一种用于三维点云的深层感知度量
计算机视觉与模式识别
2021-02-26 v1 机器学习
图像与视频处理
信号处理
摘要
点云对于三维内容的存储与传输至关重要。由于它们可能包含大量数据，点云压缩对于实际应用十分关键。近来，基于深度神经网络的点云几何压缩方法得到了探索。本文中，我们评估了用于训练这些网络的典型基于体素的损失函数预测感知质量的能力。我们发现常用的 focal loss 与加权二元交叉熵与人类感知相关性较差。因此我们提出了一种用于三维点云的感知损失函数，其在 ICIP2020 主观数据集上优于现有损失函数。此外，我们提出了一种新颖的截断距离场体素网格表示，并发现与二元表示相比，它带来了更稀疏的潜空间以及与感知视觉质量更相关的损失函数。源代码可在 https://github.com/mauriceqch/2021_pc_perceptual_loss 获取。
引用
@article{arxiv.2102.12839,
title = {A deep perceptual metric for 3D point clouds},
author = {Maurice Quach and Aladine Chetouani and Giuseppe Valenzise and Frederic Dufaux},
journal= {arXiv preprint arXiv:2102.12839},
year = {2021}
}
备注
Presented at IS&T Electronic Imaging: Image Quality and System Performance, January 2021