基于去噪扩散概率模型的低比特率点云压缩
计算机视觉与模式识别
2025-05-20 v1 人工智能
机器学习
摘要
低比特率点云的高效压缩是带宽受限应用的关键问题。然而，现有技术主要聚焦于高保真重建，需要大量比特进行压缩。本文提出一种用于点云压缩的“去噪扩散概率模型”（Denoising Diffusion Probabilistic Model, DDPM）架构（DDPM-PCC）。点Net编码器产生生成的条件向量，然后通过可学习的向量量化器进行量化。该配置可在保持质量的同时实现低比特率。在ShapeNet和ModelNet40上的实验表明，在低速率下，DDPM-PCC在标准方法和最新方法中实现了更好的速失性能。我们已在https://github.com/EIDOSLAB/DDPM-PCC公开代码。
引用
@article{arxiv.2505.13316,
title = {Denoising Diffusion Probabilistic Model for Point Cloud Compression at Low Bit-Rates},
author = {Gabriele Spadaro and Alberto Presta and Jhony H. Giraldo and Marco Grangetto and Wei Hu and Giuseppe Valenzise and Attilio Fiandrotti and Enzo Tartaglione},
journal= {arXiv preprint arXiv:2505.13316},
year = {2025}
}
备注
6 pages, 5 figures, accepted at ICME 2025