创新点云压缩技术取得重大突破
由中国科学院、同济大学和宁波大学联合研发的创新型点云压缩技术（TSC-PCAC）取得了显著的技术突破。这项新技术不仅大幅提升了点云数据的压缩效率，还显著减少了处理时间，为ARVR等3D应用的发展扫清了技术障碍。
点云在3D视觉技术中的挑战
随着3D视觉技术的迅速发展，点云作为虚拟现实和增强现实的关键数据格式，面临着巨大的传输和存储挑战。高质量的点云可能包含数百万个数据点，每个点携带位置、颜色和透明度等多维信息。处理这些海量数据的效率直接影响到3D应用的采用速度。
TSC-PCAC技术概述
为应对这一挑战，研究团队开发了一种基于端到端体素Transformer和稀疏卷积的点云属性压缩技术（TSC-PCAC）。该技术的核心在于其独特的两阶段压缩架构：第一阶段侧重于提取并建模点云的局部特征；第二阶段通过更大的感受野捕捉全局特征，有效减少数据冗余。
此外，研究团队还创新设计了一种基于TSCM的通道上下文模块，显著提升了数据压缩效率，并优化了通道之间的相关性。实验数据显示，与现有的主流技术相比，TSC-PCAC在数据压缩率方面实现了显著提升：比Sparse-PCAC提高了38.53%，比NF-PCAC提高了21.30%，比G-PCC v23提高了11.19%。
更令人印象深刻的是其处理速度也有了质的飞跃，编码和解码时间分别减少了97.68%和98.78%。
未来展望
这一突破性成就不仅解决了点云数据处理的关键痛点，还为ARVR等3D应用的进一步发展奠定了重要基础。研究团队表示将致力于探索具有更高压缩比的深度网络技术，并在未来寻求统一几何编码与属性编码的解决方案。
论文链接: Copyright AIbase Base 2024, 点击查看原文
