May, 2023

利用分层帧间块匹配学习动态点云压缩

PDF
TL;DR本文提出了一种通过基于分层块匹配的帧内预测模块学习压缩动态点云（DPC）几何信息的压缩框架，并且在 KNN-attention 块匹配和多尺度光流的压缩方面使用了完全分解的深度熵模型。实验表明该框架优于先前的最先进方法，同时也优于 MPEG 标准 V-PCC v18 在帧间低延迟模式下的效果。
3d dynamic point cloudcompressionlearning-based frameworkhierarchical block-matching-based inter-predictionknn-attention block matching
发现论文，激发创造
  • 基于图的动态三维点云序列压缩

    本文提出了一种基于图的方法，利用新的谱图小波描述符从 3D 点云序列的时间变化几何中提取运动信息，并通过压缩达到去除多余信息的效果。

    Jun, 2015

  • DPC: 基于交叉自身构造的无监督深度点对应

    提出一种新的实时非刚性稠密点云对应的方法 Deep Point Correspondence，该方法基于结构形状构造，需要比以往技术少得多的训练数据并且具有更好的泛化能力。

    Oct, 2021

  • 学习型点云几何压缩

    本文提出了一种基于神经网络的自动编码器和 3D 卷积的点云几何压缩方法，相对于 MPEG 标准压缩算法，可以获得至少 60% BD-Rate 增益，并在视觉效果上表现优越。

    Sep, 2019

  • 多尺度点云几何压缩

    本文提出了一种基于多尺度自动编码器的点云压缩方法，利用稀疏性质进行分层重建，通过无损压缩几何空间和有损压缩特征属性，实现了比现有方法更高效的压缩率和编码速度。

    Nov, 2020

  • 面向机器感知的点云压缩：通过学习八叉树深度级别预测器的简单而强大的基准线

    提出了一种点云压缩框架，可以同时处理人类视觉和机器视觉任务，并通过使用自适应的八叉树深度级别预测器来控制位速，以提高机器视觉任务的性能，而不影响人类视觉质量。

    Jun, 2024

  • 基于空间分解和时间融合的基于学习的视频压缩的帧间预测

    本文提出了基于空间分解和时间融合的学习视频压缩的帧间预测方法，通过处理运动不一致性和遮挡现象，结合长短时时间上下文融合，提高了视频压缩的帧间预测准确性。实验证明，所提出的编码器在所有常见测试数据集上的 PSNR 和 MS-SSIM 上优于 H.266 / VVC 的参考软件。

    Jan, 2024

  • 基于块的混合图像压缩算法

    提出了一种基于学习的分块图像压缩框架，引入显式内部预测，使用上下文预测模块以及边界感知后处理模块来解决压缩过程中的问题和缺陷。实验结果表明，在与现有学习图像压缩方法相比，该 LBHIC 编解码器具有更好的性能表现。

    Dec, 2020

  • 稠密预测编码的视频表示学习

    本论文介绍了自监督学习，通过视频中的 Dense Predictive Coding (DPC) 框架形成具有密集的时空块的编码，利用课程训练方式预测未来，并在 Kinetics-400 数据集上进行实验，结果表明，DPC 的自监督预训练性能超过了以前的方法，并接近于在 ImageNet 上预先训练的基线。

    Sep, 2019

  • IDEA-Net: 深度嵌入对齐的动态三维点云插值

    本文探究如何以点云数据为基础，应用深度学习方法以及掌握时间一致性的学习模块，实现对包含大量非刚性变形的 3D 动态场景进行时间插值的问题，并在各项实验中取得了比同类方法更好的效果。

    Mar, 2022

  • 深度点云几何压缩的改进

    本文提出了一系列改进点云压缩的方法，包括使用尺度先验模型进行熵编码、采用更深的变换、不同的 focal loss 权重、最优解码阈值和连续模型训练，并通过实验验证这些方法可以带来较好的 BD-PSNR 提升。

    Jun, 2020