基于加权块质量预测的无参考点云质量评估
计算机视觉与模式识别
2023-06-12 v2 机器学习
图像与视频处理
摘要
随着基于点云的三维视觉应用的快速发展,点云质量评估 (PCQA) 正成为一个重要的研究课题。然而,已有的 PCQA 方法忽略了点云不同区域间局部质量差异的影响。为利用质量分布的不均衡性,我们提出了一种具备局部区域相关性分析能力的无参考点云质量评估 (NR-PCQA) 方法,称为 COPP-Net。更具体地,我们将点云分割为块,为每个块生成纹理与结构特征,并将其融合为块特征以预测块质量。然后,我们汇集一个点云所有块的特征进行相关性分析,以获得相关性权重。最后,利用所有块的预测质量与相关权重推导出最终质量分数。实验结果表明,我们的方法优于最先进的基准 NR-PCQA 方法。所提出的 COPP-Net 的源代码可在 https://github.com/philox12358/COPP-Net 找到。
引用
@article{arxiv.2305.07829,
title = {No-Reference Point Cloud Quality Assessment via Weighted Patch Quality Prediction},
author = {Jun Cheng and Honglei Su and Jari Korhonen},
journal= {arXiv preprint arXiv:2305.07829},
year = {2023}
}
备注
6 pages, 5 figures, Accepted by International Conference on Software Engineering and Knowledge Engineering(SEKE2023)