GQE-Net：一种用于点云颜色属性的基于图的质量增强网络
图像与视频处理
2023-11-08 v3 计算机视觉与模式识别
摘要
近年来，点云在表示三维（3D）视觉物体与场景方面日益流行。为高效存储与传输点云，已发展出多种压缩方法，但它们常导致质量退化。为减少点云中的颜色失真，我们提出一种基于图的质量增强网络（GQE-Net），该网络将几何信息作为辅助输入并利用图卷积块高效提取局部特征。具体而言，我们使用带有多头图注意力机制的并行-串行图注意力模块来关注重要点或特征并帮助其融合。此外，我们设计了一个考虑点间法线与几何距离的特征精炼模块。为在 GPU 内存容量限制内工作，将失真点云划分为允许重叠的 3D 块，送入 GQE-Net 进行质量增强。为考虑不同颜色分量间数据分布的差异，对三个颜色分量训练了三个模型。实验结果表明我们的方法取得了最先进的性能。例如，在基于几何的点云压缩（G-PCC）标准的最新测试模型上实现 GQE-Net 时，对于稠密点云的 Y、Cb 和 Cr 分量，可分别获得 0.43 dB、0.25 dB 和 0.36 dB 的 Bjontegaard delta（BD）-峰值信噪比（PSNR），对应 14.0%、9.3% 和 14.5% 的 BD-rate 节省。我们的方法源代码可在 https://github.com/xjr998/GQE-Net 获取。
引用
@article{arxiv.2303.13764,
title = {GQE-Net: A Graph-based Quality Enhancement Network for Point Cloud Color Attribute},
author = {Jinrui Xing and Hui Yuan and Raouf Hamzaoui and Hao Liu and Junhui Hou},
journal= {arXiv preprint arXiv:2303.13764},
year = {2023}
}
备注
Accepted by IEEE TIP (DOI: 10.1109/TIP.2023.3330086)