PVINet：用于点云压缩的点-体素交织网络
计算机视觉与模式识别
2025-09-03 v1
摘要
在点云压缩中，重建点云的质量依赖于全局结构和局部上下文，而现有方法通常顺序处理全局和局部信息，且缺乏这两类信息之间的交流。在本文中，我们提出了一种点-体素交织网络（PVINet），它并行捕获全局结构特征和局部上下文特征，并在每个尺度进行交互以增强特征感知效率。具体而言，PVINet 包含一个基于体素的编码器（Ev）用于提取全局结构特征，以及一个基于点的编码器（Ep）用于建模以每个体素为中心的局部上下文。特别地，引入了一种新颖的条件稀疏卷积，它应用点嵌入为体素特征提取动态定制卷积核，从而促进从 Ep 到 Ev 的特征交互。在解码过程中，基于体素的解码器采用条件稀疏卷积，将点嵌入作为指导来重建点云。在基准数据集上的实验表明，与现有最先进方法相比，PVINet 具有竞争力的性能。
引用
@article{arxiv.2509.01097,
title = {PVINet: Point-Voxel Interlaced Network for Point Cloud Compression},
author = {Xuan Deng and Xingtao Wang and Xiandong Meng and Xiaopeng Fan and Debin Zhao},
journal= {arXiv preprint arXiv:2509.01097},
year = {2025}
}