論文の概要: Voxel-based Point Cloud Geometry Compression with Space-to-Channel Context

• arxiv url: http://arxiv.org/abs/2503.18283v1
• Date: Mon, 24 Mar 2025 01:56:08 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-03-25 14:38:39.155411
• Title: Voxel-based Point Cloud Geometry Compression with Space-to-Channel Context
• Title（参考訳）: 空間-チャネルコンテキストを用いたVoxel-based Point Cloud Geometry Compression
• Authors: Bojun Liu, Yangzhi Ma, Ao Luo, Li Li, Dong Liu,
• Abstract要約: 本研究では,高密度点雲と低レベルスパース点雲の両方に対して,段階的にS2C(Space-to-Channel)コンテキストモデルを導入する。 高レベルのスパース点雲に対しては、解像度制限に対処するレベルワイドS2Cコンテキストモデルを提案する。 実験の結果,S2Cコンテキストモデルでは,復元品質の維持や改善を図りながらビットセーブを実現していることがわかった。
• 参考スコア（独自算出の注目度）: 12.978693110398432
• License:
• Abstract: Voxel-based methods are among the most efficient for point cloud geometry compression, particularly with dense point clouds. However, they face limitations due to a restricted receptive field, especially when handling high-bit depth point clouds. To overcome this issue, we introduce a stage-wise Space-to-Channel (S2C) context model for both dense point clouds and low-level sparse point clouds. This model utilizes a channel-wise autoregressive strategy to effectively integrate neighborhood information at a coarse resolution. For high-level sparse point clouds, we further propose a level-wise S2C context model that addresses resolution limitations by incorporating Geometry Residual Coding (GRC) for consistent-resolution cross-level prediction. Additionally, we use the spherical coordinate system for its compact representation and enhance our GRC approach with a Residual Probability Approximation (RPA) module, which features a large kernel size. Experimental results show that our S2C context model not only achieves bit savings while maintaining or improving reconstruction quality but also reduces computational complexity compared to state-of-the-art voxel-based compression methods.
• Abstract（参考訳）: ボクセル法は、特に高密度の点雲において、点雲の幾何学的圧縮において最も効率的である。 しかし、特に高ビット深度点雲を扱う場合、受容場が制限されているため、制限に直面している。 この問題を克服するために,高密度点雲と低レベルスパース点雲の両方に対して,段階的にS2C(Space-to-Channel)コンテキストモデルを導入する。 このモデルは、チャネルワイドの自己回帰戦略を利用して、粗い解像度で近隣情報を効果的に統合する。 さらに、高レベルのスパース点雲に対して、一貫した解像度のクロスレベル予測のためにGeometry Residual Coding (GRC)を組み込むことにより、解像度制限に対処するレベルワイドS2Cコンテキストモデルを提案する。 さらに、球面座標系をコンパクトな表現に使用し、Residual Probability Approximation (RPA)モジュールでGRCアプローチを強化し、カーネルサイズを大きくした。 実験結果から,我々のS2Cコンテキストモデルは,復元品質を維持したり改善したりしながらビットセーブを実現するだけでなく,最先端のボクセル圧縮法と比較して計算複雑性を低減させることがわかった。

関連論文リスト

• Implicit Neural Compression of Point Clouds [58.45774938982386]
  NeRC$textbf3$は、暗黙の神経表現を利用して、幾何学と属性の両方を扱う新しいポイントクラウド圧縮フレームワークである。 動的点雲の場合、4D-NeRC$textbf3$は最先端のG-PCCやV-PCC標準よりも優れた幾何圧縮を示す。
  論文  参考訳（メタデータ） (2024-12-11T03:22:00Z)
• Decoupling Fine Detail and Global Geometry for Compressed Depth Map Super-Resolution [55.9977636042469]
  ビット深度圧縮は、微妙な変化のある領域で均一な深度表現を生成し、詳細情報の回復を妨げる。 密集したランダムノイズは、シーンのグローバルな幾何学的構造を推定する精度を低下させる。 圧縮深度マップ超解像のための新しいフレームワークGDNetを提案する。
  論文  参考訳（メタデータ） (2024-11-05T16:37:30Z)
• PVContext: Hybrid Context Model for Point Cloud Compression [61.24130634750288]
  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。
  論文  参考訳（メタデータ） (2024-09-19T12:47:35Z)
• Fast Point Cloud Geometry Compression with Context-based Residual Coding and INR-based Refinement [19.575833741231953]
  我々は、KNN法を用いて、原表面点の近傍を決定する。 条件付き確率モデルは局所幾何学に適応し、大きな速度減少をもたらす。 暗黙のニューラル表現を精製層に組み込むことで、デコーダは任意の密度で下面の点をサンプリングすることができる。
  論文  参考訳（メタデータ） (2024-08-06T05:24:06Z)
• 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)
• Arbitrary-Scale Point Cloud Upsampling by Voxel-Based Network with Latent Geometric-Consistent Learning [52.825441454264585]
  Voxel-based Network (textbfPU-VoxelNet) を用いた任意のスケールのクラウド・アップサンプリング・フレームワークを提案する。 ボクセル表現から継承された完全性と規則性により、ボクセルベースのネットワークは3次元表面を近似する事前定義されたグリッド空間を提供することができる。 密度誘導グリッド再サンプリング法を開発し、高忠実度点を生成するとともに、サンプリング出力を効果的に回避する。
  論文  参考訳（メタデータ） (2024-03-08T07:31:14Z)
• 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)
• 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)

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。