GMS-3DQA：基于投影的网格迷你块采样用于三维模型质量评估
计算机视觉与模式识别
2024-02-01 v2 图像与视频处理
摘要
当前，大多数三维模型质量评估(3DQA)方法致力于提升性能，却很少关注实际应用所需的计算成本与推理时间。基于模型的方法直接从三维模型提取特征，其特点为高度复杂性。因此，许多研究者倾向于采用基于投影的3DQA方法。然而，先前的基于投影的3DQA方法直接从多投影提取特征以确保质量预测精度，这需要更多资源消耗并不可避免地导致低效。为此，本文提出一种无参考(NR)基于投影的\textit{\underline{G}rid \underline{M}ini-patch \underline{S}ampling \underline{3D} Model \underline{Q}uality \underline{A}ssessment (GMS-3DQA)}方法来应对该挑战。投影图像从三维模型的六个垂直视角渲染以覆盖充足质量信息。为降低冗余与推理资源，我们提出多投影网格迷你块采样策略(MP-GMS)，其从多投影中采样网格迷你块并将采样后的网格迷你块组织为一张质量迷你块图(QMM)。随后使用Swin-Transformer tiny骨干网络从QMM中提取质量感知特征。实验结果表明，所提GMS-3DQA在点云质量评估数据库上优于现有最先进的NR-3DQA方法。效率分析显示，所提GMS-3DQA所需的计算资源与推理时间远少于其他3DQA竞争者。代码将发布于https://github.com/zzc-1998/GMS-3DQA。
引用
@article{arxiv.2306.05658,
title = {GMS-3DQA: Projection-based Grid Mini-patch Sampling for 3D Model Quality Assessment},
author = {Zicheng Zhang and Wei Sun and Houning Wu and Yingjie Zhou and Chunyi Li and Xiongkuo Min and Guangtao Zhai and Weisi Lin},
journal= {arXiv preprint arXiv:2306.05658},
year = {2024}
}