基于图卷积网络的无参考点云质量评估
计算机视觉与模式识别
2024-11-13 v1 人工智能
图像与视频处理
摘要
三维 (3D) 点云作为一种新兴视觉媒体格式，因其能提供比二维 (2D) 数据更逼真的视觉信息，越来越受到消费者青睐。与二维平面图像和视频类似，点云在多媒体通信系统中不可避免地会遭受质量退化和信息丢失。因此，自动点云质量评估 (PCQA) 至关重要。本文提出了一种利用图卷积网络 (GCN) 表征多视角二维投影图像内容相互依赖的无参考 PCQA 方法。所提基于 GCN 的 PCQA (GC-PCQA) 方法包含三个模块：多视角投影、图构建和基于 GCN 的质量预测。首先，对测试点云进行多视角投影，获得一组水平和垂直投影图像。然后，基于不同投影图像间的空间关系构建感知一致性图。最后，通过 GCN 在构建的图上进行推理，以表征不同投影图像间的相互依赖与交互，并聚合多视角投影图像的特征信息用于最终质量预测。在两个公开基准数据库上的实验结果表明，我们提出的 GC-PCQA 能取得优于最先进质量评估指标的性能。代码将在以下地址公开：https://github.com/chenwuwq/GC-PCQA。
引用
@article{arxiv.2411.07728,
title = {No-Reference Point Cloud Quality Assessment via Graph Convolutional Network},
author = {Wu Chen and Qiuping Jiang and Wei Zhou and Feng Shao and Guangtao Zhai and Weisi Lin},
journal= {arXiv preprint arXiv:2411.07728},
year = {2024}
}
备注
Accepted by IEEE Transactions on Multimedia