点云压缩与客观质量评估：综述
计算机视觉与模式识别
2025-07-01 v1 图像与视频处理
摘要
由于 autonomous driving（自动驾驶）、机器人和沉浸式环境等应用的推动，3D点云数据的快速增长导致对高效压缩和质量评估技术提出了关键需求。与传统2D媒体不同，点云因其不规则的结构、高数据量和复杂属性而呈现独特的挑战。本文提供了关于最近进展的点云压缩（PCC）和点云质量评估（PCQA）的全面综述，强调它们对于实时和感知相关应用的重要性。我们分析了广泛的手工制和基于学习的PCC算法，以及客观PCQA指标。通过在新兴数据集上对代表性方法进行基准测试，我们提供了详细的比较和实用见解，阐明了其优势和局限性。尽管取得了显著进展，但增加视觉保真度、减少延迟以及支持多模态数据等挑战仍然存在。本综述概述了未来方向，包括混合压缩框架和高级特征提取策略，以实现更高效、更沉浸式和更智能的3D应用。
引用
@article{arxiv.2506.22902,
title = {Point Cloud Compression and Objective Quality Assessment: A Survey},
author = {Yiling Xu and Yujie Zhang and Shuting Xia and Kaifa Yang and He Huang and Ziyu Shan and Wenjie Huang and Qi Yang and Le Yang},
journal= {arXiv preprint arXiv:2506.22902},
year = {2025}
}