論文の概要: Complexity-Calibrated Reconstruction Discrepancy for No-Reference Point Cloud Quality Assessment

• arxiv url: http://arxiv.org/abs/2610.13219v1
• Date: Fri, 09 Oct 2026 08:35:28 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-13 04:06:29.480149
• Title: Complexity-Calibrated Reconstruction Discrepancy for No-Reference Point Cloud Quality Assessment
• Title（参考訳）: 非参照点クラウド品質評価のための複雑キャリブレーション再構成の相違
• Abstract要約: 歪んだ点雲における表面再構成によって引き起こされる相違は、その内在的な構造的複雑さと信号劣化に共同的に影響される。 複雑性に起因したコンポーネントを推定・補償するPCQA戦略を実装した。 提案手法は,最も一般的なベースラインを一貫して上回り,複数の全参照指標に匹敵する性能を達成する。
• 参考スコア（独自算出の注目度）: 6.245730112141824
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The discrepancy induced by surface reconstruction in a distorted point cloud is jointly influenced by its intrinsic structural complexity and signal degradation. This observation motivates a referencefree point cloud quality assessment (PCQA) strategy that estimates and compensates for the complexity-induced component. We implement this strategy through successive reconstruction. Specifically, reconstructing the distorted point cloud produces an input-toreconstruction discrepancy that combines the effects of signal degradation and content complexity. Reapplying the reconstruction operator with stronger smoothing produces a discrepancy between successive reconstructions, which serves as a proxy for the complexityinduced component. This proxy is then used to calibrate the inputto-reconstruction discrepancy. We apply the same strategy to 3D geometry patches and their aligned 2D regions, enabling local comparison of the resulting discrepancies. The calibrated geometric and projected-view discrepancies are then fused into a final degradation score. For both branches, the discrepancies are measured using frozen pretrained perceptual representations. Our method does not require PCQA-specific training or fine-tuning. Experiments on three public databases show that the proposed method consistently outperforms most generic baselines and achieves performance comparable to several full-reference metrics.The code is available at https://github.com/HC-W-whc/CCRD-NR-PCQA.git.
• Abstract（参考訳）: 歪んだ点雲における表面再構成によって引き起こされる相違は、その内在的な構造的複雑さと信号劣化に共同的に影響される。 この観察は、複雑性によって引き起こされるコンポーネントを推定し補償する参照フリーポイントクラウド品質評価(PCQA)戦略を動機付けている。 我々はこの戦略を逐次再建して実施する。 具体的には、歪んだ点雲を再構成すると、信号劣化とコンテントの複雑さの影響を組み合わせた入力対再構成の相違が生じる。 再構成演算子をよりスムーズに再適用すると、連続した再構成の相違が生じ、複雑さが引き起こされるコンポーネントのプロキシとして機能する。 このプロキシは、インプット・トゥ・リコンストラクションの誤差をキャリブレーションするために使用される。 同じ戦略を3次元幾何学的パッチとその整列した2次元領域に適用し、その結果の相違点の局所的な比較を可能にする。 キャリブレーションされた幾何学的および投影された視差は、最終的な劣化スコアに融合される。 両方の枝について、差分は凍結した事前学習された知覚表現を用いて測定される。 本手法はPCQA固有のトレーニングや微調整を必要としない。 3つの公開データベースでの実験では、提案されたメソッドは、ほとんどの一般的なベースラインを一貫して上回り、いくつかの完全な参照メトリクスに匹敵するパフォーマンスを達成することが示されており、コードはhttps://github.com/HC-W-whc/CCRD-NR-PCQA.gitで公開されている。

関連論文リスト

• Does the VGGT Family Need All Its Layers? [55.81487806596663]
  VGGT,3ドル,VGGT-$:3,018プルーニング構成における層冗長性について検討した。 取り外し可能な層が2つの冗長領域に集結しているのに対して、層間をまたがる削除は、常に破壊的である。 CKAは、間隔分解のためのより安価な表現ベースのプロキシを提供し、プルーニング品質とキャリブレーションコストのトレードオフを提供する。
  論文  参考訳（メタデータ） (2026-09-29T06:52:07Z)
• VGGT-Align: Bridging Local Reconstruction and Global Consistency for Long-Sequence 3D Reconstruction [8.983872448985627]
  本稿では,シーンを駆動するなどの構造的環境において,時間的セグメント間での幾何量の変化は本質的に不変である,という重要な洞察に基づいて構築されたスケール一貫性向上フレームワークを提案する。 SGIA(Scene Geometric Invariant Anchoring)を提案する。 複数のロングシーケンスベンチマークの実験では、最先端の性能を示し、絶対軌道誤差を最大32%削減し、軌道安定性と復元品質を大きく向上させた。
  論文  参考訳（メタデータ） (2026-08-15T14:32:55Z)
• PoInit-of-View: Poisoning Initialization of Views Transfers Across Multiple 3D Reconstruction Systems [55.84012796735184]
  近年,3次元再構築システムの入力ビューについて検討している。 本稿では,対向的摂動を最適化し,対面不整合を意図的に導入するPoInit-of-Viewを提案する。 実験により,多種多様な3次元再構成システムとデータセットに対するPoInit-of-Viewの有効性が示された。
  論文  参考訳（メタデータ） (2026-04-17T00:48:12Z)
• STQE: Spatial-Temporal Attribute Quality Enhancement for G-PCC Compressed Dynamic Point Clouds [52.435843736488145]
  圧縮された動的点雲の視覚的品質を改善するために,空間的・時間的相関を利用した時空間属性品質向上(STQE)ネットワークを提案する。 私たちのコントリビューションには、参照属性情報を現在のフレーム形状に再マップして、フレーム間の正確なアライメントを実現する、リカラーベースのモーション補償モジュールが含まれています。 最新のG-PCCテストモデルに適用すると、STQEはデルタPSNRの0.855dB、0.682dB、0.828dBの改善を達成し、Bjontegaard Delta rate (BD-rate) は-25.2%、-31.6%、そして-。
  論文  参考訳（メタデータ） (2025-07-23T14:03:54Z)
• Fully-Geometric Cross-Attention for Point Cloud Registration [51.865371511201765]
  ポイントクラウド登録のアプローチは、ノイズのあるポイント対応のため、ポイントクラウド間の重なりが低いときに失敗することが多い。 この問題に対処するTransformerベースのアーキテクチャに適した,新たなクロスアテンション機構を導入する。 我々はGromov-Wasserstein距離をクロスアテンションの定式化に統合し、異なる点雲間の点間距離を共同計算する。 点レベルでは,局所的な幾何学的構造情報を細かなマッチングのための点特徴に集約する自己認識機構も考案する。
  論文  参考訳（メタデータ） (2025-02-12T10:44:36Z)
• 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)
• TCDM: Transformational Complexity Based Distortion Metric for Perceptual Point Cloud Quality Assessment [24.936061591860838]
  客観的クラウド品質評価(PCQA)研究の目標は、ポイントクラウド品質を一貫した方法で測定するメトリクスを開発することである。 歪んだ点雲を基準に戻す複雑さを計測することで点雲の質を評価する。 提案手法の有効性を,5つのパブリッククラウド品質評価データベース上で行った広範囲な実験を通じて評価した。
  論文  参考訳（メタデータ） (2022-10-10T13:20:51Z)

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。