[論文レビュー] Comments on "Compression of 3D Point Clouds Using a Region-Adaptive Hierarchical Transform"

Gustavo Sandri, Ricado L. de Queiroz+1 more|arXiv (Cornell University)|May 23, 2018

3D Shape Modeling and AnalysisEngineering参考文献 3被引用数 17

ひとこと要約

本稿では、符号化前のエントロピー符号化の前に、RAHT（領域適応型階層的変換）係数を深さに基づいて再順序付けし、適応的ランク長ゴロム・ライス（RLGR）符号化を適用することで、符号化効率を顕著に向上させる手法を提案する。再順序付けされたRLGR-RAHTは、計算複雑度が低く抑えられながらも、元のAC-RAHTおよび最先端のグラフ変換（GT）ベースの符号化方式よりもレート・ドリフト性能に優れる。

ABSTRACT

The recently introduced coder based on region-adaptive hierarchical transform (RAHT) for the compression of point clouds attributes, was shown to have a performance competitive with the state-of-the-art, while being much less complex. In the paper "Compression of 3D Point Clouds Using a Region-Adaptive Hierarchical Transform", top performance was achieved using arithmetic coding (AC), while adaptive run-length Golomb-Rice (RLGR) coding was presented as a lower-performance lower-complexity alternative. However, we have found that by reordering the RAHT coefficients we can largely increase the runs of zeros and significantly increase the performance of the RLGR-based RAHT coder. As a result, the new coder, using ordered coefficients, was shown to outperform all other coders, including AC-based RAHT, at an even lower computational cost. We present new results and plots that should enhance those in the work of Queiroz and Chou to include the new results for RLGR-RAHT. We risk to say, based on the results herein, that RLGR-RAHT with sorted coefficients is the new state-of-the-art in point cloud compression.

研究の動機と目的

• 低複雑度のエントロピー符号化を用いて、RAHTに基づく3次元点群圧縮のレート・ドリフト性能を向上させること。
• 元のRAHT研究においてRLGR-RAHTが算術符号化（AC）ベースのRAHTに劣っていたという、非最適な性能を是正すること。
• ゼロの連続長を向上させ、RLGRの効率を高める係数順序戦略を検討すること。
• 単純な再順序付けによって、RLGR-RAHTがより複雑な最先端の符号化方式と同等またはそれを上回る性能を達成できることを示すこと。

提案手法

• 八叉木構造における深さ（ルートからリーフまで）に従ってRAHT係数を再順序付けし、高周波数係数をまとめる。
• 深さ順に整列したRAHT係数に適応的ランク長ゴロム・ライス（RLGR）エントロピー符号化を適用し、ゼロの連続長を活用する。
• 整列およびエントロピー符号化の前に、ステップサイズQの量子化器を用いて係数を量子化する。
• 3つの順序付け戦略（未整列、深さ順、重み順：係数生成に関与するボクセル数を反映）を比較する。
• ビット/ボクセル（bpv）およびピーク信号対ノイズ比（PSNR）を指標として性能を評価する。
• [1]における元のRAHTのレート・ドリフト曲線を、深さ順に整列したRLGR-RAHTの実装による新しい結果に置き換える。

実験結果

リサーチクエスチョン

• RQ1 RAHT係数の再順序付けは、3次元点群圧縮におけるRLGRベースのエントロピー符号化の性能向上に寄与するか？
• RQ2 深さに基づく順序付けは、未整列または重み順の順序付けと比較して、より長いゼロの連続長を実現するか？
• RQ3 深さ順に整列した係数を用いたRLGR-RAHTは、計算複雑度を低く抑えながらも、AC-RAHTのレート・ドリフト性能を上回るか？
• RQ4 提案手法である深さ順RLGR-RAHTは、最先端のグラフ変換（GT）ベースの符号化方式と同等またはそれを上回る性能を示すか？
• RQ5 向上した係数順序戦略により、RAHTベースの圧縮における複雑な算術符号化の必要性が低減されるか？

主な発見

• 深さ順に整列したRLGR-RAHTは、全テスト手法の中で最高のレート・ドリフト性能を達成し、未整列および重み順の変種を上回った。
• Q=10のとき、「Man」点群において、ビット/ボクセルは未整列の3.1046から2.0581に低下し、33.7%の改善を達成した。
• Q=40のとき、「Man」点群において、ビット/ボクセルは未整列の0.7638から0.5345に低下し、30.0%の削減を達成した。
• 「Ricardo」点群においてQ=10のとき、深さ順RLGR-RAHTは43.6176 dBのPSNRを達成し、元のAC-RAHTおよびGTベースの符号化方式を上回った。
• 提案手法はGTベースの符号化方式を上回る性能を達成した一方で、AC-RAHTよりも計算複雑度が低く抑えられた。
• 図4および図5のレート・ドリフト曲線は、深さ順RLGR-RAHTが、全テスト点群および量子化ステップにおいて、他のすべての符号化方式を一貫して上回ることを示している。