稀疏张量基方法的 3D 点云属性压缩生成对抗网络：PCAC-GAN
图像与视频处理
2024-07-22 v3
摘要
学习方法在点云几何信息压缩方面已证明成功，但在属性压缩方面仍落后于基于非学习方法（如 MPEG G-PCC 标准）。为弥合这一差距，我们提出一种新型基于生成式对抗网络 (GAN) 的点云属性压缩方法，该方法使用稀疏卷积层。我们的方法还包括一个模块，用于自适应选择对输入点云进行体素化时使用的分辨率。稀疏向量用于表示体素化后的点云，稀疏卷积处理稀疏张量，确保计算效率。据我们所知，这是首次将 GAN 应用于点云属性压缩。我们的实验结果表明，该方法优于现有学习技术，甚至与最新的 G-PCC 测试模型 (TMC13v23) 在视觉质量方面持平。
引用
@article{arxiv.2407.05677,
title = {PCAC-GAN: A Sparse-Tensor-Based Generative Adversarial Network for 3D Point Cloud Attribute Compression},
author = {Xiaolong Mao and Hui Yuan and Xin Lu and Raouf Hamzaoui and Wei Gao},
journal= {arXiv preprint arXiv:2407.05677},
year = {2024}
}
备注
14 pages, 5 figures, Accepted by Computational Visual Media