論文の概要: SurfelSoup: Learned Point Cloud Geometry Compression With a Probablistic SurfelTree Representation

• arxiv url: http://arxiv.org/abs/2602.00186v1
• Date: Fri, 30 Jan 2026 05:47:48 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-02-03 19:28:33.040249
• Title: SurfelSoup: Learned Point Cloud Geometry Compression With a Probablistic SurfelTree Representation
• Title（参考訳）: SurfelSoup: 確率論的SurfelTree表現による学習点雲形状圧縮
• Authors: Tingyu Fan, Ran Gong, Yueyu Hu, Yao Wang,
• Abstract要約: SurfelSoupは、ポイントクラウド幾何学圧縮のためのエンドツーエンドの学習フレームワークである。 これはオクツリーのような階層であるpSurfelTreeに編成され、木決定モジュールは、速度歪みの最適サーフェル粒度選択のために木分割を適応的に終了する。 また,MPEG標準G-PCC-GesTM-TriSoupでは,ボクセルベースラインやMPEG標準G-PCC-GesTM-TriSoupよりも幾何圧縮が一貫した向上を示した。
• 参考スコア（独自算出の注目度）: 11.544662513047745
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: This paper presents SurfelSoup, an end-to-end learned surface-based framework for point cloud geometry compression, with surface-structured primitives for representation. It proposes a probabilistic surface representation, pSurfel, which models local point occupancies using a bounded generalized Gaussian distribution. In addition, the pSurfels are organized into an octree-like hierarchy, pSurfelTree, with a Tree Decision module that adaptively terminates the tree subdivision for rate-distortion optimal Surfel granularity selection. This formulation avoids redundant point-wise compression in smooth regions and produces compact yet smooth surface reconstructions. Experimental results under the MPEG common test condition show consistent gain on geometry compression over voxel-based baselines and MPEG standard G-PCC-GesTM-TriSoup, while providing visually superior reconstructions with smooth and coherent surface structures.
• Abstract（参考訳）: 本稿では,ポイントクラウド幾何圧縮のための端から端まで学習された表面ベースフレームワークであるSurfelSoupについて述べる。 有界一般化ガウス分布を用いて局所点占有率をモデル化する確率曲面表現 pSurfel を提案する。 さらに、pSurfelsはオクツリーのような階層であるpSurfelTreeに編成され、レート歪みの最適サーフェル粒度選択のためのツリー分割を適応的に終了するツリー決定モジュールを備える。 この定式化は、滑らかな領域における冗長な点圧縮を回避し、コンパクトだが滑らかな表面再構成を生成する。 MPEG標準G-PCC-GesTM-TriSoupとVoxelベースベースラインとMPEG標準G-PCC-GesTM-TriSoupの幾何圧縮に一貫した効果が得られた。

関連論文リスト

• OffsetOPT: Explicit Surface Reconstruction without Normals [7.297352404640493]
  ここでは,3次元点雲から直接表面を再構成するOffsetOPTを提案する。 小型の形状や大規模開口面など,一般的なベンチマークでその精度を実証する。
  論文  参考訳（メタデータ） (2025-03-20T00:47:27Z)
• DynoSurf: Neural Deformation-based Temporally Consistent Dynamic Surface Reconstruction [93.18586302123633]
  本稿では3次元点雲列から時間的に一貫した表面を対応なく再構成する問題について考察する。 テンプレート表面表現と学習可能な変形場を統合した教師なし学習フレームワークDynoSurfを提案する。 実験により、DynoSurfの現在の最先端アプローチに対する顕著な優位性を示した。
  論文  参考訳（メタデータ） (2024-03-18T08:58:48Z)
• 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)
• Flattening-Net: Deep Regular 2D Representation for 3D Point Cloud Analysis [66.49788145564004]
  我々は、任意の幾何学と位相の不規則な3次元点雲を表現するために、Flattning-Netと呼ばれる教師なしのディープニューラルネットワークを提案する。 我々の手法は、現在の最先端の競合相手に対して好意的に機能する。
  論文  参考訳（メタデータ） (2022-12-17T15:05:25Z)
• HSurf-Net: Normal Estimation for 3D Point Clouds by Learning Hyper Surfaces [54.77683371400133]
  本稿では,ノイズと密度の変動のある点群から正規性を正確に予測できるHSurf-Netという新しい正規推定手法を提案する。 実験結果から, HSurf-Netは, 合成形状データセット上での最先端性能を実現することがわかった。
  論文  参考訳（メタデータ） (2022-10-13T16:39:53Z)
• 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)
• Deep Implicit Surface Point Prediction Networks [49.286550880464866]
  暗黙の関数としての3次元形状の深い神経表現は、高忠実度モデルを生成することが示されている。 本稿では,CSP(Nest Surface-point)表現と呼ばれる新しい種類の暗黙の表現を用いて,そのような曲面をモデル化する新しいアプローチを提案する。
  論文  参考訳（メタデータ） (2021-06-10T14:31:54Z)
• Skeleton-bridged Point Completion: From Global Inference to Local Adjustment [48.2757171993437]
  形状整形のための骨格ブリッジ型点完備ネットワーク(SK-PCN)を提案する。 部分スキャンにより,まずその3次元骨格を予測し,大域構造を求める。 形状の完備化を構造推定と表面再構成に分離し,学習の難易度を緩和する。
  論文  参考訳（メタデータ） (2020-10-14T22:49:30Z)

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。