面向高效动态点云压缩的双向特征对齐运动变换
计算机视觉与模式识别
2025-11-04 v2
摘要
高效的动态点云压缩 (DPCC) 严重依赖于精准的运动估计和补偿。然而，点云固有的不规则结构和显著的局部变化使得这一任务极具挑战性。现有方法通常依赖显式运动估计，其编码运动向量往往无法捕捉复杂的动力学，且不充分利用时域相关性。为此，我们提出一种双向特征对齐运动变换 (Bi-FMT) 框架，通过在特征空间中隐式建模运动。Bi-FMT 将过去和未来帧的特征对齐，以产生在时域上一致的潜在表示，这些表示作为条件编码管道中的预测上下文，形成统一的“运动 + 条件”表示。基于此双向特征对齐，我们在解码器侧引入交叉 Transformer 精炼模块 (CTR)，以自适应方式精炼局部对齐特征。通过向量注意力建模跨帧依赖性，CRT 增强局部一致性并恢复运动对齐期间常丢失的细粒度空间细节。此外，我们设计一种随机访问 (RA) 参考策略，将双向对齐特征作为条件上下文，实现帧级并行压缩，消除顺序编码。广泛的实验表明，Bi-FMT 在压缩效率和运行时方面均优于 D-DPCC 和 AdaDPCC，分别实现了 D1 和 D1 的 BD-Rate 降低 20% 和 9.4%。
引用
@article{arxiv.2509.14591,
title = {Bidirectional Feature-aligned Motion Transformation for Efficient Dynamic Point Cloud Compression},
author = {Xuan Deng and Xingtao Wang and Xiandong Meng and Longguang Wang and Tiange Zhang and Xiaopeng Fan and Debin Zhao},
journal= {arXiv preprint arXiv:2509.14591},
year = {2025}
}
备注
11 pages