[논문 리뷰] Comments on "Compression of 3D Point Clouds Using a Region-Adaptive Hierarchical Transform"

Gustavo Sandri, Ricado L. de Queiroz외 1명|arXiv (Cornell University)|2018. 05. 23.

3D Shape Modeling and AnalysisEngineering참고 문헌 3인용 수 17

한 줄 요약

이 논문은 압축 효율을 크게 향상시키기 위해 엔트로피 코딩 이전에 깊이 기반으로 RAHT(영역 적응형 계층적 변환) 계수를 재정렬하고, 적응형 런리듬 골룸-루이스(RLGR)를 사용하는 방법을 제안한다. 재정렬된 RLGR-RAHT는 계산 복잡도가 낮은 편이면서도 원래의 AC-RAHT와 최신 기술 수준의 그래프 변환(GT)-기반 코더보다 비트율-왜곡 성능에서 뛰어나다.

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.

연구 동기 및 목표

• 낮은 복잡도의 엔트로피 코딩을 통해 RAHT 기반 3D 포인트 클라우드 압축의 비트율-왜곡 성능을 향상시키는 것.
• 기존 RAHT 작업에서 RLGR-RAHT의 성능이 부적절하게 낮아, 산술 코딩(AC)-기반 RAHT보다 열 劣한 문제를 해결하는 것.
• 영점 런 길이를 향상시키고 RLGR 효율을 높이는 계수 정렬 전략을 탐색하는 것.
• 간단한 재정렬이 RLGR-RAHT를 더 복잡한 최신 기술 수준의 코더와 경쟁하거나 승리할 수 있음을 보여주는 것.

제안 방법

• 오кт리트 구조의 루트에서 리프까지 계수의 깊이 기반으로 RAHT 계수를 재정렬하여 고주파 계수를 함께 모으는 것.
• 깊이 기반으로 정렬된 RAHT 계수에 대해 적응형 런리듬 골룸-루이스(RLGR) 엔트로피 코딩을 적용하여 영점의 긴 런을 활용하는 것.
• 정렬 및 엔트로피 코딩 이전에 단위 크기 Q를 가진 양자화기를 사용하여 양자화된 계수를 생성하는 것.
• 세 가지 정렬 전략을 비교: 정렬되지 않은 상태, 깊이 기반 정렬, 가중치 기반 정렬(가중치는 계수 생성에 관여하는 박스셀 수를 반영함).
• 비트 수/박스셀(bpv)과 피크 신호 대 잡음비(PSNR)를 지표로 성능을 평가하는 것.
• 기존 RAHT의 비트율-왜곡 곡선을 [1]에서 제거하고, 깊이 순서로 정렬된 RLGR-RAHT의 신규 결과로 대체하는 것.

실험 결과

연구 질문

• RQ1 RAHT 계수의 재정렬이 3D 포인트 클라우드 압축에서 RLGR 기반 엔트로피 코딩 성능을 향상시킬 수 있는가?
• RQ2 깊이 기반 정렬이 정렬되지 않은 상태나 가중치 기반 정렬에 비해 더 긴 영점 런 길이를 제공하는가?
• RQ3 깊이 기반 정렬을 적용한 RLGR-RAHT가 계산 복잡도를 유지하면서도 AC-RAHT의 비트율-왜곡 성능을 능가할 수 있는가?
• RQ4 제안된 깊이 기반 정렬을 적용한 RLGR-RAHT는 최신 기술 수준의 그래프 변환(GT)-기반 코더와 경쟁하거나 승리할 수 있는가?
• RQ5 향상된 계수 정렬 전략은 RAHT 기반 압축에서 복잡한 산술 코딩의 필요성을 줄일 수 있는가?

주요 결과

• 깊이 기반 정렬된 RLGR-RAHT는 모든 테스트 방법 중에서 가장 우수한 비트율-왜곡 성능을 기록했으며, 정렬되지 않은 상태와 가중치 기반 정렬 버전을 모두 앞섰다.
• Q=10일 때, 깊이 기반 정렬된 RLGR-RAHT는 'Man' 포인트 클라우드에서 비트 수/박스셀을 정렬되지 않은 상태의 3.1046에서 2.0581로 줄여 33.7% 향상시켰다.
• Q=40일 때, 깊이 기반 정렬된 방법은 'Man' 포인트 클라우드에서 비트 수/박스셀을 정렬되지 않은 상태의 0.7638에서 0.5345로 줄여 30.0% 감소시켰다.
• Q=10일 때 깊이 기반 정렬된 RLGR-RAHT는 'Ricardo' 포인트 클라우드에서 PSNR 43.6176 dB를 달성하여 원래의 AC-RAHT와 GT-기반 코더를 모두 능가했다.
• 제안된 방법은 GT-기반 코더를 능가하는 성능을 달성하면서도 AC-RAHT보다 계산 복잡도가 낮게 유지되었다.
• 그림 4와 5의 비트율-왜곡 곡선은 깊이 순서로 정렬된 RLGR-RAHT가 모든 테스트 포인트 클라우드와 양자화 단계에서 다른 모든 코더를 일관되게 능가함을 보여준다.