通过二维属性图优化实现V-PCC压缩点云的颜色增强
计算机视觉与模式识别
2024-12-20 v1 图像与视频处理
摘要
基于视频的点云压缩（V-PCC）利用传统视频编解码器将动态点云数据转换为视频序列以实现高效编码。然而，这种有损压缩方案会引入降低数据颜色属性的伪影。本文介绍了一种旨在增强V-PCC压缩点云颜色质量的框架。我们提出了轻量化解压缩Unet（LDC-Unet），一种二维神经网络，用于优化V-PCC编码过程中生成的投影图。优化后的二维图将被反投影到三维空间，以增强相应的点云属性。此外，我们引入了一种迁移学习策略，并开发了一个定制的自然图像数据集用于初始训练。然后使用压缩点云的投影图对模型进行微调。整个策略有效解决了点云训练数据稀缺的问题。我们在公开的8i体素化全身长序列（8iVSLF）数据集上进行的实验证明了我们提出的方法在改善颜色质量方面的有效性。
引用
@article{arxiv.2412.14449,
title = {Color Enhancement for V-PCC Compressed Point Cloud via 2D Attribute Map Optimization},
author = {Jingwei Bao and Yu Liu and Zeliang Li and Shuyuan Zhu and Siu-Kei Au Yeung},
journal= {arXiv preprint arXiv:2412.14449},
year = {2024}
}
备注
IEEE VCIP 2024