低比特率点云压缩的去噪扩散概率模型
本研究解决了低比特率点云压缩中现有技术多集中于高保真重建的问题，导致压缩所需位数过多。通过提出一种“去噪扩散概率模型”（DDPM-PCC）架构，利用PointNet编码器生成条件向量，并通过可学习向量量化器量化，从而在较低比特率下实现质量的保持。实验结果表明，所提出的方法在ShapeNet和ModelNet40数据集上较标准和先进方法显示出更好的比特率-失真性能。
本研究提出了一种去噪扩散概率模型（DDPM-PCC），旨在解决低比特率点云压缩中的高保真重建问题，并降低所需位数。实验结果表明，该方法在ShapeNet和ModelNet40数据集上优于现有技术。
