[论文解读] OctSqueeze: Octree-Structured Entropy Model for LiDAR Compression

Lila Huang, Shenlong Wang+3 more|arXiv (Cornell University)|May 14, 2020

Advanced Neural Network Applications参考文献 1被引用 14

一句话总结

OctSqueeze 提出了一种用于 LiDARD 点云压缩的八叉树结构熵模型，通过利用层次化特征聚合与上下文特征，实现了最先进的压缩效率。与 Draco 相比，其码率最高可降低 43%，同时保持高重建质量并支持实时编码，在低码率下对下游任务（如 3D 目标检测）表现出更优性能。

ABSTRACT

We present a novel deep compression algorithm to reduce the memory footprint of LiDAR point clouds. Our method exploits the sparsity and structural redundancy between points to reduce the bitrate. Towards this goal, we first encode the LiDAR points into an octree, a data-efficient structure suitable for sparse point clouds. We then design a tree-structured conditional entropy model that models the probabilities of the octree symbols to encode the octree into a compact bitstream. We validate the effectiveness of our method over two large-scale datasets. The results demonstrate that our approach reduces the bitrate by 10-20% at the same reconstruction quality, compared to the previous state-of-the-art. Importantly, we also show that for the same bitrate, our approach outperforms other compression algorithms when performing downstream 3D segmentation and detection tasks using compressed representations. Our algorithm can be used to reduce the onboard and offboard storage of LiDAR points for applications such as self-driving cars, where a single vehicle captures 84 billion points per day

研究动机与目标

• 开发一种高效利用空间稀疏性与结构特性的 LiDAR 点云压缩方法。
• 设计一种熵模型，通过从父节点逐层聚合上下文特征，以提升预测精度。
• 在不牺牲重建质量的前提下，实现 LiDAR 数据的实时编码与解码，同时最小化码率。
• 在压缩效率与下游任务性能方面，超越现有基线方法（如 Draco、JPEG2000 和基于体素的方法）。
• 验证输入特征（层级、父节点占用状态、八分体索引、空间位置）对熵模型预测能力的贡献。

提出的方法

• 该方法使用八叉树数据结构，递归地将 3D LiDAR 点云划分为空间一致的区域，以实现分层压缩。
• 熵模型被构建为一棵树，其中每个节点从其父节点聚合上下文特征，逐步引入更高级别的空间上下文。
• 每个节点的模型输入包含四个特征：八叉树层级、父节点占用符号、八分体索引和空间位置，以增强预测精度。
• 采用 K=4 级的分层聚合方案，经消融实验验证为最优配置。
• 熵模型通过端到端训练，结合超先验，使用因子化熵模型对潜在表示进行压缩。
• 通过优化的八叉树构建与高效的范围编码，实现实时性能，大型点云的编码时间低于 100ms。

实验结果

研究问题

• RQ1 分层聚合父节点上下文特征是否能提升熵模型性能，而不仅仅是由于模型容量增加？
• RQ2 在码率降低方面，熵模型的最优聚合层级数（K）是多少？
• RQ3 各个输入特征（层级、父节点占用状态、八分体索引、空间位置）如何分别贡献于模型的预测能力？
• RQ4 该八叉树结构熵模型是否能在压缩效率与下游任务性能两方面，均优于基于范围和基于体素的压缩基线？
• RQ5 所提出的方法是否能够实现大规模 LiDAR 点云的实时编码与解码？

主要发现

• 最优聚合层级数为 K=4，若增至 K=5，码率反而上升 0.1（深度=12 时由 3.17 增至 3.27 bpp），表明存在过拟合或收益递减现象。
• 聚合父节点上下文特征显著提升性能——若不聚合，模型性能仅相当于 K=0 的小模型，证明上下文聚合是关键因素，而非单纯增加模型容量。
• 同时包含全部四个输入特征（层级、父节点占用状态、八分体索引、空间位置）可使深度=12 时码率较仅使用节点层级降低 1.69 bpp，证明其协同贡献。
• 在深度=16 时，该方法实现 14.33 bpp，优于 Draco（18.87 bpp）与 JPEG Range（15.91 bpp）的码率，同时保持或超越重建质量。
• 在 3D 目标检测任务中，该方法在 NorthAmerica 数据集上以 14.64 bpp 达到 93.00 AP，优于 Draco（18.87 bpp 时为 92.78 AP），表明在低码率下具有更优的下游实用性。
• 该方法实现实时编码，大型点云的总编码时间低于 100ms，证明了其实际可行性。