基于深度自编码器的点云有损几何压缩
计算机视觉与模式识别
2019-05-10 v1 多媒体
图像与视频处理
摘要
点云是一种基础的 3D 表示，广泛应用于自动驾驶等现实世界应用中。作为一种以复杂性与不规则性为特征的新型媒体格式，点云对比现有编解码器更为灵活的压缩算法提出了需求。近来，自编码器（AEs）已在诸多视觉分析任务及图像压缩中展现出有效性，这启发我们将其用于点云压缩。本文提出一种通用的基于自编码器的有损几何点云压缩架构。据我们所知，这是首个直接以点云而非体素网格或图像集合作为输入的基于自编码器的几何压缩编解码器。相较于手工设计的编解码器，该方法能更迅速地适应此前未见过的媒体内容与媒体格式，同时取得具竞争力的性能。我们的架构由基于 pointnet 的编码器、均匀量化器、熵估计模块与非线性合成变换模块组成。在点云有损几何压缩中，结果表明所提方法优于 MPEG-3DG 组在第 125 次会议发布的类别 1 与 3 测试模型（TMC13），且平均实现了 73.15% 的 BD-rate 增益。
引用
@article{arxiv.1905.03691,
title = {Deep AutoEncoder-based Lossy Geometry Compression for Point Clouds},
author = {Wei Yan and Yiting shao and Shan Liu and Thomas H Li and Zhu Li and Ge Li},
journal= {arXiv preprint arXiv:1905.03691},
year = {2019}
}