Fugu-MT 論文翻訳(概要): Point Cloud Compression and Objective Quality Assessment: A Survey

論文の概要: Point Cloud Compression and Objective Quality Assessment: A Survey

arxiv url: http://arxiv.org/abs/2506.22902v1
Date: Sat, 28 Jun 2025 14:34:24 GMT
ステータス: 翻訳完了
システム内更新日: 2025-07-01 21:27:53.625038
Title: Point Cloud Compression and Objective Quality Assessment: A Survey
Title（参考訳）: ポイントクラウド圧縮と客観的品質評価:調査
Authors: Yiling Xu, Yujie Zhang, Shuting Xia, Kaifa Yang, He Huang, Ziyu Shan, Wenjie Huang, Qi Yang, Le Yang,
Abstract要約: 3Dポイントのクラウドデータは、自動運転、ロボティクス、没入型環境のアプリケーションによって駆動される。従来の2Dメディアとは異なり、ポイントクラウドは不規則な構造、高いデータボリューム、複雑な属性のためにユニークな課題を呈している。
参考スコア（独自算出の注目度）: 22.27629022031786
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: The rapid growth of 3D point cloud data, driven by applications in autonomous driving, robotics, and immersive environments, has led to criticals demand for efficient compression and quality assessment techniques. Unlike traditional 2D media, point clouds present unique challenges due to their irregular structure, high data volume, and complex attributes. This paper provides a comprehensive survey of recent advances in point cloud compression (PCC) and point cloud quality assessment (PCQA), emphasizing their significance for real-time and perceptually relevant applications. We analyze a wide range of handcrafted and learning-based PCC algorithms, along with objective PCQA metrics. By benchmarking representative methods on emerging datasets, we offer detailed comparisons and practical insights into their strengths and limitations. Despite notable progress, challenges such as enhancing visual fidelity, reducing latency, and supporting multimodal data remain. This survey outlines future directions, including hybrid compression frameworks and advanced feature extraction strategies, to enable more efficient, immersive, and intelligent 3D applications.
Abstract（参考訳）: 自動運転、ロボティクス、没入型環境の応用によって駆動される3Dポイントクラウドデータの急速な成長は、効率的な圧縮と品質評価技術に対する批判的な要求につながった。従来の2Dメディアとは異なり、ポイントクラウドは不規則な構造、高いデータボリューム、複雑な属性のためにユニークな課題を呈している。本稿では、ポイントクラウド圧縮(PCC)とポイントクラウド品質評価(PCQA)の最近の進歩を包括的に調査し、リアルタイムおよび知覚関連アプリケーションにおけるそれらの重要性を強調した。対象とするPCQA指標とともに,手作りおよび学習に基づく多種多様なPCCアルゴリズムを解析する。新たなデータセットに代表的手法をベンチマークすることにより、それらの長所と短所に関する詳細な比較と実践的な洞察を提供する。目立った進歩にもかかわらず、視覚的忠実性の向上、レイテンシの削減、マルチモーダルデータのサポートといった課題は残っている。この調査は、より効率的で没入的でインテリジェントな3Dアプリケーションを実現するために、ハイブリッド圧縮フレームワークや高度な特徴抽出戦略を含む今後の方向性を概説する。

関連論文リスト

Low-Complexity Patch-based No-Reference Point Cloud Quality Metric exploiting Weighted Structure and Texture Features [5.409704301731714]
PST-PCQAは、低複雑さ、学習ベースのフレームワークに基づく、ノンリファレンスポイントのクラウド品質メトリクスである。個々のパッチを分析してポイントクラウドの品質を評価し、ローカル機能とグローバル機能を統合して平均オピニオンスコアを予測する。
論文参考訳（メタデータ） (2025-03-19T08:52:04Z)
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)
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)
Building-PCC: Building Point Cloud Completion Benchmarks [0.0]
ライダー技術は都市景観における3Dデータの収集に広く応用されている。収集された点雲データは、閉塞、信号吸収、スペクトル反射などの要因により不完全性を示すことが多い。本稿では,これらの不完全データ処理におけるポイントクラウド補完技術の応用について検討する。
論文参考訳（メタデータ） (2024-04-24T04:50:50Z)
Activating Frequency and ViT for 3D Point Cloud Quality Assessment without Reference [0.49157446832511503]
与えられた3D-PCの非参照品質指標を提案する。入力属性を品質スコアにマップするには、Deformable Convolutional Network(DCN)とViT(ViT)を組み合わせた軽量ハイブリッドディープモデルを用いる。その結果,本手法は現在のNR-PCQA測度やPointXRのFR-PCQAよりも優れていた。
論文参考訳（メタデータ） (2023-12-10T19:13:34Z)
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)
Point Cloud Registration for LiDAR and Photogrammetric Data: a Critical Synthesis and Performance Analysis on Classic and Deep Learning Algorithms [7.874736360019618]
本稿では,SOTA(State-of-the-art)ポイントクラウド登録手法について概観する。本研究では,屋内から衛星まで多様な点雲データを用いて,これらの手法を解析・評価する。古典的な手作り、ディープラーニングに基づく特徴対応、堅牢なC2C手法を含む10以上の手法が試験された。
論文参考訳（メタデータ） (2023-02-14T16:52:26Z)
PCQA-GRAPHPOINT: Efficients Deep-Based Graph Metric For Point Cloud Quality Assessment [11.515951211296361]
3Dポイントクラウド(PC)は、3D視覚情報を表示するための有望なソリューションであり、効果的な手段である。本稿では、グラフニューラルネットワーク(GNN)を用いた固有の局所的依存関係の学習による、ポイントクラウドの品質評価のための、新規で効率的な客観的指標を提案する。その結果、最先端のメトリクスと比較して、ソリューションの有効性と信頼性が示された。
論文参考訳（メタデータ） (2022-11-04T13:45:54Z)
Blind Quality Assessment of 3D Dense Point Clouds with Structure Guided Resampling [71.68672977990403]
本研究では,3次元高密度点雲の知覚的視覚的品質を自動評価するために,Structure Guided Resampling (SGR) を用いた客観的点雲品質指標を提案する。提案するSGRは,参照情報の不要な汎用ブラインド品質評価手法である。
論文参考訳（メタデータ） (2022-08-31T02:42:55Z)
Revisiting Point Cloud Simplification: A Learnable Feature Preserving Approach [57.67932970472768]
MeshとPoint Cloudの単純化手法は、3Dモデルの複雑さを低減しつつ、視覚的品質と関連する健全な機能を維持することを目的としている。そこで本研究では,正解点の標本化を学習し,高速点雲の簡易化手法を提案する。提案手法は、入力空間から任意のユーザ定義の点数を選択し、視覚的知覚誤差を最小限に抑えるために、その位置を再配置するよう訓練されたグラフニューラルネットワークアーキテクチャに依存する。
論文参考訳（メタデータ） (2021-09-30T10:23:55Z)
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)

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。