提升基于 PSNR 的质量度量在点云几何上的性能
图像与视频处理
2020-10-13 v1 多媒体
摘要
对沉浸式应用兴趣的增长使得新兴的 3D 成像表示格式受到关注，尤其是光场和点云（PCs）。如今，由于点云获取的最新进展，特别是新型深度传感器和信号处理算法，PCs 成为最流行的 3D 媒体格式之一。为了获得视觉场景的高保真 3D 表示，通常需获取海量点云数据，这就要求高效的压缩方案。如同 2D 媒体格式，最终感知到的 PC 质量在整体用户体验中起着重要作用，因此能够以可靠方式度量 PC 质量的目标度量至关重要。在此背景下，本文提出并评估了一组针对 PC 数据几何分量的客观质量度量，该分量在最终感知质量中扮演非常重要的角色。基于流行的 PSNR PC 几何质量度量，通过利用 PC 的固有特性以及可视化前必须发生的渲染过程，提出了改进的基于 PSNR 的新度量。实验结果表明，最优提出度量优于当前最优方法，在皮尔逊相关系数上获得了高达 32% 的提升。
引用
@article{arxiv.2006.03714,
title = {Improving PSNR-based Quality Metrics Performance For Point Cloud Geometry},
author = {Alireza Javaheri and Catarina Brites and Fernando Pereira and João Ascenso},
journal= {arXiv preprint arXiv:2006.03714},
year = {2020}
}
备注
This article is accepted in 27th International Conference on Image Processing (ICIP 2020)