JP2023543752A - 点群コーデック方法及びシステム、並びに点群エンコーダ及び点群デコーダ - Google Patents

Abstract

本願は、点群コーデック方法及びシステム、並びに点群エンコーダ及び点群デコーダを提供し、点群内の現在点の属性情報を取得し；現在点の属性情報を処理して、現在点の属性情報の残差値を取得し；目標量子化方式を使用して、現在点の属性情報の残差値を量子化して、現在点の属性情報の量子化残差値を取得し；ここで、目標量子化方式は、第１量子化方式、第２量子化方式、及び第３量子化方式のうちの少なくとも２つの量子化方式を含み、第１量子化方式は、点群内の少なくとも１つの点の量子化パラメータに量子化パラメータ増分を設定する方式であり、第２量子化方式は、点群内の点の残差値を重み付け処理する方式であり、第３量子化方式は、点群内の少なくとも１つの点の属性情報の残差値を可逆符号化する方式であり、それにより、点群内の点の属性情報の量子化効果を向上させる。

Description

（関連出願への相互参照）
本願は、２０２０年０９月２５日に中国特許局に提出された、出願番号がＰＣＴ／ＣＮ２０２０／１１７９４１である中国特許出願、２０２０年１２月２２日に中国特許局に提出された、出願番号がＰＣＴ／ＣＮ２０２０／１３８４２３である中国特許出願、２０２０年１２月２２日に中国特許局に提出された、出願番号がＰＣＴ／ＣＮ２０２０／１３８４２１である中国特許出願の優先権を主張し、上記の３つの特許出願の内容の全てが引用により本願に組み込まれる。

本願は、点群コーデックの技術分野に関し、特に、点群コーデック方法及びシステム、並びに点群エンコーダ及び点群デコーダに関する。

収集デバイスで物体の表面を収集して、点群データを形成し、点群データは数十万、さらにはそれ以上の点を含む。ビデオ作成中で、点群データは、点群符号化装置と点群復号化装置との間で点群メディアファイルの形で伝送される。しかしながら、このような膨大な点は伝送の課題となり、したがって、点群符号化装置は、点群データを圧縮してから伝送する必要がある。

点群データの圧縮には、主にジオメトリ情報の圧縮と属性情報の圧縮とが含まれ、属性情報の圧縮時には、量子化により点群データ内の冗長情報を削減又は除去する。

しかしながら、現在、点群内の点を量子化する場合、その量子化効果が悪い。

本願実施例は、点群内の点の量子化効果を向上させる点群コーデック方法及びシステム、並びに点群エンコーダ及び点群デコーダを提供する。

第１態様において、本願は、点群符号化方法を提供し、前記方法は、
点群内の現在点の属性情報を取得することと、
前記現在点の属性情報を処理して、前記現在点の属性情報の残差値を取得することと、
目標量子化方式を使用して、前記現在点の属性情報の残差値を量子化して、前記現在点の属性情報の量子化残差値を取得することと、を含み、
ここで、前記目標量子化方式は、第１量子化方式、第２量子化方式、及び第３量子化方式のうちの少なくとも２つの量子化方式を含み、前記第１量子化方式は、前記点群内の少なくとも１つの点の量子化パラメータに量子化パラメータ増分を設定する方式であり、前記第２量子化方式は、前記点群内の点の残差値を重み付け処理する方式であり、前記第３量子化方式は、前記点群内の少なくとも１つの点の属性情報の残差値を可逆符号化する方式である。

第２態様において、本願実施例は、点群復号化方法を提供し、前記方法は、
点群のコードストリームを解析して、前記点群の現在点の属性情報の量子化残差値を取得することと、
目標逆量子化方式を使用して、前記現在点の属性情報の量子化残差値を逆量子化して、前記現在点の属性情報の再構築残差値を取得することと、を含み、
ここで、前記目標逆量子化方式は、第１逆量子化方式、第２逆量子化方式、及び第３逆量子化方式のうちの少なくとも２つの逆量子化方式を含み、前記第１逆量子化方式は、前記点群内の少なくとも１つの点の逆量子化パラメータに逆量子化パラメータ増分を設定する方式であり、前記第２逆量子化方式は、前記点群内の点の残差値を重み付け除去処理する方式であり、前記第３逆量子化方式は、前記点群内の少なくとも１つの点の属性情報の残差値を可逆復号化する方式である。

第３態様において、本願は、上記の第１態様又はその各実現形態における方法を実行するための点群エンコーダを提供する。具体的には、当該エンコーダは、上記の第１態様又はその各実現形態における方法を実行するための機能ユニットを備える。

第４態様において、本願は、上記の第２態様又はその各実現形態における方法を実行するための点群デコーダを提供する。具体的には、当該デコーダは、上記の第２態様又はその各実現形態における方法を実行するための機能ユニットを備える。

第５態様において、プロセッサと、メモリと、を備える点群エンコーダを提供する。当該メモリは、コンピュータプログラムを記憶するように構成され、当該プロセッサは、当該メモリに記憶されたコンピュータプログラムを呼び出して実行することにより、上記の第１態様又はその各実現形態における方法を実行するように構成される。

第６態様において、プロセッサと、メモリと、を備える点群デコーダを提供する。当該メモリは、コンピュータプログラムを記憶するように構成され、当該プロセッサは、当該メモリに記憶されたコンピュータプログラムを呼び出して実行することにより、上記の第２態様又はその各実現形態における方法を実行するように構成される。

第７態様において、点群エンコーダと、点群デコーダと、を含む点群コーデックシステムを提供する。点群エンコーダは、上記の第１態様又はその各実現形態における方法を実行するように構成され、点群デコーダは、上記の第２態様又はその各実現形態における方法を実行するように構成される。

第８態様において、上記の第１態様～第２態様のいずれか又はその各実施形態における方法を実現するためのチップを提供する。具体的には、当該チップは、プロセッサを備え、当該プロセッサは、メモリからコンピュータプログラムを呼び出して実行することにより、前記チップが搭載された機器に、上記の第１態様～第２態様のいずれか又はその各実現形態における方法を実行するように構成される。

第９態様において、コンピュータプログラムが記憶されたコンピュータ可読記憶媒体を提供し、当該コンピュータプログラムは、コンピュータに、上記の第１態様～第２態様のいずれか又はその各実現形態における方法を実行させる。

第１０態様において、コンピュータプログラム命令を含むタプログラム製品を提供し、当該コンピュータプログラム命令は、コンピュータに、上記の第１態様～第２態様のいずれか又はその各実現形態における方法を実行させる。

第１１態様において、コンピュータプログラムを提供し、当該コンピュータプログラムは、コンピュータで実行されるときに、コンピュータに、上記の第１態様～第２態様のいずれか又はその各実現形態における方法を実行させる。

第１２態様において、コードストリームを提供し、前記コードストリームは、上記の第１態様に記載の方法によって取得される。

上記の技術案によれば、点群内の現在点の属性情報を取得し；現在点の属性情報を処理して、現在点の属性情報の残差値を取得し；目標量子化方式を使用して、現在点の属性情報の残差値を量子化して、現在点の属性情報の量子化残差値を取得し；ここで、目標量子化方式は、第１量子化方式、第２量子化方式、及び第３量子化方式のうちの少なくとも２つの量子化方式を含み、第１量子化方式は、点群内の少なくとも１つの点の量子化パラメータに量子化パラメータ増分を設定する方式であり、第２量子化方式は、点群内の点の残差値を重み付け処理する方式であり、第３量子化方式は、点群内の少なくとも１つの点の属性情報の残差値を可逆符号化する方式であり、それにより、点群内の点の属性情報の量子化効果を向上させる。

本願実施例に係る点群コーデックシステムの例示的なブロック図である。 本願実施例による点群エンコーダの例示的なブロック図である。 本願実施例によるデコーダの例示的なブロック図である。 本願実施例に係る属性符号化モジュールの部分ブロック図である。 本願実施例に係る属性復号化モジュールの部分ブロック図である。 本願実施例による点群符号化方法のフローチャートである。 本願の一実施例による点群符号化方法のフローチャートである。 点群の一部のＬＯＤ分割の概略図である。 点群の一部のＬＯＤ分割の概略図である。 本願の一実施例による点群符号化方法のフローチャートである。 本願実施例に係る別のＬＯＤ分割の概略図である。 本願実施例に係る別のＬＯＤ分割の概略図である。 本願実施例に係る別のＬＯＤ分割の概略図である。 本願の一実施例による点群符号化方法のフローチャートである。 本願実施例による点群復号化方法のフローチャートである。 本願の一実施例による点群復号化方法のフローチャートである。 本願の一実施例による点群復号化方法のフローチャートである。 本願の一実施例による点群復号化方法のフローチャートである。 本願実施例による点群エンコーダの例示的なブロック図である。 本願実施例による点群デコーダの例示的なブロック図である。 本願実施例による電子機器の例示的なブロック図である。 本願実施例による点群コーデックシステムの例示的なブロック図である。

本願は、点群圧縮技術分野に適用することができる。

本願実施例の理解を容易にするために、まず、本願実施例に係る関連概念について以下のように簡単に説明する。

点群（Ｐｏｉｎｔ Ｃｌｏｕｄ）は、空間内に不規則に分布された、３Ｄ物体又は３Ｄシーンの空間構造と表面属性を表現する離散点セットを指す。

点群データ（Ｐｏｉｎｔ Ｃｌｏｕｄ Ｄａｔａ）は、点群の具体的な記録形態であり、点群内の点は、点の位置情報と点の属性情報を含み得る。例えば、点の位置情報は、点の３Ｄ座標情報であり得る。点の位置情報は、点のジオメトリ情報とも呼ばれ得る。例えば、点の属性情報は、色情報及び／又は反射率などを含み得る。例えば、前記色情報は、任意の色空間の情報であり得る。例えば、前記色情報は、（ＲＧＢ）であり得る。別の例として、前記色情報は、輝度クロミナンス（ＹｃｂＣｒ，ＹＵＶ）情報であり得る。例えば、Ｙは、輝度（Ｌｕｍａ）を表し、Ｃｂ（Ｕ）は、青色の色差を表し、Ｃｒ（Ｖ）は、赤色を表し、ＵとＶは、色差情報を説明するための色度（Ｃｈｒｏｍａ）を表す。例えば、レーザ計測の原理に従って得られた点群において、前記点群内の点は、点の３Ｄ座標情報及び点のレーザ反射強度（ｒｅｆｌｅｃｔａｎｃｅ）の情報を含み得る。別の例として、撮影測定原理に従って得られた点群において、前記点群内の点は、点の３Ｄ座標情報及び点の色情報を含み得る。別の例として、レーザ計測と撮影測定原理を合わせて得られた点群において、前記点群内の点は、点の３Ｄ座標情報、点のレーザ反射強度（ｒｅｆｌｅｃｔａｎｃｅ）、及び点の色情報を含み得る。

点群データの取得方法は、次の少なくとも１つを含み得るが、これらに限定されない。
（１）コンピュータ機器が生成する。コンピュータ機器は、仮想３Ｄ物体及び仮想３Ｄシーンに基づいて点群データを生成することができる。（２）三次元（３Ｄ：３－Ｄｉｍｅｎｓｉｏｎ）レーザスキャンによって取得する。３Ｄレーザスキャンにより、静的実世界の３Ｄ物体又は３Ｄシーンの点群データを取得することができ、毎秒１００万レベルの点群データを取得することができる。
（３）３Ｄ撮影測定によって取得する。３Ｄ撮影機器（即ち、カメラのセット又は複数のレンズ及びセンサを有するカメラ）により実世界の視覚的シーンを収集して実世界の視覚的シーンの点群データを取得し、３Ｄ撮影により動的実世界の３Ｄ物体又は３Ｄシーンの点群データを取得することができる。（４）医療機器によって生物組織器官の点群データを取得する。医療分野では磁気共鳴映像（ＭＲＩ：Ｍａｇｎｅｔｉｃ Ｒｅｓｏｎａｎｃｅ Ｉｍａｇｉｎｇ）、コンピュータ断層撮影（ＣＴ：Ｃｏｍｐｕｔｅｄ Ｔｏｍｏｇｒａｐｈｙ）、電磁定位情報などの医療機器によって生物組織器官の点群データを取得することができる。

点群は、その取得経路によって、密な点群と疎な点群に分けられる。

点群は、データの時系列のタイプによって次のように分けられる。

第１タイプの静的点群：物体が静止しており、点群を取得する機器も静止している。

第２タイプの動的点群：物体は動いているが、点群を取得する機器は静止している。

第３タイプの動的取得点群：点群を取得する機器が動いている。

点群の用途によって、大きく２つに分けられる。

カテゴリ１：機械感知点群であって、自律航法システム、リアルタイム巡検システム、地理情報システム、視覚選別ロボット、救急救助ロボットなどのシーンに使用できる
カテゴリ２：人眼感知点群であって、デジタル文化遺産、自由視点放送、３Ｄ没入通信、３Ｄ没入インタラクションなどの点群適用シーンで使用できる。

図１は、本願実施例に係る例示的な点群コーデックシステムのブロック図である。なお、図１は、一例に過ぎず、本願実施例の点群コーデックシステムは、図１示すように構成されているが、これらに限定されない。図１に示すように、当該点群コーデックシステム１００は、符号化装置１１０及び復号化装置１２０を備える。ここで、符号化装置は、点群データを復号化（圧縮として理解できる）してコードストリームを生成し、コードストリームを復号化装置に伝送するために使用される。復号化装置は、符号化装置が復号化して生成したコードストリームを復号化して、復号化された点群データを取得する。

本願実施例の符号化装置１１０は、点群符号化機能を有する装置として理解でき、復号化装置１２０は、点群復号化機能を有する装置として理解でき、即ち、本願実施例は、符号化装置１１０及び復号化装置１２０は、スマートフォン、デスクトップコンピュータ、モバイルコンピューティングデバイス、ノートブック（ラップトップなど）コンピュータ、タブレットコンピュータ、セットトップボックス、テレビ、カメラ、表示装置、デジタルメディアプレーヤ、点群ゲームコンソール、車載コンピュータなどの幅広いデバイスを含む。

いくつかの実施例では、符号化装置１１０は、チャネル１３０を介して符号化された点群データ（コードストリームなど）を復号化装置１２０に伝送することができる。チャネル１３０は、符号化された点群データを、符号化装置１１０から復号化装置１２０に伝送できる１つ又は複数の媒体及び／又はデバイスを含み得る。

一例では、チャネル１３０は、符号化装置１１０が符号化された点群データを復号化装置１２０にリアルタイムで直接送信できる１つ又は複数の通信媒体を含む。本例では、符号化装置１１０は、符号化された点群データを通信規格に従って変調し、且つ変調された点群データを復号化装置１２０に送信することができる。ここで、通信媒体は、無線周波数帯などの無線通信媒体を含み、例示的に、通信媒体は、１つ以上の物理的な伝送線路などの有線通信媒体も含む。

別の例では、チャネル１３０は、符号化装置１１０によって符号化された点群データを記憶可能な記憶媒体を含む。記憶媒体は、光ディスク、ＤＶＤ、フラッシュメモリなどの複数のローカルアクセス型データ記憶媒体を含む。本例では、復号化装置１２０は、当該記憶媒体から符号化された点群データを取得することができる。

別の例では、チャネル１３０は、符号化装置１１０によって符号化された点群データを記憶可能な記憶サーバを含み得る。本例では、復号化装置１２０は、記憶されている符号化された点群データを当該記憶サーバからダウンロードすることができる。例示的に、当該記憶サーバは、符号化された点群データを記憶し、且つ当該符号化された点群データを、Ｗｅｂサーバ（Ｗｅｂサイト用など）、ファイル転送プロトコル（ＦＴＰ）サーバなどの復号化装置１２０に送信することができる。

いくつかの実施例では、符号化装置１１０は、点群エンコーダ１１２及び出力インターフェース１１３を含む。ここで、出力インターフェース１１３は、変調器／復調器（モデム）及び／又は送信機を含み得る。

いくつかの実施例では、符号化装置１１０は、点群エンコーダ１１２及び入力インターフェース１１３に加えて、点群ソース１１１も含む。

点群ソース１１１は、点群収集装置（スキャナなど）、点群アーカイブ、点群入力インターフェース、コンピュータグラフィックスシステムのうちの少なくとも１つを含み得、ここで、点群入力インターフェースは、点群コンテンツプロバイダから点群データを受信するために使用され、コンピュータグラフィックスシステムは、点群データを生成するために使用される。

点群エンコーダ１１２は、点群ソース１１１からの点群データを符号化して、コードストリームを生成する。点群エンコーダ１１２は、出力インターフェース１１３を介して符号化された点群データを復号化装置１２０に直接伝送する。符号化された点群データは、復号化装置１２０が後で読み取るように、記憶媒体又は記憶サーバに記憶されてもよい。

いくつかの実施例では、復号化装置１２０は、入力インターフェース１２１及び点群デコーダ１２２を含む。

いくつかの実施例では、復号化装置１２０は、入力インターフェース１２１及び点群デコーダ１２２に加えて、表示装置１２３も含み得る。

ここで、入力インターフェース１２１は、受信機及び／又はモデムを含む。入力インターフェース１２１は、チャネル１３０を介して符号化された点群データを受信することができる。

点群デコーダ１２２は、符号化された点群データを復号化して、復号化された点群データを取得し、復号化された点群データを表示装置１２３に伝送するために使用される。

表示装置１２３は、復号化された点群データを表示する。表示装置１２３は、復号化装置１２０と一体化されてもよいし、復号化装置１２０の外部に設けられてもよい。表示装置１２３は、液晶ディスプレイ（ＬＣＤ）、プラズマディスプレイ、有機発光ダイオード（ＯＬＥＤ）ディスプレイ、又はその他のタイプの表示装置などの様々な表示装置を含み得る。

また、図１は、一例に過ぎず、本願実施例の技術方案は、図１に限定されるものではなく、本願の技術は、片側の点群符号化や片側の点群復号化にも適用することができる。

現在の点群エンコーダは、ＭＰＥＧ（Ｍｏｖｉｎｇ Ｐｉｃｔｕｒｅ Ｅｘｐｅｒｔｓ Ｇｒｏｕｐ）が提供するジオメトリベースの点群圧縮（Ｇ－ＰＣＣ：Ｇｅｏｍｅｔｒｙ Ｐｏｉｎｔ Ｃｌｏｕｄ Ｃｏｍｐｒｅｓｓｉｏｎ）コーデックフレームワーク又はビデオベースの点群圧縮（Ｖ－ＰＣＣ：Ｖｉｄｅｏ Ｐｏｉｎｔ Ｃｌｏｕｄ Ｃｏｍｐｒｅｓｓｉｏｎ）コーデックフレームワークを使用してもよいし、音声ビデオ符号化規格（ＡＶＳ：Ａｕｄｉｏ Ｖｉｄｅｏ ステップＳｔａｎｄａｒｄ）が提供するＡＶＳ－ＰＣＣコーデックフレームワークを使用してもよい。Ｇ－ＰＣＣ及びＡＶＳ－ＰＣＣは、いずれも静的疎な点群を対象としており、その符号化フレームワークは、ほぼ同じである。Ｇ－ＰＣＣコーデックフレームワークは、第１静的点群及び第３タイプの動的取得点群を圧縮するために使用され得、Ｖ－ＰＣＣコーデックフレームワークは、第２タイプの動的点群を圧縮するために使用され得る。Ｇ－ＰＣＣコーデックフレームワークは、点群コーデックＴＭＣ１３とも呼ばれ、Ｖ－ＰＣＣコーデックフレームワークは、点群コーデックＴＭＣ２とも呼ばれる。

下記において、Ｇ－ＰＣＣコーデックフレームワークを例として、本願実施例に適用可能な点群エンコーダ及び点群デコーダについて説明する。

図２は、本願実施例による例示的な点群エンコーダのブロック図である。

以上により、点群内の点は、点の位置情報及び点の属性情報を含み得、したがって、点群内の点の符号化は、主に位置符号化及び属性符号化を含むことが分かる。いくつかの例では、点群内の点の位置情報は、ジオメトリ情報とも呼ばれ、対応する点群内の点の位置符号化もジオメトリ符号化とも呼ばれ得る。

位置符号化のプロセスは、点群内の点に対して、座標変換、量子化、重複点除去などの前処理を行い、次に、前処理された点群に対してジオメトリ符号化を行い、例えば、八分木を構築し、構築された八分木に基づいてジオメトリ符号化して、ジオメトリコードストリームを形成することを含む。同時に、構築された八分木から出力される位置情報に基づいて、点群データにおける各点の位置情報を再構築して、各点の位置情報の再構築値を取得する。

属性符号化のプロセスは、所与の点群の位置情報の再構築情報及び属性情報のオリジナル値を入力することにより、３つの予測モードのうちの１つを選択して点群予測を行い、予測された結果を量子化し、算術符号化して属性コードストリームを形成することを含む。

図２に示すように、位置符号化は、
座標変換（Ｔａｎｍｓｆｏｒｍ ｃｏｏｒｄｉｎａｔｅｓ）ユニット２０１、量子化及び重複点除去（Ｑｕａｎｔｉｚｅ ａｎｄ ｒｅｍｏｖｅ ｐｏｉｎｔｓ）ユニット２０２、八分木分析（Ａｎａｌｙｚｅ ｏｃｔｒｅｅ）ユニット２０３、ジオメトリ再構築（Ｒｅｃｏｎｓｔｒｕｃｔ ｇｅｏｍｅｔｒｙ）ユニット２０４、及び第１算術符号化（Ａｒｉｔｈｍｅｔｉｃ ｅｎｃｏｎｄｅ）ユニット２０５によって実現することができる。

座標変換ユニット２０１は、点群内の点の世界座標を相対座標に変換するために使用され得る。例えば、点のジオメトリ座標からｘｙｚ座標軸の最小値をそれぞれ減算することは、点群内の点の座標を世界座標から相対座標に変換するＤＣ操作に相当する。

量子化及び重複点除去ユニット２０２は、量子化により、座標の数を減らすことができ、量子化後に、本来異なる点に同じ座標が与えられ、これに基づき、重複除去操作で重複点を削除し、例えば、同じ量子化位置及び異なる属性情報を有する複数のクラウドは、属性変換により１つのクラウドに統合することができる。本願のいくつかの実施例では、量子化及び重複点除去ユニット２０２は、例示的なユニットモジュールである。

八分木分析ユニット２０３は、八分木（ｏｃｔｒｅｅ）符号化方式で量子化された点の位置情報を符号化することができる。例えば、点群を八分木の形に従って分割し、したがって、点の位置は、八分木の位置に１対１に対応し、八分木内の点の位置を統計し、そのフラグ（ｆｌａｇ）を１として、ジオメトリ符号化を行うことができる。

ジオメトリ再構築ユニット２０４は、八分木分析ユニット２０３が出力した位置情報に基づいて位置再構築を行い、点群データ内の各点の位置情報の再構築値を取得することができる。

第１算術符号化ユニット２０５は、エントロピー符号化方式で八分木分析ユニット２０３が出力した位置情報を算術符号化し、即ち、八分木分析ユニット２０３が出力した位置情報を、算術符号化方式でジオメトリコードストリームを生成することができ、ジオメトリコードストリームは、ジオメトリビットストリーム（ｇｅｏｍｅｔｒｙ ｂｉｔｓｔｒｅａｍ）とも呼ばれ得る。

属性符号化は、
色空間変換（Ｔｒａｎｓｆｏｒｍ ｃｏｌｏｒｓ）ユニット２１０、属性変換（Ｔｒａｎｓｆｅｒ ａｔｔｒｉｂｕｔｅｓ）ユニット２１１、領域適応階層変換（ＲＡＨＴ：Ｒｅｇｉｏｎ Ａｄａｐｔｉｖｅ Ｈｉｅｒａｒｃｈｉｃａｌ Ｔｒａｎｓｆｏｒｍ ） ユニット２１２、予測変換（ｐｒｅｄｉｃｔｉｎｇ ｔｒａｎｓｆｏｒｍ）ユニット２１３、及びリフティング変換（ｌｉｆｔｉｎｇ ｔｒａｎｓｆｏｒｍ）ユニット２１４、量子化係数（Ｑｕａｎｔｉｚｅ ｃｏｅｆｆｉｃｉｅｎｔｓ）ユニット２１５、及び第２算術符号化ユニット２１６によって実現することができる。

なお、点群エンコーダ２００は、図２に示すより、より多い、より少ない、又は異なる機能コンポーネントを含み得る。

色空間変換ユニット２１０は、点群内の点のＲＧＢ色空間を、ＹＣｂＣｒ形式又は他の形式に変換するために使用され得る。

属性変換ユニット２１１は、点群内の点の属性情報を変換して、属性歪みを最小限にするために使用され得る。例えば、属性変換ユニット２１１は、点の属性情報のオリジナル値を取得するために使用され得る。例えば、前記属性情報は、点の色情報であり得る。

属性変換ユニット２１１により点の属性情報のオリジナル値を変換して取得した後、いずれかの予測ユニットを選択して、点群内の点を予測することができる。予測ユニットは、ＲＡＨＴ２１２、予測変換（ｐｒｅｄｉｃｔｉｎｇ ｔｒａｎｓｆｏｒｍ）ユニット２１３、及びリフティング変換（ｌｉｆｔｉｎｇ ｔｒａｎｓｆｏｒｍ）ユニット２１４を備えることができる。

換言すれば、ＲＡＨＴ２１２、予測変換（ｐｒｅｄｉｃｔｉｎｇ ｔｒａｎｓｆｏｒｍ）ユニット２１３、及びリフティング変換（ｌｉｆｔｉｎｇ ｔｒａｎｓｆｏｒｍ）ユニット２１４のいずれかは、点群内の点の属性情報を予測して、点の属性情報の予測値を取得し、さらに、点の属性情報の予測値に基づいて点の属性情報の残差値を取得するために使用され得る。例えば、点の属性情報の残差値は、点の属性情報のオリジナル値から点の属性情報の予測値を減算したものであり得る。

本願の一実施例では、予測変換ユニット２１３は、詳細レベル（ＬＯＤ：ｌｅｖｅｌ ｏｆ ｄｅｔａｉｌ）を生成するためにも使用され得る。ＬＯＤの生成プロセスは、点群内の点の位置情報に基づいて、点と点とのユークリッド距離を取得することと、ユークリッド距離に基づいて、点を異なる詳細表現レベルに分割することと、を含む。一実施例では、ユークリッド距離をソートした後、異なる範囲のユークリッド距離を、異なる詳細表現レベルに分割することができる。例えば、ランダムに点を選択して、第１詳細表現レベルとすることができる。次に、残りの点と当該点のユークリッド距離を計算し、ユークリッド距離が第１閾値要件を満たす点を、第２詳細表現レベルとして分類する。第２詳細表現レベルの点の重心を取得して、第１、第２詳細表現レベルを除いた点と当該重心とのユークリッド距離を計算し、ユークリッド距離が第２閾値を満たす点を、第３詳細表現レベルとして分類する。このように、すべての点を詳細表現レベルに分類する。ユークリッド距離の閾値を調整することにより、ＬＯＤの各レベルの点の数を漸増させることができる。なお、ＬＯＤ分割の方式は、他の方式を採用することもでき、本願はこれらに限定されない。

なお、点群を直接１つ又は複数の詳細表現レベルに分割してもよいし、点群を複数の点群スライス（ｓｌｉｃｅ）に分割してから、各点群スライスを１つ又は複数のＬＯＤに分割してもよい。

例えば、点群を複数の点群スライスに分割することができ、各点群スライスの点の数は、５５万～１１０万個であり得る。各点群スライスは、個別の点群として扱うことができる。各点群スライスは、複数の詳細表現レベルに分割することもでき、各詳細表現レベルは、複数の点を含む。一実施例では、点と点とのユークリッド距離に基づいて、詳細表現レベルの分割を行うことができる。

量子化ユニット２１５は、点の属性情報の残差値を量子化するために使用され得る。例えば、前記量子化ユニット２１５と前記予測変換ユニット２１３とが接続されている場合、前記量子化ユニットは、前記予測変換ユニット２１３が出力した点の属性情報の残差値を量子化するために使用され得る。

例えば、予測変換ユニット２１３が出力した点の属性情報の残差値に対して、量子化ステップ長を使用して量子化することにより、システム性能の向上を実現する。

第２算術符号化ユニット２１６は、ゼロランレングス符号化（Ｚｅｒｏ ｒｕｎ ｌｅｎｇｔｈ ｃｏｄｉｎｇ）を使用して点の属性情報の残差値をエントロピー符号化することにより、属性コードストリームを取得することができる。前記属性コードストリームは、ビットストリーム情報であり得る。

図３は、本願実施例による例示的なデコーダのブロック図である。

図３に示すように、復号フレーム３００は、符号化装置から点群のコードストリームを取得し、解析コードにより点群内の点の位置情報及び属性情報を取得することができる。点群の復号化は、位置復号化及び属性復号化を含む。

位置復号化のプロセスは、ジオメトリコードストリームを算術復号化することと、八分木を構築した後にマージして、点の位置情報を構築することにより、点の位置情報の再構築情報を取得することと、点の位置情報の再構築情報を座標変換して、点の位置情報を取得することと、を含む。点の位置情報は、点のジオメトリ情報とも呼ばれ得る。

属性復号化のプロセスは、属性コードストリームを解析することにより、点群内の点の属性情報の残差値を取得することと、点の属性情報の残差値を逆量子化することにより、逆量子化された点の属性情報の残差値を取得することと、位置復号化プロセス中に取得した点の位置情報の再構築情報に基づいて、次のようなＲＡＨＴ、予測変換、及びリフティング変換の３つの予測モードのうちの１つを選択して点群予測を行い、予測値を取得し、予測値と残差値とを加算して点の属性情報の再構築値を取得することと、点の属性情報の再構築値を色空間逆変換することにより、復号化点群を取得することと、を含む。

図３に示すように、位置復号化は、
第１算術復号化ユニット３０１、八分木分析（ｓｙｎｔｈｅｓｉｚｅ ｏｃｔｒｅｅ）ユニット３０２、ジオメトリ再構築（Ｒｅｃｏｎｓｔｒｕｃｔ ｇｅｏｍｅｔｒｙ）ユニット３０４、及び座標逆変換（ｉｎｖｅｒｓｅ ｔｒａｎｓｆｏｒｍ ｃｏｏｒｄｉｎａｔｅｓ）ユニット３０５によって実現することができる。

属性符号化は、
第２算術復号化ユニット３１０、逆量子化（ｉｎｖｅｒｓｅ ｑｕａｎｔｉｚｅ）ユニット３１１、ＲＡＨＴユニット３１２、予測変換（ｐｒｅｄｉｃｔｉｎｇ ｔｒａｎｓｆｏｒｍ）ユニット３１３、リフティング変換（ｌｉｆｔｉｎｇ ｔｒａｎｓｆｏｒｍ）ユニット３１４、色空間逆変換（ｉｎｖｅｒｓｅ ｔｒａｓｆｏｒｍ ｃｏｌｏｒｓ）ユニット３１５によって実現することができる。

なお、解凍は、圧縮の逆処理であり、同様に、デコーダ３００内の各ユニットの機能は、エンコーダ２００内の対応するユニットの機能を参照することができる。また、点群デコーダ３００は、図３より、より多い、より少ない、又は異なる機能コンポーネントを含み得る。

例えば、デコーダ３００は、点群内の点と点とのユークリッド距離に基づいて、点群を複数のＬＯＤに分割し、次に、ＬＯＤ内の点の属性情報を順次復号化、例えば、ゼロランレングス符号化技術におけるゼロの数（ｚｅｒｏ＿ｃｎｔ）を計算して、ｚｅｒｏ＿ｃｎｔに基づいて、残差を復号化することができ、次に、復号化フレーム２００は、すべての点群が復号化されるまで、復号化された残差値を逆量子化し、逆量子化された残差値と現在点の予測値とを加算して、当該点群の再構築値を取得することができる。現在点は、後続のＬＯＤ内の点の最近傍点として、現在点の再構築値を利用して、後続の点の属性情報を予測する。

上記の図２から分かるように、点群エンコーダ２００は、機能的には主に、位置符号化モジュール及び属性符号化モジュールの２つの部分を含み、ここで、位置符号化モジュールは、点群の位置情報の符号化を実現して、ジオメトリコードストリームを形成するために使用され、属性符号化モジュールは、点群の属性情報の符号化を実現して、属性コードストリームを形成するために使用される。本願は、主に属性情報の符号化に関する方式であり、以下では、図４を参照して、本願に係る点群エンコーダにおける属性符号化モジュールについて説明する。

図４は、本願実施例に係る属性符号化モジュールの部分ブロック図であり、当該属性符号化モジュール４００は、上記の図２に示す点群エンコーダ２００における属性情報符号化を実現するためのユニットとして理解できる。図４に示すように、当該属性符号化モジュール４００は、前処理ユニット４１０、残差ユニット４２０、量子化ユニット４３０、予測ユニット４４０、逆量子化ユニット４５０、再構築ユニット４６０、フィルタリングユニット４７０、復号化キャッシュユニット４８０、及び符号化ユニット４９０を備える。なお、属性符号化モジュール４００はさらに、より多い、より少ない、又は異なる機能コンポーネントを含み得る。

いくつかの実施例では、前処理ユニット４１０は、図２に示す色空間変換ユニット２１０、属性変換ユニット２１１を備えることができる。

いくつかの実施例では、量子化ユニット４３０は、上記の図２における量子化係数ユニット２１５として理解でき、符号化ユニット４９０は、上記の図２における第２算術符号化ユニット２１６として理解できる。

いくつかの実施例では、予測ユニット４４０は、図２に示すＲＡＨＴ２１２、予測変換ユニット２１３、及びリフティング変換ユニット２１４を備えることができる。予測ユニット４４０は、具体的には、点群内の点の位置情報の再構築情報を取得し、点の位置情報の再構築情報に基づいて、ＲＡＨＴ２１２、予測変換ユニット２１３、及びリフティング変換ユニット２１４のいずれかから点群内の点の属性情報を予測することにより、点の属性情報の予測値を取得するために使用される。

残差ユニット４２０は、点群内の点の属性情報のオリジナル値及び属性情報の再構築値に基づいて、点群内の点の属性情報の残差値を取得することができ、例えば、点の属性情報のオリジナル値から属性情報の再構築値を減算して、点の属性情報の残差値を取得することができる。

量子化ユニット４３０は、属性情報の残差値を量子化することができ、具体的には、量子化ユニット４３０は、点群に関連付けられた量子化パラメータ（ＱＰ）値に基づいて、点の属性情報の残差値を量子化することができる。点群エンコーダは、点群に関連付けられたＱＰ値を調整することにより点に適用される量子化の度合いを調整することができる。

逆量子化ユニット４５０は、量子化された属性情報の残差値にそれぞれ逆量子化を適用して、量子化された属性情報の残差値から属性情報の残差値を再構築することができる。

再構築ユニット４６０は、再構築された属性情報の残差値を、予測ユニット４４０が生成した予測値に加算して、点群内の点の属性情報の再構築値を生成することができる。

フィルタリングユニット４７０は、再構築操作におけるノイズを除去又は低減することができる。

復号化キャッシュユニット４８０は、点群内の点の属性情報の再構築値を記憶することができる。予測ユニット４４０は、点の属性情報の再構築値を使用して、他の点の属性情報を予測することができる。

上記の図３から分かるように、点群デコーダ３００は、機能的には主に、位置復号化モジュール及び属性復号化モジュールの２つの部分を含み、ここで、位置復号化モジュールは、点群のジオメトリコードストリームの復号化を実現して、点の位置情報を取得するために使用され、属性復号化モジュールは、点群の属性コードストリームの復号化を実現して、点の属性情報を取得するために使用される。以下では、図５を参照して、本願に係る点群デコーダにおける属性復号化モジュールについて説明する。

図５は、本願実施例に係る属性復号化モジュールの部分ブロック図であり、当該属性復号化モジュール５００は、上記の図３に示す点群デコーダ３００における属性コードストリーム復号化を実現するためのユニットとして理解できる。図５に示すように、当該属性復号化モジュール５００は、復号化ユニット５１０、予測ユニット５２０、逆量子化ユニット５３０、再構築ユニット５４０、フィルタリングユニット５５０、及び復号化キャッシュユニット５６０を備える。なお、属性復号化モジュール５００は、より多い、より少ない、又は異なる機能コンポーネントを含み得る。

属性復号化モジュール５００は、属性コードストリームを受信することができる。復号化ユニット５１０は、属性コードストリームを解析して、属性コードストリームから構文要素を抽出することができる。属性コードストリームの解析の一部として、復号化ユニット５１０は、属性コードストリームにおける符号化された構文要素を解析することができる。予測ユニット５２０、逆量子化ユニット５３０、再構築ユニット５４０及びフィルタリングユニット５５０は、属性コードストリームから抽出した構文要素に基づいて属性情報を復号化することができる。

いくつかの実施例では、予測ユニット５２０は、コードストリームから解析した１つ又は複数の構文要素に基づいて点の予測モードを決定し、決定された予測モードを使用して点の属性情報を予測することができる。

逆量子化ユニット５３０は、点群内の点に関連付けられた量子化された属性情報の残差値を逆量子化（即ち、解量子化）して、点の属性情報の残差値を取得することができる。逆量子化ユニット５３０は、点群に関連付けられたＱＰ値を使用して量子化の度合いを決定することができる。

再構築ユニット５４０は、点群内の点の属性情報の残差値及び点群内の点の属性情報の予測値を使用して、点群内の点の属性情報を再構築する。例えば、再構築ユニット５４０は、点群内の点の属性情報の残差値を、点の属性情報の予測値に加算して、点の属性情報の再構築値を取得することができる。

フィルタリングユニット５５０は、再構築操作におけるノイズを除去又は低減することができる。

属性復号化モジュール５００は、点群内の点の属性情報の再構築値を復号化キャッシュユニット５６０に記憶することができる。属性復号化モジュール５００は、復号化キャッシュユニット５６０における属性情報の再構築値を基準点として後続の予測に使用するか、又は、属性情報の再構築値を表示装置に送信して表示することができる。

点群の属性情報のコーデックの基本的なフローは、符号化側において、点群データの属性情報を前処理して、点群内の点の属性情報のオリジナル値を取得することである。予測ユニット４１０は、点群内の点の位置情報の再構築値に基づいて、上記３つの予測方式のうちの１つを選択して、点群内の点の属性情報を予測して、属性情報の予測値を取得する。残差ユニット４２０は、点群内の点の属性情報のオリジナル値及び属性情報の予測値に基づいて、属性情報の残差値を計算することができ、即ち、点群内の点の属性情報のオリジナル値及び属性情報の予測値の差分を、点群内の点の属性情報の残差値とする。当該残差値は、量子化ユニット４３０によって量子化され、人の目に敏感でない情報を除去して、視覚的冗長性を解消することができる。符号化ユニット４９０は、量子化ユニット４３０が出力した量子化された属性情報の残差値を受信し、当該量子化された属性情報の残差値を符号化して、属性コードストリームを出力することができる。

また、逆量子化ユニット４５０は、量子化ユニット４３０が出力した量子化された属性情報の残差値を受信し、量子化された属性情報の残差値を逆量子化して、点群内の点の属性情報の残差値を取得することもできる。再構築ユニット４６０は、逆量子化ユニット４５０が出力した点群内の点の属性情報の残差値、及び予測ユニット４１０が出力した点群内の点の属性情報の予測値を取得し、点群内の点の属性情報の残差値と予測値とを加算して、点の属性情報の再構築値を取得する。点の属性情報の再構築値は、フィルタリングユニット４７０によってフィルタリングされた後、復号化キャッシュユニット４８０にキャッシュされ、後続の他の点の予測プロセスに使用される。

復号化側において、復号化ユニット５１０は、属性コードストリームを解析して、点群内の点量子化された属性情報の残差値、予測情報、量子化係数などを取得することができ、予測ユニット５２０は、予測情報に基づいて、点群内の点の属性情報を予測して、点の属性情報の予測値を生成する。逆量子化ユニット５３０は、属性コードストリームから得た量子化係数を使用して、点の量子化された属性情報の残差値を逆量子化して、点の属性情報の残差値を取得する。再構築ユニット４４０は、点の属性情報の予測値と残差値とを加算して点の属性情報の再構築値を取得する。フィルタリングユニット５５０は、点の属性情報の再構築値をフィルタリングして、復号化された属性情報を取得する。

なお、符号化側属性情報の符号化時に決定した予測、量子化、符号化、フィルタリングなどのモード情報又はパラメータ情報などは、必要に応じて属性コードストリームで運ぶ。復号化側は、属性コードストリームを解析し、既存の情報に基づいて分析して、符号化側と同じ予測、量子化、符号化、フィルタリングなどのモード情報又はパラメータ情報を決定し、それにより、符号化側が取得した属性情報の再構築値と復号化側が取得した属性情報の再構築値が同じであることを保証する。

以上は、Ｇ－ＰＣＣコーデックフレームワークに基づく点群コーデックの基本的なフローであり、技術の発展に伴い、当該フレームワーク又はフローのいくつかのジュール又はステップは、最適化される可能性があり、本願は、当該Ｇ－ＰＣＣコーデックフレームワークに基づく点群コーデックの基本的なフローに適用されるが、当該フレームワーク及びフローに限定されない。

以上により、本願実施例に係る点群符号化システム、点群エンコーダ、点群デコーダについて説明されている。これに基づき、以下では、具体的な実施例を参照して、本願実施例によって提供される技術方案について詳細に説明する。

下記において、図６を参照して、符号化側について説明する。

実施例１
図６は、本願実施例による点群符号化方法のフローチャートであり、本願実施例は、図１、図２、及び図４に示す点群エンコーダに適用される。図６に示すように、本願実施例の方法は、次のステップを含む。

ステップＳ１０１において、点群内の現在点の属性情報を取得する。

いくつかの実施例では、現在点は、現在点又は処理対象点又は処理中の点、符号化対象点などとも呼ばれる。

点群は、複数の点を含み、各点は、点のジオメトリ情報及び点の属性情報を含み得る。ここで、点のジオメトリ情報は、点の位置情報とも呼ばれ得、点の位置情報は、点の３Ｄ座標情報であり得る。ここで、点の属性情報は、色情報及び／又は反射率などを含み得る。

一例では、点群エンコーダは、点群内の点のオリジナル属性情報を点の属性情報のオリジナル値として取得することができる。

別の例では、図２に示すように、点群エンコーダは、点群内の点のオリジナル属性情報を取得した後、当該オリジナル属性情報を色空間変換し、例えば、点のＲＧＢ色空間をＹＣｂＣｒ形式又は他の形式に変換する。色空間変換された点を属性変換して、属性歪みを最小限にして、点の属性情報のオリジナル値を取得する。

ステップＳ１０２において、現在点の属性情報を処理して、現在点の属性情報の残差値を取得する。

いくつかの実施例では、点群内の点のジオメトリ情報に基づいて、点群内の現在点の属性情報の予測値を決定する。例えば、点群内の点のジオメトリを符号化して、点群内の現在点のジオメトリ情報の再構築値を取得し、現在点のジオメトリ情報の再構築値に基づいて、現在点の属性情報の予測値を決定し、現在点の属性情報の予測値及び属性情報のオリジナル値に基づいて、現在点の属性情報の残差値を決定する。

いくつかの実施例では、属性情報のオリジナル値は、属性情報の真の値とも呼ばれる。

なお、点群エンコーダは、点群内の点のジオメトリ情報の符号化を完了した後、また、点群内の点の属性情報を符号化する。図２に示すように、ジオメトリ情報の符号化プロセスでは、第１算術符号化ユニット２０５は、八分木ユニット２０３が処理した点のジオメトリ情報を符号化して、ジオメトリコードストリームを形成するに加えて、ジオメトリ再構築ユニット２０４は、八分木ユニット２０３が処理した点のジオメトリ情報を再構築して、ジオメトリ情報の再構築値を取得する。予測ユニットは、ジオメトリ再構築ユニット２０４が出力したジオメトリ情報の再構築値を取得することができる。

例えば、点群内の点のジオメトリ情報の再構築値に基づいて、点群内の点を並べ替え、並べ替えられた点群を取得する。例えば、点群内の点のジオメトリ情報の再構築値に基づいて、点のモートンコードを決定し、モートンコードに基づいて点群内の点を並べ替え、点のモートン順序を取得する。並べ替えられた点群における現在の点に対して、属性情報が符号化された点から、当該現在点の少なくとも１つの近傍点を取得し、当該少なくとも１つの近傍点の属性情報の再構築値に基づいて、当該現在点の属性情報の予測値を予測する。

ここで、現在点の少なくとも１つの近傍点の属性情報の再構築値に基づいて、当該現在点の属性情報の予測値を予測する方式は、次のいくつかの方式を含むが、これらに限定されない。

方式１において、少なくとも１つの近傍点の属性情報の再構築値の平均値を、当該現在点の属性情報の予測値とする。

方式２において、少なくとも１つの近傍点をＫ個の近傍点とすると、Ｋ個の近傍点内の各近傍点の属性情報の再構築値を、現在点の予測基準値として、Ｋ個の予測基準値を取得する。また、Ｋ個の近傍点の属性情報の再構築値の平均値を、現在点の別の予測基準値とすることにより、現在点は、合計Ｋ＋１個の予測基準値を有する。このＫ＋１個の予測基準値の各予測基準値に対応するレート歪み最適化（ＲＤＯ）コストを計算し、レート歪み最適化コストが最も小さい予測基準値を、当該現在点の属性情報の予測値とする。

次に、点群内の点の属性情報の予測値に基づいて、点群内の点の属性情報の残差値を決定する。

例えば、現在点の属性情報のオリジナル値と属性情報の予測値との差分を、現在点の属性情報の残差値として決定する。

例えば、点群内の１つの現在点について、上記ステップによって当該現在点の属性情報の予測値及び属性情報のオリジナル値を取得し、当該現在点の属性情報のオリジナル値と属性情報の予測値との差分を、当該現在点の属性情報の残差値として決定することができる。

例えば、下記式１に基づいて、現在点の属性情報の残差値を決定する。

ステップＳ１０３において、目標量子化方式を使用して、現在点の属性情報の残差値を量子化して、現在点の属性情報の量子化残差値を取得する。

図４を参照すると、現在の属性情報の符号化プロセスでは、残差ユニット４２０は、点群内の点の属性情報のオリジナル値及び属性情報の予測値に基づいて、属性情報の残差値を計算することができる。当該残差値は、量子化ユニット４３０によって量子化され、人の目に敏感でない情報を除去して、視覚的冗長性を解消することができる。逆量子化ユニット４５０は、量子化ユニット４３０が出力した量子化された属性情報の残差値を受信し、量子化された属性情報の残差値を逆量子化して、点群内の点の属性情報の残差値を取得することもできる。再構築ユニット４６０は、逆量子化ユニット４５０が出力した点群内の点の属性情報の残差値、及び予測ユニット４１０が出力した点群内の点の属性情報の予測値を取得し、点群内の点の属性情報の残差値と予測値とを加算して、点の属性情報の再構築値を取得する。点の属性情報の再構築値は、復号化キャッシュユニット４８０にキャッシュされ、後続の他の点の予測プロセスに使用される。

以上により、現在の属性情報の符号化プロセスでは、点の属性情報の残差値を量子化するが、現在の量子化プロセスは、その量子化効果が悪いことが分かる。

この技術的問題を解決するために、本願実施例は、目標量子化方式を採用して、現在点の属性情報の残差値を量子化して、現在点の属性情報の量子化残差値を取得する。ここで、目標量子化方式は、第１量子化方式、第２量子化方式、及び第３量子化方式のうちの少なくとも２つの量子化方式を含み、第１量子化方式は、点群内の少なくとも１つの点の量子化パラメータに量子化パラメータ増分を設定する方式であり、第２量子化方式は、点群内の点の残差値を重み付け処理する方式であり、第３量子化方式は、点群内の少なくとも１つの点の属性情報の残差値を可逆符号化する方式である。

いくつかの実施例では、第１量子化方式は、漸進式量子化方式とも呼ばれ得、第２量子化方式は、適応量子化方式とも呼ばれ得、第３量子化方式は、等間隔非量子化方式とも呼ばれ得る。

実施例２
目標量子化方式が、第１量子化方式及び第２量子化方式を含む場合、本願実施例の点群符号化プロセスは、図７に示す通りである。

図７は、本願の一実施例による点群符号化方法のフローチャートであり、次のステップを含む。

ステップＳ２０１において、点群内の点のジオメトリ情報及び属性情報を取得する。

ステップＳ２０２において、点群内の各点のジオメトリ情報に基づいて、点群に対してＬＯＤ分割を行い、点群のマルチレベルのＬＯＤを取得し、ここで、各ＬＯＤは、少なくとも１レベルの詳細表現レベルを含み、各レベルの詳細表現には、少なくとも１つの点が含まれる。

一例では、点群内の点のジオメトリ情報に基づいて、点のモートンコードを取得し、モートンコードに従って並べ替え、点群のモートン順序を取得する。点群のモートン順序に基づいてＬＯＤ分割を行う。

別の例では、点群内の点のジオメトリ情報に基づいて、点群を並べ替え、点群のオリジナル順序を取得する。点群のオリジナル順序に基づいてＬＯＤ分割を行う。

並べ替えられた点群に対してＬＯＤ分割を行い、例えば、並べ替えられた点群からランダムに選択された点を、第１詳細表現レベルとする。次に、ジオメトリ情報に基づいて、残りの点と当該点のユークリッド距離を計算し、ユークリッド距離が第１閾値要件を満たす点を、第２詳細表現レベルとして分類する。第２詳細表現レベルの点の重心を取得して、第１、第２詳細表現レベルを除いた点と当該重心とのユークリッド距離を計算し、ユークリッド距離が第２閾値を満たす点を、第３詳細表現レベルとして分類する。このように、すべての点を詳細表現レベルに分類する。各レベルの詳細表現内の点は、点の属性情報の再構築値の大きさに基づいて当該詳細表現レベルでソートする。

なお、上記ＬＯＤ分割の方式は一例に過ぎず、ＬＯＤ分割の方式は、他の方式を採用することもでき、本願はこれらに限定されない。

図８は、点群の一部のＬＯＤ分割の概略図であり、ここで、図８の上部は、オリジナル点群内の１０個の点ｐ０、ｐ２、……、ｐ９であり、これら１０個の点のジオメトリ情報に基づいて、これら１０個の点を並べ替え、点ｐ０、ｐ２、……、ｐ９のオリジナル順序を取得する。点ｐ０、ｐ２、……、ｐ９のオリジナル順序に基づいて、点ｐ０，ｐ２、……、ｐ９に対してＬＯＤ分割を行い、３つの詳細表現レベルを取得し、この３つの詳細表現レベルは、互いに重ならない。例えば、第１レベルの詳細表現レベルＲ０は、ｐ０、ｐ５、ｐ４、及びｐ２を含み、第２レベルの詳細表現レベルＲ１は、ｐ１、ｐ６、及びｐ３を含み、第３レベルの詳細表現レベルＲ２は、ｐ９、ｐ８、及びｐ７を含む。第１レベルの詳細表現レベルＲ０は、第１レベルのＬＯＤを構成し、Ｌ０と表記し、第１レベルのＬＯＤ及び第２レベルの詳細表現レベルＲ１は、第２レベルのＬＯＤを構成し、Ｌ１と表記し、第２レベルのＬＯＤ及び第３レベルの詳細表現レベルＲ２は、第３レベルのＬＯＤを構成し、Ｌ２と表記する。ＬＯＤに含まれる点は、レベルごとに順次増加する。

図８に示すように、ＬＯＤ分割して取得したマルチレベルの詳細表現レベルをレベル数の昇順に従って並べ替え、点群のＬＯＤ順序を取得することができる。いくつかの実施例では、マルチレベルの詳細表現レベルに対して、レベル数の降順に従って並べ替え、点群のＬＯＤ順序を取得する。

ステップＳ２０３において、点群内の現在点の属性情報の予測値を決定する。

例えば、点群のマルチレベルの詳細表現レベルに基づいて、レベル数の昇順に従って並べ替え、点群のＬＯＤ順序を取得し、点群のＬＯＤ順序に基づいて、点群内の点の属性情報の予測値を決定する。

いくつかの実施例では、点群内の符号化対象となる１つの現在点を例にとると、上記ステップＳ２０３は、次のいくつかの方式を含むが、これらに限定されない。

方式１において、点群のＬＯＤ順序に基づいて、符号化された点群から現在点の少なくとも１つの近傍点を取得し、例えば、ＫＮＮアルゴリズムに従って、符号化された点群から当該現在点の３つの最近傍点を探し出し、この３つの最近傍点の属性情報の再構築値の重み付け平均値を、現在点の属性情報の予測値とする。

方式２において、点群のＬＯＤ順序に基づいて、符号化された点群から現在点の少なくとも１つの近傍点を取得し、例えば、ＫＮＮアルゴリズムに従って、符号化された点群から当該現在点の３つの最近傍点を探し出し、この３つの最近傍点における各近傍点の属性情報の再構築値を、現在点の予測基準値として、３つの予測基準値を取得する。また、３つの近傍点の属性情報の再構築値の平均値を、現在点の別の予測基準値とし、このようにして、現在点は、３＋１個の予測基準値を有する。この３＋１個の予測基準値の各予測基準値に対応するレート歪み最適化（ＲＤＯ）コストを計算し、レート歪み最適化コストが最も小さい予測基準値を、当該現在点の属性情報の予測値とする。

一例では、レート歪み最適化コストを決定するとき、近傍点と現在点との距離（ユークリッド距離など）の逆数を、当該近傍点の重みとすることができる。

いくつかの実施例では、次の表１に基づいて、上記３＋１個の予測基準値に対応する予測インデックスを決定することができる。

例えば、現在点が図８中の点ｐ２である場合を例にとると、点ｐ２に最も近い３つの近傍点は、ｐ４、ｐ５、及びｐ１であり、ここで、ｐ４は、現在点ｐ２の３つの近傍点のうち、ｐ２に最も近い１点であり、第１近傍点、即ち、１^ｓｔ ｎｅａｒｅｓｔ ｐｏｉｎｔと表記し、表１に示すように、それに対応する予測インデックスは、１である。ｐ５は、現在点ｐ２の３つの近傍点うち、現在点ｐ２は、ｐ４の次に近い点であり、第２近傍点、即ち、２^ｎｄ ｎｅａｒｅｓｔ ｐｏｉｎｔと表記し、表１に示すように、それに対応する予測インデックスは、２である。ｐ１は、現在点ｐ２の３つの近傍点のうち、現在点ｐ２に最も遠い１点であり、第３近傍点、即ち、３^ｒｄ ｎｅａｒｅｓｔ ｐｏｉｎｔと表記し、表１に示すように、それに対応する予測インデックスは、３である。表１に示すように、ｐ４、ｐ５、及びｐ１の属性情報の再構築値の重み付け平均値に対応する予測インデックスは、０である。

上記の方法によれば、ｐ４、ｐ５、及びｐ１、ｐ４、ｐ５、及びｐ１の属性情報の平均値、この３＋１個の予測基準値における各予測基準値に対応するレート歪み最適化（ＲＤＯ）コストを計算し、レート歪み最適化コストが最も小さい予測基準値を、当該現在点の属性情報の予測値とし、例えば、レート歪み最適化コストが最も小さい予測基準値は、点ｐ５の属性情報の再構築値である。

例示的に、点群エンコーダは、当該点ｐ５に対応する予測インデックス２を、後続に形成される属性コードストリームで運ぶことができる。このように、復号化側は、当該属性コードストリームから直接予測インデックス２を解析し、予測インデックス２に対応する点ｐ５の属性情報の再構築値を使用して、点ｐ２の属性情報を予測して、点ｐ２の属性情報の予測値を取得することができる。

ステップＳ２０４において、現在点の属性情報の予測値及び属性情報のオリジナル値に基づいて、現在点の属性情報の残差値を決定する。例えば、現在点の属性情報のオリジナル値と属性情報との差分を、現在点の属性情報の残差値として決定する。

ステップＳ２０５において、現在点のジオメトリ情報に基づいて、現在点が位置する目標ＬＯＤを決定する。

ＬＯＤは、点群内の点のジオメトリ情報に基づいて分割され、したがって、現在点のジオメトリ情報に基づいて、現在点が位置する目標ＬＯＤを決定することができる。

ステップＳ２０６において、目標ＬＯＤに適合する目標量子化ステップ長を決定する。

ここで、前記目標ＬＯＤに適合する目標量子化ステップ長を決定する方式は、次のいくつかの方式を含むが、これらに限定されない。

方式１において、前記目標ＬＯＤに適合する目標量子化ステップ長を決定し、次のステップＡ１、ステップＡ２、及びステップＡ３を含む。

ステップＡ１において、現在点の符号化パラメータ内の量子化パラメータを決定する。

ステップＡ２において、目標ＬＯＤの階層レベルインデックスを取得し、目標ＬＯＤの階層レベルインデックスに基づいて、目標ＬＯＤの量子化パラメータ増分を決定する。

ステップＡ３において、量子化パラメータ及び目標ＬＯＤの量子化パラメータ増分に基づいて、目標ＬＯＤに対応する目標量子化ステップ長を決定する。

いくつかの実施例では、最初の７レベルのＬＯＤ機器の量子化パラメータ増分ＤｅｌｔａＱＰ値は、表２に示す通りである。

ここで、Ｒは、符号化ビットレートであり、表２は、５種類のビットレートにおける最初の７レベルのＬＯＤのＤｅｌｔａＱＰの値である。なお、上記の表１は、一例に過ぎず、本願実施例の最初の７レベルのＬＯＤに対応するＤｅｌｔａＱＰ値は、表２に示すものを含むが、これらに限定されない。

例示的に、上記の表２におけるＤｅｌｔａＱＰ値は、いずれも－１０に設定することができる。

いくつかの実施例では、Ｒ１～Ｒ５は、ＭＰＥＧ共通テスト環境で推奨される５種類の符号化ビットレートを表し、共通テスト環境で所定のビットレート点のＱＰ値は、表３に示す通りである。

いくつかの実施例では、５種類のビットレートにおける最初の７レベルのＬＯＤの真のＱＰの値は、表４に示す通りである。

ここで、表２における各ビットレートでのＤｅｌｔａＱＰ値と、表３に示す対応ビットレートでのＱＰを加算して、表４における対応ビットレートでの真のＱＰ値を取得する。

なお、上記の表４は、一例に過ぎず、本願実施例における最初の７レベルのＬＯＤに対応する真のＱＰの値は、表４に示すものを含むが、これらに限定されない。

なお、上記の表２及び表４は、最初の７レベルのＱＰ値及びＤｅｌｔａＱＰ値のみを示しており、他のレベルのＱＰ値及びＤｅｌｔａＱＰ値は、従来技術を参照でき、ここでは繰り返して説明しない。

この方式１では、現在点の符号化パラメータから、現在点に対応する量子化パラメータ、例えば、表３におけるＱＰｉを決定し、現在点が位置する目標ＬＯＤの階層レベルインデックスに基づいて、上記の表２から、目標ＬＯＤに対応する量子化パラメータ増分、例えば、表２におけるＤｅｌｔａＱＰｉを決定することができ、量子化パラメータ及び前記目標ＬＯＤの量子化パラメータ増分に基づいて、前記目標ＬＯＤに対応する目標量子化ステップ長、例えば、現在点に対応するＱＰｉ値と、当該目標ＬＯＤのＤｅｌｔａＱＰｉ値とを加算して、ＱＰｉ＋ＤｅｌｔａＱＰｉを取得し、ＱＰｉ＋ＤｅｌｔａＱＰｉに対応する量子化ステップ長を、目標ＬＯＤに対応する目標量子化ステップ長として決定することができる。

いくつかの実施例では、上記した前記目標ＬＯＤの階層レベルインデックスに基づいて、前記目標ＬＯＤの量子化パラメータ増分を決定することは、前記目標ＬＯＤが前記点群の最初のＮ個のＬＯＤに属する場合、前記目標ＬＯＤの量子化パラメータ増分がｊであると決定することであって、前記Ｎは、第１閾値より小さいか等しい正の整数であり、前記ｊは、０より大きく、且つ第２閾値より小さいか等しい正数である、ことと、前記目標ＬＯＤが前記点群の最初のＮ個のＬＯＤに属さない場合、前記目標ＬＯＤの量子化パラメータ増分が０であると決定することと、を含む。

例示的に、前記量子化パラメータが第３閾値より大きいか等しい場合、前記ｊは、第１所定値であり、前記量子化パラメータが前記第３閾値より小さい場合、前記ｊは、第２所定値である。

例示的に、第１閾値は、１４であり得、第２閾値は、１０であり得る。

例示的に、ｊは、例えば、６又は１０であり得る。

例示的に、Ｎは、６、７又は８であり得る。

方式２において、上記した前記目標ＬＯＤに適合する目標量子化ステップ長を決定することは、次のステップＢ１及びステップＢ２を含む。

ステップＢ１において、前記目標ＬＯＤの階層レベルインデックスを取得する。

ステップＢ２において、前記目標ＬＯＤの階層レベルインデックスに基づいて、量子化ステップ長ルックアップテーブルで前記目標ＬＯＤに対応する目標量子化ステップ長を照会する。

ここで、量子化ステップ長ルックアップテーブルは、ＬＯＤと量子化ステップ長との対応関係を含む。

いくつかの実施例では、上記の量子化ステップ長ルックアップテーブルは、所定である。

いくつかの実施例では、本願実施例は、量子化ステップ長ルックアップテーブルを構築するプロセスをさらに含む。具体的には、現画像ブロックの階層レベルインデックス及び量子化パラメータオフセットパラメータを決定し、現画像ブロックの階層レベルインデックス及び量子化パラメータオフセットパラメータに基づいて、詳細レベルの階層レベルＬＯＤに対応する量子化ステップ長Ｑｓｔｅｐを決定する。さらに、詳細レベルの階層レベルと量子化ステップ長との対応関係を取得し、後続の符号化ステップ又は復号化時に量子化ステップ長を照会して決定するように、当該対応関係を量子化ステップ長ルックアップテーブル（ｌｏｏｋ－ｕｐ ｔａｂｌｅ）に事前に記憶する。

例示的に、階層レベルインデックスは、例えば、ＬｏｄＳｐｌｉｔＩｎｄｅｘであり得、量子化パラメータオフセットパラメータは、例えば、ＱｐＳｈｉｆｔＶａｌｕｅであり得る。

いくつかの実施例では、上記した現画像ブロックの階層レベルインデックス及び量子化パラメータオフセットパラメータを決定する方式は、現在の符号化ブロックの符号化パラメータを取得することと、前記符号化パラメータにおける階層レベルインデックス及び量子化パラメータオフセットパラメータを読み取ることと、を含み得る。

ここで、前記現在の符号化ブロックの符号化パラメータを取得する具体的な実施形態は少なくとも、レート歪み最適化を使用して現在の符号化ブロックの符号化パラメータを決定することを含む。

ここで、符号化パラメータは、構成ファイルに所定されたパラメータ及び／又は点群のデータに基づいて決定されたパラメータを含み得る。

このように、本例では、まず、現在の符号化ブロックの符号化パラメータを取得し、次に、符号化パラメータにおける量子化パラメータ最適化イネーブルＩＤ、階層レベルインデックス、及び量子化パラメータオフセットパラメータを読み取ることにより、現在の符号化ブロックの量子化パラメータ最適化イネーブルＩＤ、階層レベルインデックス、及び量子化パラメータオフセットパラメータの決定効率を向上させるのに有利である。

一可能な例では、前記コードストリームは、パラメータセットコードストリームを含み、後続にコードストリームを復号化するときに、直接コードストリーム内のパラメータセットコードストリームに基づいて、復号化のための対応するパラメータを決定することができ、後続の復号化時の効率を向上させるのに有利である。

一可能な例では、前記パラメータセットは、１つ又は複数の異なる時刻の点群を復号化するためのデータを含み、前記データは、属性データであり、前記パラメータセットは、属性パラメータセットである。このように、復号化側がコードストリームを復号化するとき、直接コードストリーム内のパラメータセットにおける異なる時刻の点群のデータを復号化するためのデータに基づいて復号化することができ、後続の復号化時の効率を向上させるのに有利である。

いくつかの実施例では、上記した現画像ブロックの階層レベルインデックス及び量子化パラメータオフセットパラメータに基づいて、詳細レベルの階層レベルＬＯＤに対応する量子化ステップ長Ｑｓｔｅｐを決定することは、前記現在の符号化ブロックの符号化パラメータ内の量子化パラメータＱｐを決定することと、現在の符号化ブロックの前記階層レベルインデックス及び前記量子化パラメータオフセットパラメータに基づいて、点群内の各ＬＯＤの量子化パラメータオフセットを決定することと、前記現在の符号化ブロックの量子化パラメータＱｐ及び前記点群内の各ＬＯＤの量子化パラメータオフセットに基づいて、前記点群内の各ＬＯＤに対応する量子化ステップ長Ｑｓｔｅｐを決定することと、を含む。

ここで、いくつかの実施例では、上記の量子化パラメータオフセットは、量子化パラメータ増分とも呼ばれる。

ここで、量子化パラメータＱｐは、属性パラメータセットが提供するＱＰパラメータによって決定され得る。

いくつかの実施例では、現在の符号化ブロックの量子化パラメータＱｐと量子化ステップ長Ｑｓｔｅｐとの関係は、下記式２に示す通りである。

実際の適用では、下記式３を使用して量子化ステップ長Ｑｓｔｅｐを決定することができる。

上記式における「×」は、乗算演算であり、「＜＜」は、左シフト演算であり、「％」は、剰余演算である。

残差を量子化する場合も、残差を８ビット左シフトしてマッチングを行う。

このように、本例では、まず、現在の符号化ブロックの符号化パラメータ内の量子化パラメータＱｐを決定し、次に、現在の符号化ブロックの階層レベルインデックス及び量子化パラメータオフセットパラメータに基づいて、各ＬＯＤの量子化パラメータオフセットを決定し、次に、量子化パラメータＱｐ及び各ＬＯＤの量子化パラメータオフセットに基づいて、各ＬＯＤに対応する量子化ステップ長Ｑｓｔｅｐを決定することにより、量子化ステップ長を決定する柔軟性を向上させるのに有利である。

一可能な例では、前記階層レベルインデックス及び前記量子化パラメータオフセットパラメータに基づいて、各ＬＯＤの量子化パラメータオフセットを決定することは、現在処理中の詳細レベルのＬＯＤが、前記階層レベルインデックスによって制約される階層レベル範囲に属するか否かを判断することであって、前記階層レベル範囲は、複数の詳細レベルにおける最初のＮ個の階層レベルを含み、Ｎは、第１閾値より小さいか等しい正の整数である、ことと、属する場合、前記量子化パラメータオフセットパラメータに基づいて、現在処理中の詳細レベルのＬＯＤの量子化パラメータオフセットの値ｊを決定することであって、ｊは、０より大きく、且つ第２閾値より小さいか等しい正数である、ことと、属さない場合、現在処理中の詳細レベルのＬＯＤの量子化パラメータオフセットの値は０であると決定することと、を含む。

つまり、点群のＬＯＤをグループ化し、各グループのＬＯＤは、１つの量子化ステップ長ルックアップテーブルに対応し、ここで、当該グループに対応する量子化ステップ長ルックアップテーブルには、当該グループ内少なくとも１つのＬＯＤに対応する量子化ステップ長が含まれる。現在点が位置する目標ＬＯＤに対応する目標量子化ステップ長を探し出すとき、まず、当該目標ＬＯＤが属する目標ＬＯＤグループを決定し、当該目標ＬＯＤグループに対応する量子化ステップ長ルックアップテーブルから、目標ＬＯＤに対応する目標量子化ステップ長を探し出す。

ここで、階層レベルインデックスの値の範囲は、０～ＬＯＤの数（正の整数）であり、階層レベルインデックスを６とすると、ＬＯＤ_０～ＬＯＤ_５の量子化ステップ長（即ち、最初の６レベルの詳細レベルの量子化ステップ長）は、ＱＰ－ＱｐＳｈｉｆｔＶａｌｕｅ（即ち、量子化パラメータ－量子化オフセットパラメータ）から変換される。

また、詳細レベルをさらに複数のグループに分割した場合、例えば、階層レベルインデックスが配列４ ５ ６である場合、これに対応して、この３つの分割位置に応じて、詳細レベルを４グループに分けることができ、それぞれＬＯＤ_０～ＬＯＤ_３、ＬＯＤ_４であり、ＬＯＤ_５及びＬＯＤ_６及びその以降を含む詳細レベルである。異なるグループに対応する量子化パラメータのオフセットの値ｊは、異なってもよい。

具体的な実装では、量子化パラメータが大きいほど、それに対応する量子化ステップ長が大きくなり、圧縮後のコードストリームの大きさが小さくなる。ｊが０より大きく、且つ第２閾値より小さいか等しい正数である場合、最初のＮ個の階層レベルの詳細レベルに対応する量子化パラメータは、下位階層レベルより小さく、これは、後続の上位階層レベルの詳細レベル内の点が、前の下位階層レベルの詳細レベル内の点の再構築値を利用して予測変換を行うことを考慮したもので、前の階層レベルの詳細レベルの量子化ステップ長が長い場合、それに対応する再構築誤差も大きく、このとき、再構築誤差を後続の階層レベルに渡すと、後続の詳細レベル内の点の予測に影響を与え、予測の精度が低下する。したがって、量子化ステップ長Ｑｓｔｅｐｉを決定するとき、下位階層レベルの詳細レベルについては、それに適合するより小さい量子化パラメータに対応する量子化ステップ長を決定して、再構築誤差を低減することができ、また、下位階層レベルの詳細レベル内の点の数が小さいため、小さい量子化ステップ長を採用しても色コードストリームの大きさに大きな影響を与えず、前の階層レベル詳細レベル誤差が小さい場合でも、後続の階層レベルの詳細レベルの予測効果もより良く、このとき、小さい量子化ステップ長を採用せずより良い効果が得られ、適切に大きい量子化ステップ長は、さらにコードストリームの大きさを小さくすることができ、符号化効率への影響を低減することができる。

ここで、第１閾値は、１４であり得、第２閾値は、１０であり得る。これは、一般的に詳細レベルの総レベル数が１１～１４であることを考慮したものであり、共通テスト環境ＣＴＣが設定した５種類のビットレートの最小ＱＰ値が１０であるため、ｊは、０より大きく、且つ第２閾値より小さいか等しい正数であってもよく、これにより、この値を減算した後に負数が発生しないことを保証する。

ｊは、例えば６又は１０であり得る。ｊの値が大きいほど、Ｑｐ－ｊが小さくなるため、対応する量子化ステップ長も小さくなり、さらに、再構築点の歪みが小さいほど、再構築値の誤差も小さくなり、後の階層レベルの詳細レベル内の点に対する予測もより正確になり、したがって、ｊが１０の場合、予測した結果は正確、即ち、予測効果がより良くなる。もちろん、下位階層レベルの詳細レベル内の点の残差を量子化するとき、６をｊの値とすることで、小さい量子化ステップ長を取得して、最初のＮレベルの詳細レベル内の点を量子化することもでき、再構築値誤差を減らし、後続の予測精度を向上させるとともに、コードストリーム大きさへの影響を低減するのに有利である。

Ｎは、例えば６又は８であり得る。量子化ステップ長の減少は、誤差を減らすとともに符号化のコードストリーム大きさを増加させ、符号化効率に影響を与え、したがって、Ｎの値は、６にすることができ、これは基本的に詳細レベルの総レベル数の半分であり、且つ前の階層レベル内の点の数は比較的少なく、小さい量子化ステップ長を採用して誤差を減らすとともにコードストリームがあまり増加させない。又はＮは、８であり、最初の８レイアの詳細レベル内の点を、小さい量子化ステップ長で量子化することにより、再構築値誤差を減らし、後続の予測精度を向上させるとともに、コードストリーム大きさへの影響を低減することができる。

このように、本例では、まず、現在処理中の詳細レベルのＬＯＤが、階層レベルインデックスによって制約される階層レベル範囲に属するか否かを判断し、属する場合、量子化パラメータオフセットパラメータに基づいて、現在処理中の詳細レベルのＬＯＤの量子化パラメータオフセットの値ｊを決定し、ｊは、０より大きく、且つ第２閾値より小さいか等しい正数であり、属さない場合、現在処理中の詳細レベルのＬＯＤの量子化パラメータオフセットの値は０であると決定し、より前の階層レベルの詳細レベルについては、より小さい量子化パラメータに対応する量子化ステップ長が適合し、即ち、より前の階層レベルの詳細レベルは、より小さい量子化ステップ長に対応し、より後ろの階層レベルの詳細レベルに対応する量子化ステップ長は、前の階層レベルの量子化ステップ長より大きいため、予測精度を向上させるとともに、符号化効率への影響を低減するのに有利である。

一可能な例では、前記量子化パラメータＱｐが第３閾値より大きいか等しい場合、ｊは、第１所定値であり、前記量子化パラメータＱｐが前記第３閾値より小さい場合、ｊは、第２所定値である。

ここで、前記第３閾値は、３０であり得、前記第１所定値は、１０であり得、前記第２所定値は、６であり得る。

つまり、現在の符号化ブロックに対応する量子化パラメータＱｐ自体の大きさに基づいて、セグメント関数を採用する形式でｊの値を決定し、例えば、量子化パラメータＱｐが３０より大きいか等しい場合、ｊは、１０であり、Ｑｐが３０より小さい場合、ｊは、６である。

このように、本例では、量子化パラメータＱｐが３０より大きいか等しい場合、ｊは、１０であり、量子化パラメータＱｐが３０より小さい場合、ｊは、６であり、量子化パラメータＱｐ自体の値に基づいてｊの値を決定することにより、ｊの値を決定する柔軟性を向上させるのに有利である。

一可能な例では、前記階層レベルインデックス及び前記量子化パラメータオフセットパラメータに基づいて、ＬＯＤの量子化パラメータオフセットを決定することは、現在処理中の詳細レベルのＬＯＤ所に対応する階層レベル組み合わせを判断し、前記階層レベルインデックスを照会して、前記現在処理中の詳細レベルのＬＯＤの階層レベルインデックスを決定することと、前記処理される詳細レベルのＬＯＤの階層レベルインデックスに基づいて、前記量子化パラメータオフセットパラメータを照会し、対応する量子化パラメータオフセットを決定することと、を含む。

ここで、複数の階層レベルグループが存在する場合、例えば、１つのグループの場合、量子化パラメータオフセットパラメータは、３ ５ ６などの１つの配列であり得、即ち、第１～第４グループの量子化パラメータオフセットは、それぞれ－３、－５、及び－６であり、決定された量子化パラメータがＱＰである場合、実際の第１～第４グループの量子化パラメータは、それぞれＱＰ－３、ＱＰ－５、ＱＰ－６、ＱＰである。

ここで、階層レベル組み合わせは、複数あり得、いずれかの階層レベル組み合わせは、前後に隣接する少なくとも２つの階層レベルを含み得、当該複数の階層レベル組み合わせは、当該第１階層レベル組み合わせ及び当該第２階層レベル組み合わせを含み、当該第１階層レベル組み合わせ内の階層レベルは、当該第２階層レベル組み合わせ内の階層レベルの前にあり、当該第１階層レベル組み合わせに対応する量子化パラメータは、当該第２階層レベル組み合わせに対応する量子化パラメータより小さく、異なる階層レベル組み合わせは、異なる量子化パラメータに対応するため、異なる階層レベルの詳細レベルに対応する量子化ステップ長をさらに細分化し、量子化ステップ長を決定する柔軟性を向上させるのに有利である。

ここで、第１階層レベル組み合わせは、複数の詳細レベル内の最初の２つの階層レベルを含み得、当該第１階層レベル組み合わせに対応する量子化ステップ長は、１である。最初の２つの階層レベルは、可逆量子化を採用することができるため、誤差をさらに減らし、後続の予測精度を向上させるのに有利であり、また、最初の２つの階層レベル内の点の数が少ないため、コードストリーム大きさに大きな影響を与えない。

ここで、複数の階層レベル組み合わせは、前から後ろに並べ替えられた第１階層レベル組み合わせ、第２階層レベル組み合わせ、第３階層レベル組み合わせ、及び第４階層レベル組み合わせを含み得、また、いずれかの階層レベル組み合わせには、前後に隣接する少なくとも２つの階層レベルを含み、第１階層レベル組み合わせは、オリジナル量子化ステップ長の１／ｓｑｒｔ（４）を、本階層レベルの量子化ステップ長とし、オリジナル量子化ステップ長は、量子化パラメータＱｐに基づいて決定される量子化ステップ長を指し、第２階層レベル組み合わせは、オリジナル量子化ステップ長の１／ｓｑｒｔ（３）を、本階層レベルの量子化ステップ長とし、第３階層レベル組み合わせは、オリジナル量子化ステップ長の１／ｓｑｒｔ（２）を、本階層レベルの量子化ステップ長とし、第４階層レベル組み合わせは、オリジナル量子化ステップ長を、本階層レベルの量子化ステップ長とする。

例えば、オリジナル量子化ステップ長、即ち、現在の符号化ブロックに対応する量子化パラメータＱｐに基づいて決定される量子化ステップ長がα（αは正の整数）である場合、第１階層レベル組み合わせ、第２階層レベル組み合わせ、第３階層レベル組み合わせ、及び第４階層レベル組み合わせは、それぞれα／ｓｑｒｔ（４）、α／ｓｑｒｔ（３）、α／ｓｑｒｔ（２）、αを、当該階層レベルの量子化ステップ長として採用し、階層レベル組み合わせが後になるほど、対応する量子化ステップ長は長くなり、同一階層レベル組み合わせ内の異なる階層レベルは、同じ量子化ステップ長を採用する。異なる階層レベルの詳細レベルに対応する量子化ステップ長をさらに細分化して、量子化ステップ長を決定する柔軟性を向上させる。

このように、本例では、量子化パラメータオフセットを決定するとき、まず、詳細レベルの階層レベルに対応する階層レベル組み合わせを判断し、次に、当該階層レベル組み合わせ内の詳細レベルに対応する階層レベルインデックスをさらに決定し、さらに、対応する階層レベルインデックスに基づいて、量子化パラメータオフセットパラメータを照会して、対応する量子化パラメータオフセットを決定し、異なる階層レベル組み合わせは、異なる量子化パラメータオフセットに対応するため、異なる階層レベルの詳細レベルに対応する量子化ステップ長をさらに細分化し、量子化ステップ長を決定する柔軟性を向上させるのに有利である。

いくつかの実施例では、本願は、量子化パラメータ最適化イネーブルＩＤをさらに含み、量子化パラメータ最適化イネーブルＩＤは、上記の第１量子化方式を採用して量子化が可能であるか否かを示すために使用され、例えば、量子化パラメータ最適化イネーブルＩＤは、ｅｎａｂｌｅＰｒｏｇｒｅｓｓｉｖｅＱｐであり得、０又は１の２つの値をとることができる。

ステップＳ２０７において、現在点の第１量子化重みを決定する。

いくつかの実施例では、説明を簡単にするために、前記現在点の量子化重み及び前記現在点の量子化ステップ長に基づいて、前記予測残差値を量子化する前の予測値を、予測残差値と呼び、前記現在点の量子化重みに基づいて、前記予測残差値を処理した後、且つ前記現在点の量子化ステップ長に基づいて、前記予測残差値を処理する前の予測値を、重み付け残差値と呼び、前記現在点の量子化重み及び前記現在点の量子化ステップ長に基づいて、前記予測残差値を量子化した後の予測値を、量子化残差値と呼ぶ。もちろん、上記の命名方式は、本願の一例に過ぎず、本願に対する制限として理解されるべきではない。本願の代替実施例では、前記量子化残差値は、重み付け量子化残差値とも呼ばれ得、さらには、直接残差値と呼ぶこともできる。

いくつかの実施例では、上記のステップＳ２０７は、前記現在点のインデックスを決定することと、前記現在点のインデックスに対応する量子化重みを、前記現在点の第１量子化重みとして決定することと、を含む。

要するに、エンコーダは、点のインデックスに基づいて、点の第１量子化重みを取得することができる。

例示的に、前記点群の量子化重みは、配列として記憶され、前記配列の次元は、前記点群内の点の数と同じである。例えば、ＱｕａｎｔＷｅｉｇｈｔ［ｉｎｄｅｘ］は、点のインデックスがｉｎｄｅｘである量子化重みを表し、この場合、ＱｕａｎｔＷｅｉｇｈｔ［ ］は、前記点群内のすべての点の量子化重みを記憶した配列として理解でき、前記配列の次元は、前記点群内の点の数と一致し、点のインデックスを介して点の量子化重みを照会することができる。

本願のいくつかの実施例では、前記点群を１つ又は複数のＬＯＤに分割し、各ＬＯＤは、１つ又は複数の点を含み、前記複数のＬＯＤ内の最初のＭレベルのＬＯＤ内の点の第１量子化重みの初期値は、前記複数のＬＯＤ内の残りのＬＯＤ内の点の第１量子化重みの初期値より大きい。Ｍは、０より大きい整数である。例えば、最初の７レベルのＬＯＤ内の各点の第１量子化重みの初期値を、５１２と設定し、残りのＬＯＤ内の各点の第１量子化重みの初期値を、２５６と設定する。

一実現形態では、前記点群の符号化順序の逆順に従って、前記点群内の点をトラバースすることにより、現在点の第１量子化重みに基づいて前記現在点のＮ個の最近傍点の第１量子化重みを更新し、Ｎは、０より大きい整数である。例えば、現在点については、前記現在点の第１量子化重みに基づいて、前記現在点のＮ個の最近傍点のそれぞれの第１量子化重みを更新し、Ｎは、０より大きい整数である。一実現形態では、前記Ｎ個の最近傍点のそれぞれに対する前記現在点の影響重みを取得し、前記影響重みは、前記現在点及び前記Ｎ個の最近傍点の位置情報に依存し、前記現在点の第１量子化重み及び前記Ｎ個の最近傍点のそれぞれに対する前記現在点の影響重みに基づいて、前記Ｎ個の最近傍点の第１量子化重みを更新する。一実現形態では、前記点群の属性パラメータセットは、前記Ｎ個の最近傍点のそれぞれに対する前記現在点の影響重みを含み、前記属性パラメータセットを照会することにより、前記Ｎ個の最近傍点のそれぞれに対する前記現在点の影響重みを取得する。

例示的に、前記点群内の各点の第１量子化重みの初期値は、所定値である。

なお、本願実施例は、初期値の具体的な値を限定しない。一例として前記初期値は、２５６、５１２又は他の特定の値であってもよい。２５６に初期化することは、前記点群内のすべての点の量子化重みの値を２５６に設定することである。

エンコーダが前記点群内の各点を逆順にトラバースした後、各点の第１量子化重みは、前記点群の点の属性情報を予測するプロセスにおける重要度に応じて更新され、重要な点ほどその量子化重みの値が大きい。

一実現形態では、下記式４に基づいて前記Ｎ個の最近傍点の第１量子化重みを更新する。

例えば、図９に示すように、前記点群内のすべての点の第１量子化重みの初期値を２５６に設定し、次に、符号化順序の逆順に各点をトラバースして、その３つの最近傍点の第１量子化重みを更新すると仮定し、現在トラバースされている点インデックスがｉｎｄｅｘであり、現在点の３つの最近傍点のインデックスがそれぞれｉｎｄｅｘＮ１、ｉｎｄｅｘＮ２、ｉｎｄｅｘＮ３であると仮定すると、現在点Ｐ１の３つの最近傍点Ｐ１０、Ｐ３、Ｐ１１の第１量子化重みは、次のように表記できる。

現在点Ｐ１の第１量子化重みを利用して、次の方式でその３つの最近傍点の第１量子化重みを更新する。

例示的に、ｋの値は、８である。

ここで、１６、８、４は、それぞれ第１、２、３最近傍点に対する現在点の影響重みであり、当該影響重みは、構文として点群の属性パラメータセットに定義され得、即ち、属性パラメータセットによって影響重みの値を設定することができる。エンコーダは、属性情報の符号化プロセスにおいて、前記属性パラメータセットをアクティブ化又はアクセスし、次に、前記属性パラメータセットから点の影響重みの値を呼び出すことができる。本願実施例は、ｋ及び影響重みの具体的な値を限定するものではなく、上記の数字は例示的な説明に過ぎず、本願の制限として理解されるべきではない。例えば、本願の代替実施例では、第１、２、３最近傍点の影響重みを、それぞれ６４、３２、１６に変更することもできる。現在点の第１量子化重みが２５６で、最近傍点０（即ち、第１最近傍点）の第１量子化重みも２５６で、（３２×２５６）≫８の結果が３２、即ち、演算結果が右に８ビットシフトすると仮定すると、このとき、最近傍点０の量子化重みは、２５６＋３２＝２８８に更新され、この結果は、点群のすべての点の量子化重みを含む配列ＱｕａｎｔＷｅｉｇｈｔ［］に同時に保存され得、最近傍点０をトラバースすると、第１量子化重み２８８を使用して最近傍点０の３つの隣接点を更新する。

下記において、表５を参照して属性パラメータセットの構文について説明する。

ステップＳ２０８において、目標量子化ステップ長及び第１量子化重みに基づいて、現在点の属性情報の残差値を量子化して、現在点の属性情報の量子化残差値を取得する。

本願のいくつかの実施例では、上記のステップＳ２０４及びステップＳ４０３は、次のステップＣ１及びステップＣ２を含む。

ステップＣ１において、前記現在点の第１量子化重みに基づいて、前記現在点の第２量子化重みを決定する。

ステップＣ２において、前記目標量子化ステップ長及び前記第２量子化重みに基づいて、前記現在点の属性情報の量子化残差値を逆量子化して、前記再構築残差値を取得する。

例示的に、前記第２量子化重みは、前記現在点の目標量子化ステップ長より小さいか等しく、ここで、現在点の目標量子化ステップ長は、現在点が位置する目標ＬＯＤの目標量子化ステップ長である。

例示的に、下記式５を利用して前記現在点の第２量子化重みを決定する。

例示的に、下記式６を利用して前記現在点の第２量子化重みを決定する。

本願実施例では、前記現在点の目標量子化ステップ長が小さく設定されている場合、前記現在点の第１量子化重みは、目標量子化ステップ長を超える可能性があり、このとき、第１量子化重み及び目標量子化ステップ長のうちの小さい値を使用して、第２量子化重みを取得する必要があり、これにより、エンコーダは、予測残差値に対して量子化操作を行うことを保証、即ち、エンコーダの符号化性能を保証する。

例示的に、前記第２量子化重みの値は、２の整数乗に等しい。

例示的に、前記現在点の第１量子化重みの値は、２の整数乗に等しくなく、前記現在点の第１量子化重みの値に基づいて、前記現在点の第１量子化重みに最近接する２の整数乗を、前記第２量子化重みとして決定する。

例えば、前記現在点の第１量子化重みの値が１８であると仮定すると、ハードウェアの実装を容易にするために、１８をそれと最も近い２の整数乗、即ち、１６又は３２に変換することができ、例えば、１８を１６に変換し、即ち、１８を１６に置き換える。前記現在点の第１量子化重みの値が３０であると仮定すると、３０と最も近い２の整数乗は３２になり、このとき、前記現在点の第１量子化重みは、３２に変換され、２の整数乗については、２進シフト操作により適応量子化を実現でき、ハードウェアの実装が容易になる。

本願実施例では、前記第２量子化重みの値を、２の整数乗に構成することにより、重み付けの乗算演算をシフト演算として処理することができ、エンコーダの処理効率を向上させ、エンコーダの性能をさらに向上させることができる。

なお、本願の別の代替実施例では、まず、現在点の量子化重み及び現在点の目標量子化ステップ長から最小値を取り、次に、前記最小値に最も近い２の整数乗を、前記第２量子化重みとして決定する。もちろん、他の方法により第２量子化重みを決定することもでき、本願実施例はこれを限定しない。例えば、前記現在点の第１量子化重みを、直接前記現在点の第２量子化重みとして決定することができる。

いくつかの実施例では、前記ステップＣ２は、前記第２量子化重みに前記予測残差値を乗算して、重み付け残差値を取得することと、前記現在点の目標量子化ステップ長を利用して前記重み付け残差値を量子化して、前記量子化残差値を取得することと、を含む。

具体的には、エンコーダは、予測変換により現在点の属性情報の予測値を取得し、現在点の属性情報の真の値を知ることができ、真の値から予測値を減算することにより、現在点の属性情報の予測残差値を取得することができ、予測残差値と第２量子化重みを乗算して重み付け予測残差値を取得し、量子化ステップ長を利用して重み付け予測残差値を量子化して、量子化重み付け予測残差値、即ち、量子化残差値を取得し、次いで現在点の量子化残差値をエントロピー符号化してコードストリームに書き込むことができる。

これに対応して、デコーダは、まず、再構築された位置情報に基づいて点群内の各点の第１量子化重みを計算し、目標量子化ステップ長と比較して各点の第２量子化重みを決定し、次に、コードストリームを解析して現在点の量子化残差値を取得し、逆量子化して重み付け予測残差値を取得し、重み付け予測残差値を第２量子化重みで除算して予測残差値を取得し、デコーダは、予測変換により現在点の属性情報の予測値を決定し、次いで現在点の属性情報の予測値及び予測残差値に基づいて、現在点の属性情報の再構築値を取得し、デコーダは、現在点の属性情報の再構築値を取得した後、次の点を順次トラバースして復号化及び再構築を行う。

以上より、本願実施例では、エンコーダは、量子化前に、予測残差値に第２量子化重みを乗算して重み付けを行い、デコーダは、量子化の後、逆量子化された重み付け予測残差値から第２量子化重みを除算して重み付け影響を除去して、予測残差値を取得する。なお、量子化は可逆的ではないため、デコーダが得られる重み付け予測残差値は、必ずしもエンコーダが得られる重み付け予測残差値と等しいものではない。

本願のいくつかの実施例では、前記ステップＣ２は、
下記式７を利用して前記予測残差値を量子化して、前記量子化残差値を取得することを含み得る。

本願のいくつかの実施例では、前記ステップＣ２は、前記現在点の第２量子化重みに基づいて、前記目標量子化ステップ長を更新することと、前記更新された量子化ステップ長に基づいて、前記現在点の属性情報の残差値を量子化することと、を含み得る。

例示的に、前記現在点の第２量子化重みに基づいて、前記目標量子化ステップ長を更新することは、下記式８を利用して前記現在点の目標量子化ステップ長を更新することを含む。

ステップＳ２０９において、現在点の量子化残差値を符号化して、属性コードストリームを生成する。

本願実施例では、現在点のジオメトリ情報に基づいて現在点が位置する目標ＬＯＤを決定し、当該目標ＬＯＤに対応する目標量子化ステップ長を決定し、当該目標量子化ステップ長は、量子化パラメータ増分によって決定されるものであるため、量子化ステップ長を決定する柔軟性を向上させる。また、本実施例では、前記現在点の量子化ステップ長を重み付けするための第１量子化重みを導入し、現在点の量子化重みを導入することにより、現在点の第１量子化重みに基づいて、現在点の目標量子化ステップ長を補正し、即ち、現在点の重要度に応じて現在点の目標量子化ステップ長を適応的に調整することができ、さらに、調整された目標量子化ステップ長に基づいて、現在点の残差値を量子化し、点群内の点の属性情報を予測するプロセスにおいて、符号化順序の前寄りにある点については、予測において重要である場合、量子化ステップ長が大きすぎることを回避でき、さらに、大きい再構築誤差が生じることを回避することができ、量子化重みの高い点は、小さい量子化ステップ長を採用して量子化を行い、再構築誤差を低減し、符号化順序の後寄りにある点については、予測精度を向上させ、符号化効果を向上させることができる。

本願によって提供される技術方案に基づき、Ｇ－ＰＣＣリファレンスソフトウェアＴＭＣ１３ Ｖ１１．０上でテストを行い、ＣＴＣ ＣＹテスト条件下でＭＰＥＧ（Ｍｏｖｉｎｇ Ｐｉｃｔｕｒｅ Ｅｘｐｅｒｔｓ Ｇｒｏｕｐ）が要求するテストシーケンスの一部をテストし、テスト結果は、下記表６に示す通りであり、以下では、表６を参照して性能向上効果について説明する。

ここで、ｃａｔ１－Ａ点群シーケンス内の点は、色属性情報及び反射率属性情報などの他の属性情報を含み、ｃａｔ１－Ｂ点群シーケンス内の点は、色属性情報を含む。ＢＤ－ＡｔｔｒＲａｔｅは、ビデオ符号化アルゴリズムの性能を評価する主要なパラメータの１つであり、新しいアルゴリズム（即ち、本願の技術方案）で符号化したビデオのオリジナルアルゴリズムに対するビットレート及びピーク信号対雑音比（ＰＳＮＲ：Ｐｅａｋ ステップＳｉｇｎａｌ ｔｏ Ｎｏｉｓｅ Ｒａｔｉｏ）上での変化、即ち、新しいアルゴリズムとオリジナルアルゴリズムの信号対雑音比が同じ場合のビットレートの変化を表す。「－」は、ビットレート及びＰＳＮＲ性能向上などの、性能向上を表す。表６に示すように、ｃａｔ１－Ａ点群シーケンスについては、本願の技術方案を採用し、従来技術に比べて、輝度成分で０．８％、色度成分Ｃｂで４．１％、色度成分Ｃｒで５．４％の性能が向上している。「平均値」は、ｃａｔ１－Ａ点群シーケンス及びｃａｔ１－Ｂ点群シーケンスの性能向上の平均値を表す。

実施例３
目標量子化方式が第１量子化方式及び第３量子化方式を含む場合、本願実施例の点群符号化プロセスは、図１０に示す通りである。

図１０は、本願の一実施例による点群符号化方法のフローチャートであり、図１０に示すように、次のステップを含む。

ステップＳ３０１において、点群内の点のジオメトリ情報及び属性情報を取得する。

ステップＳ３０２において、点群内の各点のジオメトリ情報に基づいて、点群に対してＬＯＤ分割を行い、点群のマルチレベルのＬＯＤを取得し、ここで、各ＬＯＤは、少なくとも１レベルの詳細表現レベルを含み、各レベルの詳細表現には、少なくとも１つの点が含まれる。

ステップＳ３０３において、点群内の現在点の属性情報の予測値を決定する。

ステップＳ３０４において、現在点の属性情報の予測値及び属性情報のオリジナル値に基づいて、現在点の属性情報の残差値を決定する。例えば、現在点の属性情報のオリジナル値と属性情報との差分を、現在点の属性情報の残差値として決定する。

ここで、上記のステップＳ３０１～ステップＳ３０４の実現プロセスは、上記のステップＳ２０１～ステップＳ２０４の説明を参照でき、ここでは繰り返して説明しない。

ステップＳ３０５において、現在点のジオメトリ情報に基づいて、現在点が位置する目標ＬＯＤを決定する。

ステップＳ３０６において、現在点が可逆符号化された点に属するか否かを判断し、現在点が非可逆符号化された点に属すると決定する場合、次のステップＳ３０７～ステップＳ３０９を実行し、現在点が可逆符号化された点に属すると決定する場合、次のステップＳ３１０を実行する。

ステップＳ３０７において、目標ＬＯＤに適合する目標量子化ステップ長を決定する。具体的には、上記のステップＳ２０６の説明を参照でき、ここでは繰り返して説明しない。

ステップＳ３０８において、目標量子化ステップ長に基づいて、現在点の属性情報の残差値を量子化して、現在点の属性情報の量子化残差値を取得する。

ステップＳ３０９において、現在点の量子化残差値を符号化して、属性コードストリームを生成する。

ステップＳ３１０において、現在点の残差値を可逆符号化して、属性コードストリームを生成する。

量子化は、属性情報の再構築値に誤差を与えるため、後続の属性情報予測の精度を低下させ、それにより、属性情報全体の符号化効果を低下させる。この技術的問題を解決するために、本願は、点群内の少なくとも１つの点の属性情報の残差値を可逆符号化することにより、属性情報の再構築値に対する量子化の影響を低減し、さらに、属性情報予測の精度を向上させ、属性コードストリーム大きさに大きな影響を与えることなく、それにより、属性情報の符号化効果を向上させる。

下記において、本願に係る可逆符号化プロセスについて説明する。

なお、本願において、点の属性情報の残差値を可逆符号化することは、点の属性情報の残差値を量子化しないこととも言える。

本願では、属性情報の残差値が可逆符号化された点の数については制限せず、例えば、点群内の一部の点の属性情報の残差値を量子化し、一部の点の属性情報の残差値を量子化しない（即ち、可逆符号化する）か、又は、点群内のすべての点の属性情報の残差値を量子化しない（即ち、可逆符号化）。

一例では、上記の属性情報の残差値が可逆符号化された少なくとも１つの点は、Ｎ個の点を含み得る。

例示的に、当該Ｎは、２の整数倍であり、例えば、点群内の２つ、４つ、１６個又は２４個の点の属性情報の残差値を可逆符号化する。

例示的に、上記のＮ個の点は、点群内の任意のＮ個の点であり得、例えば、並べ替えられた点群内の連続するＮ個の点であってもよいし、ランダムに選択されたＮ個の点であってもよいし、指定されたＮ個の点であってもよいし、所定の点間隔に従って選択したＮ個の点であってもよいし、ここで、点間隔は、不均一間隔であってもよい。

例示的に、上記のＮ個の点における各隣接する２つの点間の間隔は等しく、例えば、上記の点群は、１２００個の点を含み、Ｎを２４とすると、これら２４個の点間の間隔は等しく、いずれも５０個の点である。

いくつかの実施例では、所定間隔に基づいて、点群内の所定間隔ごとの点の属性情報の残差値を可逆符号化する。例えば、上記の点群が１２００個の点を含み、所定間隔が１０である場合、並べ替えられた点群内の１０個の点ごとの点の属性情報の残差値を可逆符号化する。例示的に、１２００個の点のうちの第１点を、最初の、属性情報の残差値が量子化されていない点とし、１０個の点間隔で、第１１点を２番目の属性情報の残差値が量子化されていない点とし、このように類推する。例示的に、１２００個の点のうちの１１番目の点を、最初の属性情報の残差値が可逆符号化された点とし、１０個の点間隔で、第２１点を２番目の属性情報の残差値が可逆符号化された点とし、このように類推する。

いくつかの実施例では、本願実施例はさらに、マルチレベルの詳細表現レベルのうちの少なくとも１レベルの詳細表現レベル内の少なくとも１つの点の属性残差値を可逆符号化する、ステップＳ３０６１をさらに含む。

いくつかの実施例では、上記のステップＳ３０６１は、マルチレベルの詳細表現レベル内の１つの詳細表現のうちの少なくとも１つの点の属性残差値を可逆符号化するか、又は、マルチレベルの詳細表現レベルにおける部分詳細表現レベル内の少なくとも１つの点の属性残差値を可逆符号化し、マルチレベルの詳細表現レベルおける部分詳細表現レベル内の各点の属性残差値を量子化するか、又は、マルチレベルの詳細表現レベル内の各レベルの詳細表現レベル内の少なくとも１つの点の属性残差値を可逆符号化することを含み得る。

いくつかの実施例では、上記のステップＳ３０６１は、ステップＳ３０６１－Ａ１、ステップＳ３０６１－Ａ２、及びステップＳ３０６１－Ａ３を含む。

ステップＳ３０６１－Ａ１において、マルチレベルの詳細表現レベルに含まれる点の総数が第１所定値より小さいか等しい少なくとも１つの第１タイプの詳細表現レベル、及び含まれる点の総数が第１所定値より大きい少なくとも１つの第２タイプの詳細表現レベルを取得し、第１所定値の具体的な値は、実際の必要に応じて決定され、本願はこれらを限定しない。

ステップＳ３０６１－Ａ２において、第１タイプの詳細表現レベル内のすべての点の属性情報の残差値を可逆符号化する。

ステップＳ３０６１－Ａ３において、第２タイプの詳細表現レベル内の少なくとも１つの点の属性情報の残差値を可逆符号化する。

以上より、マルチレベルの詳細表現レベルの各レベルに含まれる点の数は、同じであっても異なってもよいことが分かる。これに基づき、マルチレベルの詳細表現レベルの各レベルの詳細表現レベルに含まれる総数に基づいて、マルチレベルの詳細表現レベルを、第１タイプの詳細表現レベル及び第２タイプの詳細表現レベルに分割し、ここで、第１タイプの詳細表現レベルに含まれる点の総数は、第１所定値より小さいか等しく、第２タイプの詳細表現レベルに含まれる点の総数は、第１所定値より大きい。例えば、点群をＬＯＤ分割して、１４レベルの詳細表現レベルを取得し、総数の昇順にすると、詳細表現レベルに含まれる点の数は、１、６、２８、１１４、４２４、１７３４、１００００……の順である。第１所定値を２４とすると、図９に示すように、上記の１４レベルの詳細表現レベルのうち、最初の２レベルの詳細表現レベル（即ち、１つの点を含む第１レベルの詳細表現レベル及び６つの点を含む第２レベルの詳細表現レベル）を、第１タイプの詳細表現レベルに分割して、２つの第１タイプの詳細表現レベルを取得し、上記の１４レベルのうち、残りの１２レベルの詳細表現レベル（即ち、２８つの点を含む第３レベルの詳細表現レベル、及び第３レベルの詳細表現レベルの後の他の詳細表現レベル）を、第２タイプの詳細表現レベルに分割して、１２個の第２タイプの詳細表現レベルを取得する。

第１タイプの詳細表現レベル内のすべての点の属性情報の残差値を量子化せず、例えば、上記のレベルの詳細表現レベルの最初の２レベルの詳細表現レベル内のすべての点の属性情報の残差値を可逆符号化する。

第２タイプの詳細表現レベル内の少なくとも１つの点の属性情報の残差値を量子化せず、例えば、上記の１４レベルの詳細表現レベルの最後の２レベルの各レベルうちの少なくとも１つの点の属性情報の残差値を可逆符号化する。属性情報の残差値が可逆符号化された点を選択する場合、異なる第２タイプの詳細表現レベルは、異なるスキップ量子化（ｓｋｉｐ ｑｕａｎｔｉｚａｔｉｏｎ）選択方式を採用でき、例えば、各レベルの第２タイプの詳細表現レベルは、異なる選択方式がある。例示的に、異なる第２タイプの詳細表現レベルは、同じスキップ量子化（ｓｋｉｐ ｑｕａｎｔｉｚａｔｉｏｎ）選択方式を採用でき、例えば、各レベルの第２タイプの詳細表現レベルの選択方式は同じである。

いくつかの実施例では、符号化側と復号化側の整合性を保つために、符号化側は、上記の第１タイプの詳細表現レベル及び第２詳細表現レベルの関連情報を属性コードストリームで運ぶことができる。このようにして、復号化側は、属性コードストリームから第１タイプの詳細表現レベル及び第２詳細表現レベルの関連情報を解析し、解析された第１タイプの詳細表現レベル及び第２詳細表現レベルの関連情報に基づいて、点の属性情報の再構成を行うことができる。

いくつかの実施例では、各第２タイプの詳細表現レベルにおける、属性情報の残差値が可逆符号化された点の数が同じである場合、上記のステップＳ３０６１－Ａ３は、ステップＳ３０６１－Ａ３－１を含む。

ステップＳ３０６１－Ａ３－１において、第２タイプの詳細表現レベル内のＭ個の点の属性情報の残差値を可逆符号化し、ここで、Ｍは、２の正の整数倍であり、例えば、２、４、２４、３２などである。

例示的に、同じレベルの第２タイプの詳細表現レベル内のＭ個の点における隣接する２つの点間の間隔は等しい。例えば、第２詳細表現レベル１は、２００個の点を含み、第２詳細表現レベル２は、３００個の点を含み、Ｍが１０と等しいとすると、第２詳細表現レベル１内の２０個の点の属性情報の残差値に対して、最初の点、１１番目の点、２１番目の点、３１番目の点……１８１番目の点、１９１番目の点の順に可逆符号化を行い、隣接する２つの属性情報の残差値が可逆符号化された点間の間隔は、１０個の点である。第２詳細表現レベル２内の３０個の点の属性情報の残差値に対して、最初の点、１１番目の点、２１番目の点、３１番目の点……２８１番目の点、２９１番目の点の順に可逆符号化を行い、隣接する２つの属性情報の残差値が可逆符号化された点間の間隔は、１０個の点である。

いくつかの実施例では、次のプログラムに従って、上記のＭを符号化側の属性パラメータセットに追加することにより、符号化パラメータによって各第２タイプの詳細表現レベルにおける等間隔で量子化されていない点の具体的な値を設定することができる。

いくつかの実施例では、少なくとも１つの第２タイプの詳細表現レベルが、Ｌ個の第２タイプの詳細表現レベルを含み、異なる第２タイプの詳細表現レベルにおける、属性情報の残差値が可逆符号化された点の数が異なる場合、上記のステップＳ３０６１－Ａ３は、ステップＳ３０６１－Ａ３－２及びステップＳ３０６１－Ａ３－３を含む。

ステップＳ３０６１－Ａ３－２において、Ｐ個の第２タイプの詳細表現レベルの各第２タイプの詳細表現レベルにおける第１数の点の属性情報の残差値を可逆符号化する。

ステップＳ３０６１－Ａ３－３において、Ｑ個の第２タイプの詳細表現レベルの各第２タイプの詳細表現レベルにおける第２数の点の属性情報の残差値を可逆符号化する。

ここで、Ｌは、２より大きいか等しい正の整数であり、Ｐ、Ｑは、いずれも正の整数であり、且つＰとＱとの和は、Ｌより小さいか等しく、Ｐ個の第２タイプの詳細表現レベルは、Ｑ個の第２タイプの詳細表現レベルと重ならず、第１数は、第２数とは異なる。

上記Ｐ個の第２タイプの詳細表現レベルは、Ｌ個の第２タイプの詳細表現レベルのうちの任意のＰ個の第２タイプの詳細表現レベルであり得、このＰ個の第２詳細表現レベルは、連続する第２タイプの詳細表現レベルであってもよいし、連続しない第２タイプの詳細表現レベルであってもよい。

上記Ｑ個の第２タイプの詳細表現レベルは、Ｌ個の第２タイプの詳細表現レベルのうち、Ｐ個の第２タイプの詳細表現レベルを除いた任意のＱ個の第２タイプの詳細表現レベルであり得、このＱ個の第２詳細表現レベルは、連続する第２タイプの詳細表現レベルであってもよいし、連続しない第２タイプの詳細表現レベルであってもよい。

例えば、図１１に示すように、Ｌは１２であり、この１２個の第２タイプの詳細表現レベルからＰ個（例えば、Ｐ＝７）の第２タイプの詳細表現レベルを任意に選択し、残りの７つの第２タイプの詳細表現レベルからＱ個（例えば、Ｑ＝７）の第２タイプの詳細表現レベルを任意に選択する。

一例では、Ｐ個の第２タイプの詳細表現レベルは、Ｌ個の第２タイプの詳細表現レベルにおける最初のＰ個の第２タイプの詳細表現レベルである。

一例では、Ｑ個の第２タイプの詳細表現レベルは、Ｌ個の第２タイプの詳細表現レベルにおける最後のＱ個の第２タイプの詳細表現レベルである。

引き続き図１１を参照すると、１２個の第２タイプの詳細表現レベルにおける最初のＰ個（例えば、Ｐ＝７）の第２タイプの詳細表現レベルを、上記Ｐ個の第２タイプの詳細表現レベルとし、１２個の第２タイプの詳細表現レベルにおける最後のＱ個（例えば、Ｑ＝７）の第２タイプの詳細表現レベルを、Ｑ個の第２タイプの詳細表現レベルとする。ここで、Ｐ個の第２タイプの詳細表現レベルの間は互いに連続し、Ｑ個の第２タイプの詳細表現レベルの間は互いに連続する。

いくつかの実施例では、図１１に示すように点群のマルチレベルの詳細表現レベルが１４レベルの詳細表現を含む場合、Ｐは、７又は８を取ることができる。

一例では、Ｐ個の第２タイプの詳細表現レベルにおける最後の第２タイプの詳細表現レベルは、Ｑ個の第２タイプの詳細表現レベルにおける最初の第２タイプの詳細表現レベルに隣接する。例えば、図１１に示すように、Ｐ＝７、Ｑ＝７とすると、Ｐ個の第２タイプの詳細表現レベルにおける最後の第２タイプの詳細表現レベルは、第７レベルの詳細表現レベルであり、Ｑ個の第２タイプの詳細表現レベルにおける最初の第２タイプの詳細表現レベルは、第８レイアの詳細表現レベルであり、第７レベルの詳細表現レベルは、第８レイアの詳細表現レベルに隣接する。

以上の方法により、Ｌ個の第２タイプの詳細表現レベルを、Ｐ個の第２タイプの詳細表現レベル及びＱ個の第２タイプの詳細表現レベルに分割し、Ｐ個の第２タイプの詳細表現レベルの各第２タイプの詳細表現レベルについては、当該第２タイプの詳細表現レベルにおける第１数の点の属性情報の残差値を量子化しない。Ｑ個の第２タイプの詳細表現レベルの各第２タイプの詳細表現レベルについては、当該第２タイプの詳細表現レベルにおける第２数の点の属性情報の残差値を量子化しない。

Ｐ個の第２タイプの詳細表現レベルがＱ個の第２タイプの詳細表現レベルの前に位置する場合、第１数は、第２数より大きく、例えば、第１数は、２４、３２又は６４であり、対応する第２数は、８、１６又は３２である。これは、属性情報の予測プロセスにおいて、図８に示すように、レベル数の昇順に従ってマルチレベルの詳細表現レベルを並べ替え、点群のＬＯＤ順序を取得し、点群のＬＯＤ順序に従って属性情報を符号化する。予測のプロセスにおいて、ＬＯＤ順序における前寄りの点が、後続の予測のプロセスで基準点として使用される可能性が高く、したがって、属性情報の再構築値に対する量子化の影響を低減するために、前寄りのＰ個の第２タイプの詳細表現レベル内のより多い点の属性情報の残差値を量子化しない。一方、冗長性を解消するために、後寄りのＱ個の第２タイプの詳細表現レベル内の少ない点の属性情報の残差値を量子化しない。

いくつかの実施例では、第１数は、第２数の正の整数倍であり、例えば、第１数は、第２数の３倍又は２倍であり、例えば、第１数は２４で、第２数は８である。

一例では、Ｐ個の第２タイプの詳細表現レベルの各第２タイプの詳細表現レベルの第１数の点における隣接する２つの点間の間隔は等しい。

一例では、Ｑ個の第２タイプの詳細表現レベルの各第２タイプの詳細表現レベルの第２数の点における隣接する２つの点間の間隔は等しい。

本実施例では、実際の量子化プロセスにおいて、次の方式で量子化を行うことができる。

方式１において、点群内の点の属性情報の残差値を量子化するプロセスにおいて、属性情報の残差値が可逆符号化された少なくとも１つの点をスキップする。

方式２において、属性情報の残差値が可逆符号化された少なくとも１つの点の量子化ステップ長を１に設定する。

例えば、現在、下記式９に基づいて、点の属性情報の残差値の量子化を行う。

方式３において、属性情報の残差値が可逆符号化された少なくとも１つの点の量子化パラメータＱＰを目標値に設定し、目標値は、量子化ステップ長が１であるときに対応するＱＰ値である。

量子化ステップ長は、量子化パラメータＱＰ値によって計算して得られるため、ＱＰ値は通常、構成ファイルによって事前に設定される。これに基づき、ＱＰを、量子化ステップ長が１であるときに対応するＱＰ値に設定することができる。

いくつかの実施例では、当該属性コードストリームは、第１情報を含み、当該第１情報は、属性情報の残差値を可逆符号化する点を示すために使用される。

いくつかの実施例では、第１情報は、属性情報の残差値が可逆符号化された点の識別情報を含み、例えば、点群には、１００個の属性情報の残差値が可逆符号化された点を含み、このようにして、これら１００個の点の識別情報は、属性コードストリームで運ばれる。復号化側は、属性コードストリームを解析して、属性情報の残差値が可逆符号化された点の識別情報、これら点の属性情報の残差値を取得した後、当該識別情報に対応する点の属性情報の残差値を量子化せず、これら点の属性情報の残差値を直接使用して、属性情報の再構築を行うことにより、符号化側とのとの整合性を保つ。

いくつかの実施例では、第１情報は、属性情報の残差値が可逆符号化された点の総数、例えば、上記Ｎを含む。

いくつかの実施例では、Ｌ個の第２タイプの詳細表現レベルの各レベルに含まれる属性情報の残差値が可逆符号化された点の数が同じであり、これら点間が等間隔に配列された場合、第１情報は、各第２タイプの詳細表現レベルにおける属性情報の残差値が等間隔に可逆符号化された点の具体的な数（ｎｕｍ）を含み、即ち、属性コードストリームでｎｕｍを運ぶ。

本例では、第２タイプの詳細表現レベルにおける最初の属性情報の残差値が可逆符号化された点が、当該第２詳細表現レベル内の最初の点でない場合、上記第１情報はさらに、最初の属性情報の残差値が可逆符号化された点の識別情報も運ぶ必要がある。

いくつかの実施例では、Ｐ個の第２タイプの詳細表現レベル及びＱ個の第２タイプの詳細表現レベルにおいて、可逆符号化された点がいずれも等間隔に配列した場合、上記第１情報はさらに、第１数及び第２数、及びＰ個の第２タイプの詳細表現レベルとＱ個の第２タイプの詳細表現レベルの分割情報を含む。

本例では、Ｐ個の第２タイプの詳細表現レベルにおける最後の第２タイプの詳細表現レベルが、Ｑ個の第２タイプの詳細表現レベルにおける最初の第２タイプの詳細表現レベルに隣接する場合、上記分割情報はさらに、Ｑ個の第２タイプの詳細表現レベルにおける最初の第２タイプの詳細表現レベルの識別情報を含むか、又は、Ｐ個の第２タイプの詳細表現レベルにおける最後の第２タイプの詳細表現レベルの識別情報を含むか、又は、Ｐ及び／又はＱを含む。このように、復号化側は、これらの情報に基づいて、Ｌ個の第２タイプの詳細表現レベルから、Ｐ個の第２タイプの詳細表現レベル及びＱ個の第２タイプの詳細表現レベルを決定し、さらに、Ｐ個の第２タイプの詳細表現レベルの各レベルにおける第１数の等間隔の点の属性情報の残差値を可逆符号化し、Ｑ個の第２タイプの詳細表現レベルの各レベルにおける第２数の等間隔の点の属性情報の残差値を可逆符号化することができる。

本例では、第１情報はさらに、各第２タイプの詳細表現レベルにおける、最初の属性情報の残差値が量子化されて可逆符号化された点の識別情報を含み得る。

上記した実施例に基づき、本願の一具体的な実施例では、点群の符号化プロセスは、符号化側が、現在点が最初の７レベルのＬＯＤに属するか否かを判断し、第３量子化方式に基づいて、当該現在点が量子化されていない点であるか否かを判断することを含む。

現在点が最初の７レベルのＬＯＤに属し、当該現在点が量子化されていない点でない場合、現在の符号化パラメータのＱＰ値を読み取り、次に、現在点が属する目標ＬＯＤのＤｅｌｔａＱＰ値を加算し、ＱＰ＋ＤｅｌｔａＱＰを対応するＱｓｔｅｐに変換し、量子化しない点である場合、この点のＱｓｔｅｐ＝１（即ち、量子化が必要ない）である。

現在点が最初の７レベルのＬＯＤに属さず、当該現在点が量子化されていない点でない場合、現在の符号化パラメータのＱＰ値を読み取り、ＱＰを対応するＱｓｔｅｐに変換し、現在点が量子化されていない点である場合、この点のＱｓｔｅｐ＝１（即ち、量子化が必要ない）である。次に、上記の決定された量子化ステップ長を使用して現在点の属性情報の残差値を量子化する。

本願実施例では、第１量子化方式と第３量子化方式を組み合わせることができ、具体的には、前記現在点のジオメトリ情報に基づいて、前記現在点が位置する目標ＬＯＤを決定し、前記現在点が非可逆符号化された点に属すると決定する場合、前記目標ＬＯＤに適合する目標量子化ステップ長を決定し、前記目標量子化ステップ長に基づいて、前記現在点の属性情報の残差値を量子化して、前記現在点の属性情報の量子化残差値を取得する。前記現在点が可逆符号化された点に属すると決定する場合、現在点の属性情報の残差値を可逆符号化する。本実施例では、現在点のジオメトリ情報に基づいて現在点が位置する目標ＬＯＤを決定し、当該目標ＬＯＤに対応する目標量子化ステップ長を決定し、当該目標量子化ステップ長は、量子化パラメータ増分によって決定されるものであるため、量子化ステップ長を決定する柔軟性を向上させる。また、点群内の少なくとも１つの点の属性情報の残差値を可逆符号化する（即ち、量子化しない）ことにより、属性情報の再構築値に対する量子化の影響を低減し、さらに、属性情報予測の精度を向上させる。

本願の技術方案がＧ－ＰＣＣリファレンスソフトウェアＴＭＣ１３ Ｖ１１．０上で実現された後、汎用テスト構成ＣＴＣ ＣＹテスト条件下でＭＰＥＧが要求する部分点群テストシーケンス（ｃａｔ１－Ａ）をテストし、テスト結果を表７に示す。

ここで、ｃａｔ１－Ａ点群シーケンス内の点は、色属性情報及び他の属性情報を含む。表７に示すように、ｃａｔ１－Ａ点群シーケンスについては、本願の技術方案を採用し、従来技術に比べて、輝度成分、色度成分Ｃｂ、色度成分Ｃｒの性能がいずれも向上している。

実施例４
目標量子化方式が、第１量子化方式、第２量子化方式、及び第３量子化方式を含む場合、本願実施例の符号化プロセスは、図１３に示す通りである。

図１３は、本願の一実施例による点群符号化方法のフローチャートであり、図１３に示すように、次のステップを含む。

ステップＳ４０１において、点群内の点のジオメトリ情報及び属性情報を取得する。

ステップＳ４０２において、点群内の各点のジオメトリ情報に基づいて、点群に対してＬＯＤ分割を行い、点群のマルチレベルのＬＯＤを取得し、ここで、各ＬＯＤは、少なくとも１レベルの詳細表現レベルを含み、各レベルの詳細表現には、少なくとも１つの点が含まれる。

ステップＳ４０３において、点群内の現在点の属性情報の予測値を決定する。

ステップＳ４０４において、現在点の属性情報の予測値及び属性情報のオリジナル値に基づいて、現在点の属性情報の残差値を決定する。例えば、現在点の属性情報のオリジナル値と属性情報との差分を、現在点の属性情報の残差値として決定する。

ここで、上記のステップＳ４０１～ステップＳ４０４の実現プロセスは、上記のステップＳ２０１～ステップＳ２０４の説明を参照でき、ここでは繰り返して説明しない。

ステップＳ４０５において、現在点のジオメトリ情報に基づいて、現在点が位置する目標ＬＯＤを決定する。

ステップＳ４０６において、現在点が可逆符号化された点であるか否かを判断し、現在点が非可逆符号化された点に属すると決定する場合、以下のステップＳ４０７～ステップＳ４１０を実行し、現在点が可逆符号化された点に属すると決定する場合、ステップＳ４１１を実行する。

ここで、現在点が可逆符号化された点であるか否かを判断するプロセスは、上記のステップＳ３０６の説明を参照でき、ここでは繰り返して説明しない。

ステップＳ４０７において、目標ＬＯＤに適合する目標量子化ステップ長を決定する。具体的には、上記のステップＳ２０６の説明を参照でき、ここでは繰り返して説明しない。

ステップＳ４０８において、現在点の第１量子化重みを決定する。具体的には、上記のステップＳ２０７の説明を参照でき、ここでは繰り返して説明しない。

ステップＳ４０９において、目標量子化ステップ長及び第１量子化重みに基づいて、現在点の属性情報の残差値を量子化して、現在点の属性情報の量子化残差値を取得する。

ステップＳ４１０において、現在点の属性情報の量子化残差値を符号化して、コードストリームを形成する。

ステップＳ４１１において、現在点の属性情報の残差値を可逆符号化して、コードストリームを形成する。

本願の一具体的な実施例では、第１量子化方式を採用して、点群内のすべての点の量子化重み（即ち、第１量子化重み）を計算して取得する。現在点が最初の７レベルのＬＯＤに属するか否かを判断し、第２量子化方式に基づいて、当該点が量子化されていない点であるか否かを判断する。

当該現在点が量子化されていない点でないと決定する場合、現在点Ｑｓｔｅｐ＝１（即ち、この点は量子化する必要がない）を実行する。

本願実施例では、第１量子化方式、第２量子化方式、第３量子化方式を組み合わせることができ、具体的には、前記現在点のジオメトリ情報に基づいて、前記現在点が位置する目標ＬＯＤを決定し、前記現在点が非可逆符号化された点に属すると決定する場合、前記目標ＬＯＤに適合する目標量子化ステップ長を決定し、現在点の第１量子化重みを決定し、前記目標量子化ステップ長及び第１量子化重みに基づいて、前記現在点の属性情報の残差値を量子化して、前記現在点の属性情報の量子化残差値を取得する。前記現在点が可逆符号化された点に属すると決定する場合、現在点の属性情報の残差値を可逆符号化する。本実施例では、点群内の少なくとも１つの点の属性情報の残差値を可逆符号化する（即ち、量子化しない）ことにより、属性情報の再構築値に対する量子化の影響を低減し、さらに、属性情報予測の精度を向上させる。また、本実施例では、前記現在点の量子化ステップ長を重み付けするための第１量子化重みを導入し、現在点の量子化重みを導入することにより、現在点の第１量子化重みに基づいて、現在点の目標量子化ステップ長を補正し、即ち、現在点の重要度に応じて現在点の目標量子化ステップ長を適応的に調整することができ、さらに、調整された目標量子化ステップ長に基づいて、現在点の残差値を量子化し、点群内の点の属性情報を予測するプロセスにおいて、符号化順序の前寄りにある点については、予測において重要である場合、量子化ステップ長が大きすぎることを回避でき、さらに、大きい再構築誤差が生じることを回避することができ、量子化重みの高い点は、小さい量子化ステップ長を採用して量子化を行い、再構築誤差を低減し、符号化順序の後方にある点については、予測精度を向上させ、符号化効果を向上させることができる。

本願の技術方案がＧ－ＰＣＣリファレンスソフトウェアＴＭＣ１３ Ｖ１１．０上で実現された後、汎用テスト構成ＣＴＣ ＣＹテスト条件下でＭＰＥＧが要求する部分点群テストシーケンス（ｃａｔ１－Ａ）をテストし、テスト結果を表８に示す。

ここで、ｃａｔ１－Ａ点群シーケンス内の点は、色属性情報及び他の属性情報を含む。表７に示すように、ｃａｔ１－Ａ点群シーケンスについては、本願の技術方案（第１量子化方式、第２量子化方式、及び第３量子化方式の組み合わせ）を採用し、従来技術に比べて、輝度成分、色度成分Ｃｂ、色度成分Ｃｒの性能がいずれも向上している。

実施例５
以上により、本願実施例に係る点群符号化方法について説明しており、これに基づき、以下では、復号化側の本願に係る点群復号化方法について説明する。

図１４は、本願実施例による点群復号化方法のフローチャートであり、図１４に示すように、本願実施例の方法は、次のステップを含む。

ステップＳ５０１において、点群のコードストリームを解析して、点群の現在点の属性情報の量子化残差値を取得する。

ステップＳ５０２において、目標逆量子化方式を使用して、現在点の属性情報の量子化残差値を逆量子化して、現在点の属性情報の再構築残差値を取得する。

ここで、目標逆量子化方式は、第１逆量子化方式、第２逆量子化方式、及び第３逆量子化方式のうちの少なくとも２つの逆量子化方式を含み、第１逆量子化方式は、点群内の少なくとも１つの点の逆量子化パラメータに逆量子化パラメータ増分を設定する方式であり、第２逆量子化方式は、点群内の点の残差値を重み付け処理する方式であり、第３逆量子化方式は、点群内の少なくとも１つの点の属性情報の残差値を可逆復号化する方式である。

ここで、逆量子化は、逆量子化又は解量子化とも呼ばれ得、Ｓｃａｌｉｎｇとして理解できる。予測値は、属性予測値の色予測値であり得る。

なお、点群内の点のジオメトリ情報の復号化が完了した後、属性情報の復号化を実行する。ジオメトリコードストリームの復号化が完了した後、点群内の点のジオメトリ情報を取得することができる。

点群の属性コードストリームを解析して、点群内の点の属性情報の量子化残差値を取得する。目標量子化方式を使用して点群内の点の属性情報の量子化残差値を逆量子化して、点の属性情報の再構築残差値を取得する。ここで、目標逆量子化方式は、第１逆量子化方式、第２逆量子化方式、及び第３逆量子化方式のうちの少なくとも２つの逆量子化方式を含む。

本願実施例は、点群内の点のジオメトリ情報に基づいて、点群内の点の属性情報の予測値を決定することをさらに含む。

具体的には、点群内の点のジオメトリ情報を復号化して、点群内の点のジオメトリ情報の再構築値を取得し、点群内の点のジオメトリ情報の再構築値に基づいて、点群内の点の属性情報の予測値を決定する。

点群内の点の属性情報の予測値及び再構築残差値に基づいて、点群内の点の属性情報の再構築値を取得する。

実施例６
目標逆量子化方式が、第１逆量子化方式及び第２逆量子化方式を含む場合、復号化プロセスは、図１５に示す通りである。

図１５は、本願の一実施例による点群復号化方法のフローチャートであり、図１５に示すように、次のステップを含む。

ステップＳ６０１において、ジオメトリコードストリームを復号化して、点群内の点のジオメトリ情報を取得する。

ステップＳ６０２において、点群内の点のジオメトリ情報に基づいて、点群を１つ又は複数の詳細レベル（ＬＯＤ）に分割する。ここで、各ＬＯＤは、少なくとも１つの詳細表現レベルを含み、各レベルの詳細表現には、少なくとも１つの点が含まれる。

ステップＳ６０３において、現在点のジオメトリ情報に基づいて、現在点が位置する目標ＬＯＤを決定する。

ステップＳ６０４において、現在点の属性情報の予測値を決定する。例えば、マルチレベルの詳細表現レベルに基づいて点群内の点を並べ替え、ＬＯＤ順序を取得し、復号化対象点のジオメトリ情報に基づいて、当該ＬＯＤ順序で復号化対象点の少なくとも１つの復号化済み近傍点を取得し、少なくとも１つの復号化済み近傍点の属性情報の再構築値に基づいて、当該復号化対象点の属性情報の予測値を決定する。

ステップＳ６０５において、目標ＬＯＤに適合する目標量子化ステップ長を決定する。

ここで、ステップＳ６０５を実現する方式は、次のいくつかの方式を含むが、これらに限定されない。

方式１において、コードストリームを復号化して、現在点の符号化パラメータ内の量子化パラメータを取得し、目標ＬＯＤの階層レベルインデックスを取得し、目標ＬＯＤの階層レベルインデックスに基づいて、目標ＬＯＤの量子化パラメータ増分を決定し、量子化パラメータ及び目標ＬＯＤの量子化パラメータ増分に基づいて、目標ＬＯＤに対応する目標量子化ステップ長を決定する。

いくつかの実施例では、目標ＬＯＤの階層レベルインデックスに基づいて、目標ＬＯＤの量子化パラメータ増分を決定することは、目標ＬＯＤが点群の最初のＮ個のＬＯＤに属する場合、目標ＬＯＤの量子化パラメータ増分がｊであると決定することであって、Ｎは、第１閾値より小さいか等しい正の整数であり、ｊは、０より大きく、且つ第２閾値より小さいか等しい正数である、ことと、目標ＬＯＤが点群の最初のＮ個のＬＯＤに属さない場合、目標ＬＯＤの量子化パラメータ増分が０である
と決定することと、を含む。

例示的に、量子化パラメータが第３閾値より大きいか等しい場合、ｊは、第１所定値であり、量子化パラメータが第３閾値より小さい場合、ｊは、第２所定値である。

方式２において、目標ＬＯＤの階層レベルインデックスを取得し、目標ＬＯＤの階層レベルインデックスに基づいて、量子化ステップ長ルックアップテーブルで目標ＬＯＤに対応する目標量子化ステップ長を照会し、量子化ステップ長ルックアップテーブルは、ＬＯＤと量子化ステップ長との対応関係を含む。

ここで、詳細レベル（ＬＯＤ）の数は、点群の共通符号化パラメータＣＴＣによって設定されるものであり、当該部分パラメータは、点群の属性パラメータセットに属する。本願実施例では、異なる量子化ステップ長Ｑｓｔｅｐを採用して、分割された複数のＬＯＤを逆量子化し、異なるＬＯＤの分割及び量子化ステップ長の変化値は事前に設定することができる。

実際の適用では、階層レベルが前の詳細レベルに適合する量子化ステップ長は小さく、階層レベルが後の詳細レベルに適合する量子化ステップ長は大きくすることができるが、階層レベルが前の詳細レベル内の点の数は少なく、階層レベルが後の詳細レベル内の点の数は多く、点の数が少ない詳細レベルは、小さい量子化ステップ長に適合し、点の数が多い詳細レベルは、大きい量子化ステップ長に適合し、復号化時に全体の処理時間は、それほど長くはない。

本願の方案では、現在処理中の点Ｐｉの残差を逆量子化する場合、量子化ステップ長Ｑｓｔｅｐｉは、当該点Ｐｉが位置する詳細レベルの階層レベルに適合し、固定された量子化ステップ長を採用せずに逆量子化することは、復号化効率の向上に有利である。

一可能な例では、現在の復号化ブロックの階層レベルインデックス、量子化パラメータオフセットパラメータ詳細レベルの階層レベルＬＯＤに対応する量子化ステップ長Ｑｓｔｅｐを決定する前に、前記方法は、現在の復号化ブロックの量子化パラメータ最適化イネーブルＩＤの値を決定することと、量子化パラメータ最適化イネーブルＩＤの値が第１の値であることを検出し、現在の復号化ブロックの階層レベルインデックス及び量子化パラメータオフセットパラメータを決定することと、階層レベルインデックス及び量子化パラメータオフセットパラメータに基づいて、詳細レベルの階層レベルＬＯＤに対応する量子化ステップ長Ｑｓｔｅｐを決定することと、とをさらに含む。

具体的な実装では、量子化ステップ長を決定するとき、まず、量子化パラメータ最適化イネーブルＩＤの値を決定する必要があり、量子化パラメータ最適化イネーブルＩＤの値は、０又は１を取ることができ、そのうちの１つの値を第１の値として表記し、量子化パラメータ最適化イネーブルＩＤの値が当該第１の値である場合にのみ、階層レベルインデックス及び量子化パラメータオフセットパラメータを決定し、詳細レベルに対応する量子化ステップ長Ｑｓｔｅｐをさらに決定することができる。

このように、本例では、まず、現在の復号化ブロックの量子化パラメータ最適化イネーブルＩＤの値を決定し、量子化パラメータ最適化イネーブルＩＤの値が第１の値であることを検出した場合に、現在の復号化ブロックの階層レベルインデックス及び量子化パラメータオフセットパラメータを決定し、階層レベルインデックス、量子化パラメータオフセットパラメータに基づいて、詳細レベルの階層レベルＬＯＤに対応する量子化ステップ長Ｑｓｔｅｐを決定するため、復号化効率の向上に有利である。

一可能な例では、現在の復号化ブロックの量子化パラメータ最適化イネーブルＩＤの値を決定することは、コードストリームを解析して、現在の復号化ブロックのパラメータセットにおける量子化パラメータ最適化イネーブルＩＤの値を取得することを含む。

具体的な実装では、コードストリームには、パラメータセットが含まれ得、コードストリームを解析するとき、現在の復号化ブロックのパラメータセットにおける量子化パラメータ最適化イネーブルＩＤの値を取得することができる。

このように、本例では、コードストリームを解析して、現在の復号化ブロックのパラメータセットにおける量子化パラメータ最適化イネーブルＩＤの値を取得することにより、復号化効率の向上に有利である。

一可能な例では、パラメータセットは、現在の符号化ブロックの属性パラメータセットである。

具体的な実装では、コードストリームを解析するとき、現在の復号化ブロックの属性パラメータセットにおける量子化パラメータ最適化イネーブルＩＤの値を取得することができる。

このように、本例では、コードストリームを解析して、現在の復号化ブロックの属性パラメータセットにおける量子化パラメータ最適化イネーブルＩＤの値を取得することができ、復号化効率の向上に有利である。

一可能な例では、現在の復号化ブロックの階層レベルインデックス及び量子化パラメータオフセットパラメータを決定することは、属性パラメータセットにおける階層レベルインデックス及び量子化パラメータオフセットパラメータを読み取ることを含む。

具体的な実装では、属性パラメータセットにおける階層レベルインデックス及び量子化パラメータオフセットパラメータを直接読み取ることができる。

このように、本例では、現在の符号化ブロックの階層レベルインデックス及び量子化オフセットパラメータを決定することにより、属性パラメータセットにおける階層レベルインデックス及び量子化パラメータオフセットパラメータを読み取ることができ、復号化効率の向上に有利である。

一可能な例では、詳細レベルの階層レベルＬＯＤｉに適合する量子化ステップ長Ｑｓｔｅｐｉを決定することは、階層レベルＬＯＤｉの階層レベルインデックスに基づいて、量子化ステップ長ルックアップテーブルを照会して、階層レベルＬＯＤｉに対応する量子化ステップ長Ｑｓｔｅｐｉを取得することを含み、量子化ステップ長ルックアップテーブルは、詳細レベルの階層レベルＬＯＤと量子化ステップ長Ｑｓｔｅｐとの対応関係を含む。

具体的な実装では、各階層レベルＬＯＤｉに対応する階層レベルインデックスに基づいて、量子化ステップ長ルックアップテーブルを照会でき、量子化ルックアップテーブルが、詳細レベルの階層レベルＬＯＤと量子化ステップ長Ｑｓｔｅｐとの対応関係を含むため、ルックアップテーブルを直接照会する方式によって、特定の詳細レベル階層レベルＬＯＤｉに適合する量子化ステップ長Ｑｓｔｅｐｉを決定することができる。

このように、本例では、階層レベルＬＯＤｉの階層レベルインデックスに基づいて、量子化ステップ長ルックアップテーブルを照会して、階層レベルＬＯＤｉに対応する量子化ステップ長Ｑｓｔｅｐｉを取得し、量子化ステップ長ルックアップテーブルは、詳細レベルの階層レベルＬＯＤと量子化ステップ長Ｑｓｔｅｐとの対応関係を含み、異なる階層レベルの詳細レベルに対応する量子化ステップ長は異なるため、量子化ステップ長を決定する柔軟性を向上させるのに有利である。

一可能な例では、階層レベルインデックス及び量子化パラメータオフセットパラメータに基づいて、詳細レベルの階層レベルＬＯＤに対応する量子化ステップ長Ｑｓｔｅｐを決定することは、現在の符号化ブロックの符号化パラメータ内の量子化パラメータＱｐを決定することと、階層レベルインデックス及び量子化パラメータオフセットパラメータに基づいて、各階層レベルＬＯＤの量子化パラメータオフセットを決定することと、量子化パラメータＱｐ及び各階層レベルＬＯＤの量子化パラメータオフセットに基づいて、各階層レベルＬＯＤに対応する量子化ステップ長Ｑｓｔｅｐを決定することと、を含む。

具体的な実装では、量子化パラメータＱｐは、属性パラメータセットが提供するＱＰパラメータによって決定され得る。

現在の符号化ブロックの符号化パラメータ内の量子化パラメータＱｐを決定した後、階層レベルインデックス及び量子化パラメータオフセットパラメータに基づいて、各階層レベルＬＯＤの量子化パラメータオフセットを決定し、さらに、決定されたＱｐ及び各階層レベルＬＯＤの量子化パラメータオフセットに基づいて、各階層レベルに対応する量子化ステップ長を対応的に決定することができる。

このように、本例では、まず、現在の符号化ブロックの符号化パラメータ内の量子化パラメータＱｐを決定し、次に、階層レベルインデックス及び量子化パラメータオフセットパラメータに基づいて、各階層レベルＬＯＤの量子化パラメータオフセットを決定し、次に、量子化パラメータＱｐ及び各階層レベルＬＯＤの量子化パラメータオフセットに基づいて、各階層レベルＬＯＤに対応する量子化ステップ長Ｑｓｔｅｐを決定し、異なる階層レベルの詳細レベルに対応する量子化ステップ長は異なるため、量子化ステップ長を決定する柔軟性を向上させるのに有利である。

一可能な例では、階層レベルインデックス及び量子化パラメータオフセットパラメータに基づいて、各階層レベルＬＯＤの量子化パラメータオフセットを決定することは、現在処理中の詳細レベルの階層レベルＬＯＤ是が、階層レベルインデックスによって制約される階層レベル範囲に属するか否かを判断することであって、階層レベル範囲は、複数の詳細レベルにおける最初のＮ個の階層レベルを含み、Ｎは、第１閾値より小さいか等しい正の整数である、ことと、属する場合、量子化パラメータオフセットパラメータに基づいて、現在処理中の詳細レベルの階層レベルＬＯＤの量子化パラメータオフセットの値ｊを決定することであって、ｊは、０より大きく、且つ第２閾値より小さいか等しい正数である、ことと、属さない場合、現在処理中の詳細レベルの階層レベルＬＯＤの量子化パラメータオフセットの値は０であると決定することと、を含む。

具体的な実装では、第１閾値は、１４であり得、第２閾値は、１０であり得る。これは、一般的に詳細レベルの総レベル数が１１～１４であることを考慮したものであり、共通テスト環境ＣＴＣが設定した５種類のビットレートの最小ＱＰ値は１０であるため、ｊは、０より大きく、且つ第２閾値より小さいか等しい正数であり得、これにより、当該数値を減算した後に負数が発生しないことを保証する。量子化パラメータが大きいほど、それに対応する量子化ステップ長は長くなる。ｊが０より大きく、且つ１０より小さいか等しい正数である場合、最初のＮ個の階層レベルの詳細レベルに対応する量子化パラメータは、後ろの階層レベルより小さく、且つ当該数値を減算した後に負数が発生しない。

ここで、階層レベルインデックスの値の範囲は、０～ＬＯＤの数（正の整数）であり、階層レベルインデックスが６であると仮定すると、ＬＯＤ０～ＬＯＤ５の量子化ステップ長（即ち、最初の６レベルの詳細レベルの量子化ステップ長）は、ＱＰ－ＱｐＳｈｉｆｔＶａｌｕｅ（即ち、量子化パラメータ－量子化オフセットパラメータ）から変換される。

また、詳細レベルを複数のグループにさらに分割した場合、例えば、階層レベルインデックスが配列４ ５ ６である場合、これに対応して、詳細レベルをこの３つの分割位置に応じて、４グループに分けることができ、それぞれＬＯＤ０～ＬＯＤ３、ＬＯＤ４であり、ＬＯＤ５及びＬＯＤ６及びその以降を含む詳細レベルである。異なるグループに対応する量子化パラメータのオフセットの値ｊは、異なっていてもよい。

ｊの値が大きいほど、量子化パラメータ－量子化パラメータオフセット、即ち、Ｑｐ－ｊが小さいため、対応する量子化ステップ長も小さくなる。量子化ステップ長が小さいことを考慮すると、復号化の時間が長くなり、復号化効率に影響を与え、したがって、Ｎの値は、６にすることができ、基本的に詳細レベルの総レベル数の半分であり、且つ前の階層レベル内の点の数は少なく、小さい量子化ステップ長を採用して処理すると、復号化時間がそれほど増加しない。

最初のＮレベル、即ち、下位階層レベルの詳細レベル内の点の残差を量子化するとき、６をｊの値とすることで、小さい量子化ステップ長を取得して、最初のＮレベルの詳細レベル内の点を量子化して、復号化効率を向上させることができる。

Ｎは、８であり得、最初の８レイアの詳細レベル内の点に対して、小さい量子化ステップ長を採用して逆量子化し、最初の８レイアの詳細レベル内の点の数が相対的に少ないため、復号化効率の向上に有利である。

このように、本例では、まず、現在処理中の詳細レベルの階層レベルＬＯＤが階層レベルインデックスによって制約される階層レベル範囲に属するか否かを判断し、属する場合、量子化パラメータオフセットパラメータに基づいて、現在処理中の詳細レベルのＬＯＤの量子化パラメータオフセットの値ｊを決定し、ｊは、０より大きく、且つ第２閾値より小さいか等しい正数であり、属さない場合、現在処理中の詳細レベルのＬＯＤの量子化パラメータオフセットの値は０であると決定し、より前の階層レベルの詳細レベルについては、より小さい量子化パラメータに対応する量子化ステップ長が適合し、即ち、前の階層レベルの詳細レベルは、より小さい量子化ステップ長に対応し、より後ろの階層レベルの詳細レベルに対応する量子化ステップ長は、前の階層レベルの量子化ステップ長より大きいため、復号化効率の向上に有利である。

一可能な例では、量子化パラメータＱｐが第３閾値より大きいか等しい場合、ｊは、第１所定値であり、量子化パラメータＱｐが第３閾値より小さい場合、ｊは、第２所定値である。

ここで、第３閾値は、３０であり得、第１所定値は、１０であり得、第２所定値は、６であり得る。

つまり、現在の符号化ブロックに対応する量子化パラメータＱｐ自体の大きさに基づいて、セグメント関数を採用する形式で、ｊの値を決定し、例えば、量子化パラメータＱｐが３０より大きいか等しい場合、ｊは、１０であり、Ｑｐが３０より小さい場合、ｊは、６である。

このように、本例では、量子化パラメータＱｐが３０より大きいか等しい場合、ｊは、１０であり、量子化パラメータＱｐが３０より小さい場合、ｊは、６であり、量子化パラメータＱｐ自体の値に基づいてｊの値を決定することにより、ｊの値を決定する柔軟性を向上させるのに有利である。

一可能な例では、階層レベルインデックス及び量子化パラメータオフセットパラメータに基づいて、各階層レベルＬＯＤの量子化パラメータオフセットを決定することは、現在処理中の詳細レベルのＬＯＤに対応する階層レベル組み合わせを判断し、階層レベルインデックスを照会して、現在処理中の詳細レベルのＬＯＤの階層レベルインデックスを決定することと、処理される詳細レベルのＬＯＤの階層レベルインデックスに基づいて、量子化パラメータオフセットパラメータを照会し、対応する量子化パラメータオフセットを決定することと、を含む。

具体的な実装では、複数の階層レベルグループが存在する場合、例えば、１つのグループの場合、量子化パラメータオフセットパラメータは、３ ５ ６などの１つの配列であり得、即ち、第１～第４グループの量子化パラメータオフセットは、それぞれ－３、－５、及び－６であり、決定された量子化パラメータがＱＰである場合、実際の第１～第４グループの量子化パラメータは、それぞれＱＰ－３、ＱＰ－５、ＱＰ－６、ＱＰである。

ここで、階層レベル組み合わせは、複数あり得、いずれかの階層レベル組み合わせは、前後に隣接する少なくとも２つの階層レベルを含み得、当該複数の階層レベル組み合わせは、当該第１階層レベル組み合わせ及び当該第２階層レベル組み合わせを含み、当該第１階層レベル組み合わせ内の階層レベルは、当該第２階層レベル組み合わせ内の階層レベルの前にあり、当該第１階層レベル組み合わせに対応する量子化パラメータは、当該第２階層レベル組み合わせに対応する量子化パラメータより小さく、異なる階層レベル組み合わせは、異なる量子化パラメータに対応するため、異なる階層レベルの詳細レベルに対応する量子化ステップ長をさらに細分化し、量子化ステップ長を決定する柔軟性を向上させるのに有利である。

ここで、第１階層レベル組み合わせは、複数の詳細レベル内の最初の２つの階層レベルを含み得、当該第１階層レベル組み合わせに対応する量子化ステップ長は、１である。詳細レベルの最初の２つの階層レベル内の点の数が比較的に少ないため、量子化ステップ長が１であっても、復号化効率に大きな影響を与えない。

ここで、複数の階層レベル組み合わせは、前から後ろに並べ替えられた第１階層レベル組み合わせ、第２階層レベル組み合わせ、第３階層レベル組み合わせ、及び第４階層レベル組み合わせを含み得、また、いずれかの階層レベル組み合わせには、前後に隣接する少なくとも２つの階層レベルを含み、第１階層レベル組み合わせは、オリジナル量子化ステップ長の１／ｓｑｒｔ（４）を、本階層レベルの量子化ステップ長とし、オリジナル量子化ステップ長は、量子化パラメータＱｐに基づいて決定される量子化ステップ長を指し、第２階層レベル組み合わせは、オリジナル量子化ステップ長の１／ｓｑｒｔ（３）を、本階層レベルの量子化ステップ長とし、第３階層レベル組み合わせは、オリジナル量子化ステップ長の１／ｓｑｒｔ（２）を、本階層レベルの量子化ステップ長とし、第４階層レベル組み合わせは、オリジナル量子化ステップ長を、本階層レベルの量子化ステップ長とする。

例えば、オリジナル量子化ステップ長、即ち、現在の符号化ブロックに対応する量子化パラメータＱｐに基づいて決定される量子化ステップ長がα（αは正の整数）である場合、第１階層レベル組み合わせ、第２階層レベル組み合わせ、第３階層レベル組み合わせ、及び第４階層レベル組み合わせは、それぞれα／ｓｑｒｔ（４）、α／ｓｑｒｔ（３）、α／ｓｑｒｔ（２）、αを、当該階層レベルの量子化ステップ長として採用し、階層レベル組み合わせが後になるほど、対応する量子化ステップ長は長くなり、同一階層レベル組み合わせ内の異なる階層レベルは、同じ量子化ステップ長を採用する。異なる階層レベルの詳細レベルに対応する量子化ステップ長をさらに細分化し、量子化ステップ長を決定する柔軟性を向上させる。

このように、本例では、量子化パラメータオフセットを決定するとき、まず、詳細レベルの階層レベルに対応する階層レベル組み合わせを判断し、次に、当該階層レベル組み合わせ内の詳細レベルに対応する階層レベルインデックスをさらに決定し、さらに、対応する階層レベルインデックスに基づいて、量子化パラメータオフセットパラメータを照会して、対応する量子化パラメータオフセットを決定し、異なる階層レベル組み合わせは、異なる量子化パラメータオフセットに対応するため、異なる階層レベルの詳細レベルに対応する量子化ステップ長をさらに細分化し、量子化ステップ長を決定する柔軟性を向上させるのに有利である。

ステップＳ６０６において、現在点の第１量子化重みを決定する。

例えば、現在点のインデックスを決定し、現在点のインデックスに対応する量子化重みを、現在点の第１量子化重みとして決定する。

ステップＳ６０７において、目標量子化ステップ長及び第１量子化重みに基づいて、現在点の属性情報の量子化残差値を逆量子化して、現在点の属性情報の再構築残差値を取得する。

いくつかの実施例では、ステップＳ６０７は、ステップＳ６０７１及びステップＳ６０７２を含む。

ステップＳ６０７１において、現在点の第１量子化重みに基づいて、現在点の第２量子化重みを決定する。

ステップＳ６０７２において、目標量子化ステップ長及び第２量子化重みに基づいて、現在点の属性情報の量子化残差値を逆量子化して、再構築残差値を取得する。

いくつかの例では、第２量子化重みは、目標量子化ステップ長より小さいか等しい。

いくつかの実施例では、上記のステップＳ６０７１は、下記式１０を利用して現在点の第２量子化重みを決定することを含む。

いくつかの実施例では、第２量子化重みの値は、２の整数乗に等しい。

いくつかの実施例では、第１量子化重みの値は、２の整数乗に等しくなく、現在点の第１量子化重みの値に基づいて、現在点の第１量子化重みに最近接する２の整数乗を、現在点の第２量子化重みとして決定する。

いくつかの実施例では、上記のステップＳ６０７２は、現在点の目標量子化ステップ長を利用して、量子化残差値を逆量子化して、重み付け残差値を取得し、重み付け残差値を第２量子化重みで除算して、再構築残差値を取得することと、を含む。

いくつかの実施例では、上記のステップＳ６０７２は、下記式１１を利用して量子化残差値を逆量子化することを含む。

いくつかの実施例では、上記のステップＳ６０７２は、現在点の第２量子化重みに基づいて、目標量子化ステップ長を更新し、更新された量子化ステップ長に基づいて、現在点の属性情報の量子化残差値を逆量子化することを含む。

いくつかの実施例では、上記の現在点の第２量子化重みに基づいて、目標量子化ステップ長を更新することは、下記式１２を利用して現在点の量子化ステップ長を更新することを含む。

いくつかの実施例では、本願実施例は、点群の符号化順序の逆順に従って、点群内の点をトラバースすることにより、現在点の第１量子化重みに基づいて現在点のＮ個の最近傍点の第１量子化重みを更新することをさらに含み、Ｎは、０より大きい整数である。

いくつかの実施例では、点群内の各点の第１量子化重みの初期値は、所定値である。

いくつかの実施例では、点群のＬＯＤにおける最初のＭ個のＬＯＤ内の点の第１量子化重みの初期値は、残りのＬＯＤ内の点の第１量子化重みの初期値より大きく、Ｍは、正の整数である。

いくつかの実施例では、現在点の第１量子化重みに基づいて現在点のＮ個の最近傍点の第１量子化重みを更新することは、Ｎ個の最近傍点のそれぞれに対する現在点の影響重みを取得することであって、影響重みは、現在点及びＮ個の最近傍点の位置情報に関連する、ことと、現在点の量子化重み及びＮ個の最近傍点のそれぞれに対する現在点の影響重みに基づいて、Ｎ個の最近傍点の第１量子化重みを更新することと、を含む。

いくつかの実施例では、点群の属性パラメータセットは、Ｎ個の最近傍点のそれぞれに対する現在点の影響重みを含み、Ｎ個の最近傍点のそれぞれに対する現在点の影響重みを取得することは、属性パラメータセットを照会することにより、Ｎ個の最近傍点のそれぞれに対する現在点の影響重みを取得することを含む。

いくつかの実施例では、現在点の量子化重み及びＮ個の最近傍点のそれぞれに対する現在点の影響重みに基づいて、Ｎ個の最近傍点の第１量子化重みを更新することは、
下記式１３に基づいてＮ個の最近傍点の第１量子化重みを更新することを含む。

ステップＳ６０８において、現在点の属性情報の予測値及び再構築残差値に基づいて、現在点の属性情報の再構築値を決定する。

上述した実施例に基づき、本願の一具体的な実施例によって提供される点群の復号化のプロセスは、復号化側が第２量子化方式を利用して、点群内のすべての点の量子化重みを取得することを含む。現在点が最初の７レベルのＬＯＤに属するか否かを判断し、

実施例７
目標逆量子化方式が、第１逆量子化方式及び第３逆量子化方式を含む場合、復号化プロセスは、図１６に示す通りである。

図１６は、本願の一実施例による点群復号化方法のフローチャートであり、図１６に示すように、次のステップを含む。

ステップＳ７０１において、ジオメトリコードストリームを復号化して、点群内の点のジオメトリ情報を取得する。

ステップＳ７０２において、点群内の点のジオメトリ情報に基づいて、点群を１つ又は複数の詳細レベル（ＬＯＤ）に分割する。ここで、各ＬＯＤは、少なくとも１つの詳細表現レベルを含み、各レベルの詳細表現には、少なくとも１つの点が含まれる。

ステップＳ７０３において、現在点のジオメトリ情報に基づいて、現在点が位置する目標ＬＯＤを決定する。

ステップＳ７０４において、現在点の属性情報の予測値を決定する。例えば、マルチレベルの詳細表現レベルに基づいて点群内の点を並べ替え、ＬＯＤ順序を取得し、復号化対象点のジオメトリ情報に基づいて、当該ＬＯＤ順序で復号化対象点の少なくとも１つの復号化済み近傍点を取得し、少なくとも１つの復号化済み近傍点の属性情報の再構築値に基づいて、当該復号化対象点の属性情報の予測値を決定する。

ステップＳ７０５において、現在点が可逆符号化された点に属するか否かを判断し、属さない場合、ステップＳ７０６及びステップＳ７０７を実行し、属する場合、ステップＳ７０８を実行する。

ステップＳ７０６において、目標ＬＯＤに適合する目標量子化ステップ長を決定する。具体的なプロセスについては、上記実施例を参照することができる。

ステップＳ７０７において、目標量子化ステップ長に基づいて、現在点の属性情報の量子化残差値を逆量子化して、現在点の属性情報の再構築残差値を取得する。

ステップＳ７０８において、現在点の属性情報の残差値に対して可逆コーデックを行い、現在点の属性情報の再構築残差値を取得する。

ステップＳ７０９において、現在点の属性情報の再構築残差値及び予測値に基づいて、現在点の属性情報の再構築値を取得する。

下記において、本願実施例に係る可逆復号化プロセスについて説明する。

いくつかの実施例では、点の属性情報の残差値を可逆復号化することは、点の属性情報の残差値を量子化しないこと、又は、点の属性情報の残差値をスケーリング（ｓｃａｌｉｎｇ）しないこととも呼ばれ得る。点の属性情報の残差値を量子化することは、点の属性情報の残差値をスケーリング（ｓｃａｌｉｎｇ）するとも呼ばれる。

いくつかの実施例では、上記のステップＳ７０５における現在点が可逆符号化された点に属すか否かを判断することは、ステップＳ７０５１及びステップＳ７０５１を含む。

ステップＳ７０５１において、点群のコードストリームを復号化して、第１情報を取得し、第１情報は、属性情報の残差値が可逆符号化された点を示すために使用される。

ステップＳ７０５２において、第１情報に基づいて、現在点の属性情報の残差値が可逆符号化されたか否かを決定する。

点群の属性コードストリームを復号化して、点群内の点の属性情報の残差情報及び第１情報を取得でき、当該第１情報は、属性情報の残差値が可逆符号化された（又は量子化されない）点を示すために使用される。

一例では、第１情報は、属性情報の残差値が可逆符号化された点の識別情報を含み、例えば、符号化側は、異なるフェッチモードを採用して属性情報の残差値が量子化されない点を選択し、対応する第１情報は、属性情報の残差値が量子化されていない点のフェッチモードの番号又はインデックスを含み得る。

別の例では、第１情報は、属性情報の残差値が可逆符号化された点の総数を含む。

いくつかの実施例では、上記のステップＳ７０５２において、第１情報で運ばれる情報は異なり、現在点の属性情報の残差情報が可逆符号化されたか否かを決定する実施形態は異なり、具体的な実現プロセスは、次のいくつかのケースを含むが、これらに限定されない。

ケース１において、第１情報は、Ｎを含み、Ｎは、点群における属性情報の残差値が可逆符号化された点の総数である。

例示的に、Ｎは、２の整数倍である。

例示的に、Ｎ個の点における各隣接する２つの点間の間隔は等しい。

このとき、上記のステップＳ７０５２は、現在点がＮ個の点のうちの１つであると決定する場合、現在点の属性情報の残差情報が可逆符号化されたと決定することを含む。例えば、点群内の点のジオメトリ情報に基づいて点群内の点を並べ替え、並べ替えられた点群を取得する。並べ替えられた点群については、点の総数及びＮの値に基づいて、Ｎ個の点のうち隣接する２点間の間隔を決定し、当該間隔に基づいて、現在点がこのＮ個の点のうちの１つであるか否かを判断する。例えば、上記の間隔は、１０であり、現在点は、並べ替えられた点群内の２１番目の点であり、点群内の最初の点から、１０個の点ごとに属性情報の残差値が可逆符号化された点であり、最初の点、１１番目の点、２１番目の点……の順であり、さらに現在点が、属性情報の残差情報が可逆符号化された点であると決定する。

ケース２において、第１情報が所定間隔を含む場合、当該所定間隔は、点群内の隣接する２つの可逆符号化点間の間隔である。

いくつかの実施例では、上記のステップＳ７０５２は、所定間隔に基づいて、現在点と、前の属性情報の残差情報が可逆符号化された点との間隔が所定間隔に等しいと決定する場合、現在点の属性情報の残差情報が可逆符号化されたと決定することを含む。

ケース３において、第１情報が第１所定値を含む場合、第１所定値は、含まれる点の総数が第１所定値より小さいか等しい詳細表現レベルを、第１タイプの詳細表現レベルとして分類し、含まれる点の総数が第１所定値より大きい詳細表現レベルを、第２タイプの詳細表現レベルとして分類することを示すために使用される。

この場合、ステップＳ７０５２は、第１所定値に基づいて、マルチレベルの詳細表現レベルに含まれる点の総数が第１所定値より小さいか等しい少なくとも１つの第１タイプの詳細表現レベル、及び含まれる点の総数が第１所定値より大きい少なくとも１つの第２タイプの詳細表現レベルを取得することと、
現在点が第１タイプの詳細表現レベルに属する場合、現在点の属性情報の残差情報が可逆符号化されたと決定することを含む。

ケース４において、第１情報がＭを含み、Ｍが第２タイプの詳細表現レベルにおける属性情報の残差値が可逆符号化された点の数であり、Ｍは、２の正の整数倍である。例示的に、このＭ個の点のうち隣接する２つの点間の間隔は等しい。

この場合、上記のステップＳ７０５２は、現在点がＭ個の点のうちの１つである場合、現在点の属性情報の残差情報が可逆符号化されたと決定することを含む。

ケース５において、少なくとも１つの第２タイプの詳細表現レベルは、Ｌ個の第２タイプの詳細表現レベルを含み、Ｌは、２より大きいか等しい正の整数であり、第１情報は、第１数、第２数、及びＰ個の第２タイプの詳細表現レベル及びＱ個の第２タイプの詳細表現レベルの分割情報を含む。

一例では、第１数は、第２数より大きく、例えば、第１数は２４で、第２数は８である。

一例では、第１数は、第２数の正の整数倍であり、例えば、第１数は、第２数の２倍であり、例えば、第１数は２４で、第２数は１２である。又は、第１数は、第２数の３倍であり、例えば、第１数は２４で、第２数は８である。

一例では、第１数の点における隣接する２つの点間の間隔は等しい。

一例では、第２数の点における隣接する２つの点間の間隔は等しい。

この場合、上記のステップＳ７０５２は、分割情報に基づいて、Ｌ個の第２タイプの詳細表現レベルを分割して、Ｐ個の第２タイプの詳細表現レベルとＱ個の第２タイプの詳細表現レベルを取得することと、現在点がＰ個の第２タイプの詳細表現レベルにおける属性情報の残差値が可逆符号化された第１数の点のうちの１つであると決定する場合、現在点の属性情報の残差情報が可逆符号化されたと決定することと、現在点がＱ個の第２タイプの詳細表現レベルにおける属性情報の残差値が可逆符号化された第２数の点のうちの１つであると決定する場合、現在点の属性情報の残差情報が可逆符号化されたと決定することと、を含み、
ここで、Ｌは、２より大きいか等しい正の整数であり、Ｐ、Ｑは、正の整数であり、且つＰとＱとの和は、Ｌより小さいか等しく、Ｐ個の第２タイプの詳細表現レベルは、Ｑ個の第２タイプの詳細表現レベルと重ならず、第１数は、第２数とは異なる。

一例では、Ｐ個の第２タイプの詳細表現レベルは、Ｌ個の第２タイプの詳細表現レベルにおける最初のＰ個の第２タイプの詳細表現レベルである。

一例では、Ｑ個の第２タイプの詳細表現レベルは、Ｌ個の第２タイプの詳細表現レベルにおける最後のＱ個の第２タイプの詳細表現レベルである。

一例では、Ｐ個の第２タイプの詳細表現レベルにおける最後の第２タイプの詳細表現レベルは、Ｑ個の第２タイプの詳細表現レベルにおける最初の第２タイプの詳細表現レベルに隣接する。

本例では、上記の分割情報は、Ｑ個の第２タイプの詳細表現レベルにおける最初の第２タイプの詳細表現レベルの識別情報を含んでもよいし、Ｐ個の第２タイプの詳細表現レベルにおける最後の第２タイプの詳細表現レベルの識別情報を含んでもよい。

一例では、第１情報はさらに、第２タイプの詳細表現レベルにおける最初の属性情報の残差値が可逆符号化された点の識別情報を含む。

一例では、第１情報は、属性情報の残差値が可逆符号化された点の識別情報を含む。

いくつかの実施例では、現在点の属性情報の残差情報が可逆符号化されたと決定する場合、次の方式によって、現在点の属性情報の残差を逆量子化する。

方式１において、点群内の点の属性情報的残差情報を逆量子化するプロセス中に、当該現在点をスキップする。

方式２において、当該現在点の逆量子化ステップ長を１に設定する。

方式３において、当該現在点の量子化パラメータＱＰを目標値に設定し、目標値は、逆量子化ステップ長が１であるときに対応するＱＰ値である。

いくつかの実施例では、現在点が可逆符号化された点である場合、前記点群復号化方法は、
下記式１４に基づいて、現在点の属性情報の再構築値を決定することをさらに含む。

上記した実施例に基づき、本願の一具体的な実施例では、点群復号化のプロセスは、デコーダが、現在点が最初の７レベルのＬＯＤに属するか否かを判断し、当該現在点が量子化されていない点であるか否かを判断することと、
現在点が最初の７レベルのＬＯＤに属され、当該現在点が量子化されていない点でない場合、コードストリーム内の符号化パラメータのＱＰ値を読み取り、次に、当該現在点が位置する目標ＬＯＤのＤｅｌｔａＱＰ値を加算し、ＱＰ＋ＤｅｌｔａＱＰを対応するＱｓｔｅｐに変換し、当該現在点が量子化されていない点である場合、この点のＱｓｔｅｐ＝１（即ち、量子化が必要ない）であり、Ｑｓｔｅｐを利用して、復号化して取得した量子化残差を逆量子化することと、
現在点が最初の７レベルのＬＯＤに属さず、当該現在点が量子化されていない点でない場合、この現在点のＱｓｔｅｐ＝１（即ち、量子化が必要ない）となるようにし、Ｑｓｔｅｐを利用して、復号化して取得した量子化残差を逆量子化することと、を含む。

実施例８
目標逆量子化方式が、第１逆量子化方式、第２逆量子化方式、及び第３逆量子化方式を含む場合、復号化プロセスは、図１７に示す通りである。

図１７は、本願の一実施例による点群復号化方法のフローチャートであり、図１７に示すように、次のステップを含む。

ステップＳ８０１において、ジオメトリコードストリームを復号化して、点群内の点のジオメトリ情報を取得する。

ステップＳ８０２において、点群内の点のジオメトリ情報に基づいて、点群を１つ又は複数の詳細レベル（ＬＯＤ）に分割する。ここで、各ＬＯＤは、少なくとも１つの詳細表現レベルを含み、各レベルの詳細表現には、少なくとも１つの点が含まれる。

ステップＳ８０３において、現在点のジオメトリ情報に基づいて、現在点が位置する目標ＬＯＤを決定する。

ステップＳ８０４において、現在点の属性情報の予測値を決定する。例えば、マルチレベルの詳細表現レベルに基づいて点群内の点を並べ替え、ＬＯＤ順序を取得し、復号化対象点のジオメトリ情報に基づいて、当該ＬＯＤ順序で復号化対象点の少なくとも１つの復号化済み近傍点を取得し、少なくとも１つの復号化済み近傍点の属性情報の再構築値に基づいて、当該復号化対象点の属性情報の予測値を決定する。

ステップＳ８０５において、現在点が可逆符号化された点に属するか否かを判断し、属さない場合、ステップＳ８０６～ステップＳ８０９を実行し、属する場合、ステップＳ７０８を実行する。

ステップＳ８０６において、目標ＬＯＤに適合する目標量子化ステップ長を決定することであって、上記のステップＳ６０５の説明を参照することができる。

ステップＳ８０７において、現在点の第１量子化重みを決定することであって、上記のステップＳ６０６の説明を参照することができる。

ステップＳ８０８において、目標量子化ステップ長及び第１量子化重みに基づいて、現在点の属性情報の量子化残差値を逆量子化して、現在点の属性情報の再構築残差値を取得し、上記のステップＳ６０７の説明を参照することができる。

ステップＳ８０９において、現在点の属性情報の残差値に対して可逆コーデックを行い、現在点の属性情報の再構築残差値を取得する。

ステップＳ８１０において、現在点の属性情報の再構築残差値及び予測値に基づいて、現在点の属性情報の再構築値を取得する。

本願の一具体的な実施例では、点群復号化のプロセスは、復号化側が点群内のすべての点の量子化重み計算して取得することと、現在点が最初の７レベルのＬＯＤに属するか否かを判断し、当該現在点が量子化されていない点であるか否かを判断することであって、

図６～図１７は、本願の一例に過ぎず、本願に対する制限として理解されるべきではない。

以上により、添付の図面を参照して、本願の好ましい実施形態について説明したが、本願は、上記の実施形態における具体的な詳細に限定されない。本願の技術的構想の範囲内で、本願の技術的解決策に対して様々な簡単な変更を行うことができ、これらの簡単な変更はすべて、本願の保護範囲に属する。例えば、上記の具体的な実施形態で説明される各具体的な技術的特徴は、矛盾することなく、任意の適切な方式で組み合わせることができ、不必要な繰り返しを回避するために、本願は様々な可能な組み合わせについては説明しない。別の例では、本願の様々な異なる実施形態も、任意に組み合わせることができ、本願の思想に違反しない限り、当該組み合わせも、本願で開示される内容と見なされるべきである。

本願の各実施例において、上記の各プロセスのシーケンス番号の大きさは、実行シーケンスを意味するものではなく、各プロセスの実行シーケンスは、その機能と内部論理によって決定されるべきであり、本願実施例の実施プロセスにいかなる制限も構成すべきではないことを理解されたい。また、本願実施例では、「及び／又は」という用語は、関連付けられた関係についてのみ説明し、３つの関係が存在し得ることを表示する。具体的には、Ａ及び／又はＢは、Ａが独立で存在する場合、ＡとＢの両方が存在する場合、Ｂが独立で存在する場合の３つの場合を表示することができる。また、本明細書における記号「／」は、通常、関連付けられた対象間の関係が、「又は」という関係にあることを表示する。

以上により、図６～図１７を参照して、本願の方法の実施例について詳細に説明しており、以下では、図１８～図２０を参照して、本願の装置の実施例について詳細に説明する。

図１８は、本願実施例による例示的な点群エンコーダ１０のブロック図である。

図１８に示すように、点群エンコーダ１０は、
点群内の現在点の属性情報を取得するように構成される取得ユニット１１と、
前記現在点の属性情報を処理して、前記現在点の属性情報の残差値を取得するように構成される処理ユニット１２と、
目標量子化方式を使用して、前記現在点の属性情報の残差値を量子化して、前記現在点の属性情報の量子化残差値を取得するように構成される量子化ユニット１３と、を備え、
ここで、前記目標量子化方式は、第１量子化方式、第２量子化方式、及び第３量子化方式のうちの少なくとも２つの量子化方式を含み、前記第１量子化方式は、前記点群内の少なくとも１つの点の量子化パラメータに量子化パラメータ増分を設定する方式であり、前記第２量子化方式は、前記点群内の点の残差値を重み付け処理する方式であり、前記第３量子化方式は、前記点群内の少なくとも１つの点の属性情報の残差値を可逆符号化する方式である。

いくつかの実施例では、取得ユニット１１はさらに、前記点群内の点のジオメトリ情報を取得するように構成され、処理ユニット１２は、前記点群内の点のジオメトリ情報に基づいて、前記点群を１つ又は複数の詳細レベル（ＬＯＤ）に分割するように構成される。

いくつかの実施例では、前記目標量子化方式は、前記第１量子化方式及び前記第２量子化方式を含み、量子化ユニット１３は具体的には、前記現在点のジオメトリ情報に基づいて、前記現在点が位置する目標ＬＯＤを決定し、前記目標ＬＯＤに適合する目標量子化ステップ長を決定し、前記現在点の第１量子化重みを決定し、前記目標量子化ステップ長及び前記第１量子化重みに基づいて、前記現在点の属性情報の残差値を量子化して、前記現在点の属性情報の量子化残差値を取得するように構成される。

いくつかの実施例では、前記目標量子化方式は、前記第１量子化方式及び前記第３量子化方式を含み、量子化ユニット１３は具体的には、前記現在点のジオメトリ情報に基づいて、前記現在点が位置する目標ＬＯＤを決定し、
前記現在点が非可逆符号化された点に属すると決定する場合、前記目標ＬＯＤに適合する目標量子化ステップ長を決定し、前記目標量子化ステップ長に基づいて、前記現在点の属性情報の残差値を量子化して、前記現在点の属性情報の量子化残差値を取得するように構成される。

いくつかの実施例では、前記目標量子化方式は、前記第１量子化方式、前記第２量子化方式、及び前記第３量子化方式を含み、量子化ユニット１３は具体的には、前記現在点のジオメトリ情報に基づいて、前記現在点が位置する目標ＬＯＤを決定し、前記現在点が非可逆符号化された点に属すると決定する場合、前記目標ＬＯＤに適合する目標量子化ステップ長を決定し、前記現在点の第１量子化重みを決定し、前記目標量子化ステップ長及び前記第１量子化重みに基づいて、前記現在点の属性情報の残差値を量子化して、前記現在点の属性情報の量子化残差値を取得するように構成される。

いくつかの実施例では、量子化ユニット１３はさらに、前記現在点が可逆符号化された点に属すると決定する場合、現在点の属性情報の残差値を可逆符号化するように構成される。

いくつかの実施例では、量子化ユニット１３は具体的には、前記目標ＬＯＤの階層レベルインデックスを取得し、前記目標ＬＯＤの階層レベルインデックスに基づいて、量子化ステップ長ルックアップテーブルで前記目標ＬＯＤに対応する目標量子化ステップ長を照会するように構成され、前記量子化ステップ長ルックアップテーブルは、ＬＯＤと量子化ステップ長との対応関係を含む。

いくつかの実施例では、量子化ユニット１３は具体的には、前記現在点の符号化パラメータ内の量子化パラメータを決定し、前記目標ＬＯＤの階層レベルインデックスを取得し、前記目標ＬＯＤの階層レベルインデックスに基づいて、前記目標ＬＯＤの量子化パラメータ増分を決定し、前記量子化パラメータ及び前記目標ＬＯＤの量子化パラメータ増分に基づいて、前記目標ＬＯＤに対応する目標量子化ステップ長を決定するように構成される。

いくつかの実施例では、量子化ユニット１３は具体的には、前記目標ＬＯＤが前記点群の最初のＮ個のＬＯＤに属する場合、前記目標ＬＯＤの量子化パラメータ増分がｊであると決定し、前記Ｎは、第１閾値より小さいか等しい正の整数であり、前記ｊは、０より大きく、且つ第２閾値より小さいか等しい正数であり、前記目標ＬＯＤが前記点群の最初のＮ個のＬＯＤに属さない場合、前記目標ＬＯＤの量子化パラメータ増分が０であると決定するように構成される。

例示的に、前記量子化パラメータが第３閾値より大きいか等しい場合、前記ｊは、第１所定値であり、
前記量子化パラメータが前記第３閾値より小さい場合、前記ｊは、第２所定値である。

いくつかの実施例では、量子化ユニット１３は具体的には、前記現在点のインデックスを決定し、前記現在点のインデックスに対応する量子化重みを、前記現在点の第１量子化重みとして決定するように構成される。

いくつかの実施例では、量子化ユニット１３は具体的には、前記現在点の第１量子化重みに基づいて、前記現在点の第２量子化重みを決定し、前記目標量子化ステップ長及び前記第２量子化重みに基づいて、前記現在点の属性情報の残差値を量子化して、前記量子化残差値を取得するように構成される。

例示的に、前記第２量子化重みは、前記目標量子化ステップ長より小さいか等しい。

例示的に、前記第２量子化重みの値は、２の整数乗に等しい。

例示的に、前記第１量子化重みの値は、２の整数乗に等しくなく、量子化ユニット１３は具体的には、前記現在点の第１量子化重みの値に基づいて、前記現在点の第１量子化重みに最近接する２の整数乗を、前記現在点の第２量子化重みとして決定するように構成される。

いくつかの実施例では、量子化ユニット１３は具体的には、前記第２量子化重みに前記現在点の属性情報の残差値を乗算して、重み付け残差値を取得し、前記目標量子化ステップ長を利用して前記重み付け残差値を量子化して、前記現在点の属性情報の量子化残差値を取得するように構成される。

いくつかの実施例では、量子化ユニット１３は具体的には、前記現在点の第２量子化重みに基づいて、前記目標量子化ステップ長を更新し、前記更新された量子化ステップ長に基づいて、前記現在点の属性情報の残差値を量子化するように構成される。

いくつかの実施例では、量子化ユニット１３はさらに、前記点群の符号化順序の逆順に従って、前記点群内の点をトラバースすることにより、現在点の第１量子化重みに基づいて前記現在点のＮ個の最近傍点の第１量子化重みを更新するように構成され、Ｎは、０より大きい整数である。

例示的に、前記点群内の各点の第１量子化重みの初期値は、所定値である。

例示的に、前記点群のＬＯＤにおける最初のＭ個のＬＯＤ内の点の第１量子化重みの初期値は、残りのＬＯＤ内の点の第１量子化重みの初期値より大きく、前記Ｍは、正の整数である。

いくつかの実施例では、量子化ユニット１３は具体的には、前記Ｎ個の最近傍点のそれぞれに対する前記現在点の影響重みを取得し、前記影響重みは、前記現在点及び前記Ｎ個の最近傍点の位置情報に関連し、前記現在点の量子化重み及び前記Ｎ個の最近傍点のそれぞれに対する前記現在点の影響重みに基づいて、前記Ｎ個の最近傍点の第１量子化重みを更新するように構成される。

いくつかの実施例では、前記点群の属性パラメータセットは、前記Ｎ個の最近傍点のそれぞれに対する前記現在点の影響重みを含み、量子化ユニット１３は具体的には、前記属性パラメータセットを照会することにより、前記Ｎ個の最近傍点のそれぞれに対する前記現在点の影響重みを取得するように構成される。

例示的に、前記点群の量子化重みは、配列として記憶され、前記配列の次元は、前記点群内の点の数と同じである。

いくつかの実施例では、エンコーダはさらに、符号化ユニット１４を備え、符号化ユニット１４は、前記点群内の少なくとも１つの点の属性情報の残差値を可逆符号化するように構成される。

例示的に、前記少なくとも１つの点は、Ｎ個の点を含み、前記Ｎは、２の整数倍である。

例示的に、前記少なくとも１つの点は、Ｎ個の点を含み、前記Ｎ個の点における各隣接する２つの点間の間隔は等しい。

いくつかの実施例では、符号化ユニット１４は具体的には、前記マルチレベルの詳細表現レベルのうちの少なくとも１レベルの詳細表現レベル内の少なくとも１つの点の属性残差値を可逆符号化するように構成される。

いくつかの実施例では、符号化ユニット１４は具体的には、前記マルチレベルの詳細表現レベルに含まれる点の総数が第１所定値より小さいか等しい少なくとも１つの第１タイプの詳細表現レベル、及び含まれる点の総数が前記第１所定値より大きい少なくとも１つの第２タイプの詳細表現レベルを取得し、前記第１タイプの詳細表現レベル内のすべての点の属性情報の残差値を可逆符号化し、前記第２タイプの詳細表現レベル内の少なくとも１つの点の属性情報の残差値を可逆符号化するように構成される。

いくつかの実施例では、符号化ユニット１４は具体的には、前記第２タイプの詳細表現レベル内のＭ個の点の属性情報の残差値を可逆符号化するように構成され、前記Ｍは、２の正の整数倍である。

いくつかの実施例では、前記少なくとも１レベルの第２タイプの詳細表現レベルは、Ｌ個の第２タイプの詳細表現レベルを含み、前記Ｌは、２より大きいか等しい正の整数であり、符号化ユニット１４は具体的には、Ｐ個の第２タイプの詳細表現レベルのそれぞれにおける第１数の点の属性情報の残差値を可逆符号化し、Ｑ個の第２タイプの詳細表現レベルのそれぞれにおける第２数の点の属性情報の残差値を可逆符号化するように構成され、
ここで、前記Ｐ、Ｑは、正の整数であり、且つ前記Ｐと前記Ｑとの和は、前記Ｌより小さいか等しく、前記Ｐ個の第２タイプの詳細表現レベルは、前記Ｑ個の第２タイプの詳細表現レベルと重ならず、前記第１数は、前記第２数とは異なる。

例示的に、前記Ｐ個の第２タイプの詳細表現レベルは、前記Ｌ個の第２タイプの詳細表現レベルにおける最初のＰ個の第２タイプの詳細表現レベルである。

例示的に、前記Ｑ個の第２タイプの詳細表現レベルは、前記Ｌ個の第２タイプの詳細表現レベルにおける最後のＱ個の第２タイプの詳細表現レベルである。

例示的に、前記Ｐ個の第２タイプの詳細表現レベルにおける最後の第２タイプの詳細表現レベルは、前記Ｑ個の第２タイプの詳細表現レベルにおける最初の第２タイプの詳細表現レベルに隣接する。

例示的に、前記第１数は、前記第２数より大きい。

例示的に、前記第１数は、前記第２数の正の整数倍である。

例示的に、前記第１数の点における隣接する２つの点間の間隔は等しい。

例示的に、前記第２数の点における隣接する２つの点間の間隔は等しい。

いくつかの実施例では、符号化ユニット１４はさらに、現在点の属性情報の残差値及び属性情報の予測値に基づいて、前記現在点の属性情報の再構築値を決定するように構成される。

いくつかの実施例では、符号化ユニット１４はさらに、コードストリームを生成するように構成され、前記コードストリームは、第１情報を含み、前記第１情報は、属性情報の残差値が可逆符号化された点を示すために使用される。

例示的に、前記第１情報は、前記属性情報の残差値が可逆符号化された点の識別情報を含む。

例示的に、前記第１情報は、前記属性情報の残差値が可逆符号化された点の数を含む。

例示的に、前記第１情報は、前記第１数、前記第２数、及び前記Ｐ個の第２タイプの詳細表現レベルと前記Ｑ個の第２タイプの詳細表現レベルの分割情報を含む。

例示的に、前記Ｐ個の第２タイプの詳細表現レベルにおける最後の第２タイプの詳細表現レベルが、前記Ｑ個の第２タイプの詳細表現レベルにおける最初の第２タイプの詳細表現レベルに隣接する場合、前記分割情報はさらに、前記Ｑ個の第２タイプの詳細表現レベルにおける最初の第２タイプの詳細表現レベルの識別情報、又は、前記Ｐ個の第２タイプの詳細表現レベルにおける最後の第２タイプの詳細表現レベルの識別情報を含む。

例示的に、前記第１情報はさらに、前記第２タイプの詳細表現レベルにおける最初の属性情報の残差値が可逆符号化された点の識別情報を含む。

いくつかの実施例では、符号化ユニット１４は具体的には、前記点群内の点の属性情報の残差値を量子化するプロセスにおいて、前記属性情報の残差値が可逆符号化された少なくとも１つの点をスキップするか、又は、
前記属性情報の残差値が可逆符号化された少なくとも１つの点の量子化ステップ長を１に設定するか、又は、
前記属性情報の残差値が可逆符号化された少なくとも１つの点の量子化パラメータＱＰを目標値に設定するように構成され、前記目標値は、量子化ステップ長が１であるときに対応するＱＰ値である。

装置の実施例と方法の実施例は相互に対応し、同様の説明は方法の実施例を参照することができることを理解されたい。簡潔にするために、ここでは繰り返して説明しない。具体的には、図１８に示す点群エンコーダ１０は、本願実施例の方法を実行することができ、点群エンコーダ１０における各ユニットの前記操作及び他の操作及び／又は機能は、それぞれ方法１００～４００などの各方法における対応するプロセスを実現するために用いられ、簡潔性のために、ここでは繰り返して説明しない。

図１９は、本願実施例による例示的な点群デコーダ２０のブロック図である。

図１９に示すように、当該点群デコーダ２０は、
点群のコードストリームを解析して、前記点群の現在点の属性情報の量子化残差値を取得するように構成される復号化ユニット２１と、
目標逆量子化方式を使用して、前記現在点の属性情報の量子化残差値を逆量子化して、前記現在点の属性情報の再構築残差値を取得するように構成される逆量子化ユニット２２と、を備え、
ここで、前記目標逆量子化方式は、第１逆量子化方式、第２逆量子化方式、及び第３逆量子化方式のうちの少なくとも２つの逆量子化方式を含み、前記第１逆量子化方式は、前記点群内の少なくとも１つの点の逆量子化パラメータに逆量子化パラメータ増分を設定する方式であり、前記第２逆量子化方式は、前記点群内の点の残差値を重み付け除去処理する方式であり、前記第３逆量子化方式は、前記点群内の少なくとも１つの点の属性情報の残差値を可逆復号化する方式である。

いくつかの実施例では、復号化ユニット２１は、前記点群内の点のジオメトリ情報を取得し、前記点群内の点のジオメトリ情報に基づいて、前記点群を１つ又は複数の詳細レベル（ＬＯＤ）に分割するように構成される。

いくつかの実施例では、前記目標逆量子化方式は、前記第１逆量子化方式及び前記第２逆量子化方式を含み、逆量子化ユニット２２は具体的には、前記現在点のジオメトリ情報に基づいて、前記現在点が位置する目標ＬＯＤを決定し、前記目標ＬＯＤに適合する目標量子化ステップ長を決定し、前記現在点の第１量子化重みを決定し、前記目標量子化ステップ長及び前記第１量子化重みに基づいて、前記現在点の属性情報の量子化残差値を逆量子化するように構成される。

いくつかの実施例では、前記目標逆量子化方式は、前記第１逆量子化方式及び前記第３逆量子化方式を含み、逆量子化ユニット２２は具体的には、前記現在点のジオメトリ情報に基づいて、前記現在点が位置する目標ＬＯＤを決定し、前記現在点が非可逆符号化された点に属すると決定する場合、前記目標ＬＯＤに適合する目標量子化ステップ長を決定し、前記目標量子化ステップ長に基づいて、前記現在点の属性情報の量子化残差値を逆量子化するように構成される。

いくつかの実施例では、前記目標逆量子化方式は、前記第１逆量子化方式、前記第２逆量子化方式、及び前記第３逆量子化方式を含み、逆量子化ユニット２２は具体的には、前記現在点のジオメトリ情報に基づいて、前記現在点が位置する目標ＬＯＤを決定し、前記現在点が非可逆符号化された点に属すると決定する場合、前記目標ＬＯＤに適合する目標量子化ステップ長を決定し、前記現在点の第１量子化重みを決定し、前記目標量子化ステップ長及び前記第１量子化重みに基づいて、前記現在点の属性情報の量子化残差値を逆量子化するように構成される。

いくつかの実施例では、復号化ユニット２１はさらに、前記現在点が可逆符号化された点に属すると決定する場合、現在点の属性情報の残差値を可逆コーデックするように構成される。

いくつかの実施例では、逆量子化ユニット２２は具体的には、前記目標ＬＯＤの階層レベルインデックスを取得することと、前記目標ＬＯＤの階層レベルインデックスに基づいて、量子化ステップ長ルックアップテーブルで前記目標ＬＯＤに対応する目標量子化ステップ長を照会するように構成され、前記量子化ステップ長ルックアップテーブルは、ＬＯＤと量子化ステップ長との対応関係を含む。

いくつかの実施例では、逆量子化ユニット２２は具体的には、コードストリームを復号化して、前記現在点の符号化パラメータ内の量子化パラメータを取得し、前記目標ＬＯＤの階層レベルインデックスを取得し、前記目標ＬＯＤの階層レベルインデックスに基づいて、前記目標ＬＯＤの量子化パラメータ増分を決定し、前記量子化パラメータ及び前記目標ＬＯＤの量子化パラメータ増分に基づいて、前記目標ＬＯＤに対応する目標量子化ステップ長を決定するように構成される。

いくつかの実施例では、逆量子化ユニット２２は具体的には、前記目標ＬＯＤが前記点群の最初のＮ個のＬＯＤに属する場合、前記目標ＬＯＤの量子化パラメータ増分がｊであると決定し、前記Ｎは、第１閾値より小さいか等しい正の整数であり、前記ｊは、０より大きく、且つ第２閾値より小さいか等しい正数であり、前記目標ＬＯＤが前記点群の最初のＮ個のＬＯＤに属さない場合、前記目標ＬＯＤの量子化パラメータ増分が０であると決定するように構成される。

例示的に、前記量子化パラメータが第３閾値より大きいか等しい場合、前記ｊは、第１所定値であり、前記量子化パラメータが前記第３閾値より小さい場合、前記ｊは、第２所定値である。

いくつかの実施例では、逆量子化ユニット２２は具体的には、前記現在点のインデックスを決定し、前記現在点のインデックスに対応する量子化重みを、前記現在点の第１量子化重みとして決定するように構成される。

いくつかの実施例では、逆量子化ユニット２２は具体的には、前記現在点の第１量子化重みに基づいて、前記現在点の第２量子化重みを決定し、前記目標量子化ステップ長及び前記第２量子化重みに基づいて、前記現在点の属性情報の量子化残差値を逆量子化して、前記再構築残差値を取得するように構成される。

例示的に、前記第２量子化重みは、前記目標量子化ステップ長より小さいか等しい。

例示的に、前記第２量子化重みの値は、２の整数乗に等しい。

例示的に、前記第１量子化重みの値は、２の整数乗に等しくなく、いくつかの実施例では、逆量子化ユニット２２は具体的には、前記現在点の第１量子化重みの値に基づいて、前記現在点の第１量子化重みに最近接する２の整数乗を、前記現在点の第２量子化重みとして決定するように構成される。

いくつかの実施例では、逆量子化ユニット２２は具体的には、前記現在点の目標量子化ステップ長を利用して、前記量子化残差値を逆量子化して、重み付け残差値を取得し、
前記重み付け残差値を前記第２量子化重みで除算して、前記再構築残差値を取得するように構成される。

いくつかの実施例では、逆量子化ユニット２２は具体的には、前記現在点の第２量子化重みに基づいて、前記目標量子化ステップ長を更新し、前記更新された量子化ステップ長に基づいて、前記現在点の属性情報の量子化残差値を逆量子化するように構成される。

いくつかの実施例では、復号化ユニット２１はさらに、前記点群の符号化順序の逆順に従って、前記点群内の点をトラバースすることにより、現在点の第１量子化重みに基づいて前記現在点のＮ個の最近傍点の第１量子化重みを更新するように構成され、Ｎは、０より大きい整数である。

例示的に、前記点群内の各点の第１量子化重みの初期値は、所定値である。

例示的に、前記点群のＬＯＤにおける最初のＭ個のＬＯＤ内の点の第１量子化重みの初期値は、残りのＬＯＤ内の点の第１量子化重みの初期値より大きく、前記Ｍは、正の整数である。

いくつかの実施例では、復号化ユニット２１は具体的には、前記Ｎ個の最近傍点のそれぞれに対する前記現在点の影響重みを取得し、前記影響重みは、前記現在点及び前記Ｎ個の最近傍点の位置情報に関連し、前記現在点の量子化重み及び前記Ｎ個の最近傍点のそれぞれに対する前記現在点の影響重みに基づいて、前記Ｎ個の最近傍点の第１量子化重みを更新するように構成される。

いくつかの実施例では、前記点群の属性パラメータセットは、前記Ｎ個の最近傍点のそれぞれに対する前記現在点の影響重みを含み、復号化ユニット２１はさらに、前記属性パラメータセットを照会することにより、前記Ｎ個の最近傍点のそれぞれに対する前記現在点の影響重みを取得するように構成される。

例示的に、前記点群の量子化重みは、配列として記憶され、前記配列の次元は、前記点群内の点の数と同じである。

いくつかの実施例では、復号化ユニット２２はさらに、前記点群のコードストリームを復号化して、第１情報を取得し、前記第１情報は、属性情報の残差値が可逆符号化された点を示すために使用され、前記第１情報に基づいて、前記現在点の属性情報の残差値が可逆符号化されたか否かを決定するように構成される。

例示的に、前記第１情報は、Ｎを含み、前記Ｎは、前記点群における属性情報の残差値が可逆符号化された点の総数である。

例示的に、前記Ｎは、２の整数倍である。

例示的に、前記Ｎ個の点における各隣接する２つの点間の間隔は等しい。

いくつかの実施例では、復号化ユニット２１は具体的には、前記現在点が前記Ｎ個の点のうちの１つであると決定する場合、前記現在点の属性情報の残差情報が可逆符号化されたと決定するように構成される。

いくつかの実施例では、前記第１情報が所定間隔を含む場合、復号化ユニット２１は具体的には、前記所定間隔に基づいて、前記現在点と、前の属性情報の残差情報が可逆符号化された点との間隔が前記所定間隔に等しいと決定する場合、前記現在点の属性情報の残差情報が可逆符号化されたと決定するように構成される。

いくつかの実施例では、前記第１情報が、第１所定値を含む場合、復号化ユニット２１は具体的には、前記第１所定値に基づいて、前記マルチレベルの詳細表現レベルに含まれる点の総数が前記第１所定値より小さいか等しい少なくとも１つの第１タイプの詳細表現レベル、及び含まれる点の総数が前記第１所定値より大きい少なくとも１つの第２タイプの詳細表現レベルを取得し、前記現在点が前記第１タイプの詳細表現レベルに属する場合、前記現在点の属性情報の残差情報が可逆符号化されたと決定するように構成される。

いくつかの実施例では、前記第１情報がＭを含み、前記Ｍが前記第２タイプの詳細表現レベルにおける属性情報の残差値が可逆符号化された点の数であり、前記Ｍは、２の正の整数倍であり、復号化ユニット２１は具体的には、前記現在点が前記Ｍ個の点のうちの１つである場合、前記現在点の属性情報の残差情報が可逆符号化されたと決定するように構成される。

いくつかの実施例では、前記少なくとも１つの第２タイプの詳細表現レベルは、Ｌ個の第２タイプの詳細表現レベルを含み、前記Ｌは、２より大きいか等しい正の整数であり、前記第１情報が第１数、第２数、及びＰ個の第２タイプの詳細表現レベルとＱ個の第２タイプの詳細表現レベルの分割情報を含む場合、復号化ユニット２１は具体的には、前記分割情報に基づいて、前記Ｌ個の第２タイプの詳細表現レベルを分割して、前記Ｐ個の第２タイプの詳細表現レベルと前記Ｑ個の第２タイプの詳細表現レベルを取得し、前記現在点が前記Ｐ個の第２タイプの詳細表現レベルにおける属性情報の残差値が可逆符号化された第１数の点のうちの１つであると決定する場合、前記現在点の属性情報の残差情報が可逆符号化されたと決定し、前記現在点が前記Ｑ個の第２タイプの詳細表現レベルにおける属性情報の残差値が可逆符号化された第２数の点のうちの１つであると決定する場合、前記現在点の属性情報の残差情報が可逆符号化されたと決定するように構成され、ここで、前記Ｐ、Ｑは、正の整数であり、且つ前記Ｐと前記Ｑとの和は、前記Ｌより小さいか等しく、前記Ｐ個の第２タイプの詳細表現レベルは、前記Ｑ個の第２タイプの詳細表現レベルと重ならず、前記第１数は、前記第２数とは異なる。

例示的に、前記Ｐ個の第２タイプの詳細表現レベルは、前記Ｌ個の第２タイプの詳細表現レベルにおける最初のＰ個の第２タイプの詳細表現レベルである。

例示的に、前記Ｑ個の第２タイプの詳細表現レベルは、前記Ｌ個の第２タイプの詳細表現レベルにおける最後のＱ個の第２タイプの詳細表現レベルである。

例示的に、前記Ｐ個の第２タイプの詳細表現レベルにおける最後の第２タイプの詳細表現レベルは、前記Ｑ個の第２タイプの詳細表現レベルにおける最初の第２タイプの詳細表現レベルに隣接する。

例示的に、前記Ｐ個の第２タイプの詳細表現レベルにおける最後の第２タイプの詳細表現レベルが、前記Ｑ個の第２タイプの詳細表現レベル内の最初の第２タイプの詳細表現レベルに隣接する場合、前記分割情報はさらに、前記Ｑ個の第２タイプの詳細表現レベルにおける最初の第２タイプの詳細表現レベルの識別情報、又は、前記Ｐ個の第２タイプの詳細表現レベルにおける最後の第２タイプの詳細表現レベルの識別情報を含む。

例示的に、前記第１情報はさらに、前記第２タイプの詳細表現レベルにおける最初の属性情報の残差値が可逆符号化された点の識別情報を含む。

例示的に、前記第１情報は、属性情報の残差値が可逆符号化された点の識別情報を含む。

例示的に、前記第１数は、前記第２数より大きい。

例示的に、前記第１数は、前記第２数の正の整数倍である。

例示的に、前記第１数の点における隣接する２つの点間の間隔は等しい。

例示的に、前記第２数の点における隣接する２つの点間の間隔は等しい。

装置の実施例と方法の実施例は相互に対応し、同様の説明は方法の実施例を参照することができることを理解されたい。簡潔にするために、ここでは繰り返して説明しない。具体的には、図１９に示す点群デコーダ２０は、本願実施例の方法５００、６００及び／又は７００におけるに対応する本体に対応して実行することができ、また、点群デコーダ２０における各ユニットの前記操作及び他の操作及び／又は機能は、それぞれ方法５００、６００及び／又は７００などの各方法における対応するプロセスを実現するために用いられ、簡潔性のために、ここでは繰り返して説明しない。

以上により、図面を参照して、機能ユニットの観点から本願実施例の装置及びシステムについて説明されている。当該機能ユニットは、ハードウェアの形で実装することができ、ソフトウェア命令の形で実装することもでき、ハードウェアモジュールとソフトウェアユニットの組み合わせで実装することもできることを理解されたい。具体的には、本願実施例における方法の実施例の各ステップは、プロセッサ内のハードウェア集積論理回路及び／又はソフトウェア形の命令によって完了することができ、本願実施形態に開示された方法のステップは、ハードウェア復号化プロセッサによって完了されるか、又は復号化プロセッサ内のハードウェア及びソフトウェアユニットの組み合わせによって完了されることができる。例示的に、ソフトウェアユニットは、ランダムアクセスメモリ、フラッシュメモリ、読み取り専用メモリ、プログラム可能な読み取り専用メモリ、又は電気的に消去可能なプログラム可能なメモリ、レジスタ等の従来の記憶媒体に配置されることができる。当該記憶媒体はメモリ内に配置され、プロセッサは、メモリ内の情報を読み取り、そのハードウェアと組み合わせて上記の方法の実施例のステップを完了する。

図２０は、本願実施例による例示的な電子機器３０のブロック図である。

図２０に示すように、当該電子機器３０は、本願実施例で説明した点群エンコーダ、又は点群デコーダであり得、当該電子機器３０は、
メモリ３３と、プロセッサ３２とを備え、当該メモリ３３は、コンピュータプログラム３４を記憶し、当該該プログラムコード３４を当該プロセッサ３２に送信するように構成される。換言すれば、当該プロセッサ３２は、メモリ３３からコンピュータプログラム３４を呼び出して実行することにより、本願実施例における方法を実現することができる。

例えば、当該プロセッサ３２は、当該コンピュータプログラム３４内の命令に従って、上記の方法２００のステップを実行するように構成される。

本願のいくつかの実施例では、当該プロセッサ３２は、
汎用プロセッサ、デジタル信号プロセッサ（ＤＳＰ：Ｄｉｇｉｔａｌ ステップＳｉｇｎａｌ Ｐｒｏｃｅｓｓｏｒ）、特定用途向け集積回路（ＡＳＩＣ：Ａｐｐｌｉｃａｔｉｏｎ ステップＳｐｅｃｉｆｉｃ Ｉｎｔｅｇｒａｔｅｄ Ｃｉｒｃｕｉｔ）、フィールドプログラマブルゲートアレイ（ＦＰＧＡ：Ｆｉｅｌｄ Ｐｒｏｇｒａｍｍａｂｌｅ Ｇａｔｅ Ａｒｒａｙ）、又は他のプログラマブルロジックデバイス、ディスクリートゲート又はトランジスタロジックデバイス、ディスクリートハードウェアコンポーネントなどを含んでもよいが、これらに限定されない。

本願のいくつかの実施例では、当該メモリ３３は、
揮発性メモリ及び／又は不揮発性メモリを含むが、これらに限定されない。ここで、ここで、不揮発性メモリは、読み取り専用メモリ（ＲＯＭ：Ｒｅａｄ－Ｏｎｌｙ Ｍｅｍｏｒｙ）、プログラマブル読み取り専用メモリ（ＰＲＯＭ：Ｐｒｏｇｒａｍｍａｂｌｅ ＲＯＭ）、消去可能なプログラマブル読み取り専用メモリ（ＥＰＲＯＭ：Ｅｒａｓａｂｌｅ ＰＲＯＭ）、電気的に消去可能なプログラマブル読み取り専用メモリ（ＥＥＰＲＯＭ：Ｅｌｅｃｔｒｉｃａｌｌｙ ＥＰＲＯＭ）又はフラッシュメモリであり得る。揮発性メモリは、外部キャッシュとして使用されるランダムアクセスメモリ（ＲＡＭ：Ｒａｎｄｏｍ Ａｃｃｅｓｓ Ｍｅｍｏｒｙ）であり得る。例示的であるが限定的ではない例示によれば、多くの形のＲＡＭ、例えば、静的ランダムアクセスメモリ（ＳＲＡＭ：Ｓｔａｔｉｃ ＲＡＭ）、ダイナミックランダムアクセスメモリ（ＤＲＡＭ：Ｄｙｎａｍｉｃ ＲＡＭ）、同期ダイナミックランダムアクセスメモリ（ＳＤＲＡＭ：Ｓｙｎｃｈｒｏｎｏｕｓ ＤＲＡＭ）、ダブルデータレートの同期ダイナミックランダムアクセスメモリ（ＤＤＲＳＤＲＡＭ：Ｄｏｕｂｌｅ Ｄａｔａ Ｒａｔｅ ステップＳＤＲＡＭ）、拡張された同期ダイナミックランダムアクセスメモリ（ＥＳＤＲＡＭ：Ｅｎｈａｎｃｅｄ ステップＳＤＲＡＭ）、同期接続ダイナミックランダムアクセスメモリ（ＳＬＤＲＡＭ：Ｓｙｎｃｈｒｏｎｏｕｓ ｌｉｎｋ ＤＲＡＭ）及びダイレクトメモリバスランダムアクセスメモリ（ＤＲ ＲＡＭ：Ｄｉｒｅｃｔ Ｒａｍｂｕｓ ＲＡＭ）などであり得る。

本願のいくつかの実施例では、当該コンピュータプログラム３４は、１つ又は複数のユニットに分割され得、当該１つ又は複数のユニットは、当該メモリ３３に記憶され、当該プロセッサ３２によって実行されて、本願で提供される方法を完了する。当該１つ又は複数のユニットは、特定の機能を実行できる一連のコンピュータプログラム命令セグメントであり得、当該命令セグメントは、当該電子機器３０における当該コンピュータプログラム３４の実行プロセスを説明するために使用される。

図２０に示すように、当該電子機器３０はさらに、
当該プロセッサ３２又はメモリ３３に接続可能なトランシーバ３３を含み得、
ここで、プロセッサ３２は、他の機器と通信するように前記トランシーバ３３を制御することができ、具体的には、情報又はデータを他の機器に送信するか、又は他の機器によって送信される情報又はデータを受信することができる。トランシーバ３３は、送信機及び受信機を含み得る。トランシーバ３３は、１つ又は複数のアンテナをさらに含み得る。

当該電子機器３０の各構成要素は、バスシステムにより接続され、ここで、バスシステムは、データバスに加えて、電力バス、制御バス、及び状態信号バスを含むことを理解されたい。

図２１は、本願実施例による点群コーデックシステム４０の例示的なブロック図である。

図２１に示すように、当該点群コーデックシステム４０は、点群エンコーダ４１と、点群デコーダ４２と、を備え、ここで、点群エンコーダ４１は、本願実施例に係る点群符号化方法を実行するために使用され、点群デコーダ４２は、本願実施例に係る点群復号化方法を実行するために使用される。

本願は、コンピュータプログラムが記憶されたコンピュータ可読記憶媒体をさらに提供し、当該コンピュータプログラムは実行されるときに、コンピュータに、上記の方法実施例における方法を実行させることができる。

本願実施例は、コンピュータ可読命令を含むコンピュータプログラム製品をさらに提供し、当該命令は実行されるときに、コンピュータに、上記の方法実施例における方法を実行させる。

本願実施例は、コードストリームをさらに提供し、当該コードストリームは、上記の図６、図７、図１０又は図１３に示す符号化方法によって得られる。

ソフトウェアを使用して実現する場合、コンピュータプログラム製品の形態で全体的又は部分的に実現することができる。当該コンピュータプログラム製品は、１つ又は複数のコンピュータ命令を含む。コンピュータに当該コンピュータプログラム命令をロードして実行する場合、本願実施例に記載のプロセス又は機能を全体的又は部分的に生成する。当該コンピュータは、汎用コンピュータ、専用コンピュータ、コンピュータネットワーク、又は他のプログラマブル装置であり得る。当該コンピュータ命令は、コンピュータ可読記憶媒体に記憶されてもよいし、１つのコンピュータ可読記憶媒体から別のコンピュータ可読記憶媒体に伝送されてもよいし、例えば、当該コンピュータ命令は、有線（例えば、同軸ケーブル、光ファイバ、デジタル加入者線（ＤＳＬ：Ｄｉｇｉｔａｌ ステップＳｕｂｓｃｒｉｂｅｒ Ｌｉｎｅ））又は無線（赤外線、無線、マイクロ波など）を介して、１つのＷｅｂサイト、コンピュータ、サーバ又はデータセンタから別のＷｅｂサイト、コンピュータ、サーバ又はデータセンタに伝送することができる。当該コンピュータ可読記憶媒体は、コンピュータがアクセス可能ないずれの利用可能な媒体であることができ、又は１つ以上の利用可能な媒体によって統合されたサーバ、データセンタなどのデータ記憶装置であることができる。当該利用可能な媒体は、磁気媒体（フロッピーディスク、ハードディスク、磁気テープなど）、光学媒体（例えば、デジタルビデオディスク（ＤＶＤ：Ｄｉｇｉｔａｌ Ｖｉｄｅｏ Ｄｉｓｃ））、又は半導体媒体（例えば、ソリッドステートハードディスク（ＳＳＤ：Ｓｏｌｉｄ ステップＳｔａｔｅ Ｄｉｓｋ））などであり得る。

当業者なら、本明細書で開示される実施例を参照しながら説明された各例示のユニット及びアルゴリズムステップは、電子ハードウェア、又はコンピュータソフトウェアと電子ハードウェアの組み合わせによって実現されてもよいことを理解することができる。これらの機能がハードウェアで実行されるかソフトウェアで実行されるかは、特定の適用と技術ソリューションの設計上の制約条件によって異なる。専門技術者は、各特定の用途に応じて異なる方法を使用して、説明された機能を実現することができるが、このような実現は、本願の範囲を超えると見なされるべきではない。

本願で提供されるいくつかの実施例では、開示されたシステム、装置及び方法は、他の方式で実現できることを理解されたい。例えば、上記で説明された装置の実施例は例示的なものに過ぎず、例えば、当該ユニットの分離は、論理機能の分離に過ぎず、実際の実現時には別の分離方法があり、例えば、複数のユニット又はコンポーネントを別のシステムに統合又は集積したり、又は一部の特徴を無視したり、又は実行しないことができる。なお、表示又は議論された相互結合又は直接結合又は通信接続は、いくつかの通信インターフェースを使用して実現することができ、装置又はユニット間の間接的な結合又は通信接続は、電気的、機械的又は他の形態であり得る。

個別のパーツとして説明されたユニットは、物理的に分離されている場合とされていない場合があり、ユニットとして表示されるパーツは、物理ユニットである場合とそうでない場合があり、１箇所に配置される場合もあれば、複数のネットワークユニットに分散される場合もある。実際の需要に応じて、その中のユニットの一部又は全部を選択して本実施形態における技術的解決策の目的を達成することができる。例えば、本願の各実施例における各機能ユニットは、１つの処理ユニットに統合されてもよく、又は各ユニットが物理的に別々に存在してもよいし、２つ又は２つ以上のユニットが１つのユニットに統合されてもよい。

以上は、本願の特定の実施形態に過ぎず、本願の保護範囲はこれに限定されない。本願で開示された技術的範囲内で、当業者が容易に想到し得る変形又は置換はすべて、本願の保護範囲内に含まれるべきである。したがって、本願の保護範囲は、特許請求の保護範囲に従うものとする。

Claims (105)

1. 点群符号化方法であって、
   点群内の現在点の属性情報を取得することと、
   前記現在点の属性情報を処理して、前記現在点の属性情報の残差値を取得することと、
   目標量子化方式を使用して、前記現在点の属性情報の残差値を量子化して、前記現在点の属性情報の量子化残差値を取得することと、を含み、
   前記目標量子化方式は、第１量子化方式、第２量子化方式、及び第３量子化方式のうちの少なくとも２つの量子化方式を含み、前記第１量子化方式は、前記点群内の少なくとも１つの点の量子化パラメータに量子化パラメータ増分を設定する方式であり、前記第２量子化方式は、前記点群内の点の残差値を重み付け処理する方式であり、前記第３量子化方式は、前記点群内の少なくとも１つの点の属性情報の残差値を可逆符号化する方式である、点群符号化方法。
2. 前記点群符号化方法は、
   前記点群内の点のジオメトリ情報を取得することと、
   前記点群内の点のジオメトリ情報に基づいて、前記点群を１つ又は複数の詳細レベル（ＬＯＤ）に分割することと、をさらに含み、各前記ＬＯＤは、少なくとも１つのマルチレベルの詳細表現レベルを含み、詳細表現レベルの各レベルは、少なくとも１つの点を含む、
   請求項１に記載の点群符号化方法。
3. 前記目標量子化方式は、前記第１量子化方式及び前記第２量子化方式を含み、前記目標量子化方式を使用して、前記現在点の属性情報の残差値を量子化して、前記現在点の属性情報の量子化残差値を取得することは、
   前記現在点のジオメトリ情報に基づいて、前記現在点が位置する目標ＬＯＤを決定することと、
   前記目標ＬＯＤに適合する目標量子化ステップ長を決定することと、
   前記現在点の第１量子化重みを決定することと、
   前記目標量子化ステップ長及び前記第１量子化重みに基づいて、前記現在点の属性情報の残差値を量子化して、前記現在点の属性情報の量子化残差値を取得することと、を含む、
   請求項２に記載の点群符号化方法。
4. 前記目標量子化方式は、前記第１量子化方式及び前記第３量子化方式を含み、前記目標量子化方式を使用して、前記現在点の属性情報の残差値を量子化して、前記現在点の属性情報の量子化残差値を取得することは、
   前記現在点のジオメトリ情報に基づいて、前記現在点が位置する目標ＬＯＤを決定することと、
   前記現在点が非可逆符号化された点に属すると決定する場合、前記目標ＬＯＤに適合する目標量子化ステップ長を決定することと、
   前記目標量子化ステップ長に基づいて、前記現在点の属性情報の残差値を量子化して、前記現在点の属性情報の量子化残差値を取得することと、を含む、
   請求項２に記載の点群符号化方法。
5. 前記目標量子化方式は、前記第１量子化方式、前記第２量子化方式、及び前記第３量子化方式を含み、前記目標量子化方式を使用して、前記現在点の属性情報の残差値を量子化して、前記現在点の属性情報の量子化残差値を取得することは、
   前記現在点のジオメトリ情報に基づいて、前記現在点が位置する目標ＬＯＤを決定することと、
   前記現在点が非可逆符号化された点に属すると決定する場合、前記目標ＬＯＤに適合する目標量子化ステップ長を決定し、前記現在点の第１量子化重みを決定することと、
   前記目標量子化ステップ長及び前記第１量子化重みに基づいて、前記現在点の属性情報の残差値を量子化して、前記現在点の属性情報の量子化残差値を取得することと、を含む、
   請求項２に記載の点群符号化方法。
6. 前記点群符号化方法は、
   前記現在点が可逆符号化された点に属すると決定する場合、現在点の属性情報の残差値を可逆符号化することをさらに含む、
   請求項４又は５に記載の点群符号化方法。
7. 前記目標ＬＯＤに適合する目標量子化ステップ長を決定することは、
   前記目標ＬＯＤの階層レベルインデックスを取得することと、
   前記目標ＬＯＤの階層レベルインデックスに基づいて、量子化ステップ長ルックアップテーブルで前記目標ＬＯＤに対応する目標量子化ステップ長を照会することと、を含み、前記量子化ステップ長ルックアップテーブルは、ＬＯＤと量子化ステップ長との対応関係を含む、
   請求項３～５のいずれか一項に記載の点群符号化方法。
8. 前記目標ＬＯＤに適合する目標量子化ステップ長を決定することは、
   前記現在点の符号化パラメータ内の量子化パラメータを決定することと、
   前記目標ＬＯＤの階層レベルインデックスを取得し、前記目標ＬＯＤの階層レベルインデックスに基づいて、前記目標ＬＯＤの量子化パラメータ増分を決定することと、
   前記量子化パラメータ及び前記目標ＬＯＤの量子化パラメータ増分に基づいて、前記目標ＬＯＤに対応する目標量子化ステップを決定することと、を含む、
   請求項３～５のいずれか一項に記載の点群符号化方法。
9. 前記目標ＬＯＤの階層レベルインデックスに基づいて、前記目標ＬＯＤの量子化パラメータ増分を決定することは、
   前記目標ＬＯＤが前記点群の最初のＮ個のＬＯＤに属する場合、前記目標ＬＯＤの量子化パラメータ増分がｊであると決定することであって、前記Ｎは、第１閾値より小さいか等しい正の整数であり、前記ｊは、０より大きく、且つ第２閾値より小さいか等しい正数である、ことと、
   前記目標ＬＯＤが前記点群の最初のＮ個のＬＯＤに属さない場合、前記目標ＬＯＤの量子化パラメータ増分が０であると決定することと、を含む、
   請求項８に記載の点群符号化方法。
10. 前記量子化パラメータが第３閾値より大きいか等しい場合、前記ｊは、第１所定値であり、
    前記量子化パラメータが前記第３閾値より小さい場合、前記ｊは、第２所定値である、
    請求項９に記載の点群符号化方法。
11. 前記現在点の第２量子化重みを決定することは、
    前記現在点のインデックスを決定することと、
    前記現在点のインデックスに対応する量子化重みを、前記現在点の第１量子化重みとして決定することと、を含む、
    請求項３又は５に記載の点群符号化方法。
12. 前記目標量子化ステップ長及び前記第１量子化重みに基づいて、前記現在点の属性情報の残差値を量子化して、前記現在点の属性情報の量子化残差値を取得することは、
    前記現在点の第１量子化重みに基づいて、前記現在点の第２量子化重みを決定することと、
    前記目標量子化ステップ長及び前記第２量子化重みに基づいて、前記現在点の属性情報の残差値を量子化して、前記量子化残差値を取得することと、を含む、
    請求項１１に記載の点群符号化方法。
13. 前記第２量子化重みは、前記目標量子化ステップ長より小さいか等しい、
    請求項１２に記載の点群符号化方法。
14. 
15. 前記第２量子化重みの値は、２の整数乗に等しい、
    請求項１２に記載の点群符号化方法。
16. 前記第１量子化重みの値は、２の整数乗に等しくなく、前記現在点の第１量子化重みに基づいて、前記現在点の第２量子化重みを決定することは、
    前記現在点の第１量子化重みの値に基づいて、前記現在点の第１量子化重みに最近接する２の整数乗を、前記現在点の第２量子化重みとして決定することを含む、
    請求項１２に記載の点群符号化方法。
17. 前記目標量子化ステップ長及び前記第２量子化重みに基づいて、前記現在点の属性情報の残差値を量子化することは、
    前記第２量子化重みに前記現在点の属性情報の残差値を乗算して、重み付け残差値を取得することと、
    前記目標量子化ステップ長を利用して前記重み付け残差値を量子化して、前記現在点の属性情報の量子化残差値を取得することと、を含む、
    請求項１２に記載の点群符号化方法。
18. 
19. 前記目標量子化ステップ長及び前記第２量子化重みに基づいて、前記現在点の属性情報の残差値を量子化することは、
    前記現在点の第２量子化重みに基づいて、前記目標量子化ステップ長を更新することと、
    前記更新された量子化ステップ長に基づいて、前記現在点の属性情報の残差値を量子化することと、を含む、
    請求項１２に記載の点群符号化方法。
20. 
21. 前記点群符号化方法は、
    前記点群の符号化順序の逆順に従って、前記点群内の点をトラバースすることにより、現在点の第１量子化重みに基づいて前記現在点のＮ個の最近傍点の第１量子化重みを更新することをさらに含み、Ｎは、０より大きい整数である、
    請求項１２に記載の点群符号化方法。
22. 前記点群内の各点の第１量子化重みの初期値は、所定値である、
    請求項２１に記載の点群符号化方法。
23. 前記点群のＬＯＤにおける最初のＭ個のＬＯＤ内の点の第１量子化重みの初期値は、残りのＬＯＤ内の点の第１量子化重みの初期値より大きく、前記Ｍは、正の整数である、
    請求項２１に記載の点群符号化方法。
24. 前記現在点の第１量子化重みに基づいて前記現在点のＮ個の最近傍点の第１量子化重みを更新することは、
    前記Ｎ個の最近傍点のそれぞれに対する前記現在点の影響重みを取得することであって、前記影響重みは、前記現在点及び前記Ｎ個の最近傍点の位置情報に関連する、ことと、
    前記現在点の量子化重み及び前記Ｎ個の最近傍点のそれぞれに対する前記現在点の影響重みに基づいて、前記Ｎ個の最近傍点の第１量子化重みを更新することと、を含む、
    請求項２１に記載の点群符号化方法。
25. 前記点群の属性パラメータセットは、前記Ｎ個の最近傍点のそれぞれに対する前記現在点の影響重みを含み、前記Ｎ個の最近傍点のそれぞれに対する前記現在点の影響重みを取得することは、
    前記属性パラメータセットを照会することにより、前記Ｎ個の最近傍点のそれぞれに対する前記現在点の影響重みを取得することを含む、
    請求項２４に記載の点群符号化方法。
26. 
27. 
28. 前記点群の量子化重みは、配列として記憶され、前記配列の次元は、前記点群内の点の数と同じである、
    請求項１２に記載の点群符号化方法。
29. 前記点群符号化方法は、
    前記点群内の少なくとも１つの点の属性情報の残差値を可逆符号化することをさらに含む、
    請求項４～６のいずれか一項に記載の点群符号化方法。
30. 前記少なくとも１つの点は、Ｎ個の点を含み、前記Ｎは、２の整数倍である、
    請求項２９に記載の点群符号化方法。
31. 前記少なくとも１つの点は、Ｎ個の点を含み、前記Ｎ個の点における各隣接する２つの点間の間隔は等しい、
    請求項２９に記載の点群符号化方法。
32. 前記点群内の少なくとも１つの点の属性残差値を可逆符号化することは、
    前記点群のマルチレベルの詳細表現レベルのうちの少なくとも１レベルの詳細表現レベル内の少なくとも１つの点の属性残差値を可逆符号化することを含む、
    請求項２９に記載の点群符号化方法。
33. 前記点群のマルチレベルの詳細表現レベルのうちの少なくとも１レベルの詳細表現レベル内の少なくとも１つの点の属性残差値を可逆符号化することは、
    前記点群の前記マルチレベルの詳細表現レベルに含まれる点の総数が第１所定値より小さいか等しい少なくとも１つの第１タイプの詳細表現レベル、及び含まれる点の総数が前記第１所定値より大きい少なくとも１つの第２タイプの詳細表現レベルを取得することと、
    前記第１タイプの詳細表現レベル内のすべての点の属性情報の残差値を可逆符号化することと、
    前記第２タイプの詳細表現レベル内の少なくとも１つの点の属性情報の残差値を可逆符号化することと、を含む、
    請求項３２に記載の点群符号化方法。
34. 前記第２タイプの詳細表現レベル内の少なくとも１つの点の属性情報の残差値を可逆符号化することは、
    前記第２タイプの詳細表現レベル内のＭ個の点の属性情報の残差値を可逆符号化することを含み、前記Ｍは、２の正の整数倍である、
    請求項３３に記載の点群符号化方法。
35. 前記少なくとも１レベルの第２タイプの詳細表現レベルがＬ個の第２タイプの詳細表現レベルを含み、前記Ｌが２より大きいか等しい正の整数である場合、前記第２タイプの詳細表現レベル内の少なくとも１つの点の属性情報の残差値を可逆符号化することは、
    Ｐ個の第２タイプの詳細表現レベルのそれぞれにおける第１数の点の属性情報の残差値を可逆符号化することと、
    Ｑ個の第２タイプの詳細表現レベルのそれぞれにおける第２数の点の属性情報の残差値を可逆符号化することと、を含み、
    前記Ｐ、Ｑは、正の整数であり、且つ前記Ｐと前記Ｑとの和は、前記Ｌより小さいか等しく、前記Ｐ個の第２タイプの詳細表現レベルは、前記Ｑ個の第２タイプの詳細表現レベルと重ならず、前記第１数は、前記第２数とは異なる、
    請求項３３に記載の点群符号化方法。
36. 前記Ｐ個の第２タイプの詳細表現レベルは、前記Ｌ個の第２タイプの詳細表現レベルにおける最初のＰ個の第２タイプの詳細表現レベルである、
    請求項３５に記載の点群符号化方法。
37. 前記Ｑ個の第２タイプの詳細表現レベルは、前記Ｌ個の第２タイプの詳細表現レベルにおける最後のＱ個の第２タイプの詳細表現レベルである、
    請求項３５に記載の点群符号化方法。
38. 前記Ｐ個の第２タイプの詳細表現レベルにおける最後の第２タイプの詳細表現レベルは、前記Ｑ個の第２タイプの詳細表現レベルにおける最初の第２タイプの詳細表現レベルに隣接する、
    請求項３５に記載の点群符号化方法。
39. 前記第１数は、前記第２数より大きい、
    請求項３５に記載の点群符号化方法。
40. 前記第１数は、前記第２数の正の整数倍である、
    請求項３９に記載の点群符号化方法。
41. 前記第１数の点における隣接する２つの点間の間隔は等しい、
    請求項３５に記載の点群符号化方法。
42. 前記第２数の点における隣接する２つの点間の間隔は等しい、
    請求項３５に記載の点群符号化方法。
43. 前記現在点が可逆符号化された点である場合、前記点群符号化方法は、
    現在点の属性情報の残差値及び属性情報の予測値に基づいて、前記現在点の属性情報の再構築値を決定することをさらに含む、
    請求項６に記載の点群符号化方法。
44. 
45. 前記点群符号化方法は、
    コードストリームを生成することをさらに含み、前記コードストリームは、第１情報を含み、前記第１情報は、属性情報の残差値が可逆符号化された点を示すために使用される、
    請求項３５～４２のいずれか一項に記載の点群符号化方法。
46. 前記第１情報は、前記属性情報の残差値が可逆符号化された点の識別情報を含む、
    請求項４５に記載の点群符号化方法。
47. 前記第１情報は、前記属性情報の残差値が可逆符号化された点の数を含む、
    請求項４５に記載の点群符号化方法。
48. 前記第１情報は、前記第１数、前記第２数、及び前記Ｐ個の第２タイプの詳細表現レベルと前記Ｑ個の第２タイプの詳細表現レベルの分割情報を含む、
    請求項４５に記載の点群符号化方法。
49. 前記Ｐ個の第２タイプの詳細表現レベルにおける最後の第２タイプの詳細表現レベルが、前記Ｑ個の第２タイプの詳細表現レベルにおける最初の第２タイプの詳細表現レベルに隣接する場合、前記分割情報はさらに、前記Ｑ個の第２タイプの詳細表現レベルにおける最初の第２タイプの詳細表現レベルの識別情報、又は、前記Ｐ個の第２タイプの詳細表現レベルにおける最後の第２タイプの詳細表現レベルの識別情報を含む、
    請求項４８に記載の点群符号化方法。
50. 前記第１情報はさらに、前記第２タイプの詳細表現レベルにおける最初の属性情報の残差値が可逆符号化された点の識別情報を含む、
    請求項４５に記載の点群符号化方法。
51. 前記点群内の少なくとも１つの点の属性情報の残差値を可逆符号化することは、
    前記点群内の点の属性情報の残差値を量子化するプロセス中に、前記属性情報の残差値が可逆符号化された少なくとも１つの点をスキップすること、又は、
    前記属性情報の残差値が可逆符号化された少なくとも１つの点の量子化ステップ長を１に設定すること、又は、
    前記属性情報の残差値が可逆符号化された少なくとも１つの点の量子化パラメータＱＰを目標値に設定することを含み、前記目標値は、量子化ステップ長が１であるときに対応するＱＰ値である、
    請求項２９に記載の点群符号化方法。
52. 点群復号化方法であって、
    点群のコードストリームを解析して、前記点群の現在点の属性情報の量子化残差値を取得することと、
    目標逆量子化方式を使用して、前記現在点の属性情報の量子化残差値を逆量子化して、前記現在点の属性情報の再構築残差値を取得することと、を含み、
    前記目標逆量子化方式は、第１逆量子化方式、第２逆量子化方式、及び第３逆量子化方式のうちの少なくとも２つの逆量子化方式を含み、前記第１逆量子化方式は、前記点群内の少なくとも１つの点の逆量子化パラメータに逆量子化パラメータ増分を設定する方式であり、前記第２逆量子化方式は、前記点群内の点の残差値を重み付け除去処理する方式であり、前記第３逆量子化方式は、前記点群内の少なくとも１つの点の属性情報の残差値を可逆復号化する方式である、点群復号化方法。
53. 前記点群復号化方法は、
    前記点群内の点のジオメトリ情報を取得することと、
    前記点群内の点のジオメトリ情報に基づいて、前記点群を１つ又は複数の詳細レベル（ＬＯＤ）に分割することと、をさらに含み、各前記ＬＯＤは、少なくとも１つのマルチレベルの詳細表現レベルを含み、マルチレベルの詳細表現レベルの各レベルは、少なくとも１つの点を含む、
    請求項５２に記載の点群復号化方法。
54. 前記目標逆量子化方式は、前記第１逆量子化方式及び前記第２逆量子化方式を含み、前記目標逆量子化方式を使用して、前記現在点の属性情報の量子化残差値を逆量子化することは、
    前記現在点のジオメトリ情報に基づいて、前記現在点が位置する目標ＬＯＤを決定することと、
    前記目標ＬＯＤに適合する目標量子化ステップ長を決定することと、
    前記現在点の第１量子化重みを決定することと、
    前記目標量子化ステップ長及び前記第１量子化重みに基づいて、前記現在点の属性情報の量子化残差値を逆量子化することと、を含む、
    請求項５３に記載の点群復号化方法。
55. 前記目標逆量子化方式は、前記第１逆量子化方式及び前記第３逆量子化方式を含み、前記目標逆量子化方式を使用して、前記現在点の属性情報の量子化残差値を逆量子化することは、
    前記現在点のジオメトリ情報に基づいて、前記現在点が位置する目標ＬＯＤを決定することと、
    前記現在点が非可逆符号化された点に属すると決定する場合、前記目標ＬＯＤに適合する目標量子化ステップ長を決定することと、
    前記目標量子化ステップ長に基づいて、前記現在点の属性情報の量子化残差値を逆量子化することと、を含む、
    請求項５３に記載の点群復号化方法。
56. 前記目標逆量子化方式は、前記第１逆量子化方式、前記第２逆量子化方式、及び前記第３逆量子化方式を含み、前記目標逆量子化方式を使用して、前記現在点の属性情報の量子化残差値を逆量子化することは、
    前記現在点のジオメトリ情報に基づいて、前記現在点が位置する目標ＬＯＤを決定することと、
    前記現在点が非可逆符号化された点に属すると決定する場合、前記目標ＬＯＤに適合する目標量子化ステップ長を決定し、前記現在点の第１量子化重みを決定することと、
    前記目標量子化ステップ長及び前記第１量子化重みに基づいて、前記現在点の属性情報の量子化残差値を逆量子化することと、を含む、
    請求項５３に記載の点群復号化方法。
57. 前記点群復号化方法は、
    前記現在点が可逆符号化された点に属すると決定する場合、現在点の属性情報の残差値を可逆復号化することをさらに含む、
    請求項５５又は５６に記載の点群符号化方法。
58. 前記目標ＬＯＤに適合する目標量子化ステップ長を決定することは、
    前記目標ＬＯＤの階層レベルインデックスを取得することと、
    前記目標ＬＯＤの階層レベルインデックスに基づいて、量子化ステップ長ルックアップテーブルで前記目標ＬＯＤに対応する目標量子化ステップ長を照会することと、を含み、前記量子化ステップ長ルックアップテーブルは、ＬＯＤと量子化ステップ長との対応関係を含む、
    請求項５４又は５６に記載の点群符号化方法。
59. 前記目標ＬＯＤに適合する目標量子化ステップ長を決定することは、
    コードストリームを復号化して、前記現在点の符号化パラメータ内の量子化パラメータを取得することと、
    前記目標ＬＯＤの階層レベルインデックスを取得し、前記目標ＬＯＤの階層レベルインデックスに基づいて、前記目標ＬＯＤの量子化パラメータ増分を決定することと、
    前記量子化パラメータ及び前記目標ＬＯＤの量子化パラメータ増分に基づいて、前記目標ＬＯＤに対応する目標量子化ステップ長を決定することと、を含む、
    請求項５４又は５６に記載の点群符号化方法。
60. 前記目標ＬＯＤの階層レベルインデックスに基づいて、前記目標ＬＯＤの量子化パラメータ増分を決定することは、
    前記目標ＬＯＤが前記点群の最初のＮ個のＬＯＤに属する場合、前記目標ＬＯＤの量子化パラメータ増分がｊであると決定することであって、前記Ｎは、第１閾値より小さいか等しい正の整数であり、前記ｊは、０より大きく、且つ第２閾値より小さいか等しい正数である、ことと、
    前記目標ＬＯＤが前記点群の最初のＮ個のＬＯＤに属さない場合、前記目標ＬＯＤの量子化パラメータ増分が０であると決定することと、を含む、
    請求項５９に記載の点群復号化方法。
61. 前記量子化パラメータが第３閾値より大きいか等しい場合、前記ｊは、第１所定値であり、
    前記量子化パラメータが前記第３閾値より小さい場合、前記ｊは、第２所定値である、
    請求項６０に記載の点群復号化方法。
62. 前記現在点の第１量子化重みを決定することは、
    前記現在点のインデックスを決定することと、
    前記現在点のインデックスに対応する量子化重みを、前記現在点の第１量子化重みとして決定することと、を含む、
    請求項５４又は５６に記載の点群復号化方法。
63. 前記目標量子化ステップ長及び前記第１量子化重みに基づいて、前記現在点の属性情報の量子化残差値を逆量子化することは、
    前記現在点の第１量子化重みに基づいて、前記現在点の第２量子化重みを決定することと、
    前記目標量子化ステップ長及び前記第２量子化重みに基づいて、前記現在点の属性情報の量子化残差値を逆量子化して、前記再構築残差値を取得することと、を含む、
    請求項５４又は５６に記載の点群復号化方法。
64. 前記第２量子化重みは、前記目標量子化ステップ長より小さいか等しい、
    請求項６３に記載の点群復号化方法。
65. 
66. 前記第２量子化重みの値は、２の整数乗に等しい、
    請求項６３に記載の点群復号化方法。
67. 前記第１量子化重みの値は、２の整数乗に等しくなく、前記現在点の第１量子化重みに基づいて、前記現在点の第２量子化重みを決定することは、
    前記現在点の第１量子化重みの値に基づいて、前記現在点の第１量子化重みに最近接する２の整数乗を、前記現在点の第２量子化重みとして決定することを含む、
    請求項６３に記載の点群復号化方法。
68. 前記目標量子化ステップ長及び前記第２量子化重みに基づいて、前記現在点の属性情報の量子化残差値を逆量子化することは、
    前記現在点の目標量子化ステップ長を利用して、前記量子化残差値を逆量子化して、重み付け残差値を取得することと、
    前記重み付け残差値を前記第２量子化重みで除算して、前記再構築残差値を取得することと、を含む、
    請求項６３に記載の点群復号化方法。
69. 
70. 前記目標量子化ステップ長及び前記第２量子化重みに基づいて、前記現在点の属性情報の量子化残差値を逆量子化することは、
    前記現在点の第２量子化重みに基づいて、前記目標量子化ステップ長を更新することと、
    前記更新された量子化ステップ長に基づいて、前記現在点の属性情報の量子化残差値を逆量子化する、
    請求項６３に記載の点群復号化方法。
71. 
72. 前記点群復号化方法は、
    前記点群の符号化順序の逆順に従って、前記点群内の点をトラバースすることにより、現在点の第１量子化重みに基づいて前記現在点のＮ個の最近傍点の第１量子化重みを更新することをさらに含み、Ｎは、０より大きい整数である、
    請求項６３に記載の点群復号化方法。
73. 前記点群内の各点の第１量子化重みの初期値は、所定値である、
    請求項７２に記載の点群復号化方法。
74. 前記点群のＬＯＤにおける最初のＭ個のＬＯＤ内の点の第１量子化重みの初期値は、残りのＬＯＤ内の点の第１量子化重みの初期値より大きく、前記Ｍは、正の整数である、
    請求項７２に記載の点群復号化方法。
75. 前記現在点の第１量子化重みに基づいて前記現在点のＮ個の最近傍点の第１量子化重みを更新することは、
    前記Ｎ個の最近傍点のそれぞれに対する前記現在点の影響重みを取得することであって、前記影響重みは、前記現在点及び前記Ｎ個の最近傍点の位置情報に関連する、ことと、
    前記現在点の量子化重み及び前記Ｎ個の最近傍点のそれぞれに対する前記現在点の影響重みに基づいて、前記Ｎ個の最近傍点の第１量子化重みを更新することと、を含む、
    請求項７２に記載の点群復号化方法。
76. 前記点群の属性パラメータセットは、前記Ｎ個の最近傍点のそれぞれに対する前記現在点の影響重みを含み、前記Ｎ個の最近傍点のそれぞれに対する前記現在点の影響重みを取得することは、
    前記属性パラメータセットを照会することにより、前記Ｎ個の最近傍点のそれぞれに対する前記現在点の影響重みを取得することを含む、
    請求項７５に記載の点群復号化方法。
77. 
78. 
79. 前記点群の量子化重みは、配列として記憶され、前記配列の次元は、前記点群内の点の数と同じである、
    請求項５２に記載の点群復号化方法。
80. 前記点群復号化方法は、
    前記点群のコードストリームを復号化して、第１情報を取得することであって、前記第１情報は、属性情報の残差値が可逆符号化された点を示すために使用される、ことと、
    前記第１情報に基づいて、前記現在点の属性情報の残差値が可逆符号化されたか否かを決定することと、をさらに含む、
    請求項５５～５７のいずれか一項に記載の点群復号化方法。
81. 前記第１情報は、Ｎを含み、前記Ｎは、前記点群における属性情報の残差値が可逆符号化された点の総数である、
    請求項８０に記載の点群復号化方法。
82. 前記Ｎは、２の整数倍である、
    請求項８１に記載の点群復号化方法。
83. 前記Ｎ個の点における各隣接する２つの点間の間隔は等しい、
    請求項８１に記載の点群復号化方法。
84. 前記第１情報に基づいて、前記現在点の属性情報の残差情報が可逆符号化されたか否かを決定することは、
    前記現在点が前記Ｎ個の点のうちの１つであると決定する場合、前記現在点の属性情報の残差情報が可逆符号化されたと決定することを含む、
    請求項８３に記載の点群復号化方法。
85. 前記第１情報が所定間隔を含む場合、前記第１情報に基づいて、前記現在点の属性情報の残差情報が可逆符号化されたか否かを決定することは、
    前記所定間隔に基づいて、前記現在点と、前の属性情報の残差情報が可逆符号化された点との間隔が前記所定間隔に等しいと決定する場合、前記現在点の属性情報の残差情報が可逆符号化されたと決定することを含む、
    請求項８０に記載の点群復号化方法。
86. 前記第１情報が第１所定値を含む場合、前記第１情報に基づいて、前記現在点の属性情報の残差情報が可逆符号化されたか否かを決定することは、
    前記第１所定値に基づいて、前記点群のマルチレベルの詳細表現レベルに含まれる点の総数が前記第１所定値より小さいか等しい少なくとも１つの第１タイプの詳細表現レベル、及び含まれる点の総数が前記第１所定値より大きい少なくとも１つの第２タイプの詳細表現レベルを取得することと、
    前記現在点が前記第１タイプの詳細表現レベルに属する場合、前記現在点の属性情報の残差情報が可逆符号化されたと決定することを含む、
    請求項８０に記載の点群復号化方法。
87. 前記第１情報がＭを含み、前記Ｍが１つの前記第２タイプの詳細表現レベルにおける属性情報の残差値が可逆符号化された点の数であり、前記Ｍが２の正の整数倍である場合、前記第１情報に基づいて、前記現在点の属性情報の残差情報が可逆符号化されたか否かを決定することは、
    前記現在点が前記Ｍ個の点のうちの１つである場合、前記現在点の属性情報の残差情報が可逆符号化されたと決定することを含む、
    請求項８６に記載の点群復号化方法。
88. 前記少なくとも１つの第２タイプの詳細表現レベルは、Ｌ個の第２タイプの詳細表現レベルを含み、前記Ｌは、２より大きいか等しい正の整数であり、前記第１情報が第１数、第２数、及びＰ個の第２タイプの詳細表現レベルとＱ個の第２タイプの詳細表現レベルの分割情報を含む場合、前記第１情報に基づいて、前記現在点の属性情報の残差情報が可逆符号化されたか否かを決定することは、
    前記分割情報に基づいて、前記Ｌ個の第２タイプの詳細表現レベルを分割して、前記Ｐ個の第２タイプの詳細表現レベルと前記Ｑ個の第２タイプの詳細表現レベルを取得することと、
    前記現在点が前記Ｐ個の第２タイプの詳細表現レベルにおける属性情報の残差値が可逆符号化された第１数の点のうちの１つであると決定する場合、前記現在点の属性情報の残差情報が可逆符号化されたと決定することと、
    前記現在点が前記Ｑ個の第２タイプの詳細表現レベルにおける属性情報の残差値が可逆符号化された第２数の点のうちの１つであると決定する場合、前記現在点の属性情報の残差情報が可逆符号化されたと決定することと、を含み、
    前記Ｐ、Ｑは、正の整数であり、且つ前記Ｐと前記Ｑとの和は、前記Ｌより小さいか等しく、前記Ｐ個の第２タイプの詳細表現レベルは、前記Ｑ個の第２タイプの詳細表現レベルと重ならず、前記第１数は、前記第２数とは異なる、
    請求項８６に記載の点群復号化方法。
89. 前記Ｐ個の第２タイプの詳細表現レベルは、前記Ｌ個の第２タイプの詳細表現レベルにおける最初のＰ個の第２タイプの詳細表現レベルである、
    請求項８８に記載の点群復号化方法。
90. 前記Ｑ個の第２タイプの詳細表現レベルは、前記Ｌ個の第２タイプの詳細表現レベルにおける最後のＱ個の第２タイプの詳細表現レベルである、
    請求項８８に記載の点群復号化方法。
91. 前記Ｐ個の第２タイプの詳細表現レベルにおける最後の第２タイプの詳細表現レベルは、前記Ｑ個の第２タイプの詳細表現レベルにおける最初の第２タイプの詳細表現レベルに隣接する、
    請求項８８に記載の点群復号化方法。
92. 前記Ｐ個の第２タイプの詳細表現レベルにおける最後の第２タイプの詳細表現レベルが、前記Ｑ個の第２タイプの詳細表現レベルにおける最初の第２タイプの詳細表現レベルに隣接する場合、前記分割情報はさらに、前記Ｑ個の第２タイプの詳細表現レベルにおける最初の第２タイプの詳細表現レベルの識別情報、又は、前記Ｐ個の第２タイプの詳細表現レベルにおける最後の第２タイプの詳細表現レベルの識別情報を含む、
    請求項９１に記載の点群復号化方法。
93. 前記第１情報はさらに、前記第２タイプの詳細表現レベルにおける最初の属性情報の残差値が可逆符号化された点の識別情報を含む、
    請求項８８に記載の点群復号化方法。
94. 前記第１情報はさらに、属性情報の残差値が可逆符号化された点の識別情報を含む、
    請求項８８に記載の点群復号化方法。
95. 前記第１数は、前記第２数より大きい、
    請求項８８に記載の点群復号化方法。
96. 前記第１数は、前記第２数の正の整数倍である、
    請求項９５に記載の点群復号化方法。
97. 前記第１数の点における隣接する２つの点間の間隔は等しい、
    請求項８８に記載の点群復号化方法。
98. 前記第２数の点における隣接する２つの点間の間隔は等しい、
    請求項８８に記載の点群復号化方法。
99. 
100. 点群エンコーダであって、
     点群内の現在点の属性情報を取得するように構成される取得ユニットと、
     前記現在点の属性情報を処理して、前記現在点の属性情報の残差値を取得するように構成される処理ユニットと、
     目標量子化方式を使用して、前記現在点の属性情報の残差値を量子化して、前記現在点の属性情報の量子化残差値を取得するように構成される量子化ユニットと、を備え、
     前記目標量子化方式は、第１量子化方式、第２量子化方式、及び第３量子化方式のうちの少なくとも２つの量子化方式を含み、前記第１量子化方式は、前記点群内の少なくとも１つの点の量子化パラメータに量子化パラメータ増分を設定する方式であり、前記第２量子化方式は、前記点群内の点の残差値を重み付け処理する方式であり、前記第３量子化方式は、前記点群内の少なくとも１つの点の属性情報の残差値を可逆符号化する方式である、点群エンコーダ。
101. 点群デコーダであって、
     点群のコードストリームを解析して、前記点群の現在点の属性情報の量子化残差値を取得するように構成される復号化ユニットと、
     目標逆量子化方式を使用して、前記現在点の属性情報の量子化残差値を逆量子化して、前記現在点の属性情報の再構築残差値を取得するように構成される逆量子化ユニットと、を備え、
     前記目標逆量子化方式は、第１逆量子化方式、第２逆量子化方式、及び第３逆量子化方式のうちの少なくとも２つの逆量子化方式を含み、前記第１逆量子化方式は、前記点群内の少なくとも１つの点の逆量子化パラメータに逆量子化パラメータ増分を設定する方式であり、前記第２逆量子化方式は、前記点群内の点の残差値を重み付け除去処理する方式であり、前記第３逆量子化方式は、前記点群内の少なくとも１つの点の属性情報の残差値を可逆復号化する方式である、点群デコーダ。
102. 点群エンコーダであって、
     コンピュータプログラムを実行するように構成されたプロセッサと、
     コンピュータプログラムが記憶されたコンピュータ可読記憶媒体と、を備え、前記コンピュータプログラムが前記プロセッサによって実行されるときに、請求項１～５１のいずれか一項に記載の点群符号化方法を実現する、点群エンコーダ。
103. 点群デコーダであって、
     コンピュータプログラムを実行するように構成されたプロセッサと、
     コンピュータプログラムが記憶されたコンピュータ可読記憶媒体と、を備え、前記コンピュータプログラムが前記プロセッサによって実行されるときに、請求項５２～９８のいずれか一項に記載の点群復号化方法を実現する、点群デコーダ。
104. プロセッサによってロードされ、請求項１～９８のいずれか一項に記載の方法を実行するように構成されたコンピュータ命令を含む、コンピュータ可読記憶媒体。
105. 点群コーデックシステムであって、
     請求項１００又は１０２に記載の点群エンコーダと、
     請求項１０１又は１０３に記載の点群デコーダと、を含む、点群コーデックシステム。