CN114600163A - 每切片trisoup节点尺寸 - Google Patents

每切片trisoup节点尺寸 Download PDF

Info

Publication number
CN114600163A
CN114600163A CN202180006120.0A CN202180006120A CN114600163A CN 114600163 A CN114600163 A CN 114600163A CN 202180006120 A CN202180006120 A CN 202180006120A CN 114600163 A CN114600163 A CN 114600163A
Authority
CN
China
Prior art keywords
node
size
sizes
slice
region
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN202180006120.0A
Other languages
English (en)
Inventor
A·扎格托
D·格拉兹斯
A·塔巴塔拜
中神央二
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Sony Group Corp
Original Assignee
Sony Group Corp
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Sony Group Corp filed Critical Sony Group Corp
Publication of CN114600163A publication Critical patent/CN114600163A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/50—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using predictive coding
    • H04N19/597—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using predictive coding specially adapted for multi-view video sequence encoding
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T9/00—Image coding
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T9/00—Image coding
    • G06T9/001—Model-based coding, e.g. wire frame
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T9/00—Image coding
    • G06T9/40—Tree coding, e.g. quadtree, octree
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/10—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding
    • H04N19/102—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the element, parameter or selection affected or controlled by the adaptive coding
    • H04N19/119—Adaptive subdivision aspects, e.g. subdivision of a picture into rectangular or non-rectangular coding blocks
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/10—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding
    • H04N19/134—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the element, parameter or criterion affecting or controlling the adaptive coding
    • H04N19/167—Position within a video image, e.g. region of interest [ROI]
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/10—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding
    • H04N19/169—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the coding unit, i.e. the structural portion or semantic portion of the video signal being the object or the subject of the adaptive coding
    • H04N19/17—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the coding unit, i.e. the structural portion or semantic portion of the video signal being the object or the subject of the adaptive coding the unit being an image region, e.g. an object
    • H04N19/174—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the coding unit, i.e. the structural portion or semantic portion of the video signal being the object or the subject of the adaptive coding the unit being an image region, e.g. an object the region being a slice, e.g. a line of blocks or a group of blocks
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/10—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding
    • H04N19/169—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the coding unit, i.e. the structural portion or semantic portion of the video signal being the object or the subject of the adaptive coding
    • H04N19/179—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the coding unit, i.e. the structural portion or semantic portion of the video signal being the object or the subject of the adaptive coding the unit being a scene or a shot
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/90—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using coding techniques not provided for in groups H04N19/10-H04N19/85, e.g. fractals
    • H04N19/96—Tree coding, e.g. quad-tree coding

Landscapes

  • Engineering & Computer Science (AREA)
  • Multimedia (AREA)
  • Signal Processing (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Compression Or Coding Systems Of Tv Signals (AREA)
  • Image Processing (AREA)
  • Medicines Containing Plant Substances (AREA)
  • Medicines Containing Material From Animals Or Micro-Organisms (AREA)

Abstract

每切片trisoup节点尺寸在对点云进行编码时实现了灵活性。代替每个块/节点的尺寸相同，用户或机器能够指示块/节点的尺寸，使得感兴趣区域能够为了在该区域中更高的特异性而具有更小的节点尺寸。

Description

每切片TRISOUP节点尺寸
(一个或多个)相关申请的交叉引用
本申请援引35 U.S.C.§119(e)要求于2020年6月23日提交的标题为“TRISOUPNODE SIZE PER SLICE”的美国临时专利申请序列No.63/043,116的优先权，该专利申请通过引用整体并入本文用于所有目的。
技术领域
本发明涉及三维图形。更具体而言，本发明涉及三维图形的编解码(coding)。
背景技术
点云由3D空间中的点的集合组成，每个点与(x，y，z)几何位置以及属性信息(颜色、反射率等)相关联。它可以用在若干应用中，诸如虚拟/增强现实、沉浸式远程呈现、自主驾驶、文化遗产档案、3D自由视点、地理信息系统等。点云可以由数千到数十亿个点组成。为了使它们可行，压缩是必要的。
MPEG在2017年以提案征集(CfP)开始了其点云压缩(PCC)标准化。识别出三类点云：静态点云的类别1、动态点云的类别2和LiDAR序列(动态获取的点云)的类别3。最终定义了两种技术：针对类别1和类别3的G-PCC(基于几何的PCC)；以及针对类别2的V-PCC(基于视频的PCC)。第一测试模型于2017年10月开发，一个用于G-PCC(TMC13)，另一个用于V-PCC(TMC2)。此后，两个测试模型通过技术贡献和协作不断演进，并且PCC标准规范的第一版预计将于2020年完成。
V-PCC首先将点云划分为称为3D补丁的3D经连接的区域。然后，将每个3D补丁投影到2D补丁上。这些投影就像虚拟正交相机一样动作，从而捕获点云的特定部分。组合这些相机图像，生成包含经投影的2D补丁的集合的马赛克。这个过程产生元数据信息和至多三个相关联图像的集合：(1)占用地图；(2)几何图像；以及(3)若干属性图像。然后使用2D视频编码器对生成的点云的2D表示进行编码。
在G-PCC中，几何和属性是分开编码的。压缩的几何通常被表示为从根一直到个体体素的叶子级别的八叉树。可替代地，表示可以在大于体素的块的级别上停止并使用三角形汤来近似每个叶子内的表面。预测性几何编解码方案也是可用的。关于属性编解码，G-PCC中有三种方法：区域自适应分层变换(RAHT)、预测变换和提升变换。
发明内容
每切片trisoup节点尺寸在编码点云时实现了灵活性。代替每个块/节点具有相同的尺寸，用户或机器能够指示每个点云切片的块/节点尺寸。例如，这个特征启用了感兴趣区域编解码，为了在该区域中更高的特异性而具有更小的节点尺寸。
在一个方面，一种在设备的非暂态存储器中编程的方法包括接收点云信息、将点云信息分割成多个切片、确定多个节点尺寸以及对于多个切片中的每个切片使用多个节点尺寸中的节点尺寸对点云进行编码。节点尺寸可以根据感兴趣区域准则来确定。对于感兴趣区域，节点尺寸减小。多个节点尺寸包括用于表示感兴趣区域的切片的较小节点尺寸和用于剩余切片的较大节点尺寸。多个切片的量不需要等于多个节点尺寸的量。多个节点尺寸由用户通过在配置文件中指定节点尺寸来编程。使用机器学习来确定多个节点尺寸。多个节点尺寸是根据除感兴趣区域以外的任何任意准则来确定的。
在另一方面，一种装置包括用于存储应用的非暂态存储器，该应用用于：接收点云信息，将点云信息分割成多个切片、确定多个节点尺寸以及对于多个切片中的每个切片使用多个节点尺寸中的节点尺寸对点云进行编码；以及耦合到存储器的处理器，该处理器被配置用于处理应用。节点尺寸可以根据感兴趣区域准则来确定。对于感兴趣区域，节点尺寸减小。多个节点尺寸包括用于表示感兴趣区域的切片的较小节点尺寸和用于剩余切片的较大节点尺寸。多个切片的量不需要等于多个节点尺寸的量。多个节点尺寸由用户通过在配置文件中指定节点尺寸来编程。使用机器学习来确定多个节点尺寸。多个节点尺寸是根据除感兴趣区域以外的任何任意准则来确定的。
在另一方面，一种系统包括编码器，被配置用于：接收点云信息，将点云信息分割成多个切片、确定多个节点尺寸以及对于多个切片中的每个切片使用多个节点尺寸中的节点尺寸对点云进行编码；以及被配置用于对经编码的点云信息进行解码的解码器。节点尺寸可以根据感兴趣区域准则来确定。对于感兴趣区域，节点尺寸减小。多个节点尺寸包括用于表示感兴趣区域的切片的较小节点尺寸和用于剩余切片的较大节点尺寸。多个切片的量不需要等于多个节点尺寸的量。多个节点尺寸由用户通过在配置文件中指定节点尺寸来编程。使用机器学习来确定多个节点尺寸。多个节点尺寸是根据除感兴趣区域以外的任何任意准则来确定的。
附图说明
图1图示了描绘根据一些实施例的也称为TMC13的G-PCC参考编码器的框图。
图2图示了根据一些实施例的体积被垂直和水平分割成维度为D/2×D/2×D/2体素的八个子立方体。
图3图示了根据一些实施例的由可以被控制的体素网格距离d确定的解码器中的导出的点的数量。
图4图示了根据一些实施例的应用于每个节点并且在三个步骤(在各自x、y和z方向上一个步骤)中执行的区域自适应分层变换(RAHT)。
图5图示了根据一些实施例的RAHT变换域预测。
图6图示了根据一些实施例的按照其原始次序组织并重新组织成三个细化级别以及对应的细节级别(LoD0、LoD1和LoD2)的样本点云的示例。
图7图示了根据一些实施例的可以通过将标志设置为1来执行相同细化级别内的预测。
图8图示了根据一些实施例的预测变换。
图9图示了根据一些实施例的建立在预测变换之上的提升变换。
图10图示了根据一些实施例的利用每切片trisoup节点尺寸对点云进行编码的方法的流程图。
图11图示了根据一些实施例的每切片trisoup节点尺寸方法的图。
图12图示了根据一些实施例的被配置为实现每切片trisoup节点尺寸方法的示例性计算设备的框图。
图13图示了节点尺寸恒定的实验结果。
图14图示了根据一些实施例的具有不同节点尺寸的实验结果。
图15图示了根据一些实施例的具有恒定节点尺寸相对于不同节点尺寸的实验结果的比较。
图16图示了根据一些实施例的PSNR图。
具体实施方式
基于几何的点云压缩(G-PCC)是压缩能力超过其它方法的一种用于点云编解码技术的标准。G-PCC使用八叉树、trisoup或预测性几何方案来执行几何编解码。在trisoup中，几何由修剪后的八叉树表示，从根到任意级别被构造，其中叶子表示大于体素的被占用节点。物体表面由一系列三角形近似，并且由于没有关联多个三角形的连通性信息，因此该技术被称为“三角形汤”或(trisoup)。
G-PCC直接在3D空间中对内容进行编码。为了实现这一点，G-PCC利用数据结构，诸如描述3D空间中的点位置的八叉树。此外，G-PCC对输入点云坐标表示不做任何假设。点具有从浮点值表示形式转换而来的内部基于整数的值。这种转换在概念上类似于输入点云的体素化，并且可以通过缩放、平移和舍入来实现。
用于G-PCC的另一重要概念是定义图块和切片以允许并行编解码功能性。在G-PCC中，切片被定义为可以被独立编码和解码的点(几何和属性)的集合。图块是具有界定框信息的切片的集合。一个图块可以与另一图块重叠，并且解码器可以通过访问特定切片来解码点云的部分区域。
当前G-PCC标准的一个限制是它只为帧内预测定义，即，它目前不使用时间预测工具。尽管如此，下一版本的标准正在考虑基于点云运动估计和帧间预测的技术。
图1示出了描绘根据一些实施例的也称为TMC13的G-PCC参考编码器的框图。它并不意味着表示TMC13的功能性的完整集合，而仅仅是它的一些核心模块。首先，可以看到几何和属性是分开编码的。然而，属性编解码依赖于解码的几何。因此，首先对点云位置进行编解码。
源几何点可以由世界坐标系中的浮点数表示。因此，几何编解码的第一步是执行坐标变换，然后是体素化。第二步包括使用八叉树、trisoup或预测性几何方案进行几何分析。最后，对所得的结构进行算术编码。关于属性编解码，TMC13支持从RGB到YCbCr的可选转换。之后，使用三种可用的变换工具之一，即，区域自适应分层变换(RAHT)、预测变换和提升变换。在变换之后，对系数进行量化和算术编码。
八叉树编解码
经体素化的点云使用八叉树结构以无损方式表示。假设点云包含在D×D×D体素的量化体积中。最初，体积被垂直和水平分割成八个维度为D/2×D/2×D/2体素的子立方体，如图2中所例示的。对每个被占用的子立方体递归地重复这个过程，直到D等于1。一般而言，只有一个体素位置被占用，这使得八叉树非常方便地表示点云的几何。在每个分解步骤中，核实哪些块被占用，哪些块未被占用。被占用块标记为1，未被占用块标记为0。在这个过程期间生成的八位字节在1字节字中表示八叉树节点占用状态，并考虑到与相邻八位字节的相关性由熵编解码器压缩。对于孤立点的编解码，由于体积内没有其它点与之相关，因此使用对八位字节进行熵编解码的替代方法，即，直接编解码模式(DCM)。在DCM中，直接对点的坐标进行编解码，而不执行任何压缩。DCM模式是从相邻节点推断出来的，以避免对树的所有节点发信号通知DCM的使用。
经由trisoup的表面近似
可替代地，几何可以由经修剪的八叉树表示，经修剪的八叉树从根到任意级别被构造，其中叶子表示大于体素的被占用子块。物体表面由一系列三角形近似，并且由于没有关联多个三角形的连通性信息，因此该技术被称为“三角形汤”(或trisoup)。它是在较低位速率下提高主观质量的可选的编解码工具，因为量化给出了粗略的速率适配。如果启用trisoup，那么几何位流将变成八叉树、片段指示符和顶点位置信息的组合。在解码过程中，解码器计算trisoup网格平面与经体素化的网格之间的交点。解码器中导出的点的数量由体素网格距离d决定，其可以如图3中所示进行控制。
属性编码
在G-PCC中，属性编解码有3种方法，分别是：RAHT；预测变换；以及提升变换。RAHT背后的主要思想是使用较低八叉树级别的属性值来预测下一级别的值。预测变换实现了基于插值的分层最近邻预测方案。提升变换建立在预测变换之上，但有额外的更新/提升步骤。因此，从现在开始，它们将被统称为预测/提升变换。用户可以自由选择上面提到的任何一种变换。然而，给定特定的上下文，一种方法可以比另一种更合适。确定使用哪种方法的常用准则是速率失真性能和计算复杂性的组合。
RAHT变换
RAHT是通过考虑点云的八叉树表示来执行的。在其规范公式中，它从八叉树的叶子(最高级别)开始，然后向后前进，直到它到达其根(最低级别)。变换应用于每个节点并且在三个步骤(在各自x、y和z方向中一个步骤)中执行，如图4中所示。在每一步，都生成低通gn和高通hn系数。RAHT是受Haar启发的分层变换。因此，如果将1D Haar变换作为初始示例，那么可以更好地理解。考虑具有N个元素的信号v。v的Haar分解生成作为原始信号的低通和高通分量的g和h，每个分量具有N/2个元素。g和h的第n个系数使用以下等式计算：
Figure BDA0003615433660000071
可以将当前g作为新的输入信号v递归地执行变换，并且在每次递归时，低通系数的数量除以2的因子。g分量可以被解释为v的等权重连续对的缩放后的和，并且h分量可以被解释为它们的缩放后的差。然而，如果选择使用Haar变换对点云进行编码，那么需要修改变换以考虑输入点云的稀疏性。这可以通过允许权重根据点的分布进行适配来实现。因此，RAHT的递归实施方式可以定义如下：
Figure BDA0003615433660000072
Figure BDA0003615433660000073
Figure BDA0003615433660000074
其中l是分解级别，w1和w2是与级别l+1处的
Figure BDA0003615433660000075
和
Figure BDA0003615433660000076
低通系数相关联的权重，并且
Figure BDA0003615433660000077
是级别l处的低通系数
Figure BDA0003615433660000078
的权重。因此，对密集区域点应用更高的权重，使得RAHT可以比非自适应变换更好地平衡变换域中的信号。
已经开发出RAHT的定点公式。它基于矩阵分解和量化步骤的缩放。模拟表明，定点实施方式可以被认为与其浮点对应物等效。
最近，已经开发出RAHT中的变换域预测，并在当前的测试模型TMC13中可用。主要思想是，对于每个块，从d-1处的解码的属性的和计算得到的级别d处的经变换的经上转换的属性的和被用作对级别d处经变换的属性的和的预测，从而生成可以被进一步量化和熵编码的高通残差。上转换过程是借助于相邻节点的加权平均来完成的。图5示出了RAHT变换域预测的简化图示。与未经预测的RAHT公式相比，所报告的增益在速率失真感方面显示显著改进(对于颜色，总体平均增益高达30％左右，对于反射率，总体平均增益高达16％)。
预测/提升变换
预测变换是一种基于距离的用于属性编解码的预测方案。它使用细节的级别(LoD)表示，细节的级别(LoD)表示使用确定性欧几里德距离准则将输入点分发在细化级别(R)的集合中。图6示出了按其原始次序组织，并重新组织成三个细化级别的样本点云，以及对应的细节的级别(LoD0、LoD1和LoD2)的示例。可以注意到，通过取0至l的细化级别的并集来获得细节的级别l。
每个点的属性使用由LoD次序确定的预测被编码。使用图6作为说明，仅考虑LoD0。在这种特定情况下，P2的属性可以通过其最近邻P4、P5或P0的重构版本或通过这些点的基于距离的加权平均值进行预测。可以指定预测候选的最大数量，并且最近邻的数量由编码器为每个点确定。此外，执行邻域变异性分析。如果给定点P的邻域中任何两个属性之间的最大差异高于阈值，那么使用速率失真优化过程来控制最佳预测器。默认情况下，细化级别的属性值R(j)是使用其在前一LoD(即，LoD(j-1))中的k最近邻的属性值来预测的。然而，可以通过将标志设置为1来执行相同细化级别内的预测，如图7中所示。
预测变换是使用基于LoD结构的两个运算符实现的，即，拆分和合并运算符。令L(j)和H(j)分别是与LoD(j)和R(j)相关联的属性集。拆分运算符将L(j+1)作为输入并返回低分辨率样本L(j)和高分辨率样本H(j)。合并运算符采用L(j)和H(j)并返回L(j+1)。预测变换在图8中示出。最初，表示整个点云的属性信号L(N+1)被拆分为H(N)和L(N)。然后用L(N)预测H(N)并计算残差D(N)。之后，该过程递归地进行。重构的属性是通过合并操作的级联获得的。
在图9的图中表示的提升变换建立在预测变换之上。它引入了更新运算符和自适应量化策略。在LoD预测方案中，每个点与影响权重相关联。较低LoD中的点更经常被使用，因此对编码过程的影响更显著。更新运算符基于残差D(j)确定U(j)，然后使用U(j)更新L(j)的值，如图9中所示。更新信号U(j)是残差D(j)、预测的点与其邻居之间的距离以及它们的对应权重的函数。最后，为了指导量化过程，与每个点相关联的经变换的系数乘以它们各自权重的平方根。
在八叉树中，确定点云所在的点云的体积，并且获得立方体界定框/块，然后将块划分为子块，然后对于每次迭代，确定子块是否包含体素，并且如果子块包含多于一个体素，那么将子块进一步划分(例如，分解)，直到子块由单个体素组成。
在G-PCC的先前实施方式中，跨所有切片使用单个trisoup节点尺寸。因此，用于切片0的节点尺寸将与用于切片1的节点尺寸相同，而用于切片1的节点尺寸将与切片N-1的节点尺寸相同。
然而，如本文针对每切片trisoup节点尺寸的实施方式所描述的，用于一个或多个切片的节点尺寸能够不同。例如，节点尺寸能够随着切片数量增加或减小而增加或减小。进一步举例，用于切片0的节点尺寸能够非常小，然后用于切片1的节点尺寸能够稍大，以此类推，直到用于切片N-1的节点尺寸最大。在另一示例中，用于切片0的节点尺寸是第一尺寸，并且用于其它切片的节点尺寸是第二尺寸。节点尺寸能够每次加倍(从切片到切片)、平方或另一种尺寸改变。例如，用户能够为每个切片指定节点尺寸。
以每个切片为基础，块/节点尺寸与切片的概念被一起使用。切片确定放入切片中的点的数量。点云能够根据期望被分割成切片-例如，相同尺寸的块或感兴趣区域。例如，能够由用户/设备指定特定的感兴趣区域。进一步举例，使用机器学习、面部检测或任何其它，形状/物体能够被检测以便被分离为组/切片。这使得编码器能够具有针对每个切片的特定的块/节点尺寸。通过具有不同的节点尺寸，可能具有不同区域，即具有更大量的三角形来近似表面的更重要的区域以及具有较少三角形的不太重要的区域。这使得编码器/解码器更加灵活和高效。
在一些实施例中，分割和节点尺寸确定由人执行(例如，在配置文件中)，并且在一些实施例中，这些步骤使用机器学习来执行而无需人工干预。例如，用户能够在配置文件中定义10个切片和10个或更少的节点尺寸，然后编码器将第一节点尺寸用于第一切片，依此类推。在另一示例中，如果用户定义少于切片的节点尺寸，那么将最后一个节点尺寸应用于剩余切片(例如，如果有五个切片，并且定义了两个节点尺寸，那么第一切片使用第一节点尺寸，并且第二至第五个切片使用第二节点尺寸)。对于机器学习，设备/系统能够被训练为确定感兴趣区域(例如，模板匹配或用于检测面部、人类、特定物体(例如，车辆)、动物和/或任何指定物体的任何其它成像处理)。设备/系统还能够被训练为确定对于每个切片使用哪个节点尺寸。例如，如果切片包含感兴趣区域，那么设备/系统学习切片应当使用比如果切片不包含感兴趣区域时更小的节点尺寸。而且，能够开发/学习不同级别的感兴趣区域。例如，面部能够被指定为最高级别感兴趣区域，而身体的剩余部分是第二高级别的感兴趣区域，依此类推，直到最低级别的感兴趣区域(诸如背景信息)。
在G-PCC中，trisoup节点尺寸在几何参数集(GPS)中指示。此外，在几何头部中，在GPS中定义的trisoup节点尺寸参数被用于指示用于trisoup编解码的剩余参数(诸如采样值和唯一片段的数量)。如果它具有不是0的值，那么这指示将使用具有在GPS中定义的树级别的trisoup。如果希望将切片与trisoup一起使用，那么当前的表示法不允许节点尺寸以切片为基础改变。本文描述了一种高级语法修改，以允许在trisoup编解码中以切片为基础控制节点尺寸。能够发送启用标志GPS，并且能够在GDU头部中发送节点尺寸值。高级语法修改在下面呈现。
以下是如本文所述的用于trisoup的信令的示例性代码：
Figure BDA0003615433660000111
Figure BDA0003615433660000121
Figure BDA0003615433660000131
在这个解决方案中，trisoup_enabled_flag等于1指定几何数据单元头部可以包括trisoup编解码语法，包括log2_tisoup_node_size；trisoup_enabled_flag等于0指定几何数据单元头部仅包括八叉树编解码语法。当trisoup_enabled_flag为1时，位流一致性的要求是：a)inferred_direct_coding_mode_enabled_flag必须等于0，并且b)unique_geometry_points_flag必须等于1。log2_trisoup_node_size元素将变量TrisoupNodeSize指定为如下所示的三角形节点的尺寸：TrisoupNodeSize＝(1<<log2_trisoup_node_size-1)。
另一可能性是在GPS中发送基本节点尺寸、启用增量偏移量的标志，然后在GDU头部中发送该增量。
几何参数集语法
Figure BDA0003615433660000141
Figure BDA0003615433660000151
Figure BDA0003615433660000161
在这个解决方案中，log2_trisoup_node_size_offset_present_flag等于1指定由log2_trisoup_node_size_offset指示的trisoup节点尺寸偏移量存在于几何数据单元头部中；log2_tisoup_node_size_offset_present_flag等于0指定不存在这样的偏移量。元素log2_trisoup_node_size_offset指定用在trisoup编解码语法中的相对于log2_tisoup_node_size的偏移量。
图10图示了根据一些实施例的利用每切片trisoup节点尺寸对点云进行编码的方法的流程图。在步骤1000中，设备接收点云信息。例如，点云信息直接从相机设备被接收和/或下载。
在步骤1002中，点云信息被分割/划分成切片。分割能够由人或经由机器学习来执行。例如，用户指示/选择切片。在另一示例中，设备/系统利用机器学习来指示/选择切片，诸如通过确定感兴趣区域并将那些区域选择为特定切片。感兴趣区域能够由机器使用任何图像处理技术(诸如面部识别、身体识别和/或其它物体检测/识别)来确定。
在步骤1004中，为切片确定节点/块尺寸。节点尺寸能够由人或经由机器学习来确定。例如，用户能够编辑配置文件以基于切片来指示每个节点的尺寸。该信息能够包括诸如切片0是第一所指定的节点尺寸、切片1是第二所指定的节点尺寸等等的细节，或更一般的信息，使得节点尺寸随着切片数量增加而增加或减小。在另一示例中，节点尺寸通过机器学习来确定，诸如设备/系统学习特定切片(例如，基于所确定的区域)当与不包括感兴趣区域的切片相比时具有更小的节点尺寸。例如，使用分类，设备/系统对具有面部的切片使用最小节点尺寸，对具有身体(非面部)的切片利用第二小节点尺寸，并且对其它切片使用最大节点尺寸。节点尺寸能够基于体素或任何其它单位(例如，最小是1个体素，第二小是2个体素，并且最大是4个体素)。
在步骤1006中，编码器基于切片和节点尺寸对点云信息进行编码。编码在G-PCC标准中被描述并基于切片和节点尺寸信息如本文所述被修改。
在一些实施例中，能够实现更少或附加的步骤。例如，解码器基于变化的节点尺寸和切片对点云信息进行解码。在一些实施例中，修改了步骤的次序。例如，能够切换选择切片和确定节点尺寸的步骤的次序。
图11图示了根据一些实施例的每切片trisoup节点尺寸方法的图。如图所示，G-PCC的几何编解码灵活性能够通过允许它对每个切片使用不同的trisoup节点尺寸进行操作来增加。先前的G-PCC实施方式1110跨所有切片使用单个trisoup节点尺寸。在每切片trisoup节点尺寸方法中，用于切片0 1100的节点尺寸小于用于切片1 1102的节点尺寸，依此类推，直到用于切片N-1 1104的最大节点尺寸。
图12图示了根据一些实施例的被配置为实现每切片trisoup节点尺寸方法的示例性计算设备的框图。计算设备1200能够被用于获取、存储、计算、处理、传送和/或显示信息(诸如包括3D内容的图像和视频)。计算设备1200能够实现G-PCC、点云编解码和/或每切片trisoup节点尺寸方法方面中的任何一种。一般而言，适于实现计算设备1200的硬件结构包括网络接口1202、存储器1204、处理器1206、(一个或多个)I/O设备1208、总线1210和存储设备1212。处理器的选择并不重要，只要选择具有足够速度的合适处理器即可。存储器1204能够是本领域中已知的任何常规计算机存储器。存储设备1212能够包括硬盘驱动器、CDROM、CDRW、DVD、DVDRW、高清盘/驱动器、超高清驱动器、闪存存储器卡或任何其它存储设备。计算设备1200能够包括一个或多个网络接口1202。网络接口的示例包括连接到以太网或其它类型LAN的网卡。(一个或多个)I/O设备1208能够包括以下当中的一个或多个：键盘、鼠标、监视器、屏幕、打印机、调制解调器、触摸屏、按钮接口和其它设备。用于实现每切片trisoup节点尺寸方法的(一个或多个)每切片trisoup节点尺寸应用1230很可能被存储在存储设备1212和存储器1204中并且在通常处理应用时被处理。图12中所示的更多或更少的组件能够被包括在计算设备1200中。在一些实施例中，包括每切片trisoup节点尺寸硬件1220。虽然图12中的计算设备1200包括用于每切片trisoup节点尺寸方法的应用1230和硬件1220，但是能够以硬件、固件、软件或它们的任何组合在计算设备上实现每切片trisoup节点尺寸方法。例如，在一些实施例中，每切片trisoup节点尺寸应用1230被编程在存储器中并且使用处理器来执行。在另一示例中，在一些实施例中，每切片trisoup节点尺寸硬件1220是包括专门设计为实现每切片trisoup节点尺寸方法的门的经编程的硬件逻辑。
在一些实施例中，(一个或多个)每切片trisoup节点尺寸应用1230包括若干应用和/或模块。在一些实施例中，模块也包括一个或多个子模块。在一些实施例中，能够包括更少或附加的模块。
在一些实施例中，每切片trisoup节点尺寸硬件1220包括相机组件(诸如透镜、图像传感器和/或任何其它相机组件)。
合适的计算设备的示例包括个人计算机、膝上型计算机、计算机工作站、服务器、大型计算机、手持计算机、个人数字助理、蜂窝/移动电话、智能电器、游戏控制台、数码相机、数码摄像机、相机电话、智能电话、便携式音乐播放器、平板计算机、移动设备、视频播放器、视频盘刻录机/播放器(例如，DVD刻录机/播放器、高清盘刻录机/播放器，超高清盘刻录机/播放器)、电视机、家庭娱乐系统、增强现实设备、虚拟现实设备、智能珠宝(例如，智能手表)、车辆(例如，自驾驶车辆)或任何其它合适的计算设备。
图13图示了节点尺寸恒定的实验结果。具体而言，在实验中，对于所有节点，trisoup_node_size_log2都等于4。
图14图示了根据一些实施例的具有不同节点尺寸的实验结果。具体而言，在实验中，对于分区(例如，切片)1、2和3，trisoup_node_size_log2等于4，而对于分区0，trisoup_node_size_log2等于1。在这个结果中，头发(分区0)的质量随着节点尺寸的减小而得到改善。
图15图示了根据一些实施例的具有恒定节点尺寸相对于不同节点尺寸的实验结果的比较。具体而言，在左边图像中，trisoup_node_size_log2等于3，并且对于所有分区都是恒定的。在右边图像中，对于分区1、2和3，trisoup_node_size_log2等于3，而对于分区0，trisoup_node_size_log2等于1。在这个结果中，当与左边图像的分区0和两个图像的其它分区相比时，分区0(分界线上方)中右边图像的质量随着节点尺寸的减小而得到改善。
图16图示了根据一些实施例的PSNR图。示出了节点尺寸恒定与利用不同节点尺寸时的峰值信噪比(PSNR)的比较。
为了利用本文描述的每切片trisoup节点尺寸方法，设备获取或接收3D内容并以经优化的方式处理和/或发送该内容以启用3D内容的正确、高效显示。每切片trisoup节点尺寸方法能够在用户协助下实现，或者在无需用户参与的情况下自动实现。
在操作中，每切片trisoup节点尺寸方法更高效地对3D内容进行编码。每切片trisoup节点尺寸方法在对点云进行编码时实现了灵活性。代替每个块/节点的尺寸相同，用户或机器能够指示块/节点的尺寸，使得感兴趣区域能够为了在该区域中更高的特异性而具有更小的节点尺寸。
每切片TRISOUP节点尺寸的一些实施例
1、一种在设备的非暂态存储器中编程的方法，包括：
接收点云信息；
将点云信息分割成多个切片；
确定多个节点尺寸；以及
对于所述多个切片中的每个切片使用所述多个节点尺寸中的节点尺寸对点云进行编码。
2、如条款1所述的方法，其中节点尺寸是根据感兴趣区域准则来确定的。
3、如条款2所述的方法，其中对于感兴趣区域，节点尺寸减小。
4、如条款3所述的方法，其中所述多个节点尺寸包括用于表示感兴趣区域的切片的较小节点尺寸和用于剩余切片的较大节点尺寸。
5、如条款1所述的方法，其中所述多个切片的量不需要等于所述多个节点尺寸的量。
6、如条款1所述的方法，其中所述多个节点尺寸由用户通过在配置文件中指定节点尺寸来编程。
7、如条款1所述的方法，其中所述多个节点尺寸是使用机器学习来确定的。
8、如条款1所述的方法，其中所述多个节点尺寸是根据除感兴趣区域以外的任何任意准则来确定的。
9、一种装置，包括：
用于存储应用的非暂态存储器，该应用用于：
接收点云信息；
将点云信息分割成多个切片；
确定多个节点尺寸；以及
对于所述多个切片中的每个切片使用所述多个节点尺寸中的节点尺寸对点云进行编码；以及
耦合到存储器的处理器，该处理器被配置用于处理应用。
10、如条款9所述的装置，其中节点尺寸是根据感兴趣区域准则来确定的。
11、如条款10所述的装置，其中对于感兴趣区域，节点尺寸减小。
12、如条款11所述的装置，其中所述多个节点尺寸包括用于表示感兴趣区域的切片的较小节点尺寸和用于剩余切片的较大节点尺寸。
13、如条款9所述的装置，其中所述多个切片的量不需要等于所述多个节点尺寸的量。
14、如条款9所述的装置，其中所述多个节点尺寸由用户通过在配置文件中指定节点尺寸来编程。
15、如条款9所述的装置，其中所述多个节点尺寸是使用机器学习来确定的。
16、如条款9所述的装置，其中所述多个节点尺寸是根据除感兴趣区域以外的任何任意准则来确定的。
17、一种系统，包括：
编码器，被配置用于：
接收点云信息；
将点云信息分割成多个切片；
确定多个节点尺寸；以及
对于所述多个切片中的每个切片使用所述多个节点尺寸中的节点尺寸对点云进行编码；以及
解码器，被配置用于解码经编码的点云信息。
18、如条款17所述的系统，其中节点尺寸是根据感兴趣区域准则来确定的。
19、如条款18所述的系统，其中对于感兴趣区域，节点尺寸减小。
20、如条款19所述的系统，其中所述多个节点尺寸包括用于表示感兴趣区域的切片的较小节点尺寸和用于剩余切片的较大节点尺寸。
21、如条款17所述的系统，其中所述多个切片的量不需要等于所述多个节点尺寸的量。
22、如条款17所述的系统，其中所述多个节点尺寸由用户通过在配置文件中指定节点尺寸来编程。
23、如条款17所述的系统，其中所述多个节点尺寸是使用机器学习来确定的。
24、如条款17所述的系统，其中所述多个节点尺寸是根据除感兴趣区域以外的任何任意准则来确定的。
已经根据结合细节的具体实施例描述了本发明，以促进对本发明的构造和操作的原理的理解。本文中对具体实施例及其细节的这种引用无意于限制所附权利要求的范围。对于本领域的技术人员而言显而易见的是，可以在为说明而选择的实施例中进行其它各种修改，而不脱离由权利要求书限定的本发明的精神和范围。

Claims (24)

1.一种在设备的非暂态存储器中编程的方法，包括：
接收点云信息；
将点云信息分割成多个切片；
确定多个节点尺寸；以及
对于所述多个切片中的每个切片使用所述多个节点尺寸中的节点尺寸对点云进行编码。
2.如权利要求1所述的方法，其中节点尺寸是根据感兴趣区域准则来确定的。
3.如权利要求2所述的方法，其中对于感兴趣区域，节点尺寸减小。
4.如权利要求3所述的方法，其中所述多个节点尺寸包括用于表示感兴趣区域的切片的较小节点尺寸和用于剩余切片的较大节点尺寸。
5.如权利要求1所述的方法，其中所述多个切片的量不需要等于所述多个节点尺寸的量。
6.如权利要求1所述的方法，其中所述多个节点尺寸由用户通过在配置文件中指定节点尺寸来编程。
7.如权利要求1所述的方法，其中所述多个节点尺寸是使用机器学习来确定的。
8.如权利要求1所述的方法，其中所述多个节点尺寸是根据除感兴趣区域以外的任何任意准则来确定的。
9.一种装置，包括：
用于存储应用的非暂态存储器，所述应用用于：
接收点云信息；
将点云信息分割成多个切片；
确定多个节点尺寸；以及
对于所述多个切片中的每个切片使用所述多个节点尺寸中的节点尺寸对点云进行编码；以及
耦合到存储器的处理器，所述处理器被配置用于处理应用。
10.如权利要求9所述的装置，其中节点尺寸是根据感兴趣区域准则来确定的。
11.如权利要求10所述的装置，其中对于感兴趣区域，节点尺寸减小。
12.如权利要求11所述的装置，其中所述多个节点尺寸包括用于表示感兴趣区域的切片的较小节点尺寸和用于剩余切片的较大节点尺寸。
13.如权利要求9所述的装置，其中所述多个切片的量不需要等于所述多个节点尺寸的量。
14.如权利要求9所述的装置，其中所述多个节点尺寸由用户通过在配置文件中指定节点尺寸来编程。
15.如权利要求9所述的装置，其中所述多个节点尺寸是使用机器学习来确定的。
16.如权利要求9所述的装置，其中所述多个节点尺寸是根据除感兴趣区域以外的任何任意准则来确定的。
17.一种系统，包括：
编码器，被配置用于：
接收点云信息；
将点云信息分割成多个切片；
确定多个节点尺寸；以及
对于所述多个切片中的每个切片使用所述多个节点尺寸中的节点尺寸对点云进行编码；以及
解码器，被配置用于解码经编码的点云信息。
18.如权利要求17所述的系统，其中节点尺寸是根据感兴趣区域准则来确定的。
19.如权利要求18所述的系统，其中对于感兴趣区域，节点尺寸减小。
20.如权利要求19所述的系统，其中所述多个节点尺寸包括用于表示感兴趣区域的切片的较小节点尺寸和用于剩余切片的较大节点尺寸。
21.如权利要求17所述的系统，其中所述多个切片的量不需要等于所述多个节点尺寸的量。
22.如权利要求17所述的系统，其中所述多个节点尺寸由用户通过在配置文件中指定节点尺寸来编程。
23.如权利要求17所述的系统，其中所述多个节点尺寸是使用机器学习来确定的。
24.如权利要求17所述的系统，其中所述多个节点尺寸是根据除感兴趣区域以外的任何任意准则来确定的。
CN202180006120.0A 2020-06-23 2021-06-20 每切片trisoup节点尺寸 Pending CN114600163A (zh)

Applications Claiming Priority (5)

Application Number Priority Date Filing Date Title
US202063043116P 2020-06-23 2020-06-23
US63/043,116 2020-06-23
US17/030,244 US11375208B2 (en) 2020-06-23 2020-09-23 Trisoup node size per slice
US17/030,244 2020-09-23
PCT/US2021/038162 WO2021262559A1 (en) 2020-06-23 2021-06-20 Trisoup node size per slice

Publications (1)

Publication Number Publication Date
CN114600163A true CN114600163A (zh) 2022-06-07

Family

ID=79022191

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202180006120.0A Pending CN114600163A (zh) 2020-06-23 2021-06-20 每切片trisoup节点尺寸

Country Status (6)

Country Link
US (1) US11375208B2 (zh)
EP (1) EP4136620A4 (zh)
JP (1) JP7466849B2 (zh)
KR (1) KR20220127323A (zh)
CN (1) CN114600163A (zh)
WO (1) WO2021262559A1 (zh)

Families Citing this family (31)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10897269B2 (en) 2017-09-14 2021-01-19 Apple Inc. Hierarchical point cloud compression
US11818401B2 (en) 2017-09-14 2023-11-14 Apple Inc. Point cloud geometry compression using octrees and binary arithmetic encoding with adaptive look-up tables
US10861196B2 (en) 2017-09-14 2020-12-08 Apple Inc. Point cloud compression
US11113845B2 (en) 2017-09-18 2021-09-07 Apple Inc. Point cloud compression using non-cubic projections and masks
US10909725B2 (en) 2017-09-18 2021-02-02 Apple Inc. Point cloud compression
US10607373B2 (en) 2017-11-22 2020-03-31 Apple Inc. Point cloud compression with closed-loop color conversion
US11010928B2 (en) 2018-04-10 2021-05-18 Apple Inc. Adaptive distance based point cloud compression
US10909727B2 (en) 2018-04-10 2021-02-02 Apple Inc. Hierarchical point cloud compression with smoothing
US10867414B2 (en) 2018-04-10 2020-12-15 Apple Inc. Point cloud attribute transfer algorithm
US10909726B2 (en) 2018-04-10 2021-02-02 Apple Inc. Point cloud compression
US10939129B2 (en) 2018-04-10 2021-03-02 Apple Inc. Point cloud compression
US11017566B1 (en) 2018-07-02 2021-05-25 Apple Inc. Point cloud compression with adaptive filtering
US11202098B2 (en) 2018-07-05 2021-12-14 Apple Inc. Point cloud compression with multi-resolution video encoding
US11012713B2 (en) 2018-07-12 2021-05-18 Apple Inc. Bit stream structure for compressed point cloud data
US11367224B2 (en) 2018-10-02 2022-06-21 Apple Inc. Occupancy map block-to-patch information compression
US11430155B2 (en) 2018-10-05 2022-08-30 Apple Inc. Quantized depths for projection point cloud compression
US11057564B2 (en) 2019-03-28 2021-07-06 Apple Inc. Multiple layer flexure for supporting a moving image sensor
US11711544B2 (en) 2019-07-02 2023-07-25 Apple Inc. Point cloud compression with supplemental information messages
US11627314B2 (en) 2019-09-27 2023-04-11 Apple Inc. Video-based point cloud compression with non-normative smoothing
US11562507B2 (en) 2019-09-27 2023-01-24 Apple Inc. Point cloud compression using video encoding with time consistent patches
US11538196B2 (en) * 2019-10-02 2022-12-27 Apple Inc. Predictive coding for point cloud compression
US11895307B2 (en) 2019-10-04 2024-02-06 Apple Inc. Block-based predictive coding for point cloud compression
US11798196B2 (en) 2020-01-08 2023-10-24 Apple Inc. Video-based point cloud compression with predicted patches
US11475605B2 (en) 2020-01-09 2022-10-18 Apple Inc. Geometry encoding of duplicate points
US11770562B2 (en) * 2020-06-23 2023-09-26 Qualcomm Incorporated High-level syntax for geometry-based point cloud compression
US11615557B2 (en) 2020-06-24 2023-03-28 Apple Inc. Point cloud compression using octrees with slicing
US11620768B2 (en) 2020-06-24 2023-04-04 Apple Inc. Point cloud geometry compression using octrees with multiple scan orders
US11948338B1 (en) 2021-03-29 2024-04-02 Apple Inc. 3D volumetric content encoding using 2D videos and simplified 3D meshes
JP2024008355A (ja) * 2022-07-08 2024-01-19 Kddi株式会社 点群復号装置、点群復号方法及びプログラム
JP2024008352A (ja) * 2022-07-08 2024-01-19 Kddi株式会社 点群復号装置、点群復号方法及びプログラム
WO2024042909A1 (ja) * 2022-08-26 2024-02-29 パナソニック インテレクチュアル プロパティ コーポレーション オブ アメリカ 復号方法、符号化方法、復号装置及び符号化装置

Family Cites Families (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10694210B2 (en) * 2016-05-28 2020-06-23 Microsoft Technology Licensing, Llc Scalable point cloud compression with transform, and corresponding decompression
GB2558314B (en) 2017-01-02 2020-07-29 Canon Kk Improved attribute mapping to encode and decode 3D models
EP3429207A1 (en) * 2017-07-13 2019-01-16 Thomson Licensing A method and apparatus for encoding/decoding a colored point cloud representing the geometry and colors of a 3d object
US10909725B2 (en) 2017-09-18 2021-02-02 Apple Inc. Point cloud compression
US10192353B1 (en) 2017-10-10 2019-01-29 8i Limited Multiresolution surface representation and compression
WO2020101021A1 (ja) * 2018-11-16 2020-05-22 パナソニック インテレクチュアル プロパティ コーポレーション オブ アメリカ 三次元データ符号化方法、三次元データ復号方法、三次元データ符号化装置、及び三次元データ復号装置
CA3134440A1 (en) * 2019-03-18 2020-09-24 Geomagical Labs, Inc. System and method for virtual modeling of indoor scenes from imagery
US11122102B2 (en) * 2019-07-03 2021-09-14 Lg Electronics Inc. Point cloud data transmission apparatus, point cloud data transmission method, point cloud data reception apparatus and point cloud data reception method
US11593969B2 (en) * 2019-07-12 2023-02-28 Tencent America LLC Method and apparatus for geometry merge mode for point cloud coding

Also Published As

Publication number Publication date
EP4136620A1 (en) 2023-02-22
JP7466849B2 (ja) 2024-04-15
US11375208B2 (en) 2022-06-28
EP4136620A4 (en) 2023-09-20
US20210400280A1 (en) 2021-12-23
KR20220127323A (ko) 2022-09-19
JP2023522702A (ja) 2023-05-31
WO2021262559A1 (en) 2021-12-30

Similar Documents

Publication Publication Date Title
JP7466849B2 (ja) スライス毎のｔｒｉｓｏｕｐノードサイズ
US10904564B2 (en) Method and apparatus for video coding
US11417029B2 (en) Method and apparatus for point cloud coding
US11010931B2 (en) Method and apparatus for video coding
US20200302651A1 (en) Methods and devices for predictive point cloud attribute coding
EP4138393A1 (en) Apparatus for transmitting point cloud data, method for transmitting point cloud data, apparatus for receiving point cloud data, and method for receiving point cloud data
CN114175100A (zh) 用于处理点云数据的方法和装置
EP4325852A1 (en) Point cloud data transmission method, point cloud data transmission device, point cloud data reception method, and point cloud data reception device
EP4131975A1 (en) Point cloud data transmission apparatus, point cloud data transmission method, point cloud data reception apparatus, and point cloud data reception method
US20230290006A1 (en) Point cloud data transmission device, point cloud data transmission method, point cloud data reception device, and point cloud data reception method
EP4325853A1 (en) Point cloud data transmission device, point cloud data transmission method, point cloud data reception device, and point cloud data reception method
US20240064332A1 (en) Point cloud data transmission device, point cloud data transmission method, point cloud data reception device, and point cloud data reception method
US20220392114A1 (en) Method and apparatus for calculating distance based weighted average for point cloud coding
CN114915792B (zh) 基于二维规则化平面投影的点云编解码方法及装置
CN114915793B (zh) 基于二维规则化平面投影的点云编解码方法及装置
US20240312064A1 (en) Method for encoding and decoding a point cloud
US20230316581A1 (en) Point cloud data transmission device, point cloud data transmission method, point cloud data reception device, and point cloud data reception method
EP4395320A1 (en) Point cloud data transmission method, point cloud data transmission device, point cloud data reception method, and point cloud data reception device
US20240121435A1 (en) Point cloud data transmission device, point cloud data transmission method, point cloud data reception device, and point cloud data reception method
JP2024508090A (ja) 二次元正則化平面投影に基づく点群符号化および復号方法ならびにデバイス
CN118160310A (zh) 点云数据发送方法、点云数据发送装置、点云数据接收方法及点云数据接收装置

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination