VoxelContext-Net：一种基于八叉树的的点云压缩框架
计算机视觉与模式识别
2021-05-06 v1 图像与视频处理
摘要
本文提出了一种称为 VoxelContext-Net 的两阶段深度学习框架，用于静态与动态点云压缩。该方法结合了基于八叉树的方法与基于体素的方案的优势，利用体素上下文来压缩八叉树结构数据。具体而言，我们首先提取局部体素表示，其编码了所构建八叉树中每个节点的空间邻域上下文信息。随后，在熵编码阶段，我们提出一种基于体素上下文的深度熵模型，以无损方式压缩非叶子节点的符号。此外，对于动态点云压缩，我们额外引入来自时间邻域点云的局部体素表示以利用时间依赖性。更重要的是，为减轻八叉树构建过程带来的失真，我们提出了一种基于体素上下文的三维坐标细化方法，在解码端生成更精确的重建点云，该方法适用于静态与动态点云压缩。在静态与动态点云基准数据集（如 ScanNet 和 Semantic KITTI）上的综合实验清楚地证明了我们新提出的方法 VoxelContext-Net 在三维点云几何压缩上的有效性。
引用
@article{arxiv.2105.02158,
title = {VoxelContext-Net: An Octree based Framework for Point Cloud Compression},
author = {Zizheng Que and Guo Lu and Dong Xu},
journal= {arXiv preprint arXiv:2105.02158},
year = {2021}
}
备注
CVPR2021