申请/专利权人:深圳大学
申请日:2024-03-15
公开(公告)日:2024-04-19
公开(公告)号:CN117915114A
主分类号:H04N19/91
分类号:H04N19/91;H04N19/124;H04N19/436;H04N19/597
优先权:
专利状态码:在审-实质审查的生效
法律状态:2024.05.07#实质审查的生效;2024.04.19#公开
摘要:本发明公开了一种点云属性压缩方法、装置、终端及介质,所述方法通过属性变换模块将点云属性变换为隐特征,将隐特征转换为量化后的形式,熵编码模块中的熵模型基于先验信息估计隐特征的真实概率分布,并根据其概率分布使用熵编码器将其编码为码流;解码阶段为编码阶段的反过程,首先将解码需要的先验信息输入至熵模型中,得到待解码隐特征的概率分布,再利用该分布从码流中解码隐特征,使用属性变换模块中合成变换来从解码的隐特征中重建点云属性。因此,本发明实施例能够将点云属性变换与熵模型联合优化,以充分地利用GPU的并行处理能力,在压缩率与计算复杂度之间取得平衡,以保证在维持较快编解码速度的前提下实现较高的压缩性能。
主权项:1.一种点云属性压缩方法,其特征在于,包括:编码阶段:将点云属性变换为隐特征,从所述隐特征中提取先验信息,将所述隐特征和所述先验信息转换为量化隐特征和量化先验信息;根据所述量化先验信息,采用熵编码模块的上下文模型和熵模型估计所述量化隐特征的概率分布模型参数,并根据所述概率分布模型参数,将所述量化隐特征编码为第一码流,将所述量化先验信息编码为第二码流;解码阶段:从所述第二码流中解码得到解码后的量化先验信息,将所述解码后的量化先验信息输入至所述熵编码模块中,得到待解码隐特征的解码概率分布模型参数,根据所述解码概率分布模型参数从所述第一码流中解码得到解码后的量化隐特征;将所述解码后的量化隐特征重建为对应的点云属性。
全文数据:
权利要求:
百度查询: 深圳大学 一种点云属性压缩方法、装置、终端及介质
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。