ECM-OPCC：基于八叉树的点云压缩高效上下文模型
计算机视觉与模式识别
2023-12-12 v4 图像与视频处理
摘要
近来，深度学习方法在点云压缩中展现出有前景的结果。对于基于八叉树的点云压缩，已有工作表明祖先节点与兄弟节点的信息对于预测当前节点同等重要。然而，这些工作要么采用不充分的上下文，要么带来难以承受的解码复杂度（如 >600s）。为解决此问题，我们提出了一种充分且高效的上下文模型，并设计了一种高效的点云深度学习编解码器。具体而言，我们首先提出窗口约束的多组编码策略，以利用自回归上下文同时保持解码效率。接着，我们提出双 transformer 架构，以利用当前节点对其祖先与兄弟节点的依赖关系。我们还提出随机掩码预训练方法来增强模型。实验结果表明，我们的方法在有损与无损点云压缩中均达到 SOTA 性能。此外，与先前基于八叉树的压缩方法相比，我们的多组编码策略节省了 98% 的解码时间。
引用
@article{arxiv.2211.10916,
title = {ECM-OPCC: Efficient Context Model for Octree-based Point Cloud Compression},
author = {Yiqi Jin and Ziyu Zhu and Tongda Xu and Yuhuan Lin and Yan Wang},
journal= {arXiv preprint arXiv:2211.10916},
year = {2023}
}