基于扫描序列化的高效 LiDAR 反射率压缩
计算机视觉与模式识别
2025-05-28 v2 图像与视频处理
摘要
LiDAR 点云中的反射率属性为下游任务提供了重要信息，但在神经压缩方法中仍未被充分探索。为了解决这一问题，我们引入了 SerLiC，一个基于序列化的神经压缩框架，以充分利用 LiDAR 反射率的内在特性。SerLiC 首先通过扫描顺序序列化将 3D LiDAR 点云转换为 1D 序列，为反射率分析提供了以设备为中心的视角。然后将每个点标记化为包含其传感器扫描索引、径向距离和先验反射率的上下文表示，以进行有效的依赖关系探索。为了实现高效的序列建模，将 Mamba 与双重并行化方案相结合，实现了自回归依赖捕获与快速处理的同步。大量实验表明，SerLiC 相对于原始反射率数据实现了超过 2 倍的体积缩减，在使用仅 2% 参数的情况下，压缩比特数比最先进的方法减少了高达 22%。此外，SerLiC 的轻量级版本仅用 111K 参数即可实现 > 10 fps（每秒帧数），这对于现实世界应用极具吸引力。
引用
@article{arxiv.2505.09433,
title = {Efficient LiDAR Reflectance Compression via Scanning Serialization},
author = {Jiahao Zhu and Kang You and Dandan Ding and Zhan Ma},
journal= {arXiv preprint arXiv:2505.09433},
year = {2025}
}