基于特征融合与软阈值残差的稠密点云几何压缩网络

摘要

点云是一种重要的三维数据表示形式，但其巨大的原始数据量阻碍了它在网络传输和存储记录等方面的应用.因此，本文提出了一种基于多尺度特征融合与软阈值残差结构的点云几何压缩网络，实现了对三维稠密点云的高效压缩.首先通过逐步融合多尺度特征和构建软阈值注意力机制，实现特征加强和冗杂特征的消除，以解决体素化过程中特征丢失等问题.此外，采用构建特征掩膜层的方法，加速模型收敛.最后，引入动态非等比例损失函数提高网络的学习效果.实验结果表明，该方法在MVUB、8iVFB和Owlii数据集上相较于现有方法同样的点云分辨率下，具有更高的点云重建质量和较快的编解码速度.

关键词

稠密点云压缩 / 多尺度特征 / 软阈值残差结构 / 特征掩膜 / 动态损失函数

基金资助

国家自然科学基金项目(62173303)资助; 浙江省自然科学基金项目(LY21F010009)资助