基于多尺度特征和注意力机制的深度学习点云压缩OA北大核心CSTPCD
三维点云广泛应用于无人驾驶、实景三维等领域,然而复杂场景的海量点云对存储、处理和传输等带来极大挑战。提出一种基于多尺度特征和注意力机制的深度变分自编码点云几何信息压缩算法MSA-GPCC,通过加入多尺度模型提取特征、变分自编码器构建熵模型,继而结合尺度注意力模块和多尺度特征,实现基于熵编码的点云几何信息高码率、低失真压缩。在MPEG数据集上进行的实验表明,相比G-PCC算法和基于深度学习的D-PCC算法,MSA-GPCC算法在点间等比特率下平均质量增益分别提升7.72和4.91 dB,点到面等比特率下平均质量增益分别提升5.56和3.09 dB。
黄玉林;梁磊;李卫军;习晓环;
中国能源建设集团广东省电力设计研究院有限公司,广州510663 广东科诺勘测工程有限公司,广州510663中国科学院空天信息创新研究院数字地球重点实验室,北京100094
计算机与自动化
点云压缩深度学习注意力机制变分自编码器多尺度特征
《中国科学院大学学报（中英文）》 2024 (005)
P.687-694 / 8
国家自然科学基金(41871264);广西自然科学基金创新项目(2019GXNSFGA245001)资助。
评论