OctAttention：基于八叉树的大规模上下文点云压缩模型
计算机视觉与模式识别
2022-08-30 v2
摘要
在点云压缩中，充分的上下文对于建模点云分布十分重要。然而，先前的基于体素的方法在处理稀疏点云时收集的上下文会减少。为解决该问题，我们提出了一种称为OctAttention的多上下文深度学习框架，其采用八叉树结构——一种内存高效的点云表示。我们的方法通过收集兄弟节点与祖先节点的信息以无损方式编码八叉树符号序列。具体而言，我们首先用八叉树表示点云以减少空间冗余，其对不同分辨率的点云均具有鲁棒性。然后我们设计了一个具有大感受野的条件熵模型，对兄弟与祖先上下文进行建模以利用相邻节点间的强依赖性，并采用注意力机制来强调上下文中的相关节点。此外，我们在训练与测试时引入掩码操作，以在编码时间与性能之间权衡。相较于先前最先进的工作，我们的方法在LiDAR基准（如SemanticKITTI）和物体点云数据集（如MPEG 8i、MVUB）上获得了10%-35%的BD-Rate增益，并且相比基于体素的基线节省了95%的编码时间。代码见https://github.com/zb12138/OctAttention。
引用
@article{arxiv.2202.06028,
title = {OctAttention: Octree-Based Large-Scale Contexts Model for Point Cloud Compression},
author = {Chunyang Fu and Ge Li and Rui Song and Wei Gao and Shan Liu},
journal= {arXiv preprint arXiv:2202.06028},
year = {2022}
}
备注
Accepted by AAAI 2022