.png){kind=icon}
返回
Structure-Aware Generative Point Cloud Compression for Visual Perception
.png){kind=icon}
PRE
AI
DOI：10.1109/TIP.2025.3607630.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
近年来，基于点云表示三维世界的应用呈现快速增长，这主要源于对沉浸式及其他相关场景日益增长的需求。然而，如何高效压缩大规模、高精度的点云数据，同时保持人类视觉的高感知质量，仍然是一个挑战。为解决此问题，我们提出了一种面向人类视觉的结构感知生成式点云压缩框架。在编码器中，我们重点关注对人类视觉更敏感的信息，并从不同尺度获取此类信息。这使我们能够捕捉来自全局尺度和局部尺度的结构重要性信息，这些信息在重建时更具难度。对于解码器，我们引入了一种渐进式生成重建方法，利用编码器获取的信息来指导点云表面的生成。此外，我们提出了一种基于概率云的新型判别器。与直接评估生成点云真实性的方法不同，我们的判别器评估生成点云中点存在的概率分布。该方法降低了判别难度，同时有效提高了生成器在生成概率分布方面的准确性。根据正确的概率，我们可以通过裁剪低概率点获得高精度的点云。通过全面的实验，我们证明了所提框架在编码效率、高感知质量及生成质量方面的有效性和优越性。
Keyword:
Point cloud compression
generative adversarial network
geometry
visual perception
期刊
IF:
13.7
论文数:
1.0W
被引数:
8.4W
机构
查看更多机构
引用论文
暂无论文信息