論文の概要: Hierarchical Frequency-Domain Compression of Implicit Geometric Representations for Large-Scale Point Clouds

• arxiv url: http://arxiv.org/abs/2609.32789v1
• Date: Sat, 26 Sep 2026 17:04:27 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-06 20:15:03.889598
• Title: Hierarchical Frequency-Domain Compression of Implicit Geometric Representations for Large-Scale Point Clouds
• Title（参考訳）: 大規模点雲に対する不規則幾何表現の階層的周波数領域圧縮
• Abstract要約: そこで本研究では,非特異な幾何学的場表現,階層的周波数領域圧縮,条件付き高周波述語を含む統一的なフレームワークを提案する。 8ミル以上のライオン点を持つ複合表面の点雲実験により,既存の点雲計算法よりも高い圧縮比が得られることを示した。
• 参考スコア（独自算出の注目度）: 15.955097205858019
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Large-scale point cloud representations of complex geome tries incur prohibitive computational and memory costs, necessitating compressed implicit representations. To ad dress this, we propose a unified framework comprising im plicit geometric field representation, hierarchical frequency domain compression, and conditional high-frequency predic tion. Specifically, an unordered point cloud is mapped to an implicit field defined within its physical bounding box. A smooth Fourier pyramid is then constructed, where com pact low-frequency components capture the global geometry. Inter-scale high-frequency residuals are encoded to preserve the spatial information required for reconstructing fine geo metric details. To restore the high-frequency information lost during compression, we develop a hierarchical 3D neural net work. The reconstructed implicit field is converted back into a point cloud through isosurface extraction. Experiments on a complex-boundary point cloud with more than eight mil lion points demonstrate that the proposed method achieves a higher compression ratio than existing point cloud compres sion methods while maintaining comparable reconstruction quality.
• Abstract（参考訳）: 複雑な地形の大規模ポイントクラウド表現は、圧縮された暗黙の表現を必要とする、禁忌な計算とメモリコストを試行する。 そこで我々は,この手法を適応するために,不規則な幾何学的場表現,階層的周波数領域圧縮,条件付き高周波述語を含む統一的なフレームワークを提案する。 具体的には、無秩序な点雲は、その物理的有界箱の中で定義された暗黙の場に写像される。 次にスムーズなフーリエピラミッドが構築され、そこでは低周波成分が大域的な幾何学を捉えている。 大規模な高周波残差を符号化し、微細な測地の詳細を再構築するのに必要な空間情報を保存する。 圧縮時に失われる高周波情報を復元するために,階層型3次元ニューラルネットを開発した。 再構成された暗黙の場は、等地抽出によって点雲に変換される。 8ミルのライオン点を持つ複素有界点雲の実験により,提案手法は既存の点雲よりも高い圧縮比を達成でき,再現性も同等に維持できることを示した。

関連論文リスト

• VolFill: Single-View Amodal 3D Scene Reconstruction with Volumetric Flow Matching [39.72379398607968]
  本稿では,全シーンの3次元構造を予測する生成フレームワークであるVolFillを紹介する。 提案手法は, スパース・トランカットされた未符号距離関数格子をコンパクトな潜在空間に圧縮するために, ハイブリッド3次元VOEを用いる。
  論文  参考訳（メタデータ） (2026-05-29T15:59:20Z)
• Implicit Neural Compression of Point Clouds [61.491532656446054]
  NeRC$3$は、新しいポイントクラウド圧縮フレームワークである。 NeRC$3$は密度点雲の幾何学と属性の両方を符号化する。 動的点雲の場合、4D-NeRC$3$は優れた幾何圧縮性能を達成する。
  論文  参考訳（メタデータ） (2024-12-11T03:22:00Z)
• DiffCom: Decoupled Sparse Priors Guided Diffusion Compression for Point Clouds [54.96190721255167]
  ロスシー圧縮は、ポイントクラウドをストレージの潜在ポイントに変換するためのオートエンコーダに依存している。 本稿では,特に低レベルにおいて高い復元品質を実現するための拡散型フレームワークを提案する。
  論文  参考訳（メタデータ） (2024-11-21T05:41:35Z)
• 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)
• Geometric Prior Based Deep Human Point Cloud Geometry Compression [67.49785946369055]
  我々は、点雲の幾何学的冗長性除去に先立って、人間の幾何学的手法を利用する。 高分解能な人点雲を幾何学的先行と構造的偏差の組み合わせとして考えることができる。 提案フレームワークは,既存の学習ベースポイントクラウド圧縮手法を用いて,プレイ・アンド・プラグ方式で動作可能である。
  論文  参考訳（メタデータ） (2023-05-02T10:35:20Z)
• Quadric Representations for LiDAR Odometry, Mapping and Localization [93.24140840537912]
  現在のLiDARオードメトリ、マッピング、ローカライズ手法は、3Dシーンのポイントワイズ表現を利用する。 3次元オブジェクトのよりコンパクトな表現である2次元曲面を用いたシーン記述法を提案する。 提案手法は低レイテンシとメモリの有効性を維持しつつ、競争力があり、しかも精度も優れている。
  論文  参考訳（メタデータ） (2023-04-27T13:52:01Z)
• GRASP-Net: Geometric Residual Analysis and Synthesis for Point Cloud Compression [16.98171403698783]
  損失点クラウド幾何圧縮のための深層学習を用いた異種アプローチを提案する。 具体的には、粗い点雲上に存在する不規則な特徴に局所的詳細を変換するために、点ベースネットワークを適用する。
  論文  参考訳（メタデータ） (2022-09-09T17:09:02Z)
• Point Cloud Upsampling via Disentangled Refinement [86.3641957163818]
  3Dスキャンによって生成された点雲は、しばしばスパース、非均一、ノイズである。 近年のアップサンプリング手法は, 分布均一性と近接場を両立させながら, 密度の高い点集合を生成することを目的としている。 2つのカスケードサブネットワーク、高密度ジェネレータ、空間精錬器を定式化する。
  論文  参考訳（メタデータ） (2021-06-09T02:58:42Z)

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。