基于生成扩散先验的点云几何与颜色统一压缩框架
计算机视觉与模式识别
2025-03-25 v1
摘要
随着3D应用的增长以及传感器收集的3D点云数据的快速积累，对高效压缩算法的需求日益增长。大多数现有基于学习的压缩方法分别处理几何与颜色属性，将其视为独立任务，这些方法难以直接应用于带有颜色的点云。此外，训练数据集的容量有限，也限制了其在不同分布点上的泛化能力。本文引入一种基于预训练生成扩散模型的3D点云几何与颜色统一压缩框架。不基于特定数据集训练压缩模型，而是通过提示调优将原始彩色点云压缩为稀疏集合，称为‘种子’。随后通过多个去噪步骤和独立采样过程实现解压。针对物体和室内场景的实验表明，该方法在几何与颜色压缩方面优于现有基准方法。
引用
@article{arxiv.2503.18083,
title = {Unified Geometry and Color Compression Framework for Point Clouds via Generative Diffusion Priors},
author = {Tianxin Huang and Gim Hee Lee},
journal= {arXiv preprint arXiv:2503.18083},
year = {2025}
}