CPSL：基于内容推动场景层的体积视频表示方法
计算机视觉与模式识别
2025-11-20 v1 多媒体
摘要
体积视频通过支持自由视角探索和逼真运动视差，实现沉浸式和交互式视觉体验。然而，现有从显式点云到隐式神经场的体积表示方法，在捕获、计算和渲染方面都成本高昂，限制了其按需视频的可扩展性，降低了实时通信的可行性。为弥合这一差距，我们提出了内容推动场景层（Content-Promoted Scene Layers，CPSL），这是一种紧凑的2.5D视频表示，为传统2D内容带来了体积视频的感知优势。基于每帧的深度信息和内容显著性，CPSL将每个帧分解为一小组几何一致的图层，配合柔软Alpha带和边缘深度缓存，共同保留遮挡顺序和边界连续性。这些轻量级、可编码为2D的资产，通过深度加权错位和前到后Alpha合成，实现视差校正的新视角合成，绕过昂贵的3D重建。就此而言，CPSL利用运动引导的传播和逐层编码，维持帧间一致性，支持标准视频编解码器的实时播放。在多个基准测试中，CPSL在保持边界保真度的同时，实现了比基于图层和神经场基线方法更高的感知质量，同时将存储和渲染成本降低数倍。我们的ethods为从2D视频到可扩展2.5D沉浸媒体提供了一条实用路径。
引用
@article{arxiv.2511.14927,
title = {CPSL: Representing Volumetric Video via Content-Promoted Scene Layers},
author = {Kaiyuan Hu and Yili Jin and Junhua Liu and Xize Duan and Hong Kang and Xue Liu},
journal= {arXiv preprint arXiv:2511.14927},
year = {2025}
}