論文の概要: PVContext: Hybrid Context Model for Point Cloud Compression

• arxiv url: http://arxiv.org/abs/2409.12724v1
• Date: Thu, 19 Sep 2024 12:47:35 GMT
• ステータス: 処理完了
• システム内更新日: 2024-11-07 13:45:42.524175
• Title: PVContext: Hybrid Context Model for Point Cloud Compression
• Title（参考訳）: PVContext:ポイントクラウド圧縮のためのハイブリッドコンテキストモデル
• Authors: Guoqing Zhang, Wenbo Zhao, Jian Liu, Yuanchao Bai, Junjun Jiang, Xianming Liu,
• Abstract要約: 我々は,効率的なオクツリーベースのポイントクラウド圧縮のためのハイブリッドコンテキストモデルPVContextを提案する。 PVContextは、ボクセルを用いて局所幾何学情報を正確に表現するVoxel Contextと、ポイントクラウドからグローバルな形状情報を効率的に保存するPoint Contextの2つのコンポーネントから構成される。
• 参考スコア（独自算出の注目度）: 61.24130634750288
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Efficient storage of large-scale point cloud data has become increasingly challenging due to advancements in scanning technology. Recent deep learning techniques have revolutionized this field; However, most existing approaches rely on single-modality contexts, such as octree nodes or voxel occupancy, limiting their ability to capture information across large regions. In this paper, we propose PVContext, a hybrid context model for effective octree-based point cloud compression. PVContext comprises two components with distinct modalities: the Voxel Context, which accurately represents local geometric information using voxels, and the Point Context, which efficiently preserves global shape information from point clouds. By integrating these two contexts, we retain detailed information across large areas while controlling the context size. The combined context is then fed into a deep entropy model to accurately predict occupancy. Experimental results demonstrate that, compared to G-PCC, our method reduces the bitrate by 37.95\% on SemanticKITTI LiDAR point clouds and by 48.98\% and 36.36\% on dense object point clouds from MPEG 8i and MVUB, respectively.
• Abstract（参考訳）: スキャン技術の進歩により,大規模クラウドデータの効率的な保存がますます困難になっている。 しかし、既存のほとんどのアプローチは、オクツリーノードやボクセル占有のような単一モダリティのコンテキストに依存しており、大きな領域にまたがる情報を取り込む能力を制限している。 本稿では,効率的なオクツリーベースのポイントクラウド圧縮のためのハイブリッドコンテキストモデルであるPVContextを提案する。 PVContextは、ボクセルを用いて局所幾何学情報を正確に表現するVoxel Contextと、ポイントクラウドからグローバルな形状情報を効率的に保存するPoint Contextの2つのコンポーネントから構成される。 これら2つのコンテキストを統合することで、コンテキストサイズを制御しながら、広範囲にわたる詳細な情報を保持できる。 組み合わせたコンテキストを深いエントロピーモデルに入力し、占有率を正確に予測する。 実験により,G-PCCと比較して,セマンティックKITTI LiDAR点群では37.95 %,高密度物体点群では48.98 %,MVUBでは36.36 %のビットレートが減少した。

関連論文リスト

• Point Cloud Compression with Implicit Neural Representations: A Unified Framework [54.119415852585306]
  我々は幾何学と属性の両方を扱える先駆的なクラウド圧縮フレームワークを提案する。 本フレームワークでは,2つの座標ベースニューラルネットワークを用いて,voxelized point cloudを暗黙的に表現する。 本手法は,既存の学習手法と比較して,高い普遍性を示す。
  論文  参考訳（メタデータ） (2024-05-19T09:19:40Z)
• PIVOT-Net: Heterogeneous Point-Voxel-Tree-based Framework for Point Cloud Compression [8.778300313732027]
  異種クラウド圧縮(PCC)フレームワークを提案する。 私たちは、典型的なポイントクラウド表現 -- ポイントベース、ボクセルベース、ツリーベース表現 -- と関連するバックボーンを統一します。 本稿では,デコードのためのコンテキスト対応アップサンプリングと,機能集約のための拡張ボクセルトランスフォーマーによりフレームワークを増強する。
  論文  参考訳（メタデータ） (2024-02-11T16:57:08Z)
• 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)
• Patch-Wise Point Cloud Generation: A Divide-and-Conquer Approach [83.05340155068721]
  分割・分散アプローチを用いた新しい3dポイントクラウド生成フレームワークを考案する。 すべてのパッチジェネレータは学習可能な事前情報に基づいており、幾何学的プリミティブの情報を取得することを目的としている。 最も人気のあるポイントクラウドデータセットであるShapeNetのさまざまなオブジェクトカテゴリに関する実験結果は、提案したパッチワイドポイントクラウド生成の有効性を示している。
  論文  参考訳（メタデータ） (2023-07-22T11:10:39Z)
• CPCM: Contextual Point Cloud Modeling for Weakly-supervised Point Cloud Semantic Segmentation [60.0893353960514]
  疎アノテーションを用いた弱教師付きポイントクラウドセマンティックセマンティックセグメンテーションの課題について検討する。 本研究では,地域マスキング(RegionMask)戦略とコンテキストマスキングトレーニング(CMT)手法の2つの部分からなるコンテキストポイントクラウドモデリング(CPCM)手法を提案する。
  論文  参考訳（メタデータ） (2023-07-19T04:41:18Z)
• Point Cloud Compression with Sibling Context and Surface Priors [47.96018990521301]
  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。
  論文  参考訳（メタデータ） (2022-05-02T09:13:26Z)
• 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)
• 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)
• Cascaded Refinement Network for Point Cloud Completion [74.80746431691938]
  本稿では,細かな物体形状を合成するための粗大な戦略とともに,カスケード型精細化ネットワークを提案する。 部分入力の局所的な詳細と大域的な形状情報を合わせて考えると、既存の詳細を不完全点集合に保存することができる。 また、各局所領域が同じパターンと基底的真理を持つことを保証し、複雑な点分布を学習するパッチ判別器を設計する。
  論文  参考訳（メタデータ） (2020-04-07T13:03:29Z)

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。