JP7395740B2 - ポイントクラウドコーディングのためのハッシュベースの属性予測 - Google Patents

ポイントクラウドコーディングのためのハッシュベースの属性予測 Download PDF

Info

Publication number
JP7395740B2
JP7395740B2 JP2022529697A JP2022529697A JP7395740B2 JP 7395740 B2 JP7395740 B2 JP 7395740B2 JP 2022529697 A JP2022529697 A JP 2022529697A JP 2022529697 A JP2022529697 A JP 2022529697A JP 7395740 B2 JP7395740 B2 JP 7395740B2
Authority
JP
Japan
Prior art keywords
computer
point cloud
hash
coding
hash table
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
JP2022529697A
Other languages
English (en)
Other versions
JP2023503458A (ja
Inventor
ジャン，シアン
ガオ，ウエン
リィウ，シャン
Original Assignee
テンセント・アメリカ・エルエルシー
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by テンセント・アメリカ・エルエルシー filed Critical テンセント・アメリカ・エルエルシー
Publication of JP2023503458A publication Critical patent/JP2023503458A/ja
Application granted granted Critical
Publication of JP7395740B2 publication Critical patent/JP7395740B2/ja
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T9/00—Image coding
    • G06T9/001—Model-based coding, e.g. wire frame
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/50—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using predictive coding
    • H04N19/597—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using predictive coding specially adapted for multi-view video sequence encoding
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/22—Indexing; Data structures therefor; Storage structures
    • G06F16/2228—Indexing structures
    • G06F16/2255—Hash tables
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/23—Updating
    • G06F16/2358—Change logging, detection, and notification
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/23—Updating
    • G06F16/2365—Ensuring data consistency and integrity
    • H—ELECTRICITY
    • H03—ELECTRONIC CIRCUITRY
    • H03M—CODING; DECODING; CODE CONVERSION IN GENERAL
    • H03M7/00—Conversion of a code where information is represented by a given sequence or number of digits to a code where the same, similar or subset of information is represented by a different sequence or number of digits
    • H03M7/30—Compression; Expansion; Suppression of unnecessary data, e.g. redundancy reduction
    • H03M7/3059—Digital compression and data reduction techniques where the original information is represented by a subset or similar information, e.g. lossy compression

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Signal Processing (AREA)
  • Computer Security & Cryptography (AREA)
  • Software Systems (AREA)
  • Compression Or Coding Systems Of Tv Signals (AREA)
  • Compression, Expansion, Code Conversion, And Decoders (AREA)
  • Information Transfer Between Computers (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Description

［関連出願の相互参照］
本出願は、2020年8月17日に出願された米国仮出願第63/066,583号に基づく優先権を主張する、2021年5月11日に出願された米国特許出願第17/317,053号に対する優先権の利益を主張し、その全体が参照により本明細書に組み込まれる。
本開示は、概して、データ処理の分野に関し、より具体的には、ポイントクラウドコーディング（point cloud coding）に関する。
近年、ポイントクラウドが広く使用されている。例えば、物体の検出及び位置特定のための自動運転車両で使用される；また、地図作成のための地理情報システム（ＧＩＳ）で使用され、文化遺産のオブジェクト及びコレクションなどを可視化してアーカイブするために文化遺産で使用される。ポイントクラウドは、高次元ポイントの、典型的には三次元（３Ｄ）のセットを含み、各々は、３Ｄ位置情報及び色、反射率などの追加属性を含む。それらは、複数のカメラ及び奥行き（depth）センサ、又は様々な設定のライダーを使ってキャプチャすることができ、オリジナルのシーンをリアルに表現するために数千から数十億のポイントで構成され得る。圧縮技術が、より高速な転送やストレージの削減を行うためにポイントクラウドを表すのに必要なデータ量を減らすために必要とされる。
実施形態は、ポイントクラウドコーディングのための方法、システム、及びコンピュータ可読媒体に関する。一態様によれば、ポイントクラウドコーディングのための方法が提供される。この方法は、ポイントクラウドに対応するデータを受信することを含み得る。受信したデータに関連付けられる属性値に対応するハッシュ要素が再構成される。ポイントクラウドに対応するデータは、再構成されたハッシュ要素に基づいてデコーディングされる。
別の態様によれば、ポイントクラウドコーディングのためのコンピュータシステムが提供される。コンピュータシステムは、１つ又は複数のプロセッサ、１つ又は複数のコンピュータ可読メモリ、１つ又は複数のコンピュータ可読有形記憶装置、及び少なくとも１つ又は複数のメモリのうちの少なくとも１つを介して１つ又は複数のプロセッサのうちの少なくとも１つによる実行のために、１つ又は複数の記憶装置のうちの少なくとも１つに記憶されたプログラム命令を含み、それによってコンピュータシステムは方法を実行することができる。この方法は、ポイントクラウドに対応するデータを受信することを含み得る。受信したデータに関連付けられる属性値に対応するハッシュ要素が再構成される。ポイントクラウドに対応するデータは、再構成されたハッシュ要素に基づいてデコーディングされる。
さらに別の態様によれば、ポイントクラウドコーディングのためのコンピュータ可読媒体が提供される。コンピュータ可読媒体は、１つ又は複数のコンピュータ可読記憶装置と、１つ又は複数の有形記憶装置のうちの少なくとも１つに記憶されたプログラム命令とを含み得、プログラム命令は、プロセッサによって実行可能である。プログラム命令は、従って、ポイントクラウドに対応するデータを受信することを含み得る方法を実行するためにプロセッサによって実行可能である。受信したデータに関連付けられる属性値に対応するハッシュ要素が再構成される。ポイントクラウドに対応するデータは、再構成されたハッシュ要素に基づいてデコーディングされる。
これら及び他の目的、特徴及び利点は、添付の図面に関連して読まれることになる例示的な実施形態の以下の詳細な説明から明らかになるであろう。図面の種々の特徴は、詳細な説明に関連して当業者の理解を容易にすることを明確にするためのものであるため、正確なスケールではない。
少なくとも１つの実施例によるネットワーク化されたコンピュータ環境を示す。 少なくとも１つの実施形態による、ポイントクラウド更新システムのブロック図である。 少なくとも１つの実施形態による、ポイントクラウド更新システムのブロック図である。 少なくとも１つの実施形態による、領域適応階層変換（ＲＡＨＴ）の図である。 少なくとも１つの実施形態による、境界要素を維持しながら縮小するハッシュの図である。 少なくとも１つの実施形態による、予測残差のための構文要素の表である。 少なくとも１つの実施形態による、ポイントクラウドコーディングのためのプログラムによって実行されるステップを示す、動作フローチャートである。 少なくとも１つの実施形態による、図１に示されたコンピュータ及びサーバの内部及び外部コンポーネントのブロック図である。 少なくとも１つの実施形態による、図１に示されるコンピュータシステムを含む例示的なクラウドコンピューティング環境のブロック図である。 少なくとも１つの実施形態による、図５の例示的なクラウドコンピューティング環境の機能層のブロック図である。
請求項に係る構造及び方法の詳細な実施形態が、本明細書に開示されている；しかし、開示された実施形態は、単に、種々の形態で実施され得る請求項に係る構造及び方法を例示するに過ぎないことを理解することができる。しかし、これらの構造及び方法は、多くの異なる形態で具体化することができ、本明細書に記載の例示的な実施形態に限定されるものと解釈されるべきではない。むしろ、これらの例示的な実施形態は、本開示が詳細かつ完全であり、当業者に範囲を完全に伝えるように提供される。説明では、よく知られた特徴及び技術の詳細は、提示された実施形態を不必要に不明瞭にすることを避けるために省略することができる。
実施形態は、概して、データ処理の分野に関し、より詳細には、ポイントクラウドコーディングに関する。以下に説明する例示的な実施形態は、とりわけ、ポイントクラウド属性データをコーディングするためのハッシュベースの方法を使用するためのシステム、方法、及びコンピュータプログラムを提供する。従って、いくつかの実施形態は、ポイントクラウドデータの最近傍を見つける必要がないことによって、ポイントクラウドコーディングの効率を向上させることを可能にすることによって、コンピューティングの分野を改善する能力を有する。
前述したように、近年、ポイントクラウドは広く利用されている。例えば、物体検出及び位置特定のための自動運転車両で使用される；また、地図作成のための地理情報システム（ＧＩＳ）で使用され、文化遺産のオブジェクト及びコレクションなどを可視化してアーカイブするために文化遺産で使用される。ポイントクラウドは、高次元ポイントの、典型的には三次元（３Ｄ）のセットを含み、各々は、３Ｄ位置情報及び色、反射率などの追加属性を含む。それらは、複数のカメラ及び奥行きセンサ、又は様々な設定のライダーを使ってキャプチャすることができ、オリジナルのシーンをリアルに表現するために数千から数十億のポイントで構成され得る。圧縮技術が、より高速な転送やストレージの削減を行うためにポイントクラウドを表すのに必要なデータ量を減らすために必要とされる。予測ベースの属性コーディングでは、現在のポイントの属性は、現在のポイントに近い既にコーディングされたポイントから予測される。
ＴＭＣ１３モデルでは、ジオメトリ情報、及び、色又は反射率などの関連する属性が、別々に圧縮される。ジオメトリ情報は、ポイントクラウドの３Ｄ座標であり、占有情報を持つ八分木パーティション（octree-partition）によってコーディングされる。属性が、次いで、予測、リフティング及び領域適応階層変換技法を用いて、再構成されたジオメトリに基づいて圧縮される。しかし、各ポイントの３Ｄスペース内の最も近いポイントを見つけることは、費用がかかる場合がある。加えて、複数のチャネル属性、例えば、ＲＧＢ色のロスレス及びニアロスレスコーディングのために、複数のチャネルは、色空間変換なしで直接処理され、独立してコーディングされる。しかし、特にＲＧＢドメインにおいて、異なるカラーチャネル間には通常強い相関がある。このような相関を利用しないことは、コーディング効率の点で性能損失を招く可能性がある。従って、ハッシュベースの予測スキーム及びコンポーネント間相関（inter-component correlations）を使用することは有利であり得る。
様々な実施形態による方法、装置（システム）、及びコンピュータ可読媒体のフロー図及び／又はブロック図を参照して、態様が本明細書に記載される。フローチャート図及び／又はブロック図の各ブロック、及びフローチャート図及び／又はブロック図のブロックの組み合わせは、コンピュータ可読プログラム命令によって実装できることが理解されよう。
次に、図１を参照すると、ポイントクラウドデータをコーディングするためのポイントクラウドコーディングシステム１００（以下、「システム」という）を示す、ネットワークコンピュータ環境の機能ブロック図である。図１は、１つの実装の例示にすぎず、異なる実施形態が実装され得る環境に関するいかなる限定も意味しないことを理解されたい。図示された環境に対する多くの修正が、設計及び実装要件に基づいて行われ得る。
システム１００は、コンピュータ１０２及びサーバコンピュータ１１４を含むことができる。コンピュータ１０２は、通信ネットワーク１１０（以下、「ネットワーク」という）を介してサーバコンピュータ１１４と通信し得る。コンピュータ１０２は、プロセッサ１０４と、データ記憶装置１０６に記憶され、ユーザとインターフェースし、サーバコンピュータ１１４と通信することを可能にするソフトウェアプログラム１０８とを含み得る。図４を参照して後述するように、コンピュータ１０２は、それぞれ内部コンポーネント８００Ａ及び外部コンポーネント９００Ａを含み得、サーバコンピュータ１１４は、それぞれ内部コンポーネント８００Ｂ及び外部コンポーネント９００Ｂを含み得る。コンピュータ１０２は、例えば、モバイルデバイス、電話、パーソナルデジタルアシスタント、ネットブック、ラップトップコンピュータ、タブレットコンピュータ、デスクトップコンピュータ、又はプログラムを実行し、ネットワークにアクセスし、データベースにアクセスすることができる任意の種類のコンピューティングデバイスであり得る。
サーバコンピュータ１１４はまた、図５及び図６に関して後述するように、サービスとしてのソフトウェア（Software as a Service）（Ｓａａｓ）、サービスとしてのプラットフォーム（Platform as a Service）（ＰａａＳ）、又はサービスとしてのインフラストラクチャ（Infrastructure as a Service）（ＩａａＳ）のようなクラウドコンピューティングサービスモデルにおいて動作し得る。サーバコンピュータ１１４はまた、プライベートクラウド、コミュニティクラウド、パブリッククラウド、又はハイブリッドクラウドのようなクラウドコンピューティング展開モデルに配置され得る。
ポイントクラウドコーディングに使用され得るサーバコンピュータ１１４は、データベース１１２と対話し得るポイントクラウドコーディングプログラム１１６（以下、「プログラム」という）を実行することができる。ポイントクラウドコーディングプログラム方法は、図３に関して以下により詳細に説明される。一実施形態では、コンピュータ１０２は、ユーザインターフェースを含む入力デバイスとして動作し得、一方、プログラム１１６は、主としてサーバコンピュータ１１４上で動作し得る。代替実施形態では、プログラム１１６は、主として１つ又は複数のコンピュータ１０２上で動作し得、一方、サーバコンピュータ１１４は、プログラム１１６によって使用されるデータの処理及び記憶のために使用され得る。プログラム１１６は、スタンドアロンプログラムであってもよいし、より大きなポイントクラウドコーディングプログラムに統合されてもよいことが留意されるべきである。
しかしながら、プログラム１１６のための処理は、ある場合には、コンピュータ１０２とサーバコンピュータ１１４との間で任意の比率で共有され得ることが留意されるべきである。別の実施形態では、プログラム１１６は、１より多いコンピュータ、サーバコンピュータ、又はコンピュータとサーバコンピュータのいくつかの組み合わせ、例えば、ネットワーク１１０を介して単一のサーバコンピュータ１１４と通信する複数のコンピュータ１０２で動作し得る。別の実施形態では、例えば、プログラム１１６は、ネットワーク１１０を介して複数のクライアントコンピュータと通信する複数のサーバコンピュータ１１４で動作し得る。代替的には、プログラムは、ネットワークを介してサーバ及び複数のクライアントコンピュータと通信するネットワークサーバで動作し得る。
ネットワーク１１０は、有線接続、無線接続、光ファイバ接続、又はそれらの組み合わせを含み得る。概して、ネットワーク１１０は、コンピュータ１０２とサーバコンピュータ１１４との間の通信をサポートする接続とプロトコルの任意の組み合わせとすることができる。ネットワーク１１０は、例えば、ローカルエリアネットワーク（ＬＡＮ）、インターネットのようなワイドエリアネットワーク（ＷＡＮ）、公衆交換電話ネットワーク（ＰＳＴＮ）のような電気通信ネットワーク、無線ネットワーク、公衆交換ネットワーク、衛星ネットワーク、セルラーネットワーク（例えば、第５世代（５Ｇ）ネットワーク、ロングタームエボリューション（ＬＴＥ）ネットワーク、第３世代（３Ｇ）ネットワーク、符号分割多元接続（ＣＤＭＡ）ネットワーク等）、公衆陸上移動ネットワーク（ＰＬＭＮ）、メトロポリタンエリアネットワーク（ＭＡＮ）、専用ネットワーク、アドホックネットワーク、イントラネット、光ファイバベースネットワーク等、及び／又はこれらの又は他のタイプのネットワークの組合せのような種々のタイプのネットワークを含み得る。
図１に示すデバイス及びネットワークの数及び配置は、一例として提供される。実際には、図１に示されたものよりも、追加のデバイス及び／又はネットワーク、より少ないデバイス及び／又はネットワーク、異なるデバイス及び／又はネットワーク、又は異なる配置のデバイス及び／又はネットワークがあり得る。さらに、図１に示す２つ以上のデバイスは、単一のデバイス内に実装されてもよく、又は図１に示す単一のデバイスは、複数の分散デバイスとして実装されてもよい。加えて、又は代替的に、システム１００のデバイスのセット（例えば、１つ又は複数のデバイス）は、システム１００のデバイスの別のセットによって実行されるものとして説明される１つ以上の機能を実行してもよい。
次に、図２Ａ及び２Ｂを参照すると、ポイントクラウド更新システムのブロック図２００Ａ及び２００Ｂが示されている。ブロック図２００Ａは、リフティングスキームにおける直接又は順変換を示し得る。ブロック図２００Ｂは、リフティングスキームにおける逆変換を示し得る。
予測に基づく属性コーディングでは、（Ｐｉ）ｉ＝１．．．Ｎをポイントクラウドポイントに関連付けられる位置のセットとし、（Ｍｉ）ｉ＝１．．．Ｎを（Ｐｉ）ｉ＝１．．．Ｎに関連付けられるモートンコード（Morton codes）とする。まず、ポイントは関連するモートンコードに従って昇順にソートされる。Ｉを、このプロセスに従って順序付けられたポイントインデックスの配列とする。エンコーダ／デコーダは、Ｉによって定義された順序に従ってポイントをそれぞれ圧縮／解凍する。各反復ｉにおいて、ポイントＰｉが選択される。Ｐｉからｓ（例えば、ｓ＝６４）前のポイントまでの距離が分析され、Ｐｉのｋ（例えばｋ＝３）最近傍が予測に使用されるように選択される。より正確には、属性値

がポイントｉの最近傍の距離に基づいた線形補間プロセスを使用して予測される。
を現在のポイントｉのｋ最近傍のセットとし、
をデコーディング／再構成された属性値とし、
を現在のポイントまでの距離とする。予測される属性値
は：
によって与えられる。
リフティングベースの属性コーディングは、予測ベースのコーディングに基づいて構築される。予測ベースのスキームと比較した主な相違点は、２つの付加ステップが導入されることである。第１は、更新オペレータ（update operator）の導入である。第２は適応量子化戦略（adaptive quantization strategy）の使用である。
次に図２Ｃを参照すると、領域適応階層変換（ＲＡＨＴ）の図２００Ｃが示されている。ブロック図２００Ｃは、順変換２０２Ａ及び逆変換２０２Ｂを示し得る。ＲＡＨＴコーディングについて、
及び
で、ｗ０は入力係数Ｆｌ＋１，２ｎの重みの表記であるが、ｗ１はＦｌ＋１，２ｎ＋１の場合と同じである。
次に、図２Ｄを参照すると、境界要素を維持しながら縮小するハッシュの図２００Ｄが示されている。ハッシュ縮小は、ハッシュ要素２０６Ａ～２０６Ｃ、境界ハッシュ要素２０８Ａ～２０８Ｃ、及び現在のノード２１０を含み得る。１つ又は複数の実施形態によれば、後のコーディングされたノードはこの情報をコンテキストとして使用する必要があるため、コーディングされたジオメトリ占有情報はキャッシュメモリに保存され得る。
コーディングされた属性情報はハッシュテーブルに保存でき、後のコーディングされたノードはそれらを予測子として取り出すことができる。ハッシュテーブルは、再構成された属性値を記憶するために使用される。具体的には、ハッシュテーブルＨが維持され、ここでキーはポイントの３Ｄ座標のモートンコード（Morton code）、すなわち、Ｍｉ＝Ｍｏｒｔｏｎ（ｘｉ、ｙｉ、ｚｉ）であり、（ｘｉ、ｙｉ、ｚｉ）はｉ番目のポイントの３Ｄ座標である。キーとしてモートンコードＭｉを用いるとき、ハッシュテーブルＨ内の再構成された属性値に直接アクセスすることができる。Ｈ（Ｍｉ）がＮＵＬＬの場合、位置（ｘｉ、ｙｉ、ｚｉ）が占有されておらず、それに関連付けられる属性値がない又は位置（ｘｉ、ｙｉ、ｚｉ）に関連付けられる属性がまだコーディングされていないことを示す。
現在のポイントの属性値をエンコーディング／デコーディングするとき、隣接ポイントの前にコーディングされた属性がハッシュテーブルＨから得られ、予測子として使用される。現在のノードの属性値をエンコーディング／デコーディングした後、現在のノードの再構成された属性がＨに記憶される。
現在のポイントが（ｘｉ、ｙｉ、ｚｉ）にジオメトリ位置を有するとすると、（ｘｉ－Δｘ、ｙｉ－Δｙ、ｚｉ－Δｚ）に隣接するものの属性値を見つけるのは簡単であり、ここでΔｘ、Δｙ及びΔｚは小さな値の探索ステップサイズである。しかしながら、探索範囲が大きい場合、探索空間は探索ステップサイズに対して３乗で増加するので、空間を探索するのは時間がかかる。
探索を加速するために、複数のハッシュテーブルを持つ階層構造を構築することができる。各ハッシュテーブルは、特定の八分木パーティションレベル（octree partition level）の属性値を含む。八分木パーティション深さｄに対して、ハッシュテーブルＨｄが維持され、ここで、キーは深さｄの八分木ノードのモートンコード、すなわち、
、ここで
は深さｄの八分木ノードの３Ｄ座標である。キーとしてモートンコード
を使用すると、ハッシュテーブルＨｄの属性値にアクセスできる。Ｈｄに記憶される属性値は、対応する八分木ノード内のすべてのポイントの平均属性、又は対応する八分木ノード内のすべてのポイントの中央値属性値、又は対応する八分木ノード内のすべてのポイントの加重平均属性値とすることができる。複数のハッシュテーブルは、リーフノードレベルから、あるレベルより上に維持され得る。
探索するとき、十分な予測候補が見つかるまで、ボトムアップ又はトップダウン探索が適用され得る。
ハッシュ実装を最適化／加速するために、ハッシュテーブルをできるだけ小さく保つことは、情報を記憶するコストをより少なくし、探索速度をより速くすることを可能にし得る。一実施形態では、最大ハッシュテーブルサイズが定義される。最大サイズは、すべてのケースに対して固定することができる、又はケースバイケースで異なるように設定することができ、シーケンスパラメータセット、ジオメトリパラメータセット又はスライスヘッダなどのような高レベル構文の一部としてビットストリームで送ることができることに留意されたい。ハッシュテーブルが最大容量に達すると、ハッシュテーブル内の部分的な要素を削除することによって、ハッシュテーブル自体が縮小する。どの要素を削除されることになるかに関するルールは、状況によって異なり得る。一実施形態では、ハッシュテーブルは、ブロック境界にない要素を除去する。ブロック境界は、現在のノードの位置座標に従って定義することができる。通常、ブロックサイズは２のべき乗として定義される。例えば、ブロックサイズは、３Ｄ空間において（２Ｍ、２Ｍ、２Ｍ）とすることができる。次に、少なくとも１つの位置座標が２ｉＭ－１（ｉ＝１、２、３、．．．）に等しいポイントは境界である。したがって、境界にあるすべてのハッシュ要素は保持され、残りのすべての要素はテーブルから削除できる。境界に属さない要素は削除することができる。境界のサイズＭは、すべてのケースに対して固定することができる又はケースごとに異なるように設定することができ、シーケンスパラメータセット、ジオメトリパラメータセット又はスライスヘッダなどのような高レベル構文の一部としてビットストリームで送ることができることに留意されたい。
ノードベースのコーディング方法が提案された。そこでは、全ポイントクラウドは、幅優先八分木パーティション化を介して、いくつかのサブノードにパーティション化でき、各サブノードは、別々に又は並列にコーディングできる。このスキームでは、各サブノードは別々のハッシュテーブルを維持することができ、異なるサブノードからの各ハッシュテーブルは互いに独立である。この場合、各サブノードが元のポイントクラウドの一部であるため、ハッシュテーブルの最大サイズも縮小する。しかし、コンテキスト情報がノード境界を越えて共有されないため、これはコーディング効率の観点からある程度の性能損失を引き起こす可能性がある。損失を補償するために、別の実施形態では、ノード境界における要素が維持され、異なるサブノードに対して使用することができる。
異なるコンポーネント間の相関を利用するために、予測ベースの属性コーディング、リフティングに基づく属性コーディング、及びＲＡＨＴに基づく属性コーディングのような、異なる属性コーディング方法に予測スキームを適用することができる。クロスコンポーネント予測（cross component prediction）が、元の信号、予測残差、又は変換係数（ＲＡＨＴのような変換技法が適用される場合）に適用することができる。以下の実施形態では、予測に基づく属性コーディングが例として使用され、クロスコンポーネント予測スキームは、異なるチャネル（又はコンポーネント）の予測残差に適用される。
線形モデル、２次モデル、及び他の多項式モデルのようなコンポーネント間の信号を予測するための異なるモデルを構築することができる。以下の実施形態では、線形モデルが例として使用される。
クロスコンポーネント予測は、ＲＧＢカラー属性のみに限定されるものではなく、コーディングされることになる属性のタイプが複数あり、それらの間に相関がある限り、他の属性にも利用することができる。以下の実施形態では、ＲＧＢカラー属性を例として使用する。
Ｒ、Ｇ及びＢコンポーネントの予測残差がそれぞれｒ０、ｒ１、ｒ２であると仮定し、これらの信号は線形相関していると想定される。これらのコンポーネントは、任意の順序でコーディングすることができる。コーディング順序は、全てのケースに対して固定することができる、又は、ケースバイケースで異なって設定することができ、シーケンスパラメータセット、ジオメトリパラメータセット又はスライスヘッダなどのような、高レベル構文の一部としてビットストリーム内で指定できる。以下の実施形態では、コーディング順序は、最初にＲ、次にＧ及びＢが続くものと仮定される。したがって、Ｇの予測残差をコーディングするとき、Ｒの再構成予測残差を予測として用いることができ；Ｂの予測残差をコーディングするとき、ＲとＧの再構成予測残差を予測として用いることができる。
より具体的には、Ｒコンポーネントの予測残差、すなわち、ｒ０が最初にコーディングされ、量子化／逆量子化（quantization/dequantization）後のその再構成値がＲ０であると仮定する。次に、Ｇコンポーネントの予測残差、すなわち、ｒ１は、以下のようにＲ０によって予測することができる：
ｐ１＝α０Ｒ０＋β０
ここで、α０及びβ０は線形モデルパラメータであり、ｐ１はＧの予測残差である。したがって、予測残差、すなわちｒ１を直接コーディングする代わりに、ｒ１とｐ１との間の2次の残差、すなわち、ｒ１’＝ｒ１－ｐ１をコーディングすることができる。次に、Ｇの二次残差、すなわち、ｒ１’がコーディングされ、量子化／逆量子化後の再構成値はＲ１’であり、Ｇコンポーネントの再構成予測残差はＲ１＝Ｒ１’＋ｐ１である。最後に、Ｂコンポーネントの予測残差、すなわち、ｒ２は、Ｒ０及びＲ１の両方によって以下のように予測することができる、
ｐ２＝α１Ｒ０＋β１Ｒ１＋γ１
ここで、α１、β１及びγ１は線形モデルパラメータであり、ｐ２はＢの予測残差である。したがって、予測残差、すなわちｒ２を直接コーディングする代わりに、ｒ２とｐ２との間の２次の残差、すなわち、ｒ２’＝ｒ２－ｐ２をコーディングすることができる。次に、Ｂの二次残差、すなわち、ｒ２’がコーディングされ、その量子化／非量子化後の再構成値はＲ２’であり、Ｂコンポーネントの再構成予測残差はＲ２＝Ｒ２’＋ｐ２である。
線形モデルは、以下のように提案されるように多くの方法で簡略化することができる。しかし、単純化の方法は、任意の他の同様の形式にすることができることに留意されたい。一実施形態では、線形モデルは以下のように簡略化される、
ｐ１＝α０Ｒ０、ｐ２＝α１Ｒ０＋β１Ｒ１
ここで、β０及びγ１はゼロとして固定される。別の実施形態では、線形モデルは、以下のように簡略化することができる、
ｐ１＝α０Ｒ０、ｐ２＝α１Ｒ０
ここで、β０及びγ１及びβ１はゼロとして固定される。別の実施形態では、線形モデルは、以下のように簡略化することができる、
ｐ１＝α０Ｒ０、ｐ２＝α１Ｒ０
ここで、β０及びγ１及びβ１はゼロとして固定される。別の実施形態では、線形モデルは、以下のように簡略化することができる、
ｐ１＝α０Ｒ０、ｐ２＝β１Ｒ１
ここで、β０及びγ１及びα１はゼロとして固定される。別の実施形態では、線形モデルは、以下のように簡略化することができる、
ｐ１＝α０Ｒ０、ｐ２＝α０Ｒ０
ここで、β０及びγ１及びβ１はゼロとして固定され、α１＝α０である。別の実施形態では、線形モデルは、以下のように簡略化することができる、
ｐ１＝α０Ｒ０、ｐ２＝α０Ｒ１
ここで、β０及びγ１及びα１はゼロとして固定され、β１＝α０である。
上述の線形モデルでは、モデルパラメータは、エンコーダ及びデコーダの両方に対して、またすべての場合に対して固定することができる。一実施形態では、次のように予測を導き出すことができる：
ｐ１＝Ｒ０、ｐ２＝Ｒ０；
ｐ１＝Ｒ０、ｐ２＝Ｒ１；又は
ｐ１＝Ｒ０、ｐ２＝（Ｒ０＋Ｒ１）／２
しかし、モデルパラメータは、異なるポイントクラウドに対して異なる可能性があり、パラメータは、シーケンスパラメータセット、属性パラメータセット又はスライスヘッダなどのような、高レベル構文でシグナリングすることができる。
他の実施形態では、モデルパラメータはまた、「低レベル構文」として信号を送ることができ、これは、各コーディングユニット（ノード）が異なるパラメータのセットを有し得ることを意味する。
別の実施形態では、モデルパラメータを明示的にシグナリングすることを避けるために、再構成された予測残差からオンザフライでパラメータを適応的に学習することができる。エンコーダ及びデコーダは、平均二乗誤差を最小化することによって、コーディング中に同じトレーニング段階を進め得る。
次に、図２Ｅを参照すると、予測残差のための構文要素の表２００Ｅが示されている。予測残差をより効率的にコーディングするために、異なる属性コンポーネントは、別々のコンテキストを使用し得る。１つの実施形態では、Ｒ、Ｇ及びＢコンポーネントの両方は、異なるコンテキストモデルを使用する。prediction_resistance_is_zero[i]はｉ番目のコンポーネントの予測残差が０に等しいかどうかを指定する。prediction_resistance_is_one[i]はｉ番目のコンポーネントの予測残差が１に等しいかどうかを指定する。prediction_resistance_is_two[i]はｉ番目のコンポーネントの予測残差が２に等しいかどうかを指定する。prediction_resistance_minus_three[i]はｉ番目のコンポーネントの予測残差を、prediction_resistance_minus_three[i]＋３として指定する。別の実施形態では、Ｒコンポーネントは別個のコンテキストモデルを使用し、Ｇコンポーネント及びＢコンポーネントは同じコンテキストモデルを使用する。
次に、図３を参照すると、ポイントクラウドコーディングのためにプログラムによって実行される方法３００のステップを示す動作フローチャートが示されている。
３０２において、方法３００は、ポイントクラウドに対応するデータを受信することを含み得る。
３０４において、方法３００は、受信データに関連付けられる属性値に対応するハッシュ要素を再構成することを含み得る。
３０６において、方法３００は、再構成されたハッシュ要素に基づいてポイントクラウドに対応するデータをデコーディングすることを含み得る。
図３は、一実装形態の例示にすぎず、異なる実施形態がどのように実装され得るかに関する限定を意味しないことを理解されたい。図示された環境に対する多くの修正が、設計及び実装要件に基づいて行われ得る。
図４は、例示的な実施形態による、図１に示されたコンピュータの内部及び外部コンポーネントのブロック図４００である。図４は、１つの実装の例示にすぎず、異なる実施形態が実装され得る環境に関するいかなる限定も意味しないことを理解されたい。図示された環境に対する多くの修正は、設計及び実装要件に基づいて行われ得る。
コンピュータ１０２（図１）及びサーバコンピュータ１１４（図１）は、図４に示す内部コンポーネント８００Ａ、Ｂ及び外部コンポーネント９００Ａ、Ｂのそれぞれのセットを含み得る。内部コンポーネント８００のセットの各々は、１つ又は複数のバス８２６上の１つ又は複数のプロセッサ８２０、１つ又は複数のコンピュータ可読ＲＡＭ８２２及び１つ又は複数のコンピュータ可読ＲＯＭ８２４、１つ又は複数のオペレーティングシステム８２８、及び１つ又は複数のコンピュータ可読有形記憶装置８３０を含む。
プロセッサ８２０は、ハードウェア、ファームウェア、又はハードウェアとソフトウェアの組み合わせで実装される。プロセッサ８２０は、中央処理装置（ＣＰＵ）、グラフィックス処理装置（ＧＰＵ）、加速処理装置（ＡＰＵ）、マイクロプロセッサ、マイクロコントローラ、デジタル信号プロセッサ（ＤＳＰ）、フィールドプログラマブルゲートアレイ（ＦＰＧＡ）、特定用途向け集積回路（ＡＳＩＣ）、又は別のタイプの処理コンポーネントである。いくつかの実施態様では、プロセッサ８２０は、機能を実行するようにプログラムされ得る１つ又は複数のプロセッサを含む。バス８２６は、内部コンポーネント８００Ａ、Ｂ間の通信を可能にするコンポーネントを含む。
サーバコンピュータ１１４（図１）上の１つ又は複数のオペレーティングシステム８２８、ソフトウェアプログラム１０８（図１）及びポイントクラウドコーディングプログラム１１６（図１）は、それぞれのＲＡＭ８２２（典型的にはキャッシュメモリを含む）の１つ又は複数を介してそれぞれのプロセッサ８２０のうちの１つ又は複数による実行のために、それぞれのコンピュータ可読有形記憶装置８３０のうちの１つ又は複数に記憶される。図４に示す実施形態では、コンピュータ可読有形記憶装置８３０の各々は、内蔵ハードドライブの磁気ディスク記憶装置である。代替的には、コンピュータ可読有形記憶装置８３０の各々は、ＲＯＭ８２４のような半導体記憶装置、ＥＰＲＯＭ、フラッシュメモリ、光ディスク、光磁気ディスク、ソリッドステートディスク、コンパクトディスク（ＣＤ）、デジタル汎用ディスク（ＤＶＤ）、フロッピー（登録商標）ディスク、カートリッジ、磁気テープ、及び／又はコンピュータプログラム及びデジタル情報を記憶することができる他のタイプの非一時的コンピュータ可読有形記憶装置である。
内部コンポーネント８００Ａ、Ｂの各セットはまた、ＣＤ－ＲＯＭ、ＤＶＤ、メモリスティック、磁気テープ、磁気ディスク、光ディスク、又は半導体記憶装置のような１つ又は複数のポータブルコンピュータ可読有形記憶装置９３６から及びそれに読み書きするためのＲ／Ｗドライブ又はインターフェース８３２を含む。ソフトウェアプログラム１０８（図１）及びポイントクラウドコーディングプログラム１１６（図１）などのソフトウェアプログラムは、それぞれのポータブルコンピュータ可読有形記憶装置９３６のうちの１つ以上に記憶され、それぞれのＲ／Ｗドライブ又はインターフェース８３２を介して読み込まれ、それぞれのハードドライブ８３０にロードされることができる。
内部コンポーネント８００Ａ、Ｂの各セットはまた、ＴＣＰ／ＩＰアダプタカード；無線Wi-Fiインターフェースカード；又は、３Ｇ、４Ｇ、若しくは５Ｇ無線インターフェースカード、又は他の有線又は無線通信リンクなどのネットワークアダプタ又はインターフェース８３６を含む。サーバコンピュータ１１４（図１）上のソフトウェアプログラム１０８（図１）及びポイントクラウドコーディングプログラム１１６（図１）は、ネットワーク（例えば、インターネット、ローカルエリアネットワーク又は他のワイドエリアネットワーク）及びそれぞれのネットワークアダプタ又はインターフェース８３６を介して、外部コンピュータからコンピュータ１０２（図１）及びサーバコンピュータ１１４にダウンロードすることができる。ネットワークアダプタ又はインターフェース８３６から、サーバコンピュータ１１４上のソフトウェアプログラム１０８及びポイントクラウドコーディングプログラム１１６がそれぞれのハードドライブ８３０にロードされる。ネットワークは、銅線、光ファイバ、無線伝送、ルータ、ファイアウォール、スイッチ、ゲートウェイコンピュータ及び／又はエッジサーバを含み得る。
外部コンポーネント９００Ａ、Ｂのセットの各々は、コンピュータディスプレイモニタ９２０、キーボード９３０、及びコンピュータマウス９３４を含むことができる。外部コンポーネント９００Ａ、Ｂはまた、タッチスクリーン、仮想キーボード、タッチパッド、ポインティングデバイス、及び他のヒューマンインターフェースデバイスを含むことができる。内部コンポーネント８００Ａ、Ｂのセットの各々はまた、コンピュータディスプレイモニタ９２０、キーボード９３０、及びコンピュータマウス９３４にインターフェースするためのデバイスドライバ８４０を含む。デバイスドライバ８４０、Ｒ／Ｗドライブ又はインターフェース８３２、及びネットワークアダプタ又はインターフェース８３６は、ハードウェア及びソフトウェア（記憶装置８３０及び／又はＲＯＭ８２４に記憶）を備える。
本開示は、クラウドコンピューティングに関する詳細な説明を含むが、本明細書に記載される教示の実装は、クラウドコンピューティング環境に限定されないことが、予め理解される。むしろ、いくつかの実施形態は、現在知られているか、又は後に開発される任意の他のタイプのコンピューティング環境と共に実装可能である。
クラウドコンピューティングは、最小限の管理努力又はサービスのプロバイダとのやりとりで迅速にプロビジョにング及びリリースすることができる構成可能なコンピューティングリソースの共有プール（ネットワーク、ネットワーク帯域幅、サーバ、処理、メモリ、ストレージ、アプリケーション、仮想マシン、及びサービス）への便利でオンデマンドなネットワークアクセスを可能にするためのサービス提供のモデルである。このクラウドモデルは、少なくとも５つの特性、少なくとも３つのサービスモデル、及び少なくとも４つの展開モデルを含み得る。
特徴は以下の通りである：
オンデマンドセルフサービス：クラウドコンシューマは、サービスのプロバイダとの人的なやりとりを必要とせずに、必要に応じて自動的に、サーバの時間やネットワークストレージなどのコンピューティング機能を一方的にプロビジョニングすることができる。
広域ネットワークアクセス：機能は、ネットワーク経由で利用可能であり、異種のシン又はシッククライアントプラットフォーム（例えば、携帯電話、ラップトップ、及びＰＤＡ）による使用を促進する標準メカニズムを通じてアクセスされる。
リソースプーリング：プロバイダのコンピューティングリソースは、マルチテナントモデルを使用して複数のコンシューマにサービスを提供するためにプールされ、様々な物理リソースと仮想リソースが、需要に応じて動的に割り当てられ、再割り当てされる。コンシューマは、概して、提供されたリソースの正確な場所に関する制御や知識を持たないが、より高いレベルの抽象化（例えば、国、州、データセンタ）で場所を指定することができるという点で、場所の独立性の感覚がある。
迅速な弾力性（Rapid elasticity）：機能は、場合によっては自動的に、迅速にスケールアウトするように迅速かつ弾力的にプロビジョニングされ、迅速にスケールインするために迅速にリリースされることができる。コンシューマにとって、プロビジョニングに利用可能な機能はしばしば無制限であるように見え、いつでもどんな量でも購入できる。
測定されるサービス（Measured service）：クラウドシステムは、サービスのタイプ（例えば、ストレージ、処理、帯域幅、及びアクティブなユーザーアカウント）に適した抽象化のレベルで計測機能を利用することにより、自動的にリソースの使用を制御及び最適化する。リソースの使用は、利用サービスのプロバイダとコンシューマの両方に透明性を提供するために監視し、制御し、報告することができる。
サービスモデルは次のとおりである：
サービスとしてのソフトウェア（ＳａａＳ）：コンシューマに提供される機能は、クラウドインフラ上で動作するプロバイダのアプリケーションを使用することである。アプリケーションは、ウェブブラウザ（例えば、ウェブベースの電子メール）のようなシンクライアントインターフェースを介してさまざまなクライアントデバイスからアクセス可能である。コンシューマはネットワーク、サーバ、オペレーティングシステム、ストレージ、又はさらには個々のアプリケーション機能さえ含む基盤にあるインフラストラクチャを管理又は制御しない。ただし、限定されたユーザに固有のアプリケーション構成設定はその例外となろう。
サービスとしてのプラットフォーム（ＰａａＳ）：コンシューマに提供される機能は、クラウドインフラストラクチャ上に、プロバイダによってサポートされるプログラミング言語やツールを使用して、コンシューマが作成又は取得したアプリケーションを展開することである。コンシューマは、ネットワーク、サーバ、オペレーティングシステム、ストレージを含む基盤となるクラウドインフラストラクチャを管理又は制御しないが、展開されたアプリケーションや、場合によってはアプリケーションホスティング環境の構成に対する制御を有する。
サービスとしてのインフラストラクチャ（ｌａａＳ）：コンシューマに提供される機能は、処理、ストレージ、ネットワーク、及びその他の基本的なコンピューティングリソースをプロビジョニングすることであり、コンシューマは、オペレーティングシステム及びアプリケーションを含むことができる任意のソフトウェアを展開し、実行することができる。コンシューマは、基盤となるクラウドインフラストラクチャを管理又は制御しないが、オペレーティングシステム、ストレージ、展開されたアプリケーション、及び場合によっては選択されたネットワークコンポーネント（例えば、ホストファイアウォール）の限定された制御に対する制御を有する。
展開モデルは、以下の通りである：
プライベートクラウド：クラウドインフラストラクチャは組織のためだけに運用される。組織又は第三者によって管理され、オンプレミス（on-premises）又はオフプレミス（off-premises）に存在し得る。
コミュニティクラウド：クラウドインフラストラクチャは、いくつかの組織で共有され、共通の関心事（例えば、ミッション、セキュリティ要件、ポリシー、及びコンプライアンスの考慮事項）を持つ特定のコミュニティをサポートする。組織又は第三者によって管理され、オンプレミス又はオフプレミスに存在し得る。
パブリッククラウド：クラウドインフラストラクチャは、一般の人々又は大規模な業界団体が利用できるようにされ、クラウドサービスを販売する組織によって所有される。
ハイブリッドクラウド：クラウドインフラストラクチャは、ユニークなエンティティのままであるが、データとアプリケーションの移植性を可能にする標準化された、又は独自の技術（クラウド間の負荷分散のためのクラウドバーストなど）によって結合されている２つ以上のクラウド（プライベート、コミュニティ、パブリック）の構成である。
クラウドコンピューティング環境は、ステートレス性、低結合性、モジュール性、及びセマンティック相互運用性に焦点を当てたサービス指向である。クラウドコンピューティングの核心は、相互接続されたノードのネットワークを有するインフラストラクチャである。
図５を参照すると、例示的なクラウドコンピューティング環境５００が示されている。図示のように、クラウドコンピューティング環境５００は、１つ又は複数のクラウドコンピューティングノード１０を含み、クラウドコンシューマによって使用される、例えば、携帯デジタルアシスタント（ＰＤＡ）又は携帯電話５４Ａ、デスクトップコンピュータ５４Ｂ、ラップトップコンピュータ５４Ｃ、及び／又は自動車コンピュータシステム５４Ｎなどのローカルコンピューティングデバイスが、それらと通信し得る。クラウドコンピューティングノード１０は、互いに通信し得る。それらは、物理的又は仮想的に、上述のようなプライベート、コミュニティ、パブリック、又はハイブリッドクラウド、又はそれらの組み合わせのような１つ又は複数のネットワークにグループ化（図示せず）され得る。これは、クラウドコンピューティング環境５００が、クラウドコンシューマがローカルコンピューティングデバイス上のリソースを維持する必要のないサービスとして、インフラストラクチャ、プラットフォーム及び／又はソフトウェアを提供することを可能にする。図５に示すコンピューティングデバイス５４Ａ～５４Ｎのタイプは、例示的なものに過ぎず、クラウドコンピューティングノード１０及びクラウドコンピューティング環境５００は、任意のタイプのネットワーク及び／又はネットワークアドレス指定可能接続（例えば、ウェブブラウザを使用する）を介して任意のタイプのコンピュータ装置と通信することができることが理解される。
図６を参照すると、クラウドコンピューティング環境５００（図５）によって提供される機能抽象化層のセット６００が示されている。図６に示すコンポーネント、層、及び機能は、例示的なものに過ぎず、実施形態はこれに限定されるものではないことを予め理解されたい。図示のように、以下の層及び対応する機能が提供される：
ハードウェア及びソフトウェア層６０は、ハードウェア及びソフトウェアコンポーネントを含む。ハードウェアコンポーネントの例は：メインフレーム６１；ＲＩＳＣ（縮小命令セットコンピュータ）アーキテクチャベースのサーバ６２；サーバ６３；ブレードサーバ６４；ストレージデバイス６５；並びにネットワーク及びネットワークコンポーネント６６；を含む。いくつかの実施形態では、ソフトウェアコンポーネントは、ネットワークアプリケーションサーバソフトウェア６７及びデータベースソフトウェア６８を含む。
仮想化層７０は、抽象化層を提供し、そこから、仮想エンティティの次の例が提供され得る：仮想サーバ７１；仮想記憶装置７２；仮想プライベートネットワークを含む仮想ネットワーク７３；仮想アプリケーション及びオペレーティングシステム７４；及び仮想クライアント７５。
一例では、管理層８０は、以下に記載される機能を提供し得る。リソースプロビジョニング８１は、クラウドコンピューティング環境内のタスクを実行するために利用されるコンピューティングリソース及びその他のリソースの動的調達を提供する。メータリング及び価格設定（Metering and Pricing）８２は、クラウドコンピューティング環境内でリソースが利用されるときのコスト追跡、及びこれらのリソースの消費に対する請求又はインボイス送付（billing or invoicing）を提供する。一例では、これらのリソースは、アプリケーションソフトウェアライセンスを含み得る。セキュリティは、クラウドコンシューマとタスクのためのＩＤ確認（identity verification）、並びにデータ及びその他のリソースの保護を提供する。ユーザポータル８３は、コンシューマ及びシステム管理者にクラウドコンピューティング環境へのアクセスを提供する。サービスレベル管理８４は、要求されるサービスレベルが満たされるように、クラウドコンピューティングリソースの割り当て及び管理を提供する。サービスレベルアグリーメント（ＳＬＡ）の計画及び履行８５は、ＳＬＡに従って将来の要件が予測されるクラウドコンピューティングリソースの事前準備及び調達を提供する。
ワークロード層９０は、クラウドコンピューティング環境が利用され得る機能の例を提供する。この層から提供され得るワークロード及び機能の例は：マッピング及びナビゲーション９１；ソフトウェア開発及びライフサイクル管理９２；仮想教室教育配信９３；データ分析処理９４；トランザクション処理９５；及びポイントクラウドコーディング９６；を含む。ポイントクラウドコーディング９６は、ハッシュベースの属性コーディングに基づいてポイントクラウドデータをデコーディングし得る。
いくつかの実施形態は、任意の可能な技術的詳細レベルの統合におけるシステム、方法、及び／又はコンピュータ可読媒体に関連し得る。コンピュータ可読媒体は、プロセッサに動作を実行させるためのコンピュータ可読プログラム命令をその上に有するコンピュータ可読非一時的記憶媒体を含み得る。
コンピュータ可読記憶媒体は、命令実行装置によって使用される命令を保持し、記憶することができる有形の装置であることができる。コンピュータ可読記憶媒体は、例えば、電子記憶装置、磁気記憶装置、光学記憶装置、電磁記憶装置、半導体記憶装置、又はこれらの任意の適切な組み合わせであり得るが、これらに限定されない。コンピュータ可読記憶媒体のより具体的な例の非網羅的リストは次のものを含む：ポータブルコンピュータディスケット、ハードディスク、ランダムアクセスメモリ（ＲＡＭ）、リードオンリメモリ（ＲＯＭ）、消去可能プログラマブルリードオンリメモリ（ＥＰＲＯＭ又はフラッシュメモリ）、スタティックランダムアクセスメモリ（ＳＲＡＭ）、ポータブルコンパクトディスクリードオンリメモリ（ＣＤ－ＲＯＭ）、デジタル汎用ディスク（ＤＶＤ）、メモリスティック、フロッピー（登録商標）ディスク、パンチカード又はそれらに記録された命令を有する溝内の隆起構造のような機械的にエンコードされたデバイス、及びこれらの任意の適切な組み合わせ。本明細書で使用されるとき、コンピュータ可読記憶媒体は、それ自体、例えば、電波又は他の自由に伝搬する電磁波、導波管又は他の伝送媒体を通って伝搬する電磁波（例えば、光ファイバケーブルを通過する光パルス）、又はワイヤを通って伝送される電気信号のような、一時的な信号であると解釈されるべきではない。
本明細書に記載のコンピュータ可読プログラム命令は、コンピュータ可読記憶媒体から各コンピュータ／処理装置に、あるいは、ネットワーク、例えば、インターネット、ローカルエリアネットワーク、ワイドエリアネットワーク及び／又は無線ネットワークを介して、外部コンピュータ又は外部記憶装置にダウンロードすることができる。ネットワークは、銅線伝送ケーブル、光伝送ファイバ、無線伝送、ルータ、ファイアウォール、スイッチ、ゲートウェイコンピュータ及び／又はエッジサーバを含み得る。各コンピューティング／処理装置内のネットワークアダプタカード又はネットワークインターフェースは、ネットワークからコンピュータ可読プログラム命令を受信し、コンピュータ可読プログラム命令を、各コンピューティング／処理装置内のコンピュータ可読記憶媒体に記憶するために転送する。
動作を実行するためのコンピュータ可読プログラムコード／命令は、アセンブラ命令、命令セットアーキテクチャ（ＩＳＡ）命令、機械命令、機械依存命令、マイクロコード、ファームウェア命令、状態設定データ、集積回路のための構成データ、又はSmalltalk、C++などのようなオブジェクト指向プログラミング言語、及び「C」プログラミング言語又は類似のプログラミング言語のような手続型プログラミング言語を含む、１つ以上のプログラミング言語の任意の組み合わせで書かれたソースコード又はオブジェクトコードのいずれかであり得る。コンピュータ可読プログラム命令は、完全にユーザのコンピュータ上で、部分的にユーザのコンピュータ上で、スタンドアロンのソフトウェアパッケージとして、部分的にユーザのコンピュータ上で、部分的にリモートコンピュータ上で、又は完全にリモートコンピュータ又はサーバ上で、実行され得る。後者のシナリオでは、リモートコンピュータは、ローカルエリアネットワーク（ＬＡＮ）又はワイドエリアネットワーク（ＷＡＮ）を含む任意の種類のネットワークを介してユーザのコンピュータに接続され得る、又は、接続は、外部コンピュータ（例えば、インターネットサービスプロバイダを使用するインターネットを介して）に行われ得る。いくつかの実施形態では、例えば、プログラマブル論理回路、フィールドプログラマブルゲートアレイ（ＦＰＧＡ）、又はプログラマブル論理アレイ（ＰＬＡ）を含む電子回路は、態様又は動作を実行するために、電子回路をパーソナライズするためにコンピュータ可読プログラム命令の状態情報を利用することによって、コンピュータ可読プログラム命令を実行し得る。
これらのコンピュータ可読プログラム命令は、汎用コンピュータ、専用コンピュータ、又は他のプログラマブルデータ処理装置のプロセッサに提供されて、コンピュータ又は他のプログラマブルデータ処理装置のプロセッサを介して実行される命令が、フローチャート及び／又はブロック図のブロック又はブロック（複数）に指定された機能／行為を実行するための手段を生成するように、機械を作り得る。これらのコンピュータ可読プログラム命令はまた、コンピュータ、プログラマブルデータ処理装置、及び／又は他の装置を特定の方法で機能させることができるコンピュータ可読記憶媒体に記憶されてもよく、その結果、その中に記憶された命令を有するコンピュータ可読記憶媒体は、フローチャート及び／又はブロック図のブロック又はブロック（複数）に特定された機能／行為の態様を実装する命令を含む製品を含む。
コンピュータ可読プログラム命令はまた、コンピュータ、他のプログラマブルデータ処理装置、又は他の装置にロードされて、コンピュータ、他のプログラマブル装置、又は他の装置で実行される命令がフローチャート及び／又はブロック図のブロック又はブロック（複数）に指定された機能／行為を実装するように、コンピュータ、他のプログラマブル装置、又は他の装置に一連の動作ステップを実行させて、コンピュータ実装プロセスを生成させ得る。
図中のフローチャート及びブロック図は、様々な実施形態によるシステム、方法、及びコンピュータ可読媒体の可能な実装形態のアーキテクチャ、機能、及び動作を示す。この点に関し、フローチャート又はブロック図の各ブロックは、特定の論理機能（複数可）を実装するための１つ以上の実行可能な命令を含む、モジュール、セグメント、又は命令の一部を表し得る。この方法、コンピュータシステム、及びコンピュータ可読媒体は、図面に示されたものよりも、追加のブロック、より少ないブロック、異なるブロック、又は異なる配置のブロックを含み得る。いくつかの代替的な実装では、ブロックに記載された機能は、図に記載された順序から外れて生じてもよい。例えば、連続して示される２つのブロックは、実際には、同時又は実質的に同時に実行されてもよく、又は、ブロックは、関連する機能に応じて、逆の順序で実行されてもよい。また、ブロック図及び／又はフローチャート図の各ブロック、及びブロック図及び／又はフローチャート図のブロックの組み合わせは、指定された機能又は動作を実行する又は専用のハードウェア及びコンピュータ命令の組み合わせを実行する専用のハードウェアベースのシステムによって実装することができることに留意されたい。
本明細書に記載したシステム及び／又は方法は、ハードウェア、ファームウェア、又はハードウェアとソフトウェアの組み合わせの異なる形態で実装され得ることは明らかであろう。これらのシステム及び／又は方法を実装するために使用される実際の専用制御ハードウェア又はソフトウェアコードは、実装を限定するものではない。したがって、システム及び／又は方法の動作及び挙動は、特定のソフトウェアコードを参照することなく本明細書に記載されており、ソフトウェア及びハードウェアは、本明細書の記載に基づいてシステム及び／又は方法を実装するように設計され得ることが理解される。
本明細書中で使用されるいかなる要素、行為、又は命令も、明示的に記述されない限り、重要又は必須と解釈されるべきではない。また、本明細書で使用される場合、冠詞「１つの（「a」及び「an」）」は、１つ又は複数のアイテムを含むことを意図し、「１つ又は複数」と互換的に使用され得る。さらに、本明細書で使用される場合、用語「セット」は、１つ又は複数のアイテム（例えば、関連アイテム、非関連アイテム、関連アイテムと非関連アイテムの組み合わせなど）を含むことを意図し、「１つ又は複数」と互換的に使用され得る。１つのアイテムのみが意図される場合、用語「１つ」又は類似の言語が使用される。また、本明細書で使用される場合、用語「有する」、「有する」、「有している」などは、オープンエンドの用語であることが意図されている。さらに、語句「に基づく」は、明示的に別段の記載がない限り、「少なくとも部分的に基づく」を意味することが意図されている。
種々の態様及び実施形態の説明は、説明のために提示されてきたが、開示された実施形態を網羅することを意図するものではなく、限定するものでもない。特徴の組み合わせが特許請求の範囲に記載される及び／又は明細書に開示されているとしても、これらの組み合わせは、可能な実装の開示を限定するものではない。実際、これらの特徴の多くは、請求項に具体的に記載されていない及び／又は明細書に開示されていない方法で組み合わせることができる。以下に列挙される各従属請求項は、１の請求項のみに直接従属し得るが、可能な実装の開示は、請求項のセット中の他の全てのクレームと組み合わせの各従属請求項を含む。多くの修正及び変形は、説明した実施形態の範囲から逸脱することなく、当業者には明らかであろう。本明細書で使用される用語は、実施形態の原理、市場で見出される技術に対する実際的な応用又は技術的な改良を最もよく説明するため、又は当業者が本明細書で開示される実施形態を理解することを可能にするために選択された。

Claims (8)

  1. プロセッサによって実行可能なポイントクラウドコーディングの方法であって：
    ポイントクラウドに対応するデータを受信することと；
    受信された前記データに関連付けられ属性値に対応するハッシュ要素を再構成することと；
    再構成された前記ハッシュ要素に基づいて前記ポイントクラウドに対応する前記データをデコーディングすることと；
    前記属性値に関連付けられる非境界領域に対応する前記ハッシュ要素の１つ又は複数を削除することに基づいて、ハッシュテーブルのサイズを減らすことと；を含む、
    方法。
  2. 前記ハッシュテーブルの最大サイズは、前記ポイントクラウドに対応する前記データに対して定義される、
    請求項１に記載の方法。
  3. 前記最大サイズは、シーケンスパラメータセット、ジオメトリパラメータセット、又はスライスヘッダにおいてシグナリングされる、
    請求項２に記載の方法。
  4. 前記ハッシュテーブルが前記最大サイズに達することに基づいて前記ハッシュテーブルから部分的な要素を除去することによって、前記ハッシュテーブルは減らされる、
    請求項２又は３に記載の方法。
  5. 前記ハッシュテーブルは、前記ハッシュ要素に関連付けられるモートン順序に基づいて減らされる、
    請求項１乃至４のいずれか１項に記載の方法。
  6. １つ又は複数の隣接ノードに関連付けられる境界サイズが、シーケンスパラメータセット、ジオメトリパラメータセット、又はスライスヘッダにおいてシグナリングされる、
    請求項１に記載の方法。
  7. ポイントクラウドコーディングのためのコンピュータシステムであって、前記コンピュータシステムは：
    コンピュータプログラムコードを記憶するように構成された１つ又は複数のコンピュータ可読非一時的記憶媒体と；
    前記コンピュータプログラムコードにアクセスし、前記コンピュータプログラムコードによって請求項１乃至６のいずれか１項に記載の方法を実行するように構成された１つ又は複数のコンピュータプロセッサと；
    を有する、
    コンピュータシステム。
  8. ポイントクラウドコーディングのためのコンピュータプログラムをその上に記憶した非一時的コンピュータ可読媒体であって、前記コンピュータプログラムは、１つ又は複数のコンピュータプロセッサに、請求項１乃至６のいずれか１項に記載の方法を実行させる、
    非一時的コンピュータ可読媒体。
JP2022529697A 2020-08-17 2021-06-02 ポイントクラウドコーディングのためのハッシュベースの属性予測 Active JP7395740B2 (ja)

Applications Claiming Priority (5)

Application Number Priority Date Filing Date Title
US202063066583P 2020-08-17 2020-08-17
US63/066,583 2020-08-17
US17/317,053 US11580671B2 (en) 2020-08-17 2021-05-11 Hash-based attribute prediction for point cloud coding
US17/317,053 2021-05-11
PCT/US2021/035467 WO2022039815A1 (en) 2020-08-17 2021-06-02 Hash-based attribute prediction for point cloud coding

Publications (2)

Publication Number Publication Date
JP2023503458A JP2023503458A (ja) 2023-01-30
JP7395740B2 true JP7395740B2 (ja) 2023-12-11

Family

ID=80222864

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2022529697A Active JP7395740B2 (ja) 2020-08-17 2021-06-02 ポイントクラウドコーディングのためのハッシュベースの属性予測

Country Status (6)

Country Link
US (1) US11580671B2 (ja)
EP (1) EP4031907A4 (ja)
JP (1) JP7395740B2 (ja)
KR (1) KR102625790B1 (ja)
CN (1) CN114651192A (ja)
WO (1) WO2022039815A1 (ja)

Families Citing this family (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP3979209A4 (en) * 2019-07-01 2022-11-16 Guangdong Oppo Mobile Telecommunications Corp., Ltd. METHOD OF RECOVERING A POINT CLOUD MODEL, ENCODER, DECODER AND STORAGE MEDIA
CN112102467B (zh) * 2020-07-22 2024-05-24 深圳市菲森科技有限公司 一种基于gpu的并行八叉树生成、装置及电子设备
US20220284633A1 (en) * 2021-03-05 2022-09-08 Tencent America LLC Method and apparatus for constructing a 3d geometry
US11882295B2 (en) 2022-04-15 2024-01-23 Meta Platforms Technologies, Llc Low-power high throughput hardware decoder with random block access
US20230334702A1 (en) * 2022-04-15 2023-10-19 Meta Platforms Technologies, Llc Hardware Encoder for Color Data in a 2D Rendering Pipeline

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20190197739A1 (en) 2017-12-22 2019-06-27 Samsung Electronics Co., Ltd. Handling duplicate points in point cloud compression
US20190385355A1 (en) 2018-06-15 2019-12-19 Beijing Jingdong Shangke Information Technology Co., Ltd. Three-dimensional representation by multi-scale voxel hashing
US20210104090A1 (en) 2019-10-03 2021-04-08 Lg Electronics Inc. Point cloud data transmission device, point cloud data transmission method, point cloud data reception device, and point cloud data reception method

Family Cites Families (17)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8661005B2 (en) * 2011-12-08 2014-02-25 International Business Machines Corporation Optimized deletion and insertion for high-performance resizable RCU-protected hash tables
US9619478B1 (en) * 2013-12-18 2017-04-11 EMC IP Holding Company LLC Method and system for compressing logs
US10178397B2 (en) * 2014-03-24 2019-01-08 Qualcomm Incorporated Generic use of HEVC SEI messages for multi-layer codecs
US10140581B1 (en) * 2014-12-22 2018-11-27 Amazon Technologies, Inc. Conditional random field model compression
US10255287B2 (en) * 2015-07-31 2019-04-09 Hiveio Inc. Method and apparatus for on-disk deduplication metadata for a deduplication file system
CN111615706A (zh) 2017-11-17 2020-09-01 脸谱公司 基于子流形稀疏卷积神经网络分析空间稀疏数据
US11023430B2 (en) * 2017-11-21 2021-06-01 Oracle International Corporation Sparse dictionary tree
US10547679B1 (en) * 2018-01-02 2020-01-28 Architecture Technology Corporation Cloud data synchronization based upon network sensing
US11057631B2 (en) 2018-10-10 2021-07-06 Intel Corporation Point cloud coding standard conformance definition in computing environments
US10990478B2 (en) * 2019-02-01 2021-04-27 Fungible, Inc. Flexible reliability coding for storage on a network
US10762667B2 (en) 2018-11-30 2020-09-01 Point Cloud Compression, B.V. Method and apparatus for compression of point cloud data
US11151265B2 (en) * 2019-04-29 2021-10-19 International Business Machines Corporation Secure data storage based on obfuscation by distribution
US11321905B2 (en) * 2020-04-03 2022-05-03 Qualcomm Incorporated Error concealment in split rendering
US11438628B2 (en) 2020-06-03 2022-09-06 Tencent America LLC Hash-based accessing of geometry occupancy information for point cloud coding
US11321878B2 (en) * 2020-06-26 2022-05-03 Sony Group Corporation Decoded tile hash SEI message for V3C/V-PCC
US20220207780A1 (en) * 2020-12-29 2022-06-30 Qualcomm Incorporated Inter prediction coding for geometry point cloud compression
US20220284633A1 (en) 2021-03-05 2022-09-08 Tencent America LLC Method and apparatus for constructing a 3d geometry

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20190197739A1 (en) 2017-12-22 2019-06-27 Samsung Electronics Co., Ltd. Handling duplicate points in point cloud compression
US20190385355A1 (en) 2018-06-15 2019-12-19 Beijing Jingdong Shangke Information Technology Co., Ltd. Three-dimensional representation by multi-scale voxel hashing
US20210104090A1 (en) 2019-10-03 2021-04-08 Lg Electronics Inc. Point cloud data transmission device, point cloud data transmission method, point cloud data reception device, and point cloud data reception method

Also Published As

Publication number Publication date
EP4031907A4 (en) 2022-12-07
US11580671B2 (en) 2023-02-14
US20220050816A1 (en) 2022-02-17
EP4031907A1 (en) 2022-07-27
KR102625790B1 (ko) 2024-01-15
KR20220051209A (ko) 2022-04-26
WO2022039815A1 (en) 2022-02-24
CN114651192A (zh) 2022-06-21
JP2023503458A (ja) 2023-01-30

Similar Documents

Publication Publication Date Title
JP7395740B2 (ja) ポイントクラウドコーディングのためのハッシュベースの属性予測
JP7345652B2 (ja) 点群コーディングのための幾何学的占有情報へのハッシュベースのアクセス
US11816869B2 (en) Updates on context modeling of occupancy coding for point cloud coding
US20240013445A1 (en) Coding of multiple-component attributes for point cloud coding
JP7467630B2 (ja) 点群コーディングのための方法、コンピュータプログラム、システム、および非一時的コンピュータ読み取り可能媒体
JP7337193B2 (ja) ポイントクラウド符号化のための占有符号化のコンテキストモデリング
JP7368623B2 (ja) 点群処理の方法、コンピュータシステム、プログラム及びコンピュータ可読記憶媒体
JP7438351B2 (ja) ポイントクラウドデータを復号する方法、コンピュータシステム、およびコンピュータプログラム
RU2784416C1 (ru) Кодирование многокомпонентных атрибутов для кодирования облака точек
RU2817735C1 (ru) Контекстное моделирование кодирования занятости для кодирования облака точек

Legal Events

Date Code Title Description
A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20220520

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20230516

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20230808

TRDD Decision of grant or rejection written
A01 Written decision to grant a patent or to grant a registration (utility model)

Free format text: JAPANESE INTERMEDIATE CODE: A01

Effective date: 20231107

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20231129

R150 Certificate of patent or registration of utility model

Ref document number: 7395740

Country of ref document: JP

Free format text: JAPANESE INTERMEDIATE CODE: R150