点云质量评价：一种基于Transformer架构的无参考新方法
计算机视觉与模式识别
2023-03-16 v1
摘要
随着对沉浸式体验兴趣的增加，点云应运而生并被广泛采用为表示3D媒体的首选。除了从采集到渲染过程中可能影响3D内容的若干失真外，此类体素内容在传统通信系统上的高效传输是以牺牲所交付的感知质量为代价的。为了估计这种退化的程度，采用质量度量已成为不可避免的解决方案。在这项工作中，我们提出了一种新颖的基于深度学习的无参考质量度量，它直接在整个点云上操作，无需大量预处理，从而能够在传输和渲染两个层面实现实时评价。为此，我们使用了一种由交叉注意力与自注意力层为主要组成部分的新颖模型设计，以学习最佳局部语义关联集合，同时在从基础特征提取到深层表示建模的多个层次上保持几何与颜色信息的最佳组合。
引用
@article{arxiv.2303.08634,
title = {Quality evaluation of point clouds: a novel no-reference approach using transformer-based architecture},
author = {Marouane Tliba and Aladine Chetouani and Giuseppe Valenzise and Frederic Dufaux},
journal= {arXiv preprint arXiv:2303.08634},
year = {2023}
}
备注
arXiv admin note: text overlap with arXiv:2211.02459