論文の概要: No-Reference Point Cloud Quality Assessment via Weighted Patch Quality Prediction

• arxiv url: http://arxiv.org/abs/2305.07829v2
• Date: Fri, 9 Jun 2023 09:27:33 GMT
• ステータス: 処理完了
• システム内更新日: 2023-06-12 16:44:53.382554
• Title: No-Reference Point Cloud Quality Assessment via Weighted Patch Quality Prediction
• Title（参考訳）: 重み付きパッチ品質予測による非参照点クラウド品質評価
• Authors: Jun Cheng, Honglei Su, Jari Korhonen
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 19.128878108831287
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: With the rapid development of 3D vision applications based on point clouds, point cloud quality assessment(PCQA) is becoming an important research topic. However, the prior PCQA methods ignore the effect of local quality variance across different areas of the point cloud. To take an advantage of the quality distribution imbalance, we propose a no-reference point cloud quality assessment (NR-PCQA) method with local area correlation analysis capability, denoted as COPP-Net. More specifically, we split a point cloud into patches, generate texture and structure features for each patch, and fuse them into patch features to predict patch quality. Then, we gather the features of all the patches of a point cloud for correlation analysis, to obtain the correlation weights. Finally, the predicted qualities and correlation weights for all the patches are used to derive the final quality score. Experimental results show that our method outperforms the state-of-the-art benchmark NR-PCQA methods. The source code for the proposed COPP-Net can be found at https://github.com/philox12358/COPP-Net.
• Abstract（参考訳）: ポイントクラウドに基づく3Dビジョンアプリケーションの開発が急速に進み、ポイントクラウド品質評価(PCQA)が重要な研究トピックになりつつある。 しかし、従来のPCQA手法では、点雲の異なる領域における局所的な品質変動の影響を無視する。 品質分布不均衡の利点を生かし,地域相関解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、それらをパッチ機能に融合してパッチ品質を予測します。 そして,相関解析のために点雲のすべてのパッチの特徴を収集し,相関重みを求める。 最後に、すべてのパッチに対する予測品質と相関重みを用いて最終的な品質スコアを導出する。 実験の結果,提案手法はNR-PCQA法よりも優れていた。 COPP-Netのソースコードはhttps://github.com/philox12358/COPP-Netにある。

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)
• 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)
• 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)
• PointPatchMix: Point Cloud Mixing with Patch Scoring [58.58535918705736]
  我々は、パッチレベルでポイントクラウドを混合し、混合ポイントクラウドのコンテンツベースターゲットを生成するPointPatchMixを提案する。 パッチスコアリングモジュールは、事前学習した教師モデルから、コンテンツに基づく重要度スコアに基づいて目標を割り当てる。 Point-MAE をベースラインとして,ScanObjectNN では86.3%,ModelNet40 では94.1% の精度で,従来の手法をかなり上回りました。
  論文  参考訳（メタデータ） (2023-03-12T14:49:42Z)
• Progressive Knowledge Transfer Based on Human Visual Perception Mechanism for Perceptual Quality Assessment of Point Clouds [21.50682830021656]
  点雲(PKT-PCQA)の知覚的品質評価のための人間の視覚知覚機構に基づく進歩的知識伝達を提案する。 3つの大規模および独立したポイントクラウドアセスメントデータセットの実験により、提案された参照PKT-PCQAネットワークが同等のパフォーマンスを向上することを示す。
  論文  参考訳（メタデータ） (2022-11-30T00:27:58Z)
• TCDM: Transformational Complexity Based Distortion Metric for Perceptual Point Cloud Quality Assessment [24.936061591860838]
  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一貫した方法で測定するメトリクスを開発することである。 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。
  論文  参考訳（メタデータ） (2022-10-10T13:20:51Z)
• Point Cloud Quality Assessment using 3D Saliency Maps [37.290843791053256]
  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。
  論文  参考訳（メタデータ） (2022-09-30T13:59:09Z)
• 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。