83 / 2022-09-30 23:46:22

基于通道增益的可变速率点云压缩

近年来，基于深度学习的点云压缩方案受到了广泛关注。然而，基于单个模型的可调整压缩速率的点云压缩方法依然是一个需要攻克的难题。现有的大多数方法需要训练多个网络模型来得到不同的压缩比特率，不同网络的参数会占用大量内存和训练时间。本文提出了一种基于深度学习的可变速率的点云压缩框架，能够用一个单独的网络模型得到可变的压缩比特率。该框架利用成对的增益单元实现可变速率调整，在框架的编码端引入了注意力机制，能够更好地捕捉到空间中点之间的全局依赖信息。在解码端引入了子点卷积层用于点的上采样操作，减小解码过程中可能出现的噪声点和局部聚集问题。实验结果表明，我们的模型在现有的可变速率的点云压缩方法中取得了最好的效果。