用于编码点云八叉树表示的概率神经网络建模
计算机视觉与模式识别
2021-10-12 v4 图像与视频处理
摘要
本文描述了一种新颖的无损点云压缩算法，该算法使用神经网络来估计体素占用状态编码概率，其依赖于待编码体素周围宽广的三维上下文。点云表示为八叉树，每一分辨率层使用算术编码从最低分辨率开始顺序编码与解码，直至达到最终分辨率。八叉树每个节点处分裂模式的各体素占用概率由神经网络建模，其输入为若干已编码的八叉树节点（属于过去与当前分辨率）的占用状态，对应于待编码节点周围的 3D 上下文。该算法有快速与慢速两个版本，快速版本以不同方式选取上下文中的若干体素，从而通过向神经网络发送更大批量的模板（在编码器与解码器两端）实现更高的并行化。所提算法在基准数据集上取得了最先进的 (SOTA) 结果。实现代码将发布于 https://github.com/marmus12/nnctx
引用
@article{arxiv.2106.06482,
title = {Neural Network Modeling of Probabilities for Coding the Octree Representation of Point Clouds},
author = {Emre Can Kaya and Ioan Tabus},
journal= {arXiv preprint arXiv:2106.06482},
year = {2021}
}
备注
6 pages, 3 figures, MMSP 2021 camera-ready