基于分辨率与质量条件化潜在概率估计器的点云几何可扩展编码

在当前时代，用户在网络、硬件和显示能力差异较大的场景下消费多媒体内容。一种朴素的解决方案是编码多个独立的流，每种流覆盖不同可能的客户需求，这显然会对存储和计算资源造成负面影响。通过采用支持可扩展性（即包含基准层及多个增强层，以便从单一比特流中解码出不同重建和可视化规格）的编码器可避免上述问题。虽然可扩展编码是传统图像和视频编码器中一个众所周知且已被充分解决的特性，但本文聚焦于一个全新且截然不同的问题，即为深度学习基于点云 (PC) 的编码开发可扩展编码方案。这种三维表示的特殊性使其难以实施灵活的解决方案而不损害编解码器的其他功能。本文提出了一种联合质量和分辨率可扩展方案，命名为可扩展分辨率与质量超先验 (Scalable Resolution and Quality Hyperprior, SRQH)，该方案能够建模不同 RD 权衡条件下或不同分辨率下获得的潜在变量之间的关系。通过将 SRQH 集成到新兴的 JPEG Pleno 学习式点云编码标准中，实验结果表明，SRQH 能够通过单一比特流在不同质量和分辨率下解码点云，同时仅引入有限的 RD 惩罚和复杂度增加，相较于需要为每个编码配置一个比特流的非可扩展 JPEG PCC。