大きな課題を呈している。
そこで我々はPCACと差別化可能なレンダリングをシームレスに統合するエンドツーエンドのディープラーニングフレームワークを提案する。
論文 参考訳（メタデータ） (2024-11-12T16:12:51Z) - PseudoNeg-MAE: Self-Supervised Point Cloud Learning using Conditional Pseudo-Negative Embeddings [55.55445978692678]
PseudoNeg-MAEは,ポイントマスク自動エンコーダのグローバルな特徴表現を強化する,自己教師型学習フレームワークである。
PseudoNeg-MAE は ModelNet40 と ScanObjectNN のデータセット上で最先端のパフォーマンスを実現する。
論文 参考訳（メタデータ） (2024-09-24T07:57:21Z) - Bridging Domain Gap of Point Cloud Representations via Self-Supervised Geometric Augmentation [15.881442863961531]
領域間の点雲表現の幾何学的不変性を誘導する新しいスキームを提案する。
一方、点雲のセントロイドシフトを軽減するために、拡張サンプルの距離の変換を予測するための新しいプレテキストタスクが提案されている。
一方,我々は幾何学的に拡張された点雲上での自己教師付き関係学習の統合を開拓した。
論文 参考訳（メタデータ） (2024-09-11T02:39:19Z) - Perception-Guided Quality Metric of 3D Point Clouds Using Hybrid Strategy [38.942691194229724]
フルリファレンスポイントクラウド品質評価(FR-PCQA)は、歪んだポイントクラウドの品質を利用可能なリファレンスで推測することを目的としている。
既存のFR-PCQAメトリクスのほとんどは、人間の視覚システム(HVS)が様々な歪みレベルに応じて視覚情報に動的に取り組むという事実を無視している。
本稿では,2つの視覚的戦略を歪み度に関して適応的に活用し,点雲の質を予測するための知覚誘導ハイブリッド計量(PHM)を提案する。
論文 参考訳（メタデータ） (2024-07-04T12:23:39Z) - 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) - Unleash the Potential of 3D Point Cloud Modeling with A Calibrated Local
Geometry-driven Distance Metric [62.365983810610985]
そこで我々は,Callibated Local Geometry Distance (CLGD) と呼ばれる新しい距離測定法を提案する。
CLGDは、基準点の集合によってキャリブレーションされ誘導される基礎となる3次元表面の差を計算する。
一般的な指標として、CLGDは3Dポイントのクラウドモデリングを前進させる可能性がある。
論文 参考訳（メタデータ） (2023-06-01T11:16:20Z) - Reduced-Reference Quality Assessment of Point Clouds via
Content-Oriented Saliency Projection [17.983188216548005]
多くの高密度な3Dポイントクラウドは、従来の画像やビデオではなく、視覚オブジェクトを表現するために利用されてきた。
本稿では, 点雲に対する新しい, 効率的な還元参照品質指標を提案する。
論文 参考訳（メタデータ） (2023-01-18T18:00:29Z) - GPA-Net:No-Reference Point Cloud Quality Assessment with Multi-task
Graph Convolutional Network [35.381247959766505]
グラフ畳み込みPCQAネットワーク(GPA-Net)と呼ばれる新しい非参照PCQAメトリックを提案する。
PCQAに有効な特徴を抽出するために,構造とテクスチャの摂動を注意深く捉えた新しいグラフ畳み込みカーネル,すなわちGPAConvを提案する。
2つの独立したデータベースの実験結果から、GPA-Netは最先端の非参照PCQAメトリクスと比較して最高のパフォーマンスを達成していることが示された。
論文 参考訳（メタデータ） (2022-10-29T03:06:55Z) - 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) - Permutation Matters: Anisotropic Convolutional Layer for Learning on
Point Clouds [145.79324955896845]
本稿では,各点のソフトな置換行列を計算する変分異方性畳み込み演算(PAI-Conv)を提案する。
点雲の実験により、PAI-Convは分類とセマンティックセグメンテーションのタスクにおいて競合する結果をもたらすことが示された。
論文 参考訳（メタデータ） (2020-05-27T02:42:29Z)
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。