面向原始三维点云的可变速率压缩
计算机视觉与模式识别
2022-05-17 v2 机器人学
图像与视频处理
摘要
本文提出一种作用于原始三维点云数据的新型可变速率深度压缩架构。大多数基于学习的点云压缩方法处理数据的下采样表示。此外,许多现有技术需要为不同压缩率训练多个网络,以生成不同质量的整合点云。相比之下,我们的网络能够显式处理点云,并在广泛的码率范围内生成压缩描述。此外,我们的方法确保不会因体素化过程造成信息损失,且点云密度不影响编码器/解码器性能。大量实验评估表明,我们的模型取得了state-of-the-art结果,计算高效,且可直接处理点云数据从而避免了昂贵的体素化表示。
引用
@article{arxiv.2202.13862,
title = {Variable Rate Compression for Raw 3D Point Clouds},
author = {Md Ahmed Al Muzaddid and William J. Beksi},
journal= {arXiv preprint arXiv:2202.13862},
year = {2022}
}
备注
To be published in the 2022 IEEE International Conference on Robotics and Automation (ICRA)