学习在八叉树上预测以实现可扩展的点云几何编码
图像与视频处理
2022-09-07 v1 多媒体
摘要
基于八叉树的点云表示和压缩已被MPEG G-PCC标准采用。然而，它仅使用手工方法预测叶节点非空的概率，然后用于熵编码。我们提出了一种新颖的方法来预测几何编码的这些概率，该方法将去噪神经网络应用于一个“带噪声”的上下文立方体，该立方体包括相邻的解码体素以及未编码体素。我们进一步提出了一种基于卷积的模型，在解码器端以粗分辨率上采样解码后的点云。与原始G-PCC标准和其他密集点云基线方法相比，这两种方法的集成显著提高了几何编码的率失真性能。所提出的基于八叉树的熵编码方法自然具有可扩展性，这对于点云流系统中的动态速率自适应非常理想。
引用
@article{arxiv.2209.02226,
title = {Learning to Predict on Octree for Scalable Point Cloud Geometry Coding},
author = {Yixiang Mao and Yueyu Hu and Yao Wang},
journal= {arXiv preprint arXiv:2209.02226},
year = {2022}
}
备注
Accepted and presented at IEEE MIPR conference