UGAE：用于 G-PCC 压缩点云的统一几何与属性增强
计算机视觉与模式识别
2025-10-28 v1
摘要
点云的有损压缩降低了存储和传输成本；然而，它不可避免地导致几何结构和属性信息的不可逆失真。为解决这些问题，我们提出了统一几何和属性增强 (UGAE) 框架，包含三个核心组件：后几何增强 (PoGE)、前属性增强 (PAE) 和后属性增强 (PoAE)。在 PoGE 中，使用基于 Transformer 的稀疏卷积 U-Net 用于通过预测体素占用概率来高精度重建几何结构。建立在细化后的几何结构之上，PAE 引入一种创新的受增强几何引导的重绘策略，该策略使用细节感知 K 最近邻 (DA-KNN) 方法实现精确重绘并有效保留高频细节。最后，在解码器端，PoAE 使用带有加权均方误差 (W-MSE) loss 的属性残差预测网络来提高高频区域的质量，同时保持低频区域的保真度。UGAE 在三个基准数据集上显著优于现有方法：8iVFB、Owlii 和 MVUB。与最新的 G-PCC 测试模型 (TMC13v29) 相比，UGAE 在 D1 指标下几何平均 BD-PSNR 提升 9.98 dB 和 90.98% BD 位率节省，属性在 Y 组件上实现 3.67 dB BD-PSNR 提升和 56.88% BD 位率节省。此外，它显著改善了感知质量。
关键词
引用
@article{arxiv.2510.23009,
title = {UGAE: Unified Geometry and Attribute Enhancement for G-PCC Compressed Point Clouds},
author = {Pan Zhao and Hui Yuan and Chongzhen Tian and Tian Guo and Raouf Hamzaoui and Zhigeng Pan},
journal= {arXiv preprint arXiv:2510.23009},
year = {2025}
}