基于几何的点云压缩中的属性伪影去除
计算机视觉与模式识别
2022-05-25 v2 图像与视频处理
摘要
基于几何的点云压缩（G-PCC）能够对于点云实现显著的压缩效率。然而，它仍会导致严重的属性压缩伪影，尤其在低码率场景下。本文中，我们提出一种多尺度图注意力网络（MS-GAT）以去除由G-PCC压缩的点云属性伪影。我们首先基于点云几何坐标构建图，然后使用Chebyshev图卷积提取点云属性特征。考虑到一点可能与其邻近及远离它的点均相关，我们提出多尺度方案以捕获当前点与其邻近和远处点之间的短程与长程关联。针对自适应量化导致不同点可能具有不同程度伪影的问题，我们将每点的量化步长作为额外输入引入所提网络。我们还将加权图注意力层融入网络，以特别关注具有更多属性伪影的点。据我们所知，这是首个针对G-PCC的属性伪影去除方法。我们在多种点云上验证了方法的有效性。客观对比结果表明，与Predlift相比，所提方法平均实现9.74%的BD-rate降低，与RAHT相比降低10.13%。主观对比结果显示，颜色偏移、模糊和量化噪声等视觉伪影得以减少。
引用
@article{arxiv.2112.00560,
title = {Attribute Artifacts Removal for Geometry-based Point Cloud Compression},
author = {Xihua Sheng and Li Li and Dong Liu and Zhiwei Xiong},
journal= {arXiv preprint arXiv:2112.00560},
year = {2022}
}