基于逐级子空间图变换的点云属性压缩
计算机视觉与模式识别
2020-10-30 v1 图像与视频处理
信号处理
摘要
受近期提出的逐级子空间学习(SSL)原理启发,我们在本工作中开发了逐级子空间图变换(SSGT)以解决点云属性压缩问题。利用八叉树几何结构对点云进行划分,其中八叉树的每个节点代表具有特定空间尺寸的点云子空间。我们设计了一个带自环的加权图来描述该子空间,并基于归一化图拉普拉斯算子定义了图傅里叶变换。变换从八叉树的叶节点到根节点递归地应用于大型点云,同时所表示的子空间从小到大依次扩展至整个点云。实验结果表明,所提出的 SSGT 方法比先前的区域自适应哈尔变换(RAHT)方法具有更好的率失真(R-D)性能。
引用
@article{arxiv.2010.15302,
title = {Point Cloud Attribute Compression via Successive Subspace Graph Transform},
author = {Yueru Chen and Yiting Shao and Jing Wang and Ge Li and C. -C. Jay Kuo},
journal= {arXiv preprint arXiv:2010.15302},
year = {2020}
}
备注
Accepted by VCIP 2020