学习的非线性预测器用于临界采样的三维点云属性压缩
原文约700字/词,阅读约需2分钟。发表于: 。我们通过一种体积方法研究了三维点云属性的压缩:假设点云几何在编码器和解码器都已知,连续属性函数的参数 θ 被量化为 ḣ θ 并进行编码,以便可以在解码器上以已知的三维点 xᵢ 恢复离散样本 fₕₑₐₜ θ (xᵢ)。具体而言,我们考虑一个嵌套函数子空间序列 F⁽ᵖ⁾ₗ₀ ⊆ ⋯ ⊆ F⁽ᵖ⁾ₗ,其中 F⁽ᵖ⁾ₗ是由 p 阶 B - 样条基函数张成的函数族,fₗˡ⁻ ᵢ * 是 f 在...
本文研究了三维点云属性的压缩方法,通过量化参数和编码实现离散样本的恢复。预测和编码的结合提高了编码性能,实验结果显示改进的框架比MPEG G-PCC预测器在比特率降低方面提高了11%到12%。