ELiC：基于跨位深特征传递和包袱式编码器的高效 LiDAR 几何压缩
图像与视频处理
2026-05-01 v3 计算机视觉与模式识别
摘要
层次化 LiDAR 几何压缩从低位深到高位深编码体素占用情况，但先前方法对每个深度独立处理，重新估计每个层级的局部上下文，限制了压缩效率。我们提出了 ELiC，一个实时框架，结合跨位深特征传递、包袱式编码器 (Bag-of-Encoders, BoE) 选择方案以及 Morton 序保持的层次结构。跨位深传递复用在更密集、更低位深提取的特征，以支持更稀疏、更高位深的预测。BoE 按位深从小型编码器池中选择最合适的编码网络，适应观察到的占用统计，无需为每个层级训练单独模型。Morton 层次结构保持跨层级的全局 Z 序，消除每个层级的排序，降低延迟。这些组件共同改进了熵模型和计算效率，在 Ford 和 SemanticKITTI 上实现了实时吞吐量下的领先压缩性能。代码和预训练模型可在 https://github.com/moolgom/ELiCv1 获取。
引用
@article{arxiv.2511.14070,
title = {ELiC: Efficient LiDAR Geometry Compression via Cross-Bit-depth Feature Propagation and Bag-of-Encoders},
author = {Junsik Kim and Gun Bang and Soowoong Kim},
journal= {arXiv preprint arXiv:2511.14070},
year = {2026}
}
备注
Accepted to CVPR 2026