CARNet：面向点云属性的压缩伪影抑制
计算机视觉与模式识别
2022-09-20 v1 图像与视频处理
摘要
为降低属性压缩伪影，我们为基于几何的点云压缩（G-PCC）标准开发了一种基于学习的自适应环路滤波器。所提方法首先生成多个最可能样本偏移（MPSO）作为潜在的压缩失真近似，随后对其进行线性加权以抑制伪影。由此，我们使滤波后重建尽可能接近未压缩的PCA。为此，我们设计了压缩伪影抑制网络（CARNet），其由两个连续处理阶段组成：MPSO推导与MPSO组合。MPSO推导采用双流网络从直接空间嵌入和频率相关嵌入建模局部邻域变化，其中利用稀疏卷积以最佳方式聚合来自稀疏且不规则分布点的信息。MPSO组合以最小平方误差度量为引导，动态推导加权系数，以进一步捕获输入PCA的内容动态。CARNet作为GPCC的环路内滤波工具实现，那些线性加权系数以可忽略的码率开销封装入码流。实验结果表明，在主客观方面均较最新GPCC有显著提升。
引用
@article{arxiv.2209.08276,
title = {CARNet:Compression Artifact Reduction for Point Cloud Attribute},
author = {Dandan Ding and Junzhe Zhang and Jianqiang Wang and Zhan Ma},
journal= {arXiv preprint arXiv:2209.08276},
year = {2022}
}
备注
13pages, 8figures