ProDAT：基于渐进密度感知的尾部丢弃点云编码
计算机视觉与模式识别
2025-10-21 v1
摘要
三维 (3D) 点云在自动驾驶、增强现实和沉浸式通信等应用中日益重要，要求实时处理和低延迟。然而，其大数据卷量和带宽限制阻碍了在资源受限的环境中部署高质量服务。渐进式编码允许在不同细节水平上进行解码，提供了通过初始部分解码后进行后续细化的替代方案。尽管最近的基于学习的点云几何编码方法取得了显著成功，但其固定的隐式表示不支持渐进解码。为填补这一差距，我们提出了 ProDAT，一种用于渐进点云编码的新型密度感知尾部丢弃机制。通过利用密度信息作为指导信号，隐式特征和坐标可基于其重要性进行自适应解码，从而实现使用单个模型在多个比特率下进行渐进解码。基准数据集上的实验结果表明，所提出的 ProDAT 不仅实现了渐进式编码，还在诸多基于学习的编码技术中实现了优异的编码效率，PSNR-D2 在 SemanticKITTI 上的 BD-rate 提升超过 28.6%，在 ShapeNet 上的提升超过 18.15%。
关键词
引用
@article{arxiv.2510.17068,
title = {ProDAT: Progressive Density-Aware Tail-Drop for Point Cloud Coding},
author = {Zhe Luo and Wenjing Jia and Stuart Perry},
journal= {arXiv preprint arXiv:2510.17068},
year = {2025}
}