基于图相似度的点云质量推断
图像与视频处理
2020-12-23 v2 多媒体
摘要
我们提出 GraphSIM——一种客观指标，用于准确预测具有叠加几何与颜色损伤的点云的主观质量。受人类视觉系统对高空间频率分量（如轮廓、边缘）更敏感，且更看重局部结构变化而非单个点强度这一事实的启发，我们首先通过对参考点云几何信息重采样提取几何关键点以形成物体骨架；然后为参考与失真点云在这些关键点处构建局部图，进而集体聚合在同一局部图中所有其他点与中心关键点之间导出的颜色梯度矩（如零阶、一阶和二阶）以进行显著特征相似性（亦称局部显著性）度量；最终相似度指数通过跨所有颜色通道池化局部图显著性并跨所有图取平均获得。我们的 GraphSIM 使用两个大型独立的点云评估数据集进行验证，这些数据集涉及广泛的损伤类型（如重采样、压缩、加性噪声），与标准化参考软件中采用的基于逐点距离的度量相比，在预测主观平均意见得分（MOS）方面可靠地展示了针对所有失真的当前最优性能并取得显著增益。消融实验进一步表明，通过考察其关键模块与参数，GraphSIM 可泛化至多种场景并保持一致性能。
引用
@article{arxiv.2006.00497,
title = {Inferring Point Cloud Quality via Graph Similarity},
author = {Qi Yang and Zhan Ma and Yiling Xu and Zhu Li and Jun Sun},
journal= {arXiv preprint arXiv:2006.00497},
year = {2020}
}
备注
This paper has been accepted by TPAMI, 21, Decemebr, 2020