論文の概要: The Worse The Better: Content-Aware Viewpoint Generation Network for Projection-related Point Cloud Quality Assessment

• arxiv url: http://arxiv.org/abs/2502.11710v1
• Date: Mon, 17 Feb 2025 11:50:42 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-02-18 14:10:39.381952
• Title: The Worse The Better: Content-Aware Viewpoint Generation Network for Projection-related Point Cloud Quality Assessment
• Title（参考訳）: さらに悪いこと:投影関連点雲品質評価のためのコンテンツ対応視点生成ネットワーク
• Authors: Zhiyong Su, Bingxu Xie, Zheng Li, Jincan Wu, Weiqing Li,
• Abstract要約: 本稿では,コンテンツ認識型視点生成ネットワーク(CAVGN)を提案する。 提案したCAVGNをトレーニングするために,最低品質の投影画像で視点を選択する自己監督型視点ネットワーク(SSVRN)を提案する。 実験結果から,提案したCAVGNの視点を用いて,プロジェクション関連PCQA法により高い性能が得られることが示された。
• 参考スコア（独自算出の注目度）: 9.810669754561546
• License:
• Abstract: Through experimental studies, however, we observed the instability of final predicted quality scores, which change significantly over different viewpoint settings. Inspired by the "wooden barrel theory", given the default content-independent viewpoints of existing projection-related PCQA approaches, this paper presents a novel content-aware viewpoint generation network (CAVGN) to learn better viewpoints by taking the distribution of geometric and attribute features of degraded point clouds into consideration. Firstly, the proposed CAVGN extracts multi-scale geometric and texture features of the entire input point cloud, respectively. Then, for each default content-independent viewpoint, the extracted geometric and texture features are refined to focus on its corresponding visible part of the input point cloud. Finally, the refined geometric and texture features are concatenated to generate an optimized viewpoint. To train the proposed CAVGN, we present a self-supervised viewpoint ranking network (SSVRN) to select the viewpoint with the worst quality projected image to construct a default-optimized viewpoint dataset, which consists of thousands of paired default viewpoints and corresponding optimized viewpoints. Experimental results show that the projection-related PCQA methods can achieve higher performance using the viewpoints generated by the proposed CAVGN.
• Abstract（参考訳）: しかし、実験により、最終的な予測品質スコアの不安定性が観察され、異なる視点設定で大きく変化することがわかった。 そこで本稿は,既存の投影関連PCQAアプローチの既定のコンテンツ非依存の視点から,劣化点雲の幾何学的特徴と属性特性の分布を考慮し,より優れた視点を学習するための,コンテンツ対応視点生成ネットワーク(CAVGN)を提案する。 まず、提案したCAVGNは、入力点雲全体のマルチスケールな幾何学的特徴とテクスチャ的特徴を抽出する。 そして、デフォルトのコンテンツ非依存の視点ごとに、抽出された幾何学的特徴とテクスチャ的特徴を洗練し、入力点雲の対応する可視部分に焦点を当てる。 最後に、改良された幾何学的特徴とテクスチャ的特徴を連結し、最適化された視点を生成する。 提案したCAVGNをトレーニングするために、最低品質の投影画像を用いた視点選択のための自己監督型視点ランキングネットワーク(SSVRN)を提案し、数千対のデフォルト視点とそれに対応する最適化された視点からなる、デフォルト最適化された視点データセットを構築する。 実験結果から,提案したCAVGNの視点を用いて,プロジェクション関連PCQA法により高い性能が得られることが示された。

関連論文リスト

• No-Reference Point Cloud Quality Assessment via Graph Convolutional Network [89.12589881881082]
  3次元(3D)ポイントクラウドは、新しいビジュアルメディアフォーマットとして、消費者にますます好まれている。 ポイントクラウドは、必然的に、マルチメディア通信システムによる品質劣化と情報損失に悩まされる。 マルチビュー2次元投影画像の相互依存関係を特徴付けるために,GCN(Graph Convolutional Network)を用いた新しい非参照PCQA手法を提案する。
  論文  参考訳（メタデータ） (2024-11-12T11:39:05Z)
• Self-supervised 3D Point Cloud Completion via Multi-view Adversarial Learning [61.14132533712537]
  我々は、オブジェクトレベルとカテゴリ固有の幾何学的類似性の両方を効果的に活用するフレームワークであるMAL-SPCを提案する。 私たちのMAL-SPCは3Dの完全な監視を一切必要とせず、各オブジェクトに1つの部分点クラウドを必要とするだけです。
  論文  参考訳（メタデータ） (2024-07-13T06:53:39Z)
• PointOBB: Learning Oriented Object Detection via Single Point Supervision [55.88982271340328]
  本稿では,オブジェクト指向物体検出のための最初の単一点ベース OBB 生成法である PointOBB を提案する。 PointOBBは、オリジナルビュー、リサイズビュー、ローテーション/フリップ(rot/flp)ビューの3つのユニークなビューの協調利用を通じて動作する。 DIOR-RとDOTA-v1.0データセットの実験結果は、PointOBBが有望な性能を達成することを示す。
  論文  参考訳（メタデータ） (2023-11-23T15:51:50Z)
• 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)
• 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)
• 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)
• GFNet: Geometric Flow Network for 3D Point Cloud Semantic Segmentation [91.15865862160088]
  本稿では,異なるビュー間の幾何対応性を検討するための幾何フローネットワーク (GFNet) を提案する。 具体的には、異なる視点にまたがって補完情報を双方向に整列し、伝播する新しい幾何フローモジュール(GFM)を考案する。
  論文  参考訳（メタデータ） (2022-07-06T11:48:08Z)
• Self-Supervised Visibility Learning for Novel View Synthesis [79.53158728483375]
  従来のレンダリング方法はシーン形状を推定し、2つの別々のステップで新しいビューを合成します。 エラー伝搬問題を排除するために,エンドツーエンドのNVSフレームワークを提案する。 当社のネットワークはエンドツーエンドのセルフ監視方式でトレーニングされており、ビュー合成におけるエラーの蓄積を大幅に軽減します。
  論文  参考訳（メタデータ） (2021-03-29T08:11:25Z)
• PC-RGNN: Point Cloud Completion and Graph Neural Network for 3D Object Detection [57.49788100647103]
  LiDARベースの3Dオブジェクト検出は、自動運転にとって重要なタスクです。 現在のアプローチでは、遠方および閉ざされた物体の偏りと部分的な点雲に苦しむ。 本稿では,この課題を2つの解決法で解決する新しい二段階アプローチ,pc-rgnnを提案する。
  論文  参考訳（メタデータ） (2020-12-18T18:06:43Z)
• Enabling Viewpoint Learning through Dynamic Label Generation [10.228754362756153]
  提案手法は,異なる対象カテゴリのモデルに対する視点予測を学習するのにどう役立つかを示す。 本研究では,SOTA(State-of-the-art)の視点品質評価と比較して,予測時間が数分から1秒に短縮されることを示す。
  論文  参考訳（メタデータ） (2020-03-10T11:49:27Z)

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。