Core Concepts
본 논문은 희소 텐서 기반 심층 신경망을 사용하여 포인트 클라우드 기하 및 색상 확률 분포를 학습하는 효율적인 무손실 포인트 클라우드 압축 방법을 제안한다.
Abstract
본 논문은 포인트 클라우드 데이터의 기하 및 속성 정보를 효율적으로 압축하는 학습 기반 무손실 압축 기법을 제안한다.
주요 내용은 다음과 같다:
- 포인트 클라우드를 점유 특징과 3개의 속성 특징으로 표현하고, 이를 통합된 희소 표현으로 나타낸다.
- 희소 텐서 기반 신경망을 사용하여 특징 간 및 점 간 의존성을 효과적으로 활용하고, 산술 부호기를 위한 정확한 자기 회귀 컨텍스트 모델을 구축한다.
- RGB 색상 공간에서 YCoCg 색상 공간으로의 무손실 변환을 통해 채널 간 상관관계를 효과적으로 활용한다.
- 다양한 실험을 통해 제안 방법이 기존 MPEG G-PCC 무손실 압축 대비 총 비트율에서 22.6% 감소를 달성함을 보인다.
Stats
제안 방법은 기하 정보 압축에서 MPEG G-PCC 대비 49.0% 비트율 감소를 달성했다.
제안 방법은 색상 속성 압축에서 MPEG G-PCC 대비 18.3% 비트율 감소를 달성했다.
Quotes
"본 논문은 학습 기반 무손실 포인트 클라우드 기하 및 속성 압축 기법을 최초로 제안한다."
"제안 방법은 MPEG G-PCC 대비 총 비트율에서 22.6% 감소를 달성했다."