PCQA-GRAPHPOINT：基于图神经网络的高效点云质量评估深度度量
计算机视觉与模式识别
2022-11-07 v1 图像与视频处理
摘要
随着沉浸式技术的出现以及对交互式几何格式表征兴趣的增长，三维点云（PC）已成为一种有前景的解决方案和有效手段来显示三维视觉信息。除了沉浸式应用中的其他挑战外，压缩三维内容的客观与主观质量评估仍是开放问题并属于研究兴趣领域。然而该研究领域中的多数工作忽略了点表征之间的局部几何结构。在本文中，我们克服了这一局限，通过利用图神经网络（GNN）学习局部内在依赖关系，引入了一种新颖且高效的点云质量评估客观度量。为评估我们方法的性能，使用了两个知名数据集。结果表明，与最先进（SOTA）度量相比，我们的方案具有有效性与可靠性。
引用
@article{arxiv.2211.02459,
title = {PCQA-GRAPHPOINT: Efficients Deep-Based Graph Metric For Point Cloud Quality Assessment},
author = {Marouane Tliba and Aladine Chetouani and Giuseppe Valenzise and Frederic Dufaux},
journal= {arXiv preprint arXiv:2211.02459},
year = {2022}
}