[論文レビュー] A Volumetric Approach to Point Cloud Compression

Maja Krivokuća, Maxim Koroteev+1 more|arXiv (Cornell University)|Sep 30, 2018

Advanced Vision and Imaging参考文献 26被引用数 11

ひとこと要約

本稿では、Bスプラインウェーブレットを用いて幾何と属性を連続的体積関数として表現するボリュメトリックな手法を提案し、高品質でスケーラブルな再構成を可能にする。幾何を符号付き距離関数の等値集合として、属性を臨界サンプリングされたBスプラインウェーブレット変換によりモデル化することで、特に低ビットレートにおいてMPEG PCC基準を上回る優れたレート・ディストーション性能を達成する。

ABSTRACT

Compression of point clouds has so far been confined to coding the positions of a discrete set of points in space and the attributes of those discrete points. We introduce an alternative approach based on volumetric functions, which are functions defined not just on a finite set of points, but throughout space. As in regression analysis, volumetric functions are continuous functions that are able to interpolate values on a finite set of points as linear combinations of continuous basis functions. Using a B-spline wavelet basis, we are able to code volumetric functions representing both geometry and attributes. Geometry is represented implicitly as the level set of a volumetric function (the signed distance function or similar). Attributes are represented by a volumetric function whose coefficients can be regarded as a critically sampled orthonormal transform that generalizes the recent successful region-adaptive hierarchical (or Haar) transform to higher orders. Experimental results show that both geometry and attribute compression using volumetric functions improve over those used in the emerging MPEG Point Cloud Compression standard.

研究の動機と目的

• ポイントクラウドにおける離散的点ベースの圧縮の限界を克服するため、連続的でボリュメトリックな表現を導入すること。
• 暗黙の体積関数モデルを用いて、高品質で無限にズーム可能な幾何と空間的に連続する属性を実現すること。
• 領域適応型階層変換（RAHT）を高次Bスプラインウェーブレットに一般化し、属性圧縮の性能を向上させること。
• 既存の標準（例：MPEG PCC）と比較して、幾何と属性の両方の圧縮性能を優れたものにすること。
• ボリューム関数符号化とオクテーブルベースの空間分割を統合し、効率的なマルチスケール表現を実現すること。

提案手法

• 幾何は符号付き距離関数（SDF）または占有確率のゼロレベル集合として暗黙的に表現され、滑らかで連続的な再構成が可能になる。
• 属性はBスプラインウェーブレット基底を用いてベクトル値体積関数としてモデル化され、マルチスケールで正規直交変換が可能になる。
• 体積関数はBスプラインウェーブレット係数によってパラメータ化され、これらはrANSを用いて量子化およびエントロピー符号化され、効率的な圧縮が実現される。
• 特筆すべき計数測度がヒルバート空間内積をサポートし、回帰フレームワークにおける直交性およびノルムの一貫性を保証する。
• オクテーブルは非ゼロウェーブレット係数の位置を表現し、非ゼロツリー構造を形成することで、スパースな体積データを効率的に符号化する。
• 再帰的ボクセル再構成とレート・ディストーション最適なプルーニングが適用され、低ビットレートにおける再構成品質が向上する。

実験結果

リサーチクエスチョン

• RQ1 Bスプラインウェーブレットを用いた体積関数モデルは、ポイントクラウド幾何の離散的点ベースの圧縮を上回るか？
• RQ2 RAHTを高次Bスプラインウェーブレットに一般化することで、属性圧縮性能にどのような影響を与えるか？
• RQ3 連続的体積関数を用いることで、無限にズーム可能な、穴のない幾何再構成がどの程度可能になるか？
• RQ4 提案手法のボリュメトリックアプローチは、MPEG PCC基準と比較してどの程度レート・ディストーション効率が優れているか？
• RQ5 オクテーブルに基づく非ゼロツリー構造が、体積関数係数の圧縮に与える影響は何か？

主な発見

• ボリュームアプローチは、入力ボクセルあたり0.2ビットという非常に低いビットレートでも、幾何再構成品質が約69 dBに達し、MPEG Trisoup法を上回る。
• レート・ディストーション最適なプルーニングと歪み推定プルーニングに加え、再帰的ボクセル再構成を適用することで、ベースライン手法と比較して顕著に性能が向上する。
• 体積関数の連続性のおかげで、圧縮後でさえも穴のない無限にズーム可能な幾何再構成が可能になる。
• 高次Bスプラインウェーブレットを用いた属性圧縮はRAHTを一般化し、元のRAHT（p=1）と比較して優れた性能を達成する。
• 体積関数表現により空間的に連続する属性が可能になり、点間の滑らかな補間が実現される。
• 提案手法は、全テストビットレートにおいて優れたレート・ディストーション性能を達成しており、特に低ビットレートにおいてTrisoupおよびMPEG PCCを顕著に上回る。