基于约束最优传输的点云压缩
计算机视觉与模式识别
2024-03-14 v1 图像与视频处理
摘要
本文提出了一种新颖的点云压缩方法 COT-PCC，将该任务形式化为一个约束最优传输（COT）问题。COT-PCC 将压缩特征的比特率作为最优传输（OT）的额外约束，学习原始点与重建点之间的分布变换。具体而言，所构建的 COT 通过生成对抗网络（GAN）和比特率损失进行训练。判别器度量输入点与重建点之间的 Wasserstein 距离，生成器则计算输入点云与重建点云分布之间的最优映射。此外，我们在压缩过程中引入了一个可学习的下采样模块。在稀疏和稠密点云数据集上的大量结果表明，COT-PCC 在 CD 和 PSNR 指标上均优于当前最先进的方法。源代码可在 \url{https://github.com/cognaclee/PCC-COT} 获取。
引用
@article{arxiv.2403.08236,
title = {Point Cloud Compression via Constrained Optimal Transport},
author = {Zezeng Li and Weimin Wang and Ziliang Wang and Na Lei},
journal= {arXiv preprint arXiv:2403.08236},
year = {2024}
}