JP2022516851A - インターフレーム点群属性符号化のための方法並びにその、装置およびコンピュータプログラム - Google Patents

Abstract

少なくとも１つのプロセッサが実行する、インターフレーム点群属性符号化の方法は、ターゲットフレームの動き推定の動き推定不信頼性尺度として、前記ターゲットフレーム内の点群サンプルの数に対する、インターフレーム参照フレームの第２の点群サンプルをそれぞれあわせた前記ターゲットフレームの第１の点群サンプルの数の比に反比例する値を取得するステップを含む。前記方法は、取得された前記動き推定不信頼性尺度が所定の閾値よりも大きいか否かを識別するステップと、取得された前記動き推定不信頼性尺度が前記所定の閾値よりも大きいと識別されたことに基づいて、前記ターゲットフレームの動き補償をスキップするステップと、取得された前記動き推定不信頼性尺度が前記所定の閾値以下と識別されたことに基づいて、前記ターゲットフレームの前記動き補償を実行するステップと、をさらに含む。

Description

関連出願の相互参照
本出願は、２０１９年３月２２日に米国特許商標庁に出願された米国仮特許出願第６２／８２２，７６５号に基づく優先権を主張し、その内容を全て参照により本明細書に組み込むものとする。

１．技術分野
実施形態に従う方法および装置は、グラフベースの点群圧縮（Ｇ－ＰＣＣ）に関し、より具体的には、インターフレーム点群属性符号化のための方法および装置に関するものである。

２．関連技術の説明
世界の高度な３次元（３Ｄ）表現は、より没入的な形態のインタラクションおよびコミュニケーションを可能にし、機械が我々の世界を理解し、解釈し、ナビゲートすることをも可能にする。３Ｄ点群は、このような情報の表現を可能にするものとして登場した。点群データに関連する多くのユースケースが特定され、点群表現および圧縮についての対応する要件が開発されている。

点群は、それぞれが、例えば、色、材料特性などの関連する属性を持つ、３Ｄ空間内の点のセットである。点群は、オブジェクトまたはシーンをそのような点の合成として再構築するために使用されることができる。点群は、複数のカメラ及び深度センサーを用いて種々の設定でキャプチャされることができ、再構築されたシーンをリアルに表現するために、数千から数十億の点で構成されることがある。

点群を表現するためのデータ量を減らすために、圧縮技術が必要である。そのため、リアルタイム通信および６自由度（６ＤｏＦ）バーチャルリアリティで使用するための点群を非可逆圧縮する技術が要る。さらに、自動運転や文化遺産への適用などのための動的マッピングの文脈において、可逆点群圧縮の技術が求められている。動画専門家集団（Ｍｏｖｉｎｇ Ｐｉｃｔｕｒｅ Ｅｘｐｅｒｔｓ Ｇｒｏｕｐ、ＭＰＥＧ）は、ジオメトリおよび色、反射率などの属性の圧縮、スケーラブル／プログレッシブな符号化、時間の経過とともにキャプチャされた点群のシーケンスの符号化、および点群のサブセットへのランダムアクセスに対処する規格に取り組み始めた。

図１Ａは、Ｇ－ＰＣＣにおいて詳細レベル（level of detail、ＬｏＤ）を生成する方法を示す図である。

図１Ａを参照すると、現在のＧ－ＰＣＣ属性符号化では、各３Ｄ点の距離に基づいて各３Ｄ点（例えば、Ｐ０～Ｐ９）のＬｏＤ（すなわち、グループ）を生成し、その後、各ＬｏＤ内の３Ｄ点の属性値を、３Ｄ点の元の順序１０５の代わりにＬｏＤベースの順序１１０で予測を適用することによってエンコードする。例えば、３Ｄ点Ｐ２の属性値は、３Ｄ点Ｐ２の前にエンコードまたはデコードされた３Ｄ点Ｐ０、Ｐ５、Ｐ４の距離ベースの加重平均値を算出することによって予測される。

Ｇ－ＰＣＣにおける現在のアンカー方法は、以下のように進行する。

まず、３Ｄ点の近傍の変動率を計算して、近傍値がどの程度異なるかを確認し、変動率が閾値よりも低い場合、現在の点ｉの最近傍の距離に基づく線形補間処理を用いて、属性値

を予測することにより、距離ベースの加重平均予測の算出を行う。

を現在の点ｉのｋ－最近傍のセットとし、

をそれらのデコード／再構築された属性値とし、

を現在の点ｉまでの距離とする。予測された属性値

は次の式で与えられる。

属性が符号化されるとき、すべての点群の幾何学的位置はすでに利用可能であることに留意されたい。加えて、隣接する点とそれらの再構築された属性値は、エンコーダとデコーダの両方で、同一の方法で各点の最近傍探索を容易にするために使用されるｋ次元の木構造として利用可能である。

第２に、変動率が閾値よりも高い場合、レート歪み最適化（ＲＤＯ）予測子選択を実行する。ＬｏＤを生成する際の近傍点探索の結果に基づいて、複数の予測子候補または候補予測値を作成する。例えば、３Ｄ点Ｐ２の属性値を、予測を用いてエンコードする場合、３Ｄ点Ｐ２から３Ｄ点Ｐ０、Ｐ５、Ｐ４のそれぞれまでの距離の加重平均値を、０に等しい予測子インデックスに設定する。そして、３Ｄ点Ｐ２から最近傍点Ｐ４までの距離を１に等しい予測子インデックスに設定する。さらに、下の表１に示すように、３Ｄ点Ｐ２から次の最近傍点Ｐ５およびＰ０のそれぞれまでの距離を２および３に等しい予測子インデックスに設定する。

予測子候補を作成した後、レート歪み最適化手順を適用することによって最良の予測子を選択し、その後、選択された予測子インデックスを、ビンが算術符号化されていく切り捨てられた単項（Ｔｒｕｎｃａｔｅｄ Ｕｎａｒｙ、ＴＵ）コードにマッピングする。なお、表１では、より短いＴＵコードがより小さい予測子インデックスに割り当てられる。

予測子候補の最大数ＭａｘＮｕｍＣａｎｄが定義され、属性ヘッダにエンコードされる。現在の実施では、予測子候補の最大数ＭａｘＮｕｍＣａｎｄは、ｎｕｍｂｅｒＯｆＮｅａｒｅｓｔＮｅｉｇｈｂｏｒｓＩｎＰｒｅｄｉｃｔｉｏｎ＋１に等しく設定され、切り捨てられた単項二値化を使用した予測子インデックスのエンコードおよびデコードに使用される。

Ｇ－ＰＣＣにおける属性符号化のためのリフティング変換は、上述した予測変換の上に構築される。予測方式とリフティング方式の主な違いは、更新演算子の提出である。

図１Ｂは、Ｇ－ＰＣＣにおけるＰ／Ｕ（Ｐｒｅｄｉｃｔｉｏｎ／Ｕｐｄａｔｅ）リフティングのアーキテクチャの図である。リフティングにおける予測と更新のステップを容易にするには、分解の各段階で、信号を二つの高相関セットに分割する必要がある。Ｇ－ＰＣＣのリフティング方式では、レベル間でこのような高相関が期待でき、各レベルを最近傍探索によって構築することで、不均一な点群を構造化されたデータに編成するＬｏＤ構造を利用して分割を実行する。レベルＮでのＰ／Ｕ分解ステップでは、詳細信号Ｄ（Ｎ－１）および近似信号Ａ（Ｎ－１）が得られ、さらにＤ（Ｎ－２）およびＡ（Ｎ－２）に分解される。このステップは、ベースレイヤーの近似信号Ａ（１）が得られるまで繰り返し適用される。

その結果、リフティング方式では、ＬＯＤ（Ｎ）、・・・ＬＯＤ（１）からなる入力属性信号そのものを符号化するのではなく、Ｄ（Ｎ－１）、Ｄ（Ｎ－２）、・・・Ｄ（１）、Ａ（１）を符号化することになる。なお、効率的なＰ／Ｕステップを適用すると、Ｄ（Ｎ－１）、・・・、Ｄ（１）のサブバンド「係数」が疎になることが多く、それによって、変換符号化の利得が得られる。

現在、Ｇ－ＰＣＣのアンカー方法としてのリフティングにおける予測ステップには、予測変換についての上述した距離ベースの加重平均予測が用いられている。

Ｇ－ＰＣＣにおける属性符号化のための予測およびリフティングでは、隣接する属性サンプルの数が多ければ多いほど、より良い予測を提供できるため、隣接する属性サンプルの利用可能性は、圧縮効率にとって重要である。予測するのに十分な近傍がない場合、圧縮効率が低下する可能性がある。

実施形態によれば、少なくとも１つのプロセッサが実行する、インターフレーム点群属性符号化の方法は、ターゲットフレームの動き推定の動き推定不信頼性尺度として、前記ターゲットフレーム内の点群サンプルの数に対する、インターフレーム参照フレームの第２の点群サンプルをそれぞれあわせた前記ターゲットフレームの第１の点群サンプルの数の比に反比例する値を取得するステップを含む。前記方法は、取得された前記動き推定不信頼性尺度が所定の閾値よりも大きいか否かを識別するステップと、取得された前記動き推定不信頼性尺度が前記所定の閾値よりも大きいと識別されたことに基づいて、前記ターゲットフレームの動き補償をスキップするステップと、取得された前記動き推定不信頼性尺度が前記所定の閾値以下と識別されたことに基づいて、前記ターゲットフレームの前記動き補償を実行するステップと、をさらに含む。

実施形態によれば、インターフレーム点群属性符号化のための装置であって、コンピュータプログラムコードを記憶するように構成される少なくとも１つのメモリと、前記少なくとも１つのメモリにアクセスし、前記コンピュータプログラムコードに従って動作するように構成される少なくとも１つのプロセッサと、を備える。前記コンピュータプログラムコードは、前記少なくとも１つのプロセッサに、ターゲットフレームの動き推定の動き推定不信頼性尺度として、前記ターゲットフレーム内の点群サンプルの数に対する、インターフレーム参照フレームの第２の点群サンプルをそれぞれあわせた前記ターゲットフレームの第１の点群サンプルの数の比に反比例する値を取得させるように構成される取得コードを含む。前記コンピュータプログラムコードは、前記少なくとも１つのプロセッサに、取得された前記動き推定不信頼性尺度が所定の閾値よりも大きいか否かを識別させるように構成される識別コードと、前記少なくとも１つのプロセッサに、取得された前記動き推定不信頼性尺度が前記所定の閾値よりも大きいと識別されたことに基づいて、前記ターゲットフレームの動き補償をスキップさせるように構成されるスキップコードと、前記少なくとも１つのプロセッサに、取得された前記動き推定不信頼性尺度が前記所定の閾値以下と識別されたことに基づいて、前記ターゲットフレームの前記動き補償を実行させるように構成される実行コードと、をさらに含む。

命令を記憶する非一時的なコンピュータ読取可能な記憶媒体であって、前記命令は、少なくとも１つのプロセッサに、ターゲットフレームの動き推定の動き推定不信頼性尺度として、前記ターゲットフレーム内の点群サンプルの数に対する、インターフレーム参照フレームの第２の点群サンプルをそれぞれあわせた前記ターゲットフレームの第１の点群サンプルの数の比に反比例する値を取得させる。前記命令は、さらに、前記少なくとも１つのプロセッサに、取得された前記動き推定不信頼性尺度が所定の閾値よりも大きいか否かを識別させ、取得された前記動き推定不信頼性尺度が前記所定の閾値よりも大きいと識別されたことに基づいて、前記ターゲットフレームの動き補償をスキップさせ、取得された前記動き推定不信頼性尺度が前記所定の閾値以下と識別されたことに基づいて、前記ターゲットフレームの前記動き補償を実行させる。

Ｇ－ＰＣＣにおいてＬｏＤを生成する方法を示す図である。 Ｇ－ＰＣＣにおけるＰ／Ｕリフティングのアーキテクチャの図である。 実施形態による通信システムのブロック図である。 実施形態による、ある環境におけるＧ－ＰＣＣ圧縮器およびＧ－ＰＣＣ解凍器の配置の図である。 実施形態によるＧ－ＰＣＣ圧縮器の機能ブロック図である。 実施形態によるＧ－ＰＣＣ解凍器の機能ブロック図である。 実施形態による、インターフレーム点群属性符号化の方法を示すフローチャートである。 実施形態による、インターフレーム点群属性符号化のための装置のブロック図である。 実施形態の実施に適したコンピュータシステムの図である。

本明細書で説明する実施形態は、インターフレーム点群属性符号化のための方法および装置を提供する。詳細には、Ｇ－ＰＣＣにおける予測のために、同じ点群フレーム内からの属性値に加えて、異なる時間インスタンスにおける他の点群フレームからの属性値が使用される。本方法および装置は、差分パルス符号変調（Ｄｉｆｆｅｒｅｎｔｉａｌ Ｐｕｌｓｅ Ｃｏｄｅ Ｍｏｄｕｌａｔｉｏｎ、ＤＰＣＭ）における予測（別名：予測変換）、又はＧ－ＰＣＣにおけるリフティングのための予測ステップ（別名：リフティング変換）を改善するために使用されることができる。また、時空間予測の本方法および装置は、同様の構造を持つ任意のコーデックに対しても機能することができる。本方法および装置は、他のフレームの対応するロケーションからのサンプル属性値を提供することによって、特に点群サンプルが現在のフレーム内で疎である場合に、予測性能を向上させることができる。

図２は、実施形態による通信システム２００のブロック図である。通信システム２００は、ネットワーク２５０を介して相互接続された少なくとも２つの端末２１０および２２０を含み得る。データの単方向送信の場合、第１の端末２１０は、ネットワーク２５０を介して第２の端末２２０へ送信するために、点群データをローカルロケーションで符号化してもよい。第２の端末２２０は、第１の端末２１０の符号化された点群データをネットワーク２５０から受信し、符号化された点群データをデコードし、デコードされた点群データを表示することができる。単方向のデータ送信は、メディア供給アプリケーションなどで一般的である。

図２は、例えばビデオ会議中に発生し得る符号化された点群データの双方向送信をサポートするために提供される第２の対の端末２３０および２４０をさらに示している。データの双方向送信の場合、各端末２３０または２４０は、ネットワーク２５０を介して他の端末へ送信するために、ローカルロケーションでキャプチャされた点群データを符号化してもよい。また、各端末２３０または２４０は、他の端末で送信された符号化された点群データを受信し、符号化された点群データをデコードし、デコードされた点群データをローカルの表示装置に表示することができる。

図２において、端末２１０～２４０は、サーバ、パーソナルコンピュータ、およびスマートフォンとして示され得るが、実施形態の原理はこれに制限されることはない。実施形態は、ラップトップコンピュータ、タブレットコンピュータ、メディアプレーヤーおよび／または専用のビデオ会議機器における用途を見出す。ネットワーク２５０は、例えば有線および／または無線通信ネットワークを含む、端末２１０～２４０間で符号化された点群データを伝達する任意の数のネットワークを表す。通信ネットワーク２５０は、回線交換および／またはパケット交換チャネルでデータを交換することができる。代表的なネットワークとしては、電気通信ネットワーク、ローカルエリアネットワーク、ワイドエリアネットワークおよび／またはインターネットが挙げられる。本議論の目的のために、ネットワーク２５０のアーキテクチャおよびトポロジーは、以下で説明されない限り、実施形態の動作にとって重要ではないかもしれない。

図３は、実施形態による、ある環境におけるＧ－ＰＣＣ圧縮器３０３およびＧ－ＰＣＣ解凍器３１０の配置の図である。開示された主題は、例えば、ビデオ会議、デジタルＴＶ、および、ＣＤ、ＤＶＤ、メモリスティックなどを含むデジタルメディアへの圧縮された点群データの記憶など、を含む他の点群対応アプリケーションに等しく適用可能である。

ストリーミングシステム３００は、例えば非圧縮の点群データ３０２を作成するデジタルカメラなどの点群ソース３０１を含むことができるキャプチャサブシステム３１３を含んでもよい。より高いデータ量を有する点群データ３０２は、点群ソース３０１に結合されたＧ－ＰＣＣ圧縮器３０３によって処理され得る。Ｇ－ＰＣＣ圧縮器３０３は、以下でより詳細に説明するように、開示された主題の態様を可能にするかまたは実施するために、ハードウェア、ソフトウェア、またはそれらの組み合わせを含むことができる。より低いデータ量を有するエンコードされた点群データ３０４は、将来使うためにストリーミングサーバ３０５に記憶されることができる。１つまたは複数のストリーミングクライアント３０６および３０８は、ストリーミングサーバ３０５にアクセスして、エンコードされた点群データ３０４のコピー３０７および３０９を検索することができる。クライアント３０６は、エンコードされた点群データの入り方向コピー３０７をデコードし、ディスプレイ３１２または他のレンダリングデバイス（示されていない）でレンダリングできる出方向点群データ３１１を作成するＧ－ＰＣＣ解凍器３１０を含むことができる。一部のストリーミングシステムにおいて、エンコードされた点群データ３０４、３０７、３０９は、ビデオ符号化／圧縮規格に従ってエンコードされることができる。これらの規格の例には、Ｇ－ＰＣＣのためにＭＰＥＧによって開発されているものが含まれる。

図４は、実施形態によるＧ－ＰＣＣ圧縮器３０３の機能ブロック図である。

図４に示すように、Ｇ－ＰＣＣ圧縮器３０３は、量子化器４０５と、点除去モジュール４１０と、八分木エンコーダ４１５と、属性転送モジュール４２０と、ＬｏＤ生成器４２５と、予測モジュール４３０と、量子化器４３５と、算術符号化器４４０とを備える。

量子化器４０５は、入力点群内の点の位置を受信する。位置は、（ｘ，ｙ，ｚ）座標であってもよい。量子化器４０５は、さらに、例えばスケーリングアルゴリズムおよび／またはシフトアルゴリズムを用いて、受信された位置を量子化する。

点除去モジュール４１０は、量子化された位置を量子化器４０５から受信し、受信された量子化された位置から重複位置を除去またはフィルタリングする。

八分木エンコーダ４１５は、フィルタリングされた位置を点除去モジュール４１０から受信し、受信されたフィルタリングされた位置を、八分木エンコーディングアルゴリズムを用いて、入力点群を表す八分木の占有シンボルにエンコードする。八分木に対応する入力点群のバウンディングボックスは、任意の３Ｄ形状、例えば、立方体であってもよい。

八分木エンコーダ４１５は、さらに、フィルタリングされた位置のエンコーディングに基づいて、受信されたフィルタリングされた位置を並べ替える。

属性転送モジュール４２０は、入力点群内の点の属性を受信する。属性は、例えば、各点の色またはＲＧＢ値および／または反射率を含んでもよい。属性転送モジュール４２０は、さらに、八分木エンコーダ４１５から並べ替えられた位置を受信する。

属性転送モジュール４２０は、さらに、受信された並べ替えられた位置に基づいて、受信された属性を更新する。例えば、属性転送モジュール４２０は、受信された属性に対して、例えば、受信された属性の重み付け及び平均化、並びに受信された属性からの追加の属性の補間を含む前処理アルゴリズムのうちの１つ又は複数を実行してもよい。属性転送モジュール４２０は、さらに、更新された属性を予測モジュール４３０に転送する。

ＬｏＤ生成器４２５は、八分木エンコーダ４１５から並び替えられた位置を受信し、受信された並び替えられた位置に対応する点のそれぞれのＬｏＤを取得する。各ＬｏＤは、点のグループと見なすことができ、点のそれぞれの距離に基づいて取得されることができる。例えば、図１Ａに示すように、点Ｐ０、Ｐ５、Ｐ４、Ｐ２がＬｏＤ ＬＯＤＯに、点Ｐ０、Ｐ５、Ｐ４、Ｐ２、Ｐ１、Ｐ６、Ｐ３がＬｏＤ ＬＯＤ１に、点Ｐ０、Ｐ５、Ｐ４、Ｐ２、Ｐ１、Ｐ６、Ｐ３、Ｐ９、Ｐ８、Ｐ７がＬｏＤ ＬＯＤ２にあってもよい。

予測モジュール４３０は、転送された属性を属性転送モジュール４２０から受信し、点のそれぞれの取得されたＬｏＤをＬｏＤ生成器４２５から受信する。予測モジュール４３０は、点のそれぞれの受信されたＬｏＤに基づく順序で、受信された属性に予測アルゴリズムを適用することによって、受信された属性の予測残差（値）をそれぞれ取得する。予測アルゴリズムは、例えば、補間、加重平均の計算、最近傍法、ＲＤＯなどの様々な予測アルゴリズムのうちのいずれかを含んでもよい。

例えば、図１Ａに示すように、ＬｏＤ ＬＯＤ０に含まれる点Ｐ０、Ｐ５、Ｐ４、Ｐ２の受信された属性のそれぞれの予測残差は、ＬｏＤ ＬＯＤ１、ＬＯＤ２にそれぞれ含まれる点Ｐ１、Ｐ６、Ｐ３、Ｐ９、Ｐ８、Ｐ７の受信された属性の予測残差よりも先に最初に取得されてもよい。点Ｐ２の受信された属性の予測残差は、点Ｐ０、Ｐ５、Ｐ４の加重平均に基づく距離を算出することによって取得されてもよい。

量子化器４３５は、予測モジュール４３０から、取得された予測残差を受信し、例えばスケーリングアルゴリズムおよび／またはシフトアルゴリズムを用いて、受信された予測された残差を量子化する。

算術符号化器４４０は、八分木エンコーダ４１５から占有シンボルを受信し、量子化された予測残差を量子化器４３５から受信する。算術符号化器４４０は、受信された占有シンボルおよび量子化された予測残差に対して算術符号化を実行して、圧縮ビットストリームを取得する。算術符号化は、例えば文脈適応型二値算術符号化のような様々なエントロピーエンコードアルゴリズムのうちのいずれかを含んでもよい。

図５は、実施形態によるＧ－ＰＣＣ解凍器３１０の機能ブロック図である。

図５に示すように、Ｇ－ＰＣＣ解凍器３１０は、算術デコーダ５０５と、八分木デコーダ５１０と、逆量子化器５１５と、ＬｏＤ生成器５２０と、逆量子化器５２５と、逆予測モジュール５３０とを備える。

算術デコーダ５０５は、Ｇ－ＰＣＣ圧縮器３０３から圧縮ビットストリームを受信し、受信された圧縮ビットストリームに対して算術デコードを実行して、占有シンボルおよび量子化された予測残差を取得する。算術デコードは、例えば文脈適応型二値算術デコードなどの様々なエントロピーデコードアルゴリズムのうちのいずれかを含んでもよい。

八分木デコーダ５１０は、算術デコーダ５０５から、取得された占有シンボルを受信し、八分木デコードアルゴリズムを用いて、受信された占有シンボルを量子化された位置にデコードする。

逆量子化器５１５は、量子化された位置を八分木デコーダ５１０から受信し、例えばスケーリングアルゴリズムおよび／またはシフトアルゴリズムを用いて、受信された量子化された位置を逆量子化して、入力点群内の点の再構築された位置を取得する。

ＬｏＤ生成器５２０は、量子化された位置を八分木デコーダ５１０から受信し、受信された量子化された位置に対応する点のそれぞれのＬｏＤを取得する。

逆量子化器５２５は、取得された量子化された予測残差を受信し、例えばスケーリングアルゴリズムおよび／またはシフトアルゴリズムを用いて、受信された量子化された予測残差を逆量子化して、再構築された予測残差を取得する。

逆予測モジュール５３０は、取得された再構築された予測残差を逆量子化器５２５から受信し、点のそれぞれの取得されたＬｏＤをＬｏＤ生成器５２０から受信する。逆予測モジュール５３０は、点のそれぞれの受信されたＬｏＤに基づく順序で、受信された再構築された予測残差に予測アルゴリズムを適用することにより、受信された再構築された予測残差の再構築された属性をそれぞれ取得する。予測アルゴリズムは、例えば、補間、加重平均の計算、最近傍法、ＲＤＯなどの様々な予測アルゴリズムのうちのいずれかを含んでもよい。再構築された属性は、入力点群内の点のものである。

次に、インターフレーム点群属性符号化のための方法および装置について詳細に説明する。このような方法および装置は、上述のＧ－ＰＣＣ圧縮器３０３、すなわち、予測モジュール４３０で実施されることができる。このような方法および装置は、Ｇ－ＰＣＣ解凍器３１０、すなわち、逆予測モジュール５３０で実施されてもよい。

動き推定および補償

実施形態では、ジオメトリベースまたはジョイントジオメトリ／属性ベースのグローバル／ローカル動き推定を実行することができる。

詳細には、点群圧縮の文脈において、点群の位置などのジオメトリ情報は、属性符号化が実行されるときに利用可能である。この情報を活用または組み合わせて、動き推定を実行し、現在のフレームおよび参照フレームに存在する任意のローカルまたはグローバル動きを補償することができる。

疎な点群データに対して動き推定を実行することは困難であるか、または信頼できない場合があるため、動き推定の結果として動き推定不信頼性尺度ｍｅ＿ｕｎｃｅｒｔａｉｎｔｙを取得することができる。動き推定不信頼性尺度は、一例として、類似した動きマッチングスコア、またはそのようなスコアの閾値テストを有する候補ターゲットサンプルの数に基づくことができる。動きマッチングスコアのそれぞれは、ブロックマッチングなどのプロセスを通じて取得されることができる。

動き推定不信頼性尺度ｍｅ＿ｕｎｃｅｒｔａｉｎｔｙ（所定の閾値よりも大きい場合）は、インターフレーム予測の使用を無効／有効にすることができ、または予測におけるスケーリングまたは重み付け係数を決定する際に使用されることができる。

修正された最近傍探索

実施形態では、Ｇ－ＰＣＣにおける最近傍点群を採用する予測は、他のフレームからの近傍サンプルを追加の候補と見なすことができる。

Ｇ－ＰＣＣ設計では、点群のＬｏＤ層を以下のように生成する。まず、元の点群および参照点群を、モートンコードを用いてソートする。

次に、元の点群をサンプル距離に従って、ＬｏＤ層の上部から下部のＬｏＤレベルまで連続的にサンプリングする。それから、１つのＬｏＤに属する各点ごとに最近傍探索を実行する。その後、点群ごとに、幾何学的に近いサンプルがリストの最初の部分にある近傍リストを構築する。

実施形態では、以下の規定は、インターフレーム群を用いた最近傍リスト構築をさらに容易にする。フラグｉｎｔｅｒｆｒａｍｅが定義され、最近傍サンプルがイントラであるかインターであるかを示す。変数ｆｒａｍｅｎｕｍが定義され、現在の点群フレームからのピクチャ順序カウント（Ｐｉｃｔｕｒｅ Ｏｒｄｅｒ Ｃｏｕｎｔ、ＰＯＣ）でのフレーム番号またはオフセットを示す。インターフレーム最近傍サンプルの最大数ＭａｘＩｎｔｅｒＮＮが定義される。

さらに、新しい点群サンプル候補がリストに既にあるものと比較されるたびに、距離の概念が定義される。このイントラ／インター混合予測の文脈では、フレーム間での属性値の可能な変化の度合いを反映するために、Ｔｅｍｐｏｒａｌ－ｔｏ－Ｓｐａｔｉａｌ Ｓｃａｌｅ（ＴＳＳｃａｌｅ）およびＴＳＯｆｆｓｅｔと呼ばれる変数が提出される。これらの値が大きい場合、時間的距離、速い動きの可能性、シーンの変化などにより、属性値が変化する可能性が高くなる。このような場合には、類似した３Ｄ座標を持つことは、属性値の近さと関連性が低い。

最近傍探索および後の予測段階におけるその使用の実施形態では、ＴＳＳｃａｌｅは、時間的距離対空間的距離の相対的な近接性をスケールアップ／スケールダウンするために使用されることができ、一方、ＴＳＯｆｆｓｅｔは、フレームを仮想的に「マージ」して、混合されたイントラおよびインターフレームの中から群サンプルを選択する際に、参照フレーム内の点の３Ｄ座標にオフセットを追加するために使用されることができる。この「マージ」では、インターフレームサンプルを現在のフレームに属しているかのように扱い、この場合、同一の３Ｄロケーションに複数の候補予測サンプルが存在する可能性がある。

実施形態では、最近傍サンプル候補の順序を再編成するオプションが追加される。エンコーダ（Ｇ－ＰＣＣ圧縮器３０３）は、動き推定の確信度（すなわち、ｍｅ＿ｕｎｃｅｒｔａｉｎｔｙ）に基づいて、候補リストが構造化される手段、または時間的次元の距離がインターフレーム候補点群サンプルの加重平均または重み算出に反映される手段をシグナリングすることができる。

実施形態では、動き推定不信頼性尺度ｍｅ＿ｕｎｃｅｒｔａｉｎｔｙを算出する方法は、現在のターゲットフレーム内の点群サンプルの数に対する、他のフレームからの１つまたは複数のインターフレーム参照点群サンプルをあわせた（すなわち、それに一致する、または対応する）現在のターゲットフレーム点群サンプルの数の比など、その反比例値を算出することを含む。他のフレームからの１つまたは複数のインターフレーム参照点群サンプルは、インターフレーム点群に対して提案された修正を加えた上述のような最近傍探索によって発見される。この比が小さいほど、動き推定の不確実性が高くなる。これは、提案された修正された最近傍探索からの出力として、本開示に記載されているような時空間距離メトリックによる時間的予測候補点が最近傍リストに含まれるからである。このような候補点がリスト内に多数存在すると、比の数値が大きくなり、現在のターゲットフレームと参照フレームが、明示的な動き補償、またはシーンおよびオブジェクトの静的な動かない性質のいずれかによって、合理的によく一致していることを意味する。

動き推定不信頼性尺度が所定の閾値よりも大きいことに基づいて、一例として、エンコーダおよびデコーダ（Ｇ－ＰＣＣ解凍器３１０）は、現在のフレームまたはターゲットフレームに対する動き補償をスキップすることに合意することができる。このプロセスは、修正された最近傍探索がエンコーダとデコーダの両方で行われるため可能である。したがって、余分に必要なオーバーヘッドシグナリングはない。これは、特にＧ－ＰＣＣに当てはまる。このプロセスは、予測／変換の前に動き補償を実行する適応的な方法で、点群データ全体の一部を指定することができる。

属性のＧ－ＰＣＣ予測変換への適用

１． ＲＤＯインデックス符号化

上記の実施形態は、上述したＲＤＯベースの予測子選択に適用されることができる。詳細には、一定の条件の下で、時間的候補（ｉｎｔｅｒｆｒａｍｅ＝１）により高い優先順位を割り当てるという規定が設けられている。実施形態では、動き推定不信頼性尺度ｍｅ＿ｕｎｃｅｒｔａｉｎｔｙが低い場合、時間的候補を最近傍リストに早期に入れることで、この時間的候補により高い優先順位が割り当てられ、その逆も同様である。これには、動き推定不信頼性尺度ｍｅ＿ｕｎｃｅｒｔａｉｎｔｙが所定の閾値より大きい場合、時間的候補を最近傍リストから除外することが含まれる。複数のインターフレームが存在する場合、（ｆｒａｍｅｎｕｍによって示される）時間的距離がより近い候補点群サンプルは、より早くリストに配置される。

ＲＤＯエンコーダ（Ｇ－ＰＣＣ圧縮器３０３）およびデコーダ（Ｇ－ＰＣＣ解凍器３１０）は、インターフレーム選択を追跡し、適応的なインデックス順序の切り替えを同期的に行うことができる。さらに、インターフレーム候補の数ＭａｘＩｎｔｅｒＮＮは、上記条件に応じて適応的に変更されることができる。

２． 距離ベースの平均予測

上記の実施形態は、上述した距離加重平均予測に適用されることができる。詳細には、動き推定不信頼性尺度ｍｅ＿ｕｎｃｅｒｔａｉｎｔｙが高い場合、インターフレーム候補は加重平均に含まれない。

実施形態では、現在の点群の属性値の距離加重平均予測

は、以下のようにインターおよびイントラ最近傍サンプル値

を用いて定義される。

ここで、ｎ番目のサンプルの重みは次のように決定されることができる。

ただし、ｐは、属性ａを有する現在の点群サンプルの位置であり、ｐ_ｎは、対応する属性値ａ_ｎを有するｎ番目の近傍サンプルの位置である。パラメータＴＳＳｃａｌｅおよびＴＳＯｆｆｓｅｔは、インターフレームの最近傍について上述の説明に従って割り当てられる。イントラ最近傍については、ＴＳＳｃａｌｅは１に設定され、ＴＳＯｆｆｓｅｔは０に設定される。

図６は、実施形態による、インターフレーム点群属性符号化の方法６００を示すフローチャートである。いくつかの実施では、図６の１つまたは複数の処理ブロックは、Ｇ－ＰＣＣ解凍器３１０によって実行されてもよい。いくつかの実施では、図６の１つまたは複数の処理ブロックは、Ｇ－ＰＣＣ圧縮器３０３など、Ｇ－ＰＣＣ解凍器３１０とは別の、またはＧ－ＰＣＣ解凍器３１０を含む他のデバイスまたはデバイス群によって実行されてもよい。

図６を参照すると、第１のブロック６１０において、方法６００は、ターゲットフレームの動き推定の動き推定不信頼性尺度として、ターゲットフレーム内の点群サンプルの数に対する、インターフレーム参照フレームの第２の点群サンプルをそれぞれあわせたターゲットフレームの第１の点群サンプルの数の比に反比例する値を取得するステップを含む。

第２のブロック６２０において、方法６００は、取得された動き推定不信頼性尺度が所定の閾値よりも大きいか否かを識別するステップを含む。

第３のブロック６３０において、方法６００は、取得された動き推定不信頼性尺度が所定の閾値よりも大きいと識別されたことに基づいて、ターゲットフレームの動き補償をスキップするステップを含む。

第４のブロック６４０において、方法６００は、取得された動き推定不信頼性尺度が所定の閾値以下と識別されたことに基づいて、ターゲットフレームの動き補償を実行するステップを含む。

動き推定不信頼性尺度の値が小さいほど、動き推定の不確実性が大きいことを示してもよく、動き推定不信頼性尺度の値が大きいほど、動き推定の不確実性が小さいことを示してもよい。

本方法は、最近傍探索アルゴリズムを用いて、第２の点群サンプルを取得するステップをさらに含んでもよい。

本方法は、取得された動き推定不信頼性尺度が所定の閾値よりも大きいと識別されたことに基づいて、ターゲットフレーム内の点群サンプルのうちの１つに含まれる点の属性の予測をスキップするステップをさらに含んでもよい。

本方法は、動き補償が実行されたターゲットフレーム内の点群サンプルのうちの１つに含まれる点の属性の予測を実行するステップをさらに含んでもよい。

属性は、点の色値および反射率値のいずれか一方または両方を含んでもよい。

予測を実行するステップは、属性に対して予測変換またはリフティング変換を適用するステップを含んでもよい。

図６は、方法６００の例示的なブロックを示しているが、いくつかの実施では、方法６００は、図６に描かれているものよりも追加のブロック、少ないブロック、異なるブロック、または異なる配置のブロックを含んでもよい。さらに、または代わりに、方法６００のブロックのうちの２つまたはそれより多くのブロックを並行して実行してもよい。

さらに、提案された方法は、処理回路（例えば、１つまたは複数のプロセッサ若しくは１つまたは複数の集積回路）によって実施されてもよい。一例では、１つまたは複数のプロセッサは、非一時的なコンピュータ読取可能な媒体に記憶されているプログラムを実行して、提案された方法のうちの１つまたは複数を実行する。

図７は、実施形態による、インターフレーム点群属性符号化のための装置７００のブロック図である。

図７を参照すると、装置７００は、取得コード７１０と、識別コード７２０と、スキップコード７３０と、実行コード７４０と、を含む。

取得コード７１０は、少なくとも１つのプロセッサに、ターゲットフレームの動き推定の動き推定不信頼性尺度として、ターゲットフレーム内の点群サンプルの数に対する、インターフレーム参照フレームの第２の点群サンプルをそれぞれあわせたターゲットフレームの第１の点群サンプルの数の比に反比例する値を取得させるように構成される。

識別コード７２０は、少なくとも１つのプロセッサに、取得された動き推定不信頼性尺度が所定の閾値よりも大きいか否かを識別させるように構成される。

スキップコード７３０は、少なくとも１つのプロセッサに、取得された動き推定不信頼性尺度が所定の閾値よりも大きいと識別されたことに基づいて、ターゲットフレームの動き補償をスキップさせるように構成される。

実行コード７４０は、少なくとも１つのプロセッサに、取得された動き推定不信頼性尺度が所定の閾値以下と識別されたことに基づいて、ターゲットフレームの動き補償を実行させるように構成される。

動き推定不信頼性尺度の値が小さいほど、動き推定の不確実性が大きいことを示してもよく、動き推定不信頼性尺度の値が大きいほど、動き推定の不確実性が小さいことを示してもよい。

取得コード７１０は、さらに、少なくとも１つのプロセッサに、最近接探索アルゴリズムを用いて、第２の点群サンプルを取得させるように構成されてもよい。

スキップコード７３０は、さらに、少なくとも１つのプロセッサに、取得された動き推定不信頼性尺度が所定の閾値よりも大きいと識別されたことに基づいて、ターゲットフレーム内の点群サンプルのうちの１つに含まれる点の属性の予測をスキップさせるように構成されてもよい。

実行コード７４０は、さらに、少なくとも１つのプロセッサに、動き補償が実行されたターゲットフレーム内の点群サンプルのうちの１つに含まれる点の属性の予測を実行させるようにさらに構成されてもよい。

属性は、点の色値および反射率値のいずれか一方または両方を含んでもよい。

実行コード７４０は、さらに、少なくとも１つのプロセッサに、属性に対して予測変換またはリフティング変換を適用させるように構成されてもよい。

図８は、実施形態の実施に適したコンピュータシステム８００の図である。

コンピュータソフトウェアは、アセンブリ、コンパイル、リンク、またはそのようなメカニズムを施されて、コンピュータ中央処理装置（ＣＰＵ）、グラフィックスプロセッシングユニット（ＧＰＵ）などによって直接、または解釈、マイクロコード実行などによって実行されることができる命令を含むコードを作成する任意の適切な機械コードまたはコンピュータ言語を用いて符号化されることができる。

命令は、例えば、パーソナルコンピュータ、タブレットコンピュータ、サーバ、スマートフォン、ゲームデバイス、モノのインターネットデバイスなどを含む、様々なタイプのコンピュータまたはそのコンポーネント上で実行されることができる。

コンピュータシステム８００について、図８に示されるコンポーネントは、本質的に例示的なものであり、実施形態を実施するコンピュータソフトウェアの使用または機能の範囲に関していかなる限定を示唆することも意図しない。コンポーネントの構成は、コンピュータシステム８００の実施形態で示されるコンポーネントのうちのいずれか１つ又は組み合わせに関する任意の依存性又は必要性を有するとして解釈されるべきではない。

コンピュータシステム８００は、いくつかのヒューマンインターフェース入力デバイスを含み得る。このようなヒューマンインターフェース入力デバイスは、例えば、触覚入力（キーストローク、スワイプ、データグローブの動きなど）、オーディオ入力（音声、拍手など）、視覚入力（ジェスチャーなど）、嗅覚入力（示されていない）によって、１人または複数のユーザによる入力に応答することができる。ヒューマンインターフェースデバイスは、オーディオ（音声、音楽、環境音など）、画像（走査画像、静止画像カメラから取得される写真画像など）、ビデオ（２次元ビデオ、立体ビデオを含む３次元ビデオなど）など、人間による意識的な入力に必ずしも直接関係しない特定のメディアをキャプチャすることにも使用できる。

入力ヒューマンインターフェースデバイスは、キーボード８０１、マウス８０２、トラックパッド８０３、タッチスクリーン８１０、ジョイスティック８０５、マイクフォン８０６、スキャナ８０７、カメラ８０８（それぞれ１つのみ示されている）のうちの１つまたは複数を含み得る。

コンピュータシステム８００は、特定のヒューマンインターフェース出力デバイスをも含み得る。このようなヒューマンインターフェース出力デバイスは、例えば、触覚出力、音声、光、および嗅覚／味覚を介して１人または複数のユーザの感覚を刺激し得る。このようなヒューマンインターフェース出力デバイスは、触覚出力デバイス（例えば、タッチスクリーン８１０またはジョイスティック８０５による触覚フィードバックがあるが、入力デバイスとして機能しない触覚フィードバックデバイスであってもよい）、オーディオ出力デバイス（スピーカ８０９、ヘッドホン（示されていない）など）、視覚出力デバイス（陰極線管（ＣＲＴ）スクリーン、液晶ディスプレイ（ＬＣＤ）スクリーン、プラズマスクリーン、有機発光ダイオード（ＯＬＥＤ）スクリーンを含むスクリーン８１０（それぞれタッチスクリーン入力能力を有するかもしくは有せず、それぞれ触覚フィードバック能力を有するかもしくは有しない。それらの一部は、ステレオグラフィック出力などの手段を介して、２次元の視覚出力または３次元以上の出力を出力することができる）、仮想現実眼鏡（示されていない）、ホログラフィックディスプレおよびスモークタンク（示されていない）など）、およびプリンタ（示されていない）を含み得る。グラフィックアダプタ８５０は、画像を生成してタッチスクリーン８１０に出力する。

コンピュータシステム８００は、人間がアクセス可能な記憶装置およびそれらの関連する媒体、例えば、ＣＤ／ＤＶＤなどの媒体８２１付きのＣＤ／ＤＶＤ ＲＯＭ／ＲＷドライブ８２０を含む光学媒体、サムドライブ８２２、リムーバブルハードドライブまたはソリッドステートドライブ８２３、テープやフロッピーディスクなどの従来の磁気媒体（示されていない）、セキュリティドングルなどの専用のＲＯＭ／ＡＳＩＣ／ＰＬＤベースのデバイス（示されていない）などをも含むことができる。

ここで開示された主題に関連して使用される「コンピュータ読取可能な媒体」という用語は、送信媒体、搬送波、または他の一時的な信号を包含しないことをも当業者が理解するであろう。

コンピュータシステム８００は、１つまたは複数の通信ネットワーク８５５へのインターフェースをさらに含むことができる。通信ネットワーク８５５は、例えば、無線、有線、光学的であり得る。ネットワーク８５５は、さらに、ローカル、広域、大都市圏、車両用および産業用、リアルタイム、遅延耐性などであり得る。ネットワーク８５５の例は、イーサネット、無線ＬＡＮなどのローカルエリアネットワーク、グローバル・システム・フォー・モバイル・コミュニケーションズ（ＧＳＭ）、第３世代（３Ｇ）、第４世代（４Ｇ）、第５世代（５Ｇ）、長期進化（ＬＴＥ）などを含むセルラーネットワーク、ケーブルＴＶ、衛星ＴＶ、および地上放送ＴＶを含むＴＶ有線または無線広域デジタルネットワーク、ＣＡＮＢｕｓを含む車両用や産業用などを含む。ネットワーク８５５は、一般に、特定の汎用データポートまたは周辺バス８４９（例えば、コンピュータシステム８００のユニバーサル・シリアル・バス（ＵＳＢ）ポートなど）に接続された外部ネットワークインターフェースアダプターを必要とする。他のものは一般に、以下で説明するようにシステムバスに接続することにより、コンピュータシステム８００のコアに統合される。例えば、ＰＣコンピュータシステムへのイーサネットインターフェースおよび／またはスマートフォンコンピュータシステムへのセルラーネットワークインターフェースを含むネットワークインターフェース８５４が挙げられる。これらのネットワーク８５５のいずれかを用いて、コンピュータシステム８００は、他のエンティティと通信することができる。このような通信は、単方向、受信のみ（例えば、放送ＴＶ）、単方向の送信のみ（例えば、特定のＣＡＮｂｕｓデバイスへのＣＡＮｂｕｓ）、または双方向、例えばローカルまたはワイドエリアデジタルネットワークを用いる他のコンピュータシステムへの送信であり得る。特定のプロトコルおよびプロトコルスタックを上述したこれらのネットワーク８５５およびネットワークインターフェース８５４のそれぞれで使用することができる。

前述のヒューマンインターフェースデバイス、人間がアクセス可能な記憶装置、およびネットワークインターフェース８５４は、コンピュータシステム８００のコア８４０に接続されることができる。

コア８４０は、１つまたは複数の中央処理装置（ＣＰＵ）８４１、グラフィックスプロセッシングユニット（ＧＰＵ）８４２、フィールドプログラマブルゲートエリア（ＦＰＧＡ）８４３の形態での専用プログラマブル処理ユニット、特定のタスクのためのハードウェアアクセラレータ８４４などを含むことができる。これらのデバイスは、リードオンリーメモリ（ＲＯＭ）８４５、ランダムアクセスメモリ（ＲＡＭ）８４６、非ユーザアクセス可能な内部ハードドライブ、ソリッドステートドライブ（ＳＳＤ）などの内部大容量記憶装置８４７とともに、システムバス８４８を介して接続されてもよい。一部のコンピュータシステムでは、システムバス８４８は、１つまたは複数の物理プラグの形態でアクセスでき、追加のＣＰＵ、ＧＰＵなどによる拡張を可能にする。周辺機器は、コアのシステムバス８４８に直接、または周辺バス８４９を介して接続されることができる。周辺バスのアーキテクチャは、ペリフェラルコンポーネントインターコネクト（ＰＣＩ）、ＵＳＢなどを含む。

ＣＰＵ８４１、ＧＰＵ８４２、ＦＰＧＡ８４３、およびハードウェアアクセラレータ８４４は、組み合わせて、前述のコンピュータコードを構成することができる特定の命令を実行することができる。そのコンピュータコードは、ＲＯＭ８４５またはＲＡＭ８４６に記憶されることができる。推移データはＲＡＭ８４６にも記憶できるが、永続データは、例えば、内部大容量ストレージ８４７に記憶されることができる。ＣＰＵ８４１、ＧＰＵ８４２、大容量ストレージ８４７、ＲＯＭ８４５、ＲＡＭ８４６などと密接に関連付けることができるキャッシュメモリを使用することにより、任意のメモリデバイスへの高速保存および検索が可能になる。

コンピュータ読取可能な媒体は、様々なコンピュータ実施動作を実行するためのコンピュータコードを備えることができる。媒体およびコンピュータコードは、実施形態の目的のために特別に設計および構築されたものであり得るか、もしくは、それらは、コンピュータソフトウェア技術の当業者に周知であって利用可能な種類のものであり得る。

限定ではなく、一例として、アーキテクチャを有するコンピュータシステム８００、特にコア８４０は、１つまたは複数の有形のコンピュータ読取可能な媒体に組み込まれたソフトウェアを実行するプロセッサ（ＣＰＵ、ＧＰＵ、ＦＰＧＡ、アクセラレータなどを含む）の結果としての機能性を提供することができる。このようなコンピュータ読取可能な媒体は、以上で紹介したようにユーザがアクセス可能な大容量ストレージ、および、コア内部大容量ストレージ８４７またはＲＯＭ８４５などの非一時的な性質を持つコア８４０の特定のストレージに関連付けられた媒体であり得る。様々な実施形態を実施するソフトウェアは、このようなデバイスに記憶され、コア８４０によって実行されることができる。コンピュータ読取可能な媒体は、特定の必要に応じて、１つまたは複数のメモリデバイスまたはチップを含むことができる。ソフトウェアは、コア８４０、具体的にはその中のプロセッサ（ＣＰＵ、ＧＰＵ、ＦＰＧＡなどを含む）に、ＲＡＭ８４６に記憶されたデータ構造を定義すること、および、ソフトウェアで定義されたプロセスに従ってこのようなデータ構造を変更することを含む、ここで説明する特定のプロセスまたは特定のプロセスの特定の部分を実行させることができる。加えて、または、代替として、コンピュータシステムは、本明細書に記載された特定のプロセスまたは特定のプロセスの特定の部分を実行するためにソフトウェアの代わりにまたは一緒に動作することができる回路（例えば、ハードウェアアクセラレータ８４４）に有線接続されたまたは組み込まれたロジックの結果としての機能性を提供することができる。ソフトウェアへの言及は、必要に応じて、ロジックを含むことができ、その逆も同様である。コンピュータ読取可能な媒体への言及は、必要に応じて、実行のためのソフトウェアを記憶する回路（集積回路（ＩＣ）など）、実行のためのロジックを具現化する回路、またはその両方を含むことができる。実施形態は、ハードウェアとソフトウェアの任意の適切な組み合わせを含む。

本開示は一部の実施形態を説明してきたが、本開示の範囲内に含まれる変更、置換、および様々な代替の均等物が存在する。したがって、当業者は、本明細書では明示的に示されていないか、または記載されていないが、本開示の原理を具現化し、その思想および範囲内に含まれる様々なシステムおよび方法を考案できることが理解されよう。

２００ 通信システム
２１０ 端末
２２０ 端末
２３０ 端末
２４０ 端末
２５０ 通信ネットワーク
３００ ストリーミングシステム
３０１ 点群ソース
３０２ 点群データ
３０３ 圧縮器
３０４ 点群データ
３０５ ストリーミングサーバ
３０６ クライアント
３０８ ストリーミングクライアント
３１０ 解凍器
３１２ ディスプレイ
３１３ キャプチャサブシステム
４０５ 量子化器
４１０ 点除去モジュール
４１５ 八分木エンコーダ
４２０ 属性転送モジュール
４２５ 生成器
４３０ 予測モジュール
４３５ 量子化器
４４０ 算術符号化器
５０５ 算術デコーダ
５１０ 八分木デコーダ
５１５ 逆量子化器
５２０ 生成器
５２５ 逆量子化器
５３０ 逆予測モジュール

Claims (20)

1. 少なくとも１つのプロセッサが実行する、インターフレーム点群属性符号化の方法であって、
   ターゲットフレームの動き推定の動き推定不信頼性尺度として、前記ターゲットフレーム内の点群サンプルの数に対する、インターフレーム参照フレームの第２の点群サンプルをそれぞれあわせた前記ターゲットフレームの第１の点群サンプルの数の比に反比例する値を取得するステップと、
   取得された前記動き推定不信頼性尺度が所定の閾値よりも大きいか否かを識別するステップと、
   取得された前記動き推定不信頼性尺度が前記所定の閾値よりも大きいと識別されたことに基づいて、前記ターゲットフレームの動き補償をスキップするステップと、
   取得された前記動き推定不信頼性尺度が前記所定の閾値以下と識別されたことに基づいて、前記ターゲットフレームの前記動き補償を実行するステップと、を含む方法。
2. 前記動き推定不信頼性尺度の値が小さいほど、前記動き推定の不確実性が大きいことを示し、
   前記動き推定不信頼性尺度の値が大きいほど、前記動き推定の不確実性が小さいことを示す、請求項１に記載の方法。
3. 最近傍探索アルゴリズムを用いて、前記第２の点群サンプルを取得するステップをさらに含む、請求項１に記載の方法。
4. 取得された前記動き推定不信頼性尺度が前記所定の閾値よりも大きいと識別されたことに基づいて、前記ターゲットフレーム内の前記点群サンプルのうちの１つに含まれる点の属性の予測をスキップするステップをさらに含む、請求項１に記載の方法。
5. 前記動き補償が実行された前記ターゲットフレーム内の前記点群サンプルのうちの１つに含まれる点の属性の予測を実行するステップをさらに含む、請求項１に記載の方法。
6. 前記属性は、前記点の色値および反射率値のいずれか一方または両方を含む、請求項５に記載の方法。
7. 前記予測を実行するステップは、前記属性に対して予測変換またはリフティング変換を適用するステップを含む、請求項５に記載の方法。
8. インターフレーム点群属性符号化のための装置であって、
   コンピュータプログラムコードを記憶するように構成される少なくとも１つのメモリと、
   前記少なくとも１つのメモリにアクセスし、前記コンピュータプログラムコードに従って動作するように構成される少なくとも１つのプロセッサであって、前記コンピュータプログラムコードは、
   前記少なくとも１つのプロセッサに、ターゲットフレームの動き推定の動き推定不信頼性尺度として、前記ターゲットフレーム内の点群サンプルの数に対する、インターフレーム参照フレームの第２の点群サンプルをそれぞれあわせた前記ターゲットフレームの第１の点群サンプルの数の比に反比例する値を取得させるように構成される取得コードと、
   前記少なくとも１つのプロセッサに、取得された前記動き推定不信頼性尺度が所定の閾値よりも大きいか否かを識別させるように構成される識別コードと、
   前記少なくとも１つのプロセッサに、取得された前記動き推定不信頼性尺度が前記所定の閾値よりも大きいと識別されたことに基づいて、前記ターゲットフレームの動き補償をスキップさせるように構成されるスキップコードと、
   前記少なくとも１つのプロセッサに、取得された前記動き推定不信頼性尺度が前記所定の閾値以下と識別されたことに基づいて、前記ターゲットフレームの前記動き補償を実行させるように構成される実行コードと、を含む前記少なくとも１つのプロセッサと、を備える装置。
9. 前記動き推定不信頼性尺度の値が小さいほど、前記動き推定の不確実性が大きいことを示し、
   前記動き推定不信頼性尺度の値が大きいほど、前記動き推定の不確実性が小さいことを示す、請求項８に記載の装置。
10. 前記取得コードは、さらに、前記少なくとも１つのプロセッサに、最近傍探索アルゴリズムを用いて、前記第２の点群サンプルを取得させるように構成される、請求項８に記載の装置。
11. 前記スキップコードは、さらに、前記少なくとも１つのプロセッサに、取得された前記動き推定不信頼性尺度が前記所定の閾値よりも大きいと識別されたことに基づいて、前記ターゲットフレーム内の前記点群サンプルのうちの１つに含まれる点の属性の予測をスキップさせるように構成される、請求項８に記載の装置。
12. 前記実行コードは、さらに、前記少なくとも１つのプロセッサに、前記動き補償が実行された前記ターゲットフレーム内の前記点群サンプルのうちの１つに含まれる点の属性の予測を実行させるように構成される、請求項８に記載の装置。
13. 前記属性は、前記点の色値および反射率値のいずれか一方または両方を含む、請求項１２に記載の装置。
14. 前記実行コードは、さらに、前記少なくとも１つのプロセッサに、前記属性に対して予測変換またはリフティング変換を適用させるように構成される、請求項１２に記載の装置。
15. 命令を記憶する非一時的なコンピュータ読取可能な記憶媒体であって、前記命令は、少なくとも１つのプロセッサに、
    ターゲットフレームの動き推定の動き推定不信頼性尺度として、前記ターゲットフレーム内の点群サンプルの数に対する、インターフレーム参照フレームの第２の点群サンプルをそれぞれあわせた前記ターゲットフレームの第１の点群サンプルの数の比に反比例する値を取得させ、
    取得された前記動き推定不信頼性尺度が所定の閾値よりも大きいか否かを識別させ、
    取得された前記動き推定不信頼性尺度が前記所定の閾値よりも大きいと識別されたことに基づいて、前記ターゲットフレームの動き補償をスキップさせ、
    取得された前記動き推定不信頼性尺度が前記所定の閾値以下と識別されたことに基づいて、前記ターゲットフレームの前記動き補償を実行させる、非一時的なコンピュータ読取可能な記憶媒体。
16. 前記動き推定不信頼性尺度の値が小さいほど、前記動き推定の不確実性が大きいことを示し、
    前記動き推定不信頼性尺度の値が大きいほど、前記動き推定の不確実性が小さいことを示す、請求項１５に記載の非一時的なコンピュータ読取可能な記憶媒体。
17. 前記命令は、さらに、前記少なくとも１つのプロセッサに、最近傍探索アルゴリズムを用いて、前記第２の点群サンプルを取得させる、請求項１５に記載の非一時的なコンピュータ読取可能な記憶媒体。
18. 前記命令は、さらに、前記少なくとも１つのプロセッサに、取得された前記動き推定不信頼性尺度が前記所定の閾値よりも大きいと識別されたことに基づいて、前記ターゲットフレーム内の前記点群サンプルのうちの１つに含まれる点の属性の予測をスキップさせる、請求項１５に記載の非一時的なコンピュータ読取可能な記憶媒体。
19. 前記命令は、さらに、前記少なくとも１つのプロセッサに、前記動き補償が実行された前記ターゲットフレーム内の前記点群サンプルのうちの１つに含まれる点の属性の予測を実行させる、請求項１５に記載の非一時的なコンピュータ読取可能な記憶媒体。
20. 前記属性は、前記点の色値および反射率値のいずれか一方または両方を含む、請求項１９に記載の非一時的なコンピュータ読取可能な記憶媒体。

Images