面向点云压缩的混合上下文模型 PVContext
计算机视觉与模式识别
2024-09-20 v1 图像与视频处理
摘要
随着扫描技术的发展，大规模点云数据的高效存储日益具有挑战性。近期的深度学习技术在该领域取得了革命性进展；然而，大多数现有方法依赖单模态上下文（如八叉树节点或体素占用），限制了其捕获大区域信息的能力。本文提出一种用于有效八叉树-based点云压缩的混合上下文模型PVContext。PVContext由两个具有不同模态的组件组成：Voxel Context利用体素准确地表示局部几何信息，而Point Context则高效地保留点云的全局形状信息。通过集成这两个上下文，我们在控制上下文大小的同时保留大范围区域的详细信息。该组合上下文随后输入到深度熵模型中，以准确预测占用情况。实验结果表明，与G-PCC相比，我们的方法在SemanticKITTI激光点云上压缩比率降低37.95%，在来自MPEG 8i和MVUB的密集物体点云上分别降低48.98%和36.36%。
引用
@article{arxiv.2409.12724,
title = {PVContext: Hybrid Context Model for Point Cloud Compression},
author = {Guoqing Zhang and Wenbo Zhao and Jian Liu and Yuanchao Bai and Junjun Jiang and Xianming Liu},
journal= {arXiv preprint arXiv:2409.12724},
year = {2024}
}