核心概念
人間ポイントクラウドの高効率なジオメトリ圧縮手法を提案し、従来の手法を凌駕する。
摘要
デジタルアバター需要の増加に伴い、実在感と複雑さを持つ人間ポイントクラウドの圧縮が課題となっている。
人間の幾何学的先行を活用して、高解像度のポイントクラウドをコンパクトに表現し、従来手法よりも優れた性能を実現。
圧縮フレームワークは既存の学習ベースのポイントクラウド圧縮手法と組み合わせて使用可能。
実験結果は、提案手法が品質を損なうことなく著しく圧縮性能を向上させることを示している。
キーハイライト:
ポイントクラウドは3Dデータ点の集合であり、幾何形状を具現化する。
高解像度の人間ポイントクラウドは数百万から数十億の点から成る。
従来のPCC方法はMPEGによって開発され、V-PCCとG-PCCに分類される。
学習ベースのPCC技術ではエンコードされた低次元潜在コードが量子化され、ビットストリーム経由で伝送される。
統計資料
高解像度人間ポイントクラウドは765,000点から成り立ち、11 MBytesまたは10秒間のビデオでは3 GBytesが必要。
引述
"我々は新しい幾何学的先行型ヒューマン・ポイント・クラウド・ジオメトリ圧縮フレームワークを提案します。"
"我々は従来手法よりも優れたRD性能を示すことで我々が提案したスキームの優越性を証明します。"