論文の概要: TAFA-GSGC: Group-wise Scalable Point Cloud Geometry Compression with Progressive Residual Refinement
- arxiv url: http://arxiv.org/abs/2604.28045v1
- Date: Thu, 30 Apr 2026 15:57:59 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-05-01 16:31:54.184365
- Title: TAFA-GSGC: Group-wise Scalable Point Cloud Geometry Compression with Progressive Residual Refinement
- Title（参考訳）: TAFA-GSGC: プログレッシブ残像再構成によるグループワイドスケーラブルポイントクラウド幾何圧縮
- Authors: Xiumei Li, Alexander Kopte, André Kaup,
- Abstract要約: TAFA-GSGCは,単一ビットストリームと単一トレーニングモデルからのマルチ品質デコードを可能にするスケーラブルな学習ポイントクラウドジオメトリである。
ベースラインのPCGCv2と比較すると、TAFA-GSGCはRDのパフォーマンスが同等で若干向上し、平均BD-RateはD1で-4.99%、D2で-5.92%の節約を達成した。
- 参考スコア（独自算出の注目度）: 62.57701599278593
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Scalable compression is essential for bandwidth-adaptive transmission, yet most learned codecs are optimized for a fixed rate-distortion point, making rate adaptation costly due to re-encoding or maintaining multiple bitstreams. In this work, we propose TAFA-GSGC, a scalable learned point cloud geometry codec that enables multi-quality decoding from a single bitstream and a single trained model. TAFA-GSGC combines layered residual refinement with channel-group entropy coding, and introduces Target-Aligned Feature Aggregation module to reduce cross-layer redundancy in enhancement residuals. Our framework supports up to 9 decodable quality levels with monotonic quality improvement as more subbitstreams are received, while maintaining strong compression efficiency. Compared with the baseline PCGCv2, TAFA-GSGC attains comparable and slightly better RD performance, achieving average BD-Rate savings of -4.99% in D1 and -5.92% in D2.
- Abstract（参考訳）: 帯域幅適応伝送にはスケーラブル圧縮が不可欠であるが、ほとんどの学習したコーデックは固定レート歪み点に最適化されており、再符号化や複数のビットストリームの維持のためにコストがかかる。
本研究では,単一ビットストリームと単一トレーニングモデルからマルチ品質デコードを可能にするスケーラブルな学習ポイントクラウドジオメトリコーデックTAFA-GSGCを提案する。
TAFA-GSGCは層状残基の微細化とチャネル群エントロピー符号化を併用し, 層間冗長性を低減させるターゲットアライメント・フィーチャーアグリゲーション・モジュールを導入した。
我々のフレームワークは、より多くのサブビットストリームが受信され、強い圧縮効率を維持しながら、モノトニックな品質改善を伴う最大9つのデオード可能な品質レベルをサポートしています。
ベースラインのPCGCv2と比較すると、TAFA-GSGCはRDのパフォーマンスが同等で若干向上し、平均BD-RateはD1で-4.99%、D2で-5.92%の節約を達成した。
関連論文リスト
- End-to-End Image Compression with Segmentation Guided Dual Coding for Wind Turbines [18.228491632517024]
本稿では,セグメント化と二重モード圧縮を共同で行うエンドツーエンドのディープラーニングフレームワークを提案する。
大規模な風力タービンデータセットの実験は、優れた圧縮性能と効率を示す。
論文 参考訳（メタデータ） (2026-03-31T16:01:23Z) - Rethinking Autoregressive Models for Lossless Image Compression via Hierarchical Parallelism and Progressive Adaptation [75.58269386927076]
自己回帰(AR)モデルは、しばしば計算コストの禁止のために非現実的に除外される。
この研究は、階層的並列性とプログレッシブ適応に基づくフレームワークを導入して、このパラダイムを再考する。
各種データセット(自然,衛星,医療)の実験により,本手法が新たな最先端圧縮を実現することを確認した。
論文 参考訳（メタデータ） (2025-11-14T06:27:58Z) - 4DGCPro: Efficient Hierarchical 4D Gaussian Compression for Progressive Volumetric Video Streaming [52.76837132019501]
本稿では,新しい階層型4D圧縮フレームワークである4DGCProを紹介する。
4DGCProは、プログレッシブボリュームビデオストリーミングによるリアルタイムモバイルデコーディングと高品質なレンダリングを容易にする。
エンドツーエンドのエントロピー最適化トレーニングスキームを提案する。
論文 参考訳（メタデータ） (2025-09-22T08:38:17Z) - HCF: Hierarchical Cascade Framework for Distributed Multi-Stage Image Compression [5.995201755175342]
階層型カスケードフレームワーク(HCF)は、高速な歪み性能と計算効率の向上を実現するために開発された。
HCFは、ネットワークノード間の直接ラテント空間変換により、高速な歪み性能と計算効率の向上を実現する。
論文 参考訳（メタデータ） (2025-08-04T04:37:56Z) - UniPCGC: Towards Practical Point Cloud Geometry Compression via an Efficient Unified Approach [4.754973569457509]
我々は,UniPCGCと呼ばれる効率的な統合ポイントクラウド幾何圧縮フレームワークを提案する。
可逆圧縮、無損失圧縮、可変レート、可変複雑性をサポートする。
損失圧縮ではCR比が8.1%、損失圧縮ではBjontegaard Delta Rate(BD-Rate)が14.02%向上した。
論文 参考訳（メタデータ） (2025-03-24T10:51:28Z) - Rate-Distortion Optimized Skip Coding of Region Adaptive Hierarchical Transform Coefficients for MPEG G-PCC [13.122745400640305]
3次元(3D)点雲は3Dオブジェクトやシーンを表現するためにますます人気が高まっている。
この課題に対処するため、Moving Picture Experts Groupは、GeometryベースのPoint Cloud Compression(G-PCC)標準を積極的に開発している。
RAHTの適応スキップ手法を提案し,最後の数層の残余を符号化するか否かを適応的に決定する。
論文 参考訳（メタデータ） (2024-12-07T07:43:44Z) - Compression-Realized Deep Structural Network for Video Quality Enhancement [78.13020206633524]
本稿では,圧縮ビデオの品質向上の課題に焦点をあてる。
既存の手法のほとんどは、圧縮コーデック内での事前処理を最適に活用するための構造設計を欠いている。
新しいパラダイムは、より意識的な品質向上プロセスのために緊急に必要である。
論文 参考訳（メタデータ） (2024-05-10T09:18:17Z) - Deep Video Coding with Dual-Path Generative Adversarial Network [39.19042551896408]
本稿では,DGVC(Double-path Generative Adversarial Network-based Video)という,効率的なコーデックを提案する。
我々のDGVCは、PSNR/MS-SSIMで平均ビット/ピクセル(bpp)を39.39%/54.92%削減する。
論文 参考訳（メタデータ） (2021-11-29T11:39:28Z) - Learning for Video Compression with Hierarchical Quality and Recurrent
Enhancement [164.7489982837475]
本稿では,階層型ビデオ圧縮(HLVC)手法を提案する。
我々のHLVCアプローチでは、エンコーダ側とデコーダ側の低品質フレームの圧縮と強化を容易にするため、階層的品質は符号化効率の恩恵を受ける。
論文 参考訳（メタデータ） (2020-03-04T09:31:37Z)
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。