DUGAE：基于时空关联的统一几何与属性增强框架用于 G-PCC 压缩动态点云
计算机视觉与模式识别
2026-03-30 v1
摘要
现有的点云后解码质量增强方法针对静态数据设计，通常独立处理每个帧，无法有效利用点云序列中的时空关联。我们提出了统一的几何与属性增强框架 (DUGAE)，用于 G-PCC 压缩的动态点云，显式地利用几何和属性中的帧间时空关联。首先，基于稀疏卷积 (SPConv) 和特征域几何运动补偿 (GMC) 的动态几何增强网络 (DGE-Net) 对时空信息进行对齐和聚合。随后，基于细节感知的 K 最近邻 (DA-KNN) 重绘模块将原始属性映射到增强后的几何上，提高映射完整性并保留属性细节。最后，基于专门的时序特征提取和特征域属性运动补偿 (AMC) 的动态属性增强网络 (DAE-Net) 通过建模复杂的时空关联来细化属性。在来自 8iVFB v2、Owlii 和 MVUB 数据集的七个动态点云上，DUGAE 显著提升了最新的 G-PCC 几何基准固体内容测试模型 (GeS-TM v10) 的性能。对于几何 (D1)，平均 BD-PSNR 提升 11.03 dB，BD 位率降低 93.95%。对于亮度分量，BD-PSNR 提升 4.23 dB，BD 位率降低 66.61%。DUGAE 还改善了感知质量（如 PCQM 所测），并优于 V-PCC。我们的源代码将在 GitHub 上发布：https://github.com/yuanhui0325/DUGAE
引用
@article{arxiv.2603.26183,
title = {DUGAE: Unified Geometry and Attribute Enhancement via Spatiotemporal Correlations for G-PCC Compressed Dynamic Point Clouds},
author = {Pan Zhao and Hui Yuan and Chang Sun and Chongzhen Tian and Raouf Hamzaoui and Sam Kwong},
journal= {arXiv preprint arXiv:2603.26183},
year = {2026}
}