KR102300045B1 - 포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법 - Google Patents

포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법 Download PDF

Info

Publication number
KR102300045B1
KR102300045B1 KR1020200141210A KR20200141210A KR102300045B1 KR 102300045 B1 KR102300045 B1 KR 102300045B1 KR 1020200141210 A KR1020200141210 A KR 1020200141210A KR 20200141210 A KR20200141210 A KR 20200141210A KR 102300045 B1 KR102300045 B1 KR 102300045B1
Authority
KR
South Korea
Prior art keywords
point cloud
attribute
value
data
cloud data
Prior art date
Application number
KR1020200141210A
Other languages
English (en)
Inventor
허혜정
오세진
심동규
변주형
Original Assignee
엘지전자 주식회사
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 엘지전자 주식회사 filed Critical 엘지전자 주식회사
Application granted granted Critical
Publication of KR102300045B1 publication Critical patent/KR102300045B1/ko

Links

Images

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
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T3/00—Geometric image transformations in the plane of the image
    • G06T3/40—Scaling of whole images or parts thereof, e.g. expanding or contracting
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T9/00—Image coding
    • G06T9/004—Predictors, e.g. intraframe, interframe coding
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L65/00—Network arrangements, protocols or services for supporting real-time applications in data packet communication
    • H04L65/60—Network streaming of media packets
    • H04L65/61—Network streaming of media packets for supporting one-way streaming services, e.g. Internet radio
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L65/00—Network arrangements, protocols or services for supporting real-time applications in data packet communication
    • H04L65/60—Network streaming of media packets
    • H04L65/70—Media network packetisation
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L65/00—Network arrangements, protocols or services for supporting real-time applications in data packet communication
    • H04L65/60—Network streaming of media packets
    • H04L65/75—Media network packet handling
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L65/00—Network arrangements, protocols or services for supporting real-time applications in data packet communication
    • H04L65/60—Network streaming of media packets
    • H04L65/75—Media network packet handling
    • H04L65/762—Media network packet handling at the source 
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/10—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding
    • H04N19/102—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the element, parameter or selection affected or controlled by the adaptive coding
    • H04N19/103—Selection of coding mode or of prediction mode
    • H04N19/105—Selection of the reference unit for prediction within a chosen coding or prediction mode, e.g. adaptive choice of position and number of pixels used for prediction
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/10—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding
    • H04N19/134—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the element, parameter or criterion affecting or controlling the adaptive coding
    • H04N19/146—Data rate or code amount at the encoder output
    • H04N19/147—Data rate or code amount at the encoder output according to rate distortion criteria
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/10—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding
    • H04N19/169—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the coding unit, i.e. the structural portion or semantic portion of the video signal being the object or the subject of the adaptive coding
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/10—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding
    • H04N19/169—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the coding unit, i.e. the structural portion or semantic portion of the video signal being the object or the subject of the adaptive coding
    • H04N19/184—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the coding unit, i.e. the structural portion or semantic portion of the video signal being the object or the subject of the adaptive coding the unit being bits, e.g. of the compressed video stream
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/10—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding
    • H04N19/189—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the adaptation method, adaptation tool or adaptation type used for the adaptive coding
    • H04N19/19—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the adaptation method, adaptation tool or adaptation type used for the adaptive coding using optimisation based on Lagrange multipliers
    • 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
    • H04N19/593—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using predictive coding involving spatial prediction techniques
    • 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
    • H04N19/70—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals characterised by syntax aspects related to video coding, e.g. related to compression standards
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
    • H04N21/20—Servers specifically adapted for the distribution of content, e.g. VOD servers; Operations thereof
    • H04N21/23—Processing of content or additional data; Elementary server operations; Server middleware
    • H04N21/234—Processing of video elementary streams, e.g. splicing of video streams or manipulating encoded video stream scene graphs
    • H04N21/2343—Processing of video elementary streams, e.g. splicing of video streams or manipulating encoded video stream scene graphs involving reformatting operations of video signals for distribution or compliance with end-user requests or end-user device requirements
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
    • H04N21/80—Generation or processing of content or additional data by content creator independently of the distribution process; Content per se
    • H04N21/81—Monomedia components thereof
    • H04N21/816—Monomedia components thereof involving special video data, e.g 3D video
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T9/00—Image coding
    • G06T9/40—Tree coding, e.g. quadtree, octree

Landscapes

  • Engineering & Computer Science (AREA)
  • Multimedia (AREA)
  • Signal Processing (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Compression Or Coding Systems Of Tv Signals (AREA)

Abstract

실시예들에 따른 포인트 클라우드 데이터 송신 방법은 포인트 클라우드 데이터를 인코딩하는 단계; 포인트 클라우드 데이터를 포함하는 비트스트림을 전송하는 단계; 를 포함한다.
실시예들에 따른 포인트 클라우드 데이터 수신 방법은 포인트 클라우드 데이터를 포함하는 비트스트림을 수신하는 단계; 포인트 클라우드 데이터를 디코딩하는 단계; 를 포함한다.

Description

포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법{AN APPARATUS FOR TRANSMITTING POINT CLOUD DATA, A METHOD FOR TRANSMITTING POINT CLOUD DATA, AN APPARATUS FOR RECEIVING POINT CLOUD DATA, AND A METHOD FOR RECEIVING POINT CLOUD DATA}
실시예들은 포인트 클라우드 콘텐트(Point Cloud Content)를 처리하는 방법 및 장치에 대한 것이다.
포인트 클라우드 콘텐트는 3차원 공간을 표현하는 좌표계에 속한 점(포인트)들의 집합인 포인트 클라우드로 표현되는 콘텐트이다. 포인트 클라우드 콘텐트는3차원으로 이루어진 미디어를 표현할 수 있으며, VR (Virtual Reality, 가상현실), AR (Augmented Reality, 증강현실), MR (Mixed Reality, 혼합현실), 및 자율 주행 서비스 등의 다양한 서비스를 제공하기 위해 사용된다. 하지만 포인트 클라우드 콘텐트를 표현하기 위해서는 수만개에서 수십만개의 포인트 데이터가 필요하다. 따라서 방대한 양의 포인트 데이터를 효율적으로 처리하기 위한 방법이 요구된다.
실시예들은 포인트 클라우드 데이터를 효율적으로 처리하기 위한 장치 및 방법을 제공한다. 실시예들은 지연시간(latency) 및 인코딩/디코딩 복잡도를 해결하기 위한 포인트 클라우드 데이터 처리 방법 및 장치를 제공한다.
다만, 전술한 기술적 과제만으로 제한되는 것은 아니고, 기재된 전체 내용에 기초하여 당업자가 유추할 수 있는 다른 기술적 과제로 실시예들의 권리범위가 확장될 수 있다.
이러한 기술적 과제 등을 달성하기 위해서, 실시예들에 따른 포인트 클라우드 데이터 송신 방법은 포인트 클라우드 데이터를 인코딩하는 단계; 포인트 클라우드 데이터를 포함하는 비트스트림을 전송하는 단계; 를 포함한다.
실시예들에 따른 포인트 클라우드 데이터 수신 방법은 포인트 클라우드 데이터를 포함하는 비트스트림을 수신하는 단계; 포인트 클라우드 데이터를 디코딩하는 단계; 를 포함한다.
실시예들에 따른 장치 및 방법은 높은 효율로 포인트 클라우드 데이터를 처리할 수 있다.
실시예들에 따른 장치 및 방법은 높은 퀄리티의 포인트 클라우드 서비스를 제공할 수 있다.
실시예들에 따른 장치 및 방법은 VR 서비스, 자율주행 서비스 등 범용적인 서비스를 제공하기 위한 포인트 클라우드 콘텐트를 제공할 수 있다.
도면은 실시예들을 더욱 이해하기 위해서 포함되며, 도면은 실시예들에 관련된 설명과 함께 실시예들을 나타낸다. 이하에서 설명하는 다양한 실시예들의 보다 나은 이해를 위하여, 하기 도면들에 걸쳐 유사한 참조 번호들이 대응하는 부분들을 포함하는 다음의 도면들과 관련하여 이하의 실시예들의 설명을 반드시 참조해야 한다.
도1은 실시예들에 따른 포인트 클라우드콘텐츠 제공 시스템의 예시를 나타낸다.
도 2는 실시예들에 따른 포인트 클라우드 콘텐트 제공 동작을 나타내는 블록도이다.
도 3은 실시예들에 따른 포인트 클라우드 비디오 캡쳐 과정의 예시를 나타낸다.
도 4는 실시예들에 따른 포인트 클라우드 인코더(Point Cloud Encoder)의 예시를 나타낸다.
도 5 는 실시예들에 따른 복셀의 예시를 나타낸다.
도 6은 실시예들에 따른 옥트리 및 오큐판시 코드 (occupancy code)의 예시를 나타낸다.
도 7은 실시예들에 따른 이웃 노드 패턴의 예시를 나타낸다.
도 8은 실시예들에 따른 LOD 별 포인트 구성의 예시를 나타낸다.
도 9는 실시예들에 따른 LOD 별 포인트 구성의 예시를 나타낸다.
도 10은 실시예들에 따른 포인트 클라우드 디코더(Point Cloud Decoder)의 예시를 나타낸다.
도 11은 실시예들에 따른 포인트 클라우드 디코더(Point Cloud Decoder)의 예시를 나타낸다.
도 12는 실시예들에 따른 전송 장치의 예시이다.
도 13은 실시예들에 따른 수신 장치의 예시이다.
도 14는 실시예들에 따른 포인트 클라우드 데이터 송수신 방법/장치와 연동 가능한 구조의 예시를 나타낸다.
도15는 실시예들에 따른 어트리뷰트 코딩 및 어트리뷰트 디코딩을 나타낸다.
도16은 실시예들에 따른 예측기의 점수 계산 방법을 나타낸다.
도17은 실시예들에 따른 예측기 선택 방안을 나타낸다.
도18은 실시예들에 따른 점수 계산 방식을 나타낸다.
도19는 실시예들에 따른 점수 계산 방식을 나타낸다.
도20은 실시예들에 따른 점수 계산 방식을 나타낸다.
도21은 실시예들에 따른 PCC 데이터 인코더를 나타낸다.
도22는 실시예들에 따른 PCC데이터 디코더를 나타낸다.
도23은 실시예들에 따른 비트스트림의 구조를 나타낸다.
도24는 실시예들에 따른 시퀀스 파라미터 세트(Sequence Parameter Set, SPS)를 나타낸다.
도25는 실시예들에 따른 어트리뷰트 파라미터 세트(Attribute Parameter Set)를 나타낸다.
도26은 실시예들에 따른 타일 파라미터 세트(Tile Parameter Set, TPS)를 나타낸다.
도27은 실시예들에 따른 어트리뷰트 슬라이스 헤더(Attribute Slice Header)를 나타낸다.
도28은 실시예들에 따른 포인트 클라우드 데이터 송신 방법을 나타낸다.
도29는 실시예들에 따른 포인트 클라우드 데이터 수신 방법을 나타낸다.
실시예들의 바람직한 실시예에 대해 구체적으로 설명하며, 그 예는 첨부된 도면에 나타낸다. 첨부된 도면을 참조한 아래의 상세한 설명은 실시예들의 실시예에 따라 구현될 수 있는 실시예만을 나타내기보다는 실시예들의 바람직한 실시예를 설명하기 위한 것이다. 다음의 상세한 설명은 실시예들에 대한 철저한 이해를 제공하기 위해 세부 사항을 포함한다. 그러나 실시예들이 이러한 세부 사항 없이 실행될 수 있다는 것은 당업자에게 자명하다.
실시예들에서 사용되는 대부분의 용어는 해당 분야에서 널리 사용되는 일반적인 것들에서 선택되지만, 일부 용어는 출원인에 의해 임의로 선택되며 그 의미는 필요에 따라 다음 설명에서 자세히 서술한다. 따라서 실시예들은 용어의 단순한 명칭이나 의미가 아닌 용어의 의도된 의미에 근거하여 이해되어야 한다.
도1은 실시예들에 따른 포인트 클라우드콘텐츠 제공 시스템의 예시를 나타낸다.
도 1에 도시된 포인트 클라우드 콘텐트 제공 시스템은 전송 장치(transmission device)(10000) 및 수신 장치(reception device)(10004)를 포함할 수 있다. 전송 장치(10000) 및 수신 장치(10004)는 포인트 클라우드 데이터를 송수신하기 위해 유무선 통신 가능하다.
. 실시예들에 따른 전송 장치(10000)는 포인트 클라우드 비디오(또는 포인트 클라우드 콘텐트)를 확보하고 처리하여 전송할 수 있다. 실시예들에 따라, 전송 장치(10000)는 고정국(fixed station), BTS(base transceiver system), 네트워크, AI(Ariticial Intelligence) 기기 및/또는 시스템, 로봇, AR/VR/XR 기기 및/또는 서버 등을 포함할 수 있다. 또한 실시예들에 따라 전송 장치(10000)는 무선 접속 기술(예, 5G NR(New RAT), LTE(Long Term Evolution))을 이용하여, 기지국 및/또는 다른 무선 기기와 통신을 수행하는 기기, 로봇, 차량, AR/VR/XR 기기, 휴대기기, 가전, IoT(Internet of Thing)기기, AI 기기/서버 등을 포함할 수 있다.
실시예들에 따른 전송 장치(10000)는 포인트 클라우드 비디오 획득부(Point Cloud Video Acquisition, 10001), 포인트 클라우드 비디오 인코더(Point Cloud Video Encoder, 10002) 및/또는 트랜스미터(Transmitter (or Communication module), 10003)를 포함한다
실시예들에 따른 포인트 클라우드 비디오 획득부(10001)는 캡쳐, 합성 또는 생성 등의 처리 과정을 통해 포인트 클라우드 비디오를 획득한다. 포인트 클라우드 비디오는 3차원 공간에 위치한 포인트들의 집합인 포인트 클라우드로 표현되는 포인트 클라우드 콘텐트로서, 포인트 클라우드 비디오 데이터 등으로 호칭될 수 있다. 실시예들에 따른 포인트 클라우드 비디오는 하나 또는 그 이상의 프레임들을 포함할 수 있다. 하나의 프레임은 정지 영상/픽쳐를 나타낸다. 따라서 포인트 클라우드 비디오는 포인트 클라우드 영상/프레임/픽처를 포함할 수 있으며, 포인트 클라우드 영상, 프레임 및 픽처 중 어느 하나로 호칭될 수 있다.
실시예들에 따른 포인트 클라우드 비디오 인코더(10002)는 확보된 포인트 클라우드 비디오 데이터를 인코딩한다. 포인트 클라우드 비디오 인코더(10002)는 포인트 클라우드 컴프레션(Point Cloud Compression) 코딩을 기반으로 포인트 클라우드 비디오 데이터를 인코딩할 수 있다. 실시예들에 따른 포인트 클라우드 컴프레션 코딩은 G-PCC(Geometry-based Point Cloud Compression) 코딩 및/또는 V-PCC(Video based Point Cloud Compression) 코딩 또는 차세대 코딩을 포함할 수 있다. 또한 실시예들에 따른 포인트 클라우드 컴프레션 코딩은 상술한 실시예에 국한되는 것은 아니다. 포인트 클라우드 비디오 인코더(10002)는 인코딩된 포인트 클라우드 비디오 데이터를 포함하는 비트스트림을 출력할 수 있다. 비트스트림은 인코딩된 포인트 클라우드 비디오 데이터뿐만 아니라, 포인트 클라우드 비디오 데이터의 인코딩과 관련된 시그널링 정보를 포함할 수 있다.
실시예들에 따른 트랜스미터(10003)는 인코딩된 포인트 클라우드 비디오 데이터를 포함하는 비트스트림을 전송한다. 실시예들에 따른 비트스트림은 파일 또는 세그먼트(예를 들면 스트리밍 세그먼트) 등으로 인캡슐레이션되어 방송망 및/또는 브로드밴드 망등의 다양한 네트워크를 통해 전송된다. 도면에 도시되지 않았으나, 전송 장치(10000)는 인캡슐레이션 동작을 수행하는 인캡슐레이션부(또는 인캡슐레이션 모듈)을 포함할 수 있다. 또한 실시예들에 따라 인캡슐레이션부는 트랜스미터(10003)에 포함될 수 있다. 실시예들에 따라 파일 또는 세그먼트는 네트워크를 통해 수신 장치(10004)로 전송되거나, 디지털 저장매체(예를 들면 USB, SD, CD, DVD, 블루레이, HDD, SSD 등)에 저장될 수 있다. 실시예들에 따른 트랜스미터(10003)는 수신 장치(10004) (또는 리시버(Receiver, 10005))와 4G, 5G, 6G 등의 네트워크를 통해 유/무선 통신 가능하다. 또한 트랜스미터(10003)는 네트워크 시스템(예를 들면 4G, 5G, 6G 등의 통신 네트워크 시스템)에 따라 필요한 데이터 처리 동작을 수행할 수 있다. 또한 전송 장치(10000)는 온 디맨드(On Demand) 방식에 따라 인캡슐레이션된 데이터를 전송할 수도 있다.
실시예들에 따른 수신 장치(10004)는 리시버(Receiver, 10005), 포인트 클라우드 비디오 디코더(Point Cloud Decoder, 10006) 및/또는 렌더러(Renderer, 10007)를 포함한다. 실시예들에 따라 수신 장치(10004)는 무선 접속 기술(예, 5G NR(New RAT), LTE(Long Term Evolution))을 이용하여, 기지국 및/또는 다른 무선 기기와 통신을 수행하는 기기, 로봇, 차량, AR/VR/XR 기기, 휴대기기, 가전, IoT(Internet of Thing)기기, AI 기기/서버 등을 포함할 수 있다.
실시예들에 따른 리시버(10005)는 포인트 클라우드 비디오 데이터를 포함하는 비트스트림 또는 비트스트림이 인캡슐레이션된 파일/세그먼트 등을 네트워크 또는 저장매체로부터 수신한다. 리시버(10005)는 네트워크 시스템(예를 들면 4G, 5G, 6G 등의 통신 네트워크 시스템)에 따라 필요한 데이터 처리 동작을 수행할 수 있다. 실시예들에 따른 리시버(10005)는 수신한 파일/세그먼트를 디캡슐레이션하여 비트스트림을 출력할수 있다. 또한 실시예들에 따라 리시버(10005)는 디캡슐레이션 동작을 수행하기 위한 디캡슐레이션부(또는 디캡슐레이션 모듈)을 포함할 수 있다. 또한 디캡슐레이션부는 리시버(10005)와 별개의 엘레멘트(또는 컴포넌트)로 구현될 수 있다.
포인트 클라우드 비디오 디코더(10006)는 포인트 클라우드 비디오 데이터를 포함하는 비트스트림을 디코딩한다. 포인트 클라우드 비디오 디코더(10006)는 포인트 클라우드 비디오 데이터가 인코딩된 방식에 따라 디코딩할 수 있다(예를 들면 포인트 클라우드 비디오 인코더(10002)의 동작의 역과정). 따라서 포인트 클라우드 비디오 디코더(10006)는 포인트 클라우드 컴프레션의 역과정인 포인트 클라우드 디컴프레션 코딩을 수행하여 포인트 클라우드 비디오 데이터를 디코딩할 수 있다. 포인트 클라우드 디컴프레션 코딩은 G-PCC 코딩을 포함한다.
렌더러(10007)는 디코딩된 포인트 클라우드 비디오 데이터를 렌더링한다. 렌더러(10007)는 포인트 클라우드 비디오 데이터 뿐만 아니라 오디오 데이터도 렌더링하여 포인트 클라우드 콘텐트를 출력할 수 있다. 실시예들에 따라 렌더러(10007)는 포인트 클라우드 콘텐트를 디스플레이하기 위한 디스플레이를 포함할 수 있다. 실시예들에 따라 디스플레이는 렌더러(10007)에 포함되지 않고 별도의 디바이스 또는 컴포넌트로 구현될 수 있다.
도면에 점선으로 표시된 화살표는 수신 장치(10004)에서 획득한 피드백 정보(feedback information)의 전송 경로를 나타낸다. 피드백 정보는 포인트 클라우드 컨텐트를 소비하는 사용자와의 인터랙티비를 반영하기 위한 정보로서, 사용자의 정보(예를 들면 헤드 오리엔테이션 정보), 뷰포트(Viewport) 정보 등)을 포함한다. 특히 포인트 클라우드 콘텐트가 사용자와의 상호작용이 필요한 서비스(예를 들면 자율주행 서비스 등)를 위한 콘텐트인 경우, 피드백 정보는 콘텐트 송신측(예를 들면 전송 장치(10000)) 및/또는 서비스 프로바이더에게 전달될 수 있다. 실시예들에 따라 피드백 정보는 전송 장치(10000) 뿐만 아니라 수신 장치(10004)에서도 사용될 수 있으며, 제공되지 않을 수도 있다.
실시예들에 따른 헤드 오리엔테이션 정보는 사용자의 머리 위치, 방향, 각도, 움직임 등에 대한 정보이다. 실시예들에 따른 수신 장치(10004)는 헤드 오리엔테이션 정보를 기반으로 뷰포트 정보를 계산할 수 있다. 뷰포트 정보는 사용자가 바라보고 있는 포인트 클라우드 비디오의 영역에 대한 정보이다. 시점(viewpoint)은 사용자가 포인트 클라우 비디오를 보고 있는 점으로 뷰포트 영역의 정중앙 지점을 의미할 수 있다. 즉, 뷰포트는 시점을 중심으로 한 영역으로서, 영역의 크기, 형태 등은 FOV(Field Of View) 에 의해 결정될 수 있다. 따라서 수신 장치(10004)는 헤드 오리엔테이션 정보 외에 장치가 지원하는 수직(vertical) 혹은 수평(horizontal) FOV 등을 기반으로 뷰포트 정보를 추출할 수 있다. 또한 수신 장치(10004)는 게이즈 분석 (Gaze Analysis) 등을 수행하여 사용자의 포인트 클라우드 소비 방식, 사용자가 응시하는 포인트 클라우 비디오 영역, 응시 시간 등을 확인한다. 실시예들에 따라 수신 장치(10004)는 게이즈 분석 결과를 포함하는 피드백 정보를 송신 장치(10000)로 전송할 수 있다. 실시예들에 따른 피드백 정보는 렌더링 및/또는 디스플레이 과정에서 획득될 수 있다. 실시예들에 따른 피드백 정보는 수신 장치(10004)에 포함된 하나 또는 그 이상의 센서들에 의해 확보될 수 있다. 또한 실시예들에 따라 피드백 정보는 렌더러(10007) 또는 별도의 외부 엘레멘트(또는 디바이스, 컴포넌트 등)에 의해 확보될 수 있다. 도1의 점선은 렌더러(10007)에서 확보한 피드백 정보의 전달 과정을 나타낸다. 포인트 클라우드 콘텐트 제공 시스템은 피드백 정보를 기반으로 포인트 클라우드 데이터를 처리(인코딩/디코딩)할 수 있다. 따라서 포인트 클라우드 비디오 데이터 디코더(10006)는 피드백 정보를 기반으로 디코딩 동작을 수행할 수 있다. 또한 수신 장치(10004)는 피드백 정보를 전송 장치(10000)로 전송할 수 있다. 전송 장치(10000)(또는 포인트 클라우드 비디오 데이터 인코더(10002))는 피드백 정보를 기반으로 인코딩 동작을 수행할 수 있다. 따라서 포인트 클라우드 콘텐트 제공 시스템은 모든 포인트 클라우드 데이터를 처리(인코딩/디코딩)하지 않고, 피드백 정보를 기반으로 필요한 데이터(예를 들면 사용자의 헤드 위치에 대응하는 포인트 클라우드 데이터)를 효율적으로 처리하고, 사용자에게 포인트 클라우드 콘텐트를 제공할 수 있다.
실시예들에 따라, 전송 장치(10000)는 인코더, 전송 디바이스, 전송기 등으로 호칭될 수 있으며, 수신 장치(10004)는 디코더, 수신 디바이스, 수신기 등으로 호칭될 수 있다.
실시예들에 따른 도 1 의 포인트 클라우드 콘텐트 제공 시스템에서 처리되는 (획득/인코딩/전송/디코딩/렌더링의 일련의 과정으로 처리되는) 포인트 클라우드 데이터는 포인트 클라우드 콘텐트 데이터 또는 포인트 클라우드 비디오 데이터라고 호칭할 수 있다. 실시예들에 따라 포인트 클라우드 콘텐트 데이터는 포인트 클라우드 데이터와 관련된 메타데이터 내지 시그널링 정보를 포함하는 개념으로 사용될 수 있다.
도 1에 도시된 포인트 클라우드 콘텐트 제공 시스템의 엘리먼트들은 하드웨어, 소프트웨어, 프로세서 및/또는 그것들의 결합등으로 구현될 수 있다.
도 2는 실시예들에 따른 포인트 클라우드 콘텐트 제공 동작을 나타내는 블록도이다.
도 2의 블록도는 도 1에서 설명한 포인트 클라우드 콘텐트 제공 시스템의 동작을 나타낸다. 상술한 바와 같이 포인트 클라우드 콘텐트 제공 시스템은 포인트 클라우드 컴프레션 코딩(예를 들면 G-PCC)을 기반으로 포인트 클라우드 데이터를 처리할 수 있다.
실시예들에 따른 포인트 클라우드 콘텐트 제공 시스템(예를 들면 포인트 클라우드 전송 장치(10000) 또는 포인트 클라우드 비디오 획득부(10001))은 포인트 클라우드 비디오를 획득할 수 있다(20000). 포인트 클라우드 비디오는 3차원 공간을 표현하는 좌표계에 속한 포인트 클라우드로 표현된다. 실시예들에 따른 포인트 클라우드 비디오는 Ply (Polygon File format or the Stanford Triangle format) 파일을 포함할 수 있다. 포인트 클라우드 비디오가 하나 또는 그 이상의 프레임들을 갖는 경우, 획득한 포인트 클라우드 비디오는 하나 또는 그 이상의 Ply 파일들을 포함할 수 있다. Ply 파일은 포인트의 지오메트리(Geometry) 및/또는 어트리뷰트(Attribute)와 같은 포인트 클라우드 데이터를 포함한다. 지오메트리는 포인트들의 포지션들을 포함한다. 각 포인트의 포지션은 3차원 좌표계(예를 들면 XYZ축들로 이루어진 좌표계 등)를 나타내는 파라미터들(예를 들면 X축, Y축, Z축 각각의 값)로 표현될 수 있다. 어트리뷰트는 포인트들의 어트리뷰트들(예를 들면, 각 포인트의 텍스쳐 정보, 색상(YCbCr 또는 RGB), 반사율(r), 투명도 등)을 포함한다. 하나의 포인트는 하나 또는 그 이상의 어트리뷰트들(또는 속성들)을 가진다. 예를 들어 하나의 포인트는 하나의 색상인 어트리뷰트를 가질 수도 있고, 색상 및 반사율인 두 개의 어트리뷰트들을 가질 수도 있다. 실시예들에 따라, 지오메트리는 포지션들, 지오메트리 정보, 지오메트리 데이터 등으로 호칭 가능하며, 어트리뷰트는 어트리뷰트들, 어트리뷰트 정보, 어트리뷰트 데이터 등으로 호칭할 수 있다. 또한 포인트 클라우드 콘텐트 제공 시스템(예를 들면 포인트 클라우드 전송 장치(10000) 또는 포인트 클라우드 비디오 획득부(10001))은 포인트 클라우드 비디오의 획득 과정과 관련된 정보(예를 들면 깊이 정보, 색상 정보 등)으로부터 포인트 클라우드 데이터를 확보할 수 있다.
실시예들에 따른 포인트 클라우드 콘텐트 제공 시스템(예를 들면 전송 장치(10000) 또는 포인트 클라우드 비디오 인코더(10002))은 포인트 클라우드 데이터를 인코딩할 수 있다(20001). 포인트 클라우드 콘텐트 제공 시스템은 포인트 클라우드 컴프레션 코딩을 기반으로 포인트 클라우드 데이터를 인코딩할 수 있다. 상술한 바와 같이 포인트 클라우드 데이터는 포인트의 지오메트리 및 어트리뷰트를 포함할 수 있다. 따라서 포인트 클라우드 콘텐트 제공 시스템은 지오메트리를 인코딩하는 지오메트리 인코딩을 수행하여 지오메트리 비트스트림을 출력할 수 있다. 포인트 클라우드 콘텐트 제공 시스템은 어트리뷰트를 인코딩하는 어트리뷰트 인코딩을 수행하여 어트리뷰트 비트스트림을 출력할 수 있다. 실시예들에 따라 포인트 클라우드 콘텐트 제공 시스템은 지오메트리 인코딩에 기초하여 어트리뷰트 인코딩을 수행할 수 있다. 실시예들에 따른 지오메트리 비트스트림 및 어트리뷰트 비트스트림은 멀티플렉싱되어 하나의 비트스트림으로 출력될 수 있다. 실시예들에 따른 비트스트림은 지오메트리 인코딩 및 어트리뷰트 인코딩과 관련된 시그널링 정보를 더 포함할 수 있다.
실시예들에 따른 포인트 클라우드 콘텐트 제공 시스템(예를 들면 전송 장치(10000) 또는 트랜스미터(10003))는 인코딩된 포인트 클라우드 데이터를 전송할 수 있다(20002). 도1에서 설명한 바와 같이 인코딩된 포인트 클라우드 데이터는 지오메트리 비트스트림, 어트리뷰트 비트스트림으로 표현될 수 있다. 또한 인코딩된 포인트 클라우드 데이터는 포인트 클라우드 데이터의 인코딩과 관련된 시그널링 정보(예를 들면 지오메트리 인코딩 및 어트리뷰트 인코딩과 관련된 시그널링 정보)과 함께 비트스트림의 형태로 전송될 수 있다. 또한 포인트 클라우드 콘텐트 제공 시스템은 인코딩된 포인트 클라우드 데이터를 전송하는 비트스트림을 인캡슐레이션 하여 파일 또는 세그먼트의 형태로 전송할 수 있다.
실시예들에 따른 포인트 클라우드 콘텐트 제공 시스템(예를 들면 수신 장치(10004) 또는 리시버(10005))은 인코딩된 포인트 클라우드 데이터를 포함하는 비트스트림을 수신할 수 있다. 또한 포인트 클라우드 콘텐트 제공 시스템(예를 들면 수신 장치(10004) 또는 리시버(10005))은 비트스트림을 디멀티플렉싱할 수 있다.
포인트 클라우드 콘텐트 제공 시스템(예를 들면 수신 장치(10004) 또는 포인트 클라우드 비디오 디코더(10005))은 비트스트림으로 전송되는 인코딩된 포인트 클라우드 데이터(예를 들면 지오메트리 비트스트림, 어트리뷰트 비트스트림)을 디코딩할 수 있다. 포인트 클라우드 콘텐트 제공 시스템(예를 들면 수신 장치(10004) 또는 포인트 클라우드 비디오 디코더(10005))은 비트스트림에 포함된 포인트 클라우드 비디오 데이터의 인코딩과 관련된 시그널링 정보를 기반으로 포인트 클라우드 비디오 데이터를 디코딩할 수 있다. 포인트 클라우드 콘텐트 제공 시스템(예를 들면 수신 장치(10004) 또는 포인트 클라우드 비디오 디코더(10005))은 지오메트리 비트스트림을 디코딩하여 포인트들의 포지션들(지오메트리)을 복원할 수 있다. 포인트 클라우드 콘텐트 제공 시스템은 복원한 지오메트리를 기반으로 어트리뷰트 비트스트림을 디코딩하여 포인트들의 어트리뷰트들을 복원할 수 있다. 포인트 클라우드 콘텐트 제공 시스템(예를 들면 수신 장치(10004) 또는 포인트 클라우드 비디오 디코더(10005))은 복원된 지오메트리에 따른 포지션들 및 디코딩된 어트리뷰트를 기반으로 포인트 클라우드 비디오를 복원할 수 있다.
실시예들에 따른 포인트 클라우드 콘텐트 제공 시스템(예를 들면 수신 장치(10004) 또는 렌더러(10007))은 디코딩된 포인트 클라우드 데이터를 렌더링할 수 있다(20004). 포인트 클라우드 콘텐트 제공 시스템(예를 들면 수신 장치(10004) 또는 렌더러(10007))은 디코딩 과정을 통해 디코딩된 지오메트리 및 어트리뷰트들을 다양한 렌더링 방식에 따라 렌더링 방식에 따라 렌더링 할 수 있다. 포인트 클라우드 콘텐트의 포인트들은 일정 두께를 갖는 정점, 해당 정점 위치를 중앙으로 하는 특정 최소 크기를 갖는 정육면체, 또는 정점 위치를 중앙으로 하는 원 등으로 렌더링 될 수도 있다. 렌더링된 포인트 클라우드 콘텐트의 전부 또는 일부 영역은 디스플레이 (예를 들면 VR/AR 디스플레이, 일반 디스플레이 등)을 통해 사용자에게 제공된다.
실시예들에 따른 포인트 클라우드 콘텐트 제공 시스템(예를 들면 수신 장치(10004))는 피드백 정보를 확보할 수 있다(20005). 포인트 클라우드 콘텐트 제공 시스템은 피드백 정보를 기반으로 포인트 클라우드 데이터를 인코딩 및/또는 디코딩할 수 있다. 실시예들에 따른 피드백 정보 및 포인트 클라우드 콘텐트 제공 시스템의 동작은 도 1에서 설명한 피드백 정보 및 동작과 동일하므로 구체적인 설명은 생략한다.
도 3은 실시예들에 따른 포인트 클라우드 비디오 캡쳐 과정의 예시를 나타낸다.
도 3은 도 1 내지 도 2에서 설명한 포인트 클라우드 콘텐트 제공 시스템의 포인트 클라우드 비디오 캡쳐 과정의 예시를 나타낸다.
포인트 클라우드 콘텐트는 다양한 3차원 공간(예를 들면 현실 환경을 나타내는 3차원 공간, 가상 환경을 나타내는3차원 공간 등)에 위치한 오브젝트(object) 및/또는 환경을 나타내는 포인트 클라우드 비디오(이미지들 및/또는 영상들)을 포함한다. 따라서 실시예들에 따른 포인트 클라우드 콘텐트 제공 시스템은 포인트 클라우드 콘텐트를 생성하기 위하여 하나 또는 그 이상의 카메라(camera)들(예를 들면, 깊이 정보를 확보할 수 있는 적외선 카메라, 깊이 정보에 대응되는 색상 정보를 추출 할 수 있는 RGB 카메라 등), 프로젝터(예를 들면 깊이 정보를 확보하기 위한 적외선 패턴 프로젝터 등), 라이다(LiDAR)등을 사용하여 포인트 클라우드 비디오를 캡쳐할 수 있다. 실시예들에 따른 포인트 클라우드 콘텐트 제공 시스템은 깊이 정보로부터 3차원 공간상의 포인트들로 구성된 지오메트리의 형태를 추출하고, 색상정보로부터 각 포인트의 어트리뷰트를 추출하여 포인트 클라우드 데이터를 확보할 수 있다. 실시예들에 따른 이미지 및/또는 영상은 인워드-페이싱(inward-facing) 방식 및 아웃워드-페이싱(outward-facing) 방식 중 적어도 어느 하나 이상을 기반으로 캡쳐될 수 있다.
도3의 왼쪽은 인워드-페이싱 방식을 나타낸다. 인워드-페이싱 방식은 중심 오브젝트를 둘러싸고 위치한 하나 또는 그 이상의 카메라들(또는 카메라 센서들)이 중심 오브젝트를 캡쳐하는 방식을 의미한다. 인워드-페이싱 방식은 핵심 객체에 대한 360도 이미지를 사용자에게 제공하는 포인트 클라우드 콘텐트(예를 들면 사용자에게 객체(예-캐릭터, 선수, 물건, 배우 등 핵심이 되는 객체)의 360도 이미지를 제공하는 VR/AR 콘텐트)를 생성하기 위해 사용될 수 있다.
도3의 오른쪽은 아웃워드-페이싱 방식을 나타낸다. 아웃워드-페이싱 방식은 중심 오브젝트를 둘러싸고 위치한 하나 또는 그 이상의 카메라들(또는 카메라 센서들)이 중심 오브젝트가 아닌 중심 오브젝트의 환경을 캡쳐하는 방식을 의미한다. 아웃워드-페이싱 방식은 사용자의 시점에서 나타나는 주변 환경을 제공하기 위한 포인트 클라우드 콘텐트(예를 들면자율 주행 차량의 사용자에게 제공될 수 있는 외부 환경을 나타내는 콘텐트)를 생성하기 위해 사용될 수 있다.
도면에 도시된 바와 같이, 포인트 클라우드 콘텐트는 하나 또는 그 이상의 카메라들의 캡쳐 동작을 기반으로 생성될 수 있다. 이 경우 각 카메라의 좌표계가 다를 수 있으므로 포인트 클라우드 콘텐트 제공 시스템은 캡쳐 동작 이전에 글로벌 공간 좌표계(global coordinate system)을 설정하기 위하여 하나 또는 그 이상의 카메라들의 캘리브레이션을 수행할 수 있다. 또한 포인트 클라우드 콘텐트 제공 시스템은 상술한 캡쳐 방식으로 캡쳐된 이미지 및/또는 영상과 임의의 이미지 및/또는 영상을 합성하여 포인트 클라우드 콘텐트를 생성할 수 있다. 또한 포인트 클라우드 콘텐트 제공 시스템은 가상 공간을 나타내는 포인트 클라우드 콘텐트를 생성하는 경우 도3에서 설명한 캡쳐 동작을 수행하지 않을 수 있다. 실시예들에 따른 포인트 클라우드 콘텐트 제공 시스템은 캡쳐한 이미지 및/또는 영상에 대해 후처리를 수행할 수 있다. 즉, 포인트 클라우드 콘텐트 제공 시스템은 원하지 않는 영역(예를 들면 배경)을 제거하거나, 캡쳐한 이미지들 및/또는 영상들이 연결된 공간을 인식하고, 구명(spatial hole)이 있는 경우 이를 메우는 동작을 수행할 수 있다.
또한 포인트 클라우드 콘텐트 제공 시스템은 각 카메라로부터 확보한 포인트 클라우드 비디오의 포인트들에 대하여 좌표계 변환을 수행하여 하나의 포인트 클라우드 콘텐트를 생성할 수 있다. 포인트 클라우드 콘텐트 제공 시스템은 각 카메라의 위치 좌표를 기준으로 포인트들의 좌표계 변환을 수행할 수 있다. 이에 따라, 포인트 클라우드 콘텐트 제공 시스템은 하나의 넓은 범위를 나타내는 콘텐트를 생성할 수도 있고, 포인트들의 밀도가 높은 포인트 클라우드 콘텐트를 생성할 수 있다.
도 4는 실시예들에 따른 포인트 클라우드 인코더(Point Cloud Encoder)의 예시를 나타낸다.
도 4는 도 1의 포인트 클라우드 비디오 인코더(10002)의 예시를 나타낸다. 포인트 클라우드 인코더는 네트워크의 상황 혹은 애플리케이션 등에 따라 포인트 클라우드 콘텐트의 질(예를 들어 무손실-lossless, 손실-lossy, near-lossless)을 조절하기 위하여 포인트 클라우드 데이터(예를 들면 포인트들의 포지션들 및/또는 어트리뷰트들)을 재구성하고 인코딩 동작을 수행한다. 포인트 클라우드 콘텐트의 전체 사이즈가 큰 경우(예를 들어 30 fps의 경우 60 Gbps인 포인트 클라우드 콘텐트) 포인트 클라우드 콘텐트 제공 시스템은 해당 콘텐트를 리얼 타임 스트리밍하지 못할 수 있다. 따라서 포인트 클라우드 콘텐트 제공 시스템은 네트워크 환경등에 맞춰 제공하기 위하여 최대 타깃 비트율(bitrate)을 기반으로 포인트 클라우드 콘텐트를 재구성할 수 있다.
도 1 내지 도2 에서 설명한 바와 같이 포인트 클라우드 인코더는 지오메트리 인코딩 및 어트리뷰트 인코딩을 수행할 수 있다. 지오메트리 인코딩은 어트리뷰트 인코딩보다 먼저 수행된다.
실시예들에 따른 포인트 클라우드 인코더는 좌표계 변환부(Transformation Coordinates, 40000), 양자화부(Quantize and Remove Points (Voxelize), 40001), 옥트리 분석부(Analyze Octree, 40002), 서페이스 어프록시메이션 분석부(Analyze Surface Approximation, 40003), 아리스메틱 인코더(Arithmetic Encode, 40004), 지오메트리 리컨스트럭션부(Reconstruct Geometry, 40005), 컬러 변환부(Transform Colors, 40006), 어트리뷰트 변환부(Transfer Attributes, 40007), RAHT 변환부(40008), LOD생성부(Generated LOD, 40009), 리프팅 변환부(Lifting)(40010), 계수 양자화부(Quantize Coefficients, 40011) 및/또는 아리스메틱 인코더(Arithmetic Encode, 40012)를 포함한다.
좌표계 변환부(40000), 양자화부(40001), 옥트리 분석부(40002), 서페이스 어프록시메이션 분석부(40003), 아리스메틱 인코더(40004), 및 지오메트리 리컨스트럭션부(40005)는 지오메트리 인코딩을 수행할 수 있다. 실시예들에 따른 지오메트리 인코딩은 옥트리 지오메트리 코딩, 다이렉트 코딩(direct coding), 트라이숩 지오메트리 인코딩(trisoup geometry encoding) 및 엔트로피 인코딩을 포함할 수 있다. 다이렉트 코딩 및 트라이숩 지오메트리 인코딩은 선택적으로 또는 조합으로 적용된다. 또한 지오메트리 인코딩은 위의 예시에 국한되지 않는다.
도면에 도시된 바와 같이, 실시예들에 따른 좌표계 변환부(40000)는 포지션들을 수신하여 좌표계(coordinate)로 변환한다. 예를 들어, 포지션들은 3차원 공간 (예를 들면XYZ 좌표계로 표현되는 3차원 공간 등)의 위치 정보로 변환될 수 있다. 실시예들에 따른 3차원 공간의 위치 정보는 지오메트리 정보로 지칭될 수 있다.
실시예들에 따른 양자화부(40001)는 지오메트리를 양자화한다. 예를 들어, 양자화부(40001)는 전체 포인트들의 최소 위치 값(예를 들면 X축, Y축, Z축 에 대하여 각축상의 최소 값)을 기반으로 포인트들을 양자화 할 수 있다. 양자화부(40001)는 최소 위치 값과 각 포인트의 위치 값의 차이에 기 설정된 양자 스케일(quatization scale) 값을 곱한 뒤, 내림 또는 올림을 수행하여 가장 가까운 정수 값을 찾는 양자화 동작을 수행한다. 따라서 하나 또는 그 이상의 포인트들은 동일한 양자화된 포지션 (또는 포지션 값)을 가질 수 있다. 실시예들에 따른 양자화부(40001)는 양자화된 포인트들을 재구성하기 위해 양자화된 포지션들을 기반으로 복셀화(voxelization)를 수행한다. 2차원 이미지/비디오 정보를 포함하는 최소 단위는 픽셀(pixel)과 같이, 실시예들에 따른 포인트 클라우드 콘텐트(또는 3차원 포인트 클라우드 비디오)의 포인트들은 하나 또는 그 이상의 복셀(voxel)들에 포함될 수 있다. 복셀은 볼륨(Volume)과 픽셀(Pixel)의 조합어로서, 3차원 공간을 표현하는 축들(예를 들면 X축, Y축, Z축)을 기반으로 3차원 공간을 유닛(unit=1.0) 단위로 나누었을 때 발생하는 3차원 큐빅 공간을 의미한다. 양자화부(40001)는 3차원 공간의 포인트들의 그룹들을 복셀들로 매칭할 수 있다. 실시예들에 따라 하나의 복셀은 하나의 포인트만 포함할 수 있다. 실시예들에 따라 하나의 복셀은 하나 또는 그 이상의 포인트들을 포함할 수 있다. 또한 하나의 복셀을 하나의 포인트로 표현하기 위하여, 하나의 복셀에 포함된 하나 또는 그 이상의 포인트들의 포지션들을 기반으로 해당 복셀의 중앙점(center)의 포지션을 설정할 수 있다. 이 경우 하나의 복셀에 포함된 모든 포지션들의 어트리뷰트들은 통합되어(combined) 해당 복셀에 할당될(assigned)수 있다.
실시예들에 따른 옥트리 분석부(40002)는 복셀을 옥트리(octree) 구조로 나타내기 위한 옥트리 지오메트리 코딩(또는 옥트리 코딩)을 수행한다. 옥트리 구조는 팔진 트리 구조에 기반하여 복셀에 매칭된 포인트들을 표현한다.
실시예들에 따른 서페이스 어프록시메이션 분석부(40003)는 옥트리를 분석하고, 근사화할 수 있다. 실시예들에 따른 옥트리 분석 및 근사화는 효율적으로 옥트리 및 복셀화를 제공하기 위해서 다수의 포인트들을 포함하는 영역에 대해 복셀화하기 위해 분석하는 과정이다.
실시예들에 따른 아리스메틱 인코더(40004)는 옥트리 및/또는 근사화된 옥트리를 엔트로피 인코딩한다. 예를 들어, 인코딩 방식은 아리스메틱(Arithmetic) 인코딩 방법을 포함한다. 인코딩의 결과로 지오메트리 비트스트림이 생성된다.
컬러 변환부(40006), 어트리뷰트 변환부(40007), RAHT 변환부(40008), LOD생성부(40009), 리프팅 변환부(40010), 계수 양자화부(40011) 및/또는 아리스메틱 인코더(40012)는 어트리뷰트 인코딩을 수행한다. 상술한 바와 같이 하나의 포인트는 하나 또는 그 이상의 어트리뷰트들을 가질 수 있다. 실시예들에 따른 어트리뷰트 인코딩은 하나의 포인트가 갖는 어트리뷰트들에 대해 동일하게 적용된다. 다만, 하나의 어트리뷰트(예를 들면 색상)이 하나 또는 그 이상의 요소들을 포함하는 경우, 각 요소마다 독립적인 어트리뷰트 인코딩이 적용된다. 실시예들에 따른 어트리뷰트 인코딩은 컬러 변환 코딩, 어트리뷰트 변환 코딩, RAHT(Region Adaptive Hierarchial Transform) 코딩, 예측 변환(Interpolaration-based hierarchical nearest-neighbour prediction-Prediction Transform) 코딩 및 리프팅 변환 (interpolation-based hierarchical nearest-neighbour prediction with an update/lifting step (Lifting Transform)) 코딩을 포함할 수 있다. 포인트 클라우드 콘텐트에 따라 상술한 RAHT 코딩, 예측 변환 코딩 및 리프팅 변환 코딩은 선택적으로 사용되거나, 하나 또는 그 이상의 코딩들의 조합이 사용될 수 있다. 또한 실시예들에 따른 어트리뷰트 인코딩은 상술한 예시에 국한되는 것은 아니다.
실시예들에 따른 컬러 변환부(40006)는 어트리뷰트들에 포함된 컬러 값(또는 텍스쳐)을 변환하는 컬러 변환 코딩을 수행한다. 예를 들어, 컬러 변환부(40006)는 색상 정보의 포맷을 변환(예를 들어 RGB에서 YCbCr로 변환)할 수 있다. 실시예들에 따른 컬러 변환부(40006)의 동작은 어트리뷰트들에 포함된 컬러값에 따라 옵셔널(optional)하게 적용될 수 있다.
실시예들에 따른 지오메트리 리컨스트럭션부(40005)는 옥트리 및/또는 근사화된 옥트리를 재구성(디컴프레션)한다. 지오메트리 리컨스트럭션부(40005)는 포인트들의 분포를 분석한 결과에 기반하여 옥트리/복셀을 재구성한다. 재구성된 옥트리/복셀은 재구성된 지오메트리(또는 복원된 지오메트리)로 호칭될 수 있다.
실시예들에 따른 어트리뷰트 변환부(40007)는 지오메트리 인코딩이 수행되지 않은 포지션들 및/또는 재구성된 지오메트리를 기반으로 어트리뷰트들을 변환하는 어트리뷰트 변환을 수행한다. 상술한 바와 같이 어트리뷰트들은 지오메트리에 종속되므로, 어트리뷰트 변환부(40007)는 재구성된 지오메트리 정보를 기반으로 어트리뷰트들을 변환할 수 있다. 예를 들어, 어트리뷰트 변환부(40007)는 복셀에 포함된 포인트의 포지션값을 기반으로 그 포지션의 포인트가 가지는 어트리뷰트를 변환할 수 있다. 상술한 바와 같이 하나의 복셀에 포함된 하나 또는 그 이상의 포인트들의 포지션들을 기반으로 해당 복셀의 중앙점의 포지션이 설정된 경우, 어트리뷰트 변환부(40007)는 하나 또는 그 이상의 포인트들의 어트리뷰트들을 변환한다. 트라이숩 지오메트리 인코딩이 수행된 경우, 어트리뷰트 변환부(40007)는 트라이숩 지오메트리 인코딩을 기반으로 어트리뷰트들을 변환할 수 있다.
어트리뷰트 변환부(40007)는 각 복셀의 중앙점의 포지션(또는 포지션 값)으로부터 특정 위치/반경 내에 이웃하고 있는 포인트들의 어트리뷰트들 또는 어트리뷰트 값들(예를 들면 각 포인트의 색상, 또는 반사율 등)의 평균값을 계산하여 어트리뷰트 변환을 수행할 수 있다. 어트리뷰트 변환부(40007)는 평균값 계산시 중앙점으로부터 각 포인트까지의 거리에 따른 가중치를 적용할 수 있다. 따라서 각 복셀은 포지션과 계산된 어트리뷰트(또는 어트리뷰트 값)을 갖게 된다.
어트리뷰트 변환부(40007)는 K-D 트리 또는 몰톤 코드를 기반으로 각 복셀의 중앙점의 포지션으로부터 특정 위치/반경 내에 존재하는 이웃 포인트들을 탐색할 수 있다. K-D 트리는 이진 탐색 트리(binary search tree)로 빠르게 최단 이웃점 탐색(Nearest Neighbor Search-NNS)이 가능하도록 point들을 위치 기반으로 관리할 수 있는 자료 구조를 지원한다. 몰튼 코드는 모든 포인트들의 3차원 포지션을 나타내는 좌표값(예를 들면 (x, y, z))을 비트값으로 나타내고, 비트들을 믹싱하여 생성된다. 예를 들어 포인트의 포지션을 나타내는 좌표값이 (5, 9, 1)일 경우 좌표값의 비트 값은 (0101, 1001, 0001)이다. 비트 값을z, y, x 순서로 비트 인덱스에 맞춰 믹싱하면 010001000111이다. 이 값을 10진수로 나타내면 1095이 된다. 즉, 좌표값이 (5, 9, 1)인 포인트의 몰톤 코드 값은 1095이다. 어트리뷰트 변환부(40007)는 몰튼 코드 값을 기준으로 포인트들을 정렬하고depth-first traversal 과정을 통해 최단 이웃점 탐색(NNS)을 할 수 있다. 어트리뷰트 변환 동작 이후, 어트리뷰트 코딩을 위한 다른 변환 과정에서도 최단 이웃점 탐색(NNS)이 필요한 경우, K-D 트리 또는 몰톤 코드가 활용된다.
도면에 도시된 바와 같이 변환된 어트리뷰트들은 RAHT 변환부(40008) 및/또는 LOD 생성부(40009)로 입력된다.
실시예들에 따른 RAHT 변환부(40008)는 재구성된 지오메트리 정보에 기반하여 어트리뷰트 정보를 예측하는 RAHT코딩을 수행한다. 예를 들어, RAHT 변환부(40008)는 옥트리의 하위 레벨에 있는 노드와 연관된 어트리뷰트 정보에 기반하여 옥트리의 상위 레벨에 있는 노드의 어트리뷰트 정보를 예측할 수 있다.
실시예들에 따른 LOD생성부(40009)는 예측 변환 코딩을 수행하기 위하여LOD(Level of Detail)를 생성한다. 실시예들에 따른 LOD는 포인트 클라우드 콘텐트의 디테일을 나타내는 정도로서, LOD 값이 작을 수록 포인트 클라우드 콘텐트의 디테일이 떨어지고, LOD 값이 클 수록 포인트 클라우드 콘텐트의 디테일이 높음을 나타낸다. 포인트들을 LOD에 따라 분류될 수 있다.
실시예들에 따른 리프팅 변환부(40010)는 포인트 클라우드의 어트리뷰트들을 가중치에 기반하여 변환하는 리프팅 변환 코딩을 수행한다. 상술한 바와 같이 리프팅 변환 코딩은 선택적으로 적용될 수 있다.
실시예들에 따른 계수 양자화부(40011)은 어트리뷰트 코딩된 어트리뷰트들을 계수에 기반하여 양자화한다.
실시예들에 따른 아리스메틱 인코더(40012)는 양자화된 어트리뷰트들을 아리스메틱 코딩 에 기반하여 인코딩한다.
도 4의 포인트 클라우드 인코더의 엘레멘트들은 도면에 도시되지 않았으나 포인트 클라우드 제공 장치에 포함된 하나 또는 그 이상의 메모리들과 통신가능하도록 설정된 하나 또는 그 이상의 프로세서들 또는 집적 회로들(integrated circuits)을 포함하는 하드웨어, 소프트웨어, 펌웨어 또는 이들의 조합으로 구현될 수 있다. 하나 또는 그 이상의 프로세서들은 상술한 도 4의 포인트 클라우드 인코더의 엘레멘트들의 동작들 및/또는 기능들 중 적어도 어느 하나 이상을 수행할 수 있다. 또한 하나 또는 그 이상의 프로세서들은 도 4의 포인트 클라우드 인코더의 엘레멘트들의 동작들 및/또는 기능들을 수행하기 위한 소프트웨어 프로그램들 및/또는 인스트럭션들의 세트를 동작하거나 실행할 수 있다. 실시예들에 따른 하나 또는 그 이상의 메모리들은 하이 스피드 랜덤 억세스 메모리를 포함할 수도 있고, 비휘발성 메모리(예를 들면 하나 또는 그 이상의 마그네틱 디스크 저장 디바이스들, 플래쉬 메모리 디바이스들, 또는 다른 비휘발성 솔리드 스테이트 메모리 디바이스들(Solid-state memory devices)등)를 포함할 수 있다.
도 5 는 실시예들에 따른 복셀의 예시를 나타낸다.
도 5는 X축, Y축, Z축의 3가지 축으로 구성된 좌표계로 표현되는 3차원 공간상에 위치한 복셀을 나타낸다. 도 4에서 설명한 바와 같이 포인트 클라우드 인코더(예를 들면 양자화부(40001) 등)은 복셀화를 수행할 수 있다. 복셀은 3차원 공간을 표현하는 축들(예를 들면 X축, Y축, Z축)을 기반으로 3차원 공간을 유닛(unit=1.0) 단위로 나누었을 때 발생하는 3차원 큐빅 공간을 의미한다. 도 5는 두 개의 극점들(0,0,0) 및 (2d, 2d, 2d) 으로 정의되는 바운딩 박스(cubical axis-aligned bounding box)를 재귀적으로 분할(reculsive subdividing)하는 옥트리 구조를 통해 생성된 복셀의 예시를 나타낸다. 하나의 복셀은 적어도 하나 이상의 포인트를 포함한다. 복셀은 복셀군(voxel group)과의 포지션 관계로부터 공간 좌표를 추정 할 수 있다. 상술한 바와 같이 복셀은 2차원 이미지/영상의 픽셀과 마찬가지로 어트리뷰트(색상 또는 반사율 등)을 가진다. 복셀에 대한 구체적인 설명은 도 4에서 설명한 바와 동일하므로 생략한다.
도 6은 실시예들에 따른 옥트리 및 오큐판시 코드 (occupancy code)의 예시를 나타낸다.
도 1 내지 도 4에서 설명한 바와 같이 포인트 클라우드 콘텐트 제공 시스템(포인트 클라우드 비디오 인코더(10002)) 또는 포인트 클라우드 인코더(예를 들면 옥트리 분석부(40002))는 복셀의 영역 및/또는 포지션을 효율적으로 관리하기 위하여 옥트리 구조 기반의 옥트리 지오메트리 코딩(또는 옥트리 코딩)을 수행한다.
도 6의 상단은 옥트리 구조를 나타낸다. 실시예들에 따른 포인트 클라우드 콘텐트의 3차원 공간은 좌표계의 축들(예를 들면 X축, Y축, Z축)로 표현된다. 옥트리 구조는 두 개의 극점들(0,0,0) 및 (2d, 2d,2d) 으로 정의되는 바운딩 박스(cubical axis-aligned bounding box)를 재귀적으로 분할(reculsive subdividing)하여 생성된다. 2d는 포인트 클라우드 콘텐트(또는 포인트 클라우드 비디오)의 전체 포인트들을 감싸는 가장 작은 바운딩 박스를 구성하는 값으로 설정될 수 있다. d는 옥트리의 깊이(depth)를 나타낸다. d값은 다음의 식에 따라 결정된다. 하기 식에서 (xint n, yint n, zint n)는 양자화된 포인를들의 포지션들(또는 포지션 값들)을 나타낸다.
d =Ceil(Log2(Max(x_n^int,y_n^int,z_n^int,n=1,…,N)+1))
도 6의 상단의 중간에 도시된 바와 같이, 분할에 따라 전체 3차원 공간은 8개의 공간들로 분할될 수 있다. 분할된 각 공간은 6개의 면들을 갖는 큐브로 표현된다. 도 6 상단의 오른쪽에 도시된 바와 같이 8개의 공간들 각각은 다시 좌표계의 축들(예를 들면 X축, Y축, Z축)을 기반으로 분할된다. 따라서 각 공간은 다시 8개의 작은 공간들로 분할된다. 분할된 작은 공간 역시 6개의 면들을 갖는 큐브로 표현된다. 이와 같은 분할 방식은 옥트리의 리프 노드(leaf node)가 복셀이 될 때까지 적용된다.
도 6의 하단은 옥트리의 오큐판시 코드를 나타낸다. 옥트리의 오큐판시 코드는 하나의 공간이 분할되어 발생되는 8개의 분할된 공간들 각각이 적어도 하나의 포인트를 포함하는지 여부를 나타내기 위해 생성된다. 따라서 하나의 오큐판시 코드는 8개의 자식 노드(child node)들로 표현된다. 각 자식 노드는 분할된 공간의 오큐판시를 나타내며, 자식 노드는 1비트의 값을 갖는다. 따라서 오큐판시 코드는 8 비트 코드로 표현된다. 즉, 자식 노드에 대응하는 공간에 적어도 하나의 포인트가 포함되어 있으면 해당 노드는 1값을 갖는다. 자식 노드에 대응하는 공간에 포인트가 포함되어 있지 않으면 (empty), 해당 노드는 0값을 갖는다. 도 6에 도시된 오큐판시 코드는 00100001이므로 8개의 자식 노드 중 3번째 자식 노드 및 8번째 자식 노드에 대응하는 공간들은 각각 적어도 하나의 포인트를 포함함을 나타낸다. 도면에 도시된 바와 같이 3번째 자식 노드 및 8번째 자식 노드는 각각 8개의 자식 노드를 가지며, 각 자식 노드는 8비트의 오큐판시 코드로 표현된다. 도면은 3번째 자식 노드의 오큐판시 코드가 10000111이고, 8번째 자식 노드의 오큐판시 코드가 01001111임을 나타낸다. 실시예들에 따른 포인트 클라우드 인코더(예를 들면 아리스메틱 인코더(40004))는 오큐판시 코드를 엔트로피 인코딩할 수 있다. 또한 압축 효율을 높이기 위해 포인트 클라우드 인코더는 오큐판시 코드를 인트라/인터 코딩할 수 있다. 실시예들에 따른 수신 장치(예를 들면 수신 장치(10004) 또는 포인트 클라우드 비디오 디코더(10006))는 오큐판시 코드를 기반으로 옥트리를 재구성한다.
실시예들에 따른 포인트 클라우드 인코더(예를 들면 도 4의 포인트 클라우드 인코더, 또는 옥트리 분석부(40002))는 포인트들의 포지션들을 저장하기 위해 복셀화 및 옥트리 코딩을 수행할 수 있다. 하지만 3차원 공간 내 포인트들이 언제나 고르게 분포하는 것은 아니므로, 포인트들이 많이 존재하지 않는 특정 영역이 존재할 수 있다. 따라서 3차원 공간 전체에 대해 복셀화를 수행하는 것은 비효율 적이다. 예를 들어 특정 영역에 포인트가 거의 존재하지 않는다면, 해당 영역까지 복셀화를 수행할 필요가 없다.
따라서 실시예들에 따른 포인트 클라우드 인코더는 상술한 특정 영역(또는 옥트리의 리프 노드를 제외한 노드)에 대해서는 복셀화를 수행하지 않고, 특정 영역에 포함된 포인트들의 포지션을 직접 코딩하는 다이렉트 코딩(Direct coding)을 수행할 수 있다. 실시예들에 따른 다이렉트 코딩 포인트의 좌표들은 다이렉트 코딩 모드(Direct Coding Mode, DCM)으로 호칭된다. 또한 실시예들에 따른 포인트 클라우드 인코더는 표면 모델(surface model)을 기반으로 특정 영역(또는 노드)내의 포인트들의 포지션들을 복셀 기반으로 재구성하는 트라이숩 지오메트리 인코딩(Trisoup geometry encoding)을 수행할 수 있다. 트라이숩 지오메트리 인코딩은 오브젝트의 표현을 삼각형 메쉬(triangle mesh)의 시리즈로 표현하는 지오메트리 인코딩이다. 따라서 포인트 클라우드 디코더는 메쉬 표면으로부터 포인트 클라우드를 생성할 수 있다. 실시예들에 따른 다이렉트 코딩 및 트라이숩 지오메트리 인코딩은 선택적으로 수행될 수 있다. 또한 실시예들에 따른 다이렉트 코딩 및 트라이숩 지오메트리 인코딩은 옥트리 지오메트리 코딩(또는 옥트리 코딩)과 결합되어 수행될 수 있다.
다이렉트 코딩(Direct coding)을 수행하기 위해서는 다이렉트 코딩을 적용하기 위한 직접 모드(direct mode) 사용 옵션이 활성화 되어 있어야 하며, 다이렉트 코딩을 적용할 노드는 리프 노드가 아니고, 특정 노드 내에 한계치(threshold) 이하의 포인트들이 존재해야 한다. 또한 다이텍트 코딩의 대상이 되는 전채 포인트들의 개수는 기설정된 한계값을 넘어서는 안된다. 위의 조건이 만족되면, 실시예들에 따른 포인트 클라우드 인코더(또는 아리스메틱 인코더(40004))는 포인트들의 포지션들(또는 포지션 값들)을 엔트로피 코딩할 수 있다.
실시예들에 따른 포인트 클라우드 인코더(예를 들면 서페이스 어프록시메이션 분석부(40003))는 옥트리의 특정 레벨(레벨은 옥트리의 깊이 d보다는 작은 경우)을 정하고, 그 레벨부터는 표면 모델을 사용하여 노드 영역내의 포인트의 포지션을 복셀 기반으로 재구성하는 트라이숩 지오메트리 인코딩을 수행할 수 있다(트라이숩 모드). 실시예들에 따른 포인트 클라우드 인코더는 트라이숩 지오메트리 인코딩을 적용할 레벨을 지정할 수 있다. 예를 들어, 지정된 레벨이 옥트리의 깊이와 같으면 포인트 클라우드 인코더는 트라이숩 모드로 동작하지 않는다. 즉, 실시예들에 따른 포인트 클라우드 인코더는 지정된 레벨이 옥트리의 깊이값 보다 작은 경우에만 트라이숩 모드로 동작할 수 있다. 실시예들에 따른 지정된 레벨의 노드들의 3차원 정육면체 영역을 블록(block)이라 호칭한다. 하나의 블록은 하나 또는 그 이상의 복셀들을 포함할 수 있다. 블록 또는 복셀은 브릭(brick)에 대응될 수도 있다. 각 블록 내에서 지오메트리는 표면(surface)으로 표현된다. 실시예들에 따른 표면은 최대 한번 블록의 각 엣지(edge, 모서리)와 교차할 수 있다.
하나의 블록은 12개의 엣지들을 가지므로, 하나의 블록 내 적어도 12개의 교차점들이 존재한다. 각 교차점은 버텍스(vertex, 정점 또는 꼭지점)라 호칭된다. 엣지를 따라 존재하는 버텍스은 해당 엣지를 공유하는 모든 블록들 중 그 엣지에 인접한 적어도 하나의 오큐파이드 복셀(occupied voxel)이 있는 경우 감지된다. 실시예들에 따른 오큐파이드 복셀은 포인트를 포함하는 복셀을 의미한다. 엣지를 따라 검출된 버텍스의 포지션은 해당 엣지를 공유하는 모든 블록들 중 해당 엣지에 인접한 모든 복셀들의 엣지에 따른 평균 포지션(the average position along the edge of all voxels)이다.
버텍스가 검출되면 실시예들에 따른 포인트 클라우드 인코더는 엣지의 시작점(x, y, z), 엣지의 방향벡터(Δx, Δy, Δz), 버텍스 위치 값 (엣지 내의 상대적 위치 값)들을 엔트로피코딩할 수 있다. 트라이숩 지오메트리 인코딩이 적용된 경우, 실시예들에 따른 포인트 클라우드 인코더(예를 들면 지오메트리 리컨스트럭션부(40005))는 삼각형 재구성(triangle reconstruction), 업-샘플링(up-sampling), 복셀화 과정을 수행하여 복원된 지오메트리(재구성된 지오메트리)를 생성할 수 있다.
블록의 엣지에 위치한 버텍스들은 블록을 통과하는 표면(surface)를 결정한다. 실시예들에 따른 표면은 비평면 다각형이다. 삼각형 재구성 과정은 엣지의 시작점, 엣지의 방향 벡터와 버텍스의 위치값을 기반으로 삼각형으로 나타내는 표면을 재구성한다. 삼각형 재구성 과정은 다음과 같다. ①각 버텍스들의 중심(centroid)값을 계산하고, ②각 버텍스값에서 중심 값을 뺀 값들에 ③ 자승을 수행하고 그 값을 모두 더한 값을 구한다.
Figure 112020114730776-pat00001
더해진 값의 최소값을 구하고, 최소값이 있는 축에 따라서 프로젝션 (Projection, 투영) 과정을 수행한다. 예를 들어 x 요소(element)가 최소인 경우, 각 버텍스를 블록의 중심을 기준으로 x축으로 프로젝션 시키고, (y, z) 평면으로 프로젝션 시킨다. (y, z)평면으로 프로젝션 시키면 나오는 값이 (ai, bi)라면 atan2(bi, ai)를 통해 θ값을 구하고, θ값을 기준으로 버텍스들(vertices)을 정렬한다. 하기의 표는 버텍스들의 개수에 따라 삼각형을 생성하기 위한 버텍스들의 조합을 나타낸다. 버텍스들은 1부터 n까지의 순서로 정렬된다. 하기 표는4개의 버텍스들에 대하여, 버텍스들의 조합에 따라 두 개의 삼각형들이 구성될 수 있음을 나타낸다. 첫번째 삼각형은 정렬된 버텍스들 중 1, 2, 3번째 버텍스들로 구성되고, 두번째 삼각형은 정렬된 버텍스들 중 3, 4, 1번째 버텍스들로 구성될 수 있다. .
표2-1. Triangles formed from vertices ordered 1,…,n
n triangles
3 (1,2,3)
4 (1,2,3), (3,4,1)
5 (1,2,3), (3,4,5), (5,1,3)
6 (1,2,3), (3,4,5), (5,6,1), (1,3,5)
7 (1,2,3), (3,4,5), (5,6,7), (7,1,3), (3,5,7)
8 (1,2,3), (3,4,5), (5,6,7), (7,8,1), (1,3,5), (5,7,1)
9 (1,2,3), (3,4,5), (5,6,7), (7,8,9), (9,1,3), (3,5,7), (7,9,3)
10 (1,2,3), (3,4,5), (5,6,7), (7,8,9), (9,10,1), (1,3,5), (5,7,9), (9,1,5)
11 (1,2,3), (3,4,5), (5,6,7), (7,8,9), (9,10,11), (11,1,3), (3,5,7), (7,9,11), (11,3,7)
12 (1,2,3), (3,4,5), (5,6,7), (7,8,9), (9,10,11), (11,12,1), (1,3,5), (5,7,9), (9,11,1), (1,5,9)
업샘플링 과정은 삼각형의 엣지를 따라서 중간에 점들을 추가하여 복셀화 하기 위해서 수행된다. 업샘플링 요소 값(upsampling factor)과 블록의 너비를 기준으로 추가 점들을 생성한다. 추가점은 리파인드 버텍스(refined vertice)라고 호칭된다. 실시예들에 따른 포인트 클라우드 인코더는 리파인드 버텍스들을 복셀화할 수 있다. 또한 포인트 클라우드 인코더는 복셀화 된 포지션(또는 포지션 값)을 기반으로 어트리뷰트 인코딩을 수행할 수 있다.
도 7은 실시예들에 따른 이웃 노드 패턴의 예시를 나타낸다.
포인트 클라우드 비디오의 압축 효율을 증가시키기 위하여 실시예들에 따른 포인트 클라우드 인코더는 콘텍스트 어탭티브 아리스메틱 (context adaptive arithmetic) 코딩을 기반으로 엔트로피 코딩을 수행할 수 있다.
도 1 내지 도 6에서 설명한 바와 같이 포인트 클라우드 콘텐트 제공 시스템 또는 포인트 클라우드 인코더(예를 들면 포인트 클라우드 비디오 인코더(10002), 도 4의 포인트 클라우드 인코더 또는 아리스메틱 인코더(40004))는 오큐판시 코드를 곧바로 엔트로피 코딩할 수 있다. 또한 포인트 클라우드 콘텐트 제공 시스템 또는 포인트 클라우드 인코더는 현재 노드의 오큐판시 코드와 이웃 노드들의 오큐판시를 기반으로 엔트로피 인코딩(인트라 인코딩)을 수행하거나, 이전 프레임의 오큐판시 코드를 기반으로 엔트로피 인코딩(인터 인코딩)을 수행할 수 있다. 실시예들에 따른 프레임은 동일한 시간에 생성된 포인트 클라우드 비디오의 집합을 의미한다. 실시예들에 따른 인트라 인코딩/인터 인코딩의 압축 효율은 참조하는 이웃 노드들의 개수에 따라 달라질 수 있다. 비트가 커지면 복잡해지지만 한쪽으로 치우치게 만들어서 압축 효율이 높아질 수 있다. 예를 들어 3-bit context를 가지면, 2의 3승인 = 8가지 방법으로 코딩 해야 한다. 나누어 코딩을 하는 부분은 구현의 복잡도에 영향을 준다. 따라서 압축의 효율과 복잡도의 적정 수준을 맞출 필요가 있다.
도7은 이웃 노드들의 오큐판시를 기반으로 오큐판시 패턴을 구하는 과정을 나타낸다. 실시예들에 따른 포인트 클라우드 인코더는 옥트리의 각 노드의 이웃 노드들의 오큐판시(occupancy)를 판단하고 이웃 노드 패턴(neighbor pattern) 값을 구한다. 이웃 노드 패턴은 해당 노드의 오큐판시 패턴을 추론하기 위해 사용된다. 도7의 왼쪽은 노드에 대응하는 큐브(가운데 위치한 큐브) 및 해당 큐브와 적어도 하나의 면을 공유하는 6개의 큐브들(이웃 노드들)을 나타낸다. 도면에 도시된 노드들은 같은 뎁스(깊이)의 노드들이다. 도면에 도시된 숫자는 6개의 노드들 각각과 연관된 가중치들(1, 2, 4, 8, 16, 32, 등)을 나타낸다. 각 가중치는 이웃 노드들의 위치에 따라 순차적으로 부여된다.
도 7의 오른쪽은 이웃 노드 패턴 값을 나타낸다. 이웃 노드 패턴 값은 오큐파이드 이웃 노드(포인트를 갖는 이웃 노드)의 가중치가 곱해진 값들의 합이다. 따라서 이웃 노드 패턴 값은 0에서 63까지의 값을 갖는다. 이웃 노드 패턴 값이 0 인 경우, 해당 노드의 이웃 노드 중 포인트를 갖는 노드(오큐파이드 노드)가 없음을 나타낸다. 이웃 노드 패턴 값이 63인 경우, 이웃 노드들이 전부 오큐파이드 노드들임을 나타낸다. 도면에 도시된 바와 같이 가중치1, 2, 4, 8가 부여된 이웃 노드들은 오큐파이드 노드들이므로, 이웃 노드 패턴 값은 1, 2, 4, 8을 더한 값인 15이다. 포인트 클라우드 인코더는 이웃 노드 패턴 값에 따라 코딩을 수행할 수 있다(예를 들어 이웃 노드 패턴 값이 63인 경우, 64가지의 코딩을 수행). 실시예들에 따라 포인트 클라우드 인코더는 이웃 노드 패턴 값을 변경 (예를 들면 64를 10 또는 6으로 변경하는 테이블을 기반으로) 하여 코딩의 복잡도를 줄일 수 있다.
도 8은 실시예들에 따른 LOD 별 포인트 구성의 예시를 나타낸다.
도 1 내지 도 7에서 설명한 바와 같이, 어트리뷰트 인코딩이 수행되기 전 인코딩된 지오메트리는 재구성(디컴프레션) 된다. 다이렉트 코딩이 적용된 경우, 지오메트리 재구성 동작은 다이렉트 코딩된 포인트들의 배치를 변경하는 것을 포함할 수 있다(예를 들면 다이렉트 코딩된 포인트들을 포인트 클라우드 데이터의 앞쪽에 배치). 트라이숩 지오메트리 인코딩이 적용된 경우, 지오메트리 재구성 과정은 삼각형 재구성, 업샘플링, 복셀화 과정을 어트리뷰트는 지오메트리에 종속되므로, 어트리뷰트 인코딩은 재구성된 지오메트리를 기반으로 수행된다.
포인트 클라우드 인코더(예를 들면 LOD 생성부(40009))는 포인트들을 LOD별로 분류(reorganization)할 수 있다. 도면은 LOD에 대응하는 포인트 클라우드 콘텐트를 나타낸다. 도면의 왼쪽은 오리지널 포인트 클라우드 콘텐트를 나타낸다. 도면의 왼쪽에서 두번째 그림은 가장 낮은 LOD의 포인트들의 분포를 나타내며, 도면의 가장 오른쪽 그림은 가장 높은 LOD의 포인트들의 분포를 나타낸다. 즉, 가장 낮은 LOD의 포인트들은 드문드문(sparse) 분포하며, 가장 높은 LOD의 포인트들은 촘촘히 분포한다. 즉, 도면 하단에 표시된 화살표 방향에 따라 LOD가 증가할수록 포인트들 간의 간격(또는 거리)는 더 짧아진다.
도 9는 실시예들에 따른 LOD 별 포인트 구성의 예시를 나타낸다.
도 1 내지 도 8에서 설명한 바와 같이 포인트 클라우드 콘텐트 제공 시스템, 또는 포인트 클라우드 인코더(예를 들면 포인트 클라우드 비디오 인코더(10002), 도 4의 포인트 클라우드 인코더, 또는 LOD 생성부(40009))는 LOD를 생성할 수 있다. LOD는 포인트들을 설정된 LOD 거리 값(또는 유클리이디언 디스턴스(Euclidean Distance)의 세트)에 따라 리파인먼트 레벨들(refinement levels)의 세트로 재정열(reorganize)하여 생성된다. LOD 생성 과정은 포인트 클라우드 인코더뿐만 아니라 포인트 클라우드 디코더에서도 수행된다.
도 9의 상단은 3차원 공간에 분포된 포인트 클라우드 콘텐트의 포인트들의 예시(P0내지 P9)를 나타낸다. 도 9의 오리지널 오더(Original order)는 LOD 생성전 포인트들 P0내지 P9의 순서를 나타낸다. 도 9의 LOD 기반 오더 (LOD based order)는 LOD 생성에 따른 포인트들의 순서를 나타낸다. 포인트들은 LOD별 재정열된다. 또한 높은 LOD는 낮은 LOD에 속한 포인트들을 포함한다. 도 9에 도시된 바와 같이 LOD0는 P0, P5, P4 및 P2를 포함한다. LOD1은 LOD0의 포인트들과 P1, P6 및 P3를 포함한다. LOD2는 LOD0의 포인트들, LOD1의 포인트들 및 P9, P8 및 P7을 포함한다.
도 4에서 설명한 바와 같이 실시예들에 따른 포인트 클라우드 인코더는 예측 변환 코딩, 리프팅 변환 코딩 및 RAHT 변환 코딩을 선택적으로 또는 조합하여 수행할 수 있다.
실시예들에 따른 포인트 클라우드 인코더는 포인트들에 대한 예측기(predictor)를 생성하여 각 포인트의 예측 어트리뷰트(또는 예측 어트리뷰트값)을 설정하기 위한 예측 변환 코딩을 수행할 수 있다. 즉, N개의 포인트들에 대하여 N개의 예측기들이 생성될 수 있다. 실시예들에 따른 예측기는 각 포인트의 LOD 값과 LOD별 설정된 거리 내에 존재하는 이웃 포인트들에 대한 인덱싱 정보 및 이웃 포인트들까지의 거리 값을 기반으로 가중치(=1/거리) 값을 계산하할 수 있다.
실시예들에 따른 예측 어트리뷰트(또는 어트리뷰트값)은 각 포인트의 예측기에 설정된 이웃 포인트들의 어트리뷰트들(또는 어트리뷰트 값들, 예를 들면 색상, 반사율 등)에 각 이웃 포인트까지의 거리를 기반으로 계산된 가중치(또는 가중치값)을 곱한 값의 평균값으로 설정된다. 실시예들에 따른 포인트 클라우드 인코더(예를 들면 계수 양자화부(40011)는 각 포인트의 어트리뷰트(어트리뷰트 값)에서 예측 어트리뷰트(어트리뷰트값)을 뺀 잔여값들(residuals, 잔여 어트리뷰트, 잔여 어트리뷰트값, 어트리뷰트 예측 잔여값 등으로 호칭할 수 있다)을 양자화(quatization) 및 역양자화(inverse quantization)할 수 있다. 양자화 과정은 다음의 표에 나타난 바와 같다.
표. Attribute prediction residuals quantization pseudo code
int PCCQuantization(int value, int quantStep) {
if( value >=0) {
return floor(value / quantStep + 1.0 / 3.0);
} else {
return -floor(-value / quantStep + 1.0 / 3.0);
}
}
표. Attribute prediction residuals inverse quantization pseudo code
int PCCInverseQuantization(int value, int quantStep) {
if( quantStep ==0) {
return value;
} else {
return value * quantStep;
}
}
실시예들에 따른 포인트 클라우드 인코더(예를 들면 아리스메틱 인코더(40012)는 각 포인트의 예측기에 이웃한 포인트들이 있는 경우, 상술한 바와 같이 양자화 및 역양자화된 잔여값을 엔트로피 코딩 할 수 있다. 실시예들에 따른 포인트 클라우드 인코더(예를 들면 아리스메틱 인코더(40012)는 각 포인트의 예측기에 이웃한 포인트들이 없으면 상술한 과정을 수행하지 않고 해당 포인트의 어트리뷰트들을 엔트로피 코딩할 수 있다.
실시예들에 따른 포인트 클라우드 인코더 (예를 들면 리프팅 변환부(40010)는 각 포인트의 예측기를 생성하고, 예측기에 계산된 LOD를 설정 및 이웃 포인트들을 등록하고, 이웃 포인트들까지의 거리에 따른 가중치를 설정하여 리프팅 변환 코딩을 수행할 수 있다. 실시예들에 따른 리프팅 변환 코딩은 상술한 예측 변환 코딩과 유사하나, 어트리뷰트값에 가중치를 누적 적용한다는 점에서 차이가 있다. 실시예들에 따른 어트리뷰트값에 가중치를 누적 적용하는 과정은 다음과 같다.
1) 각 포인트의 가중치 값을 저장하는 배열 QW(QuantizationWieght)를 생성한다. QW의 모든 요소들의 초기값은 1.0이다. 예측기에 등록된 이웃 노드의 예측기 인덱스의 QW 값에 현재 포인트의 예측기의 가중치를 곱한 값을 더한다.
2) 리프트 예측 과정: 예측된 어트리뷰트 값을 계산하기 위하여 포인트의 어트리뷰트 값에 가중치를 곱한 값을 기존 어트리뷰트값에서 뺀다.
3) 업데이트웨이트(updateweight) 및 업데이트(update)라는 임시 배열들을 생성하고 임시 배열들을 0으로 초기화한다.
4) 모든 예측기에 대해서 계산된 가중치에 예측기 인덱스에 해당하는 QW에 저장된 가중치를 추가로 곱해서 산출된 가중치를 업데이트웨이트 배열에 이웃 노드의 인덱스로 누적으로 합산한다. 업데이트 배열에는 이웃 노드의 인덱스의 어트리뷰트 값에 산출된 가중치를 곱한 값을 누적 합산한다.
5) 리프트 업데이트 과정: 모든 예측기에 대해서 업데이트 배열의 어트리뷰트 값을 예측기 인덱스의 업데이트웨이트 배열의 가중치 값으로 나누고, 나눈 값에 다시 기존 어트리뷰트 값을 더한다.
6) 모든 예측기에 대해서, 리프트 업데이트 과정을 통해 업데이트된 어트리뷰트 값에 리프트 예측 과정을 통해 업데이트 된(QW에 저장된) 가중치를 추가로 곱하여 예측 어트리뷰트 값을 산출한다. 실시예들에 따른 포인트 클라우드 인코더(예를 들면 계수 양자화부(40011))는 예측 어트리뷰트 값을 양자화한다. 또한 포인트 클라우드 인코더(예를 들면 아리스메틱 인코더(40012))는 양자화된 어트리뷰트 값을 엔트로피 코딩한다.
실시예들에 따른 포인트 클라우드 인코더(예를 들면 RAHT 변환부(40008))는 옥트리의 하위 레벨에 있는 노드와 연관된 어트리뷰트를 사용하여 상위 레벨의 노드들의 어트리뷰트를 에측하는 RAHT 변환 코딩을 수행할 수 있다. RAHT 변환 코딩은 옥트리 백워드 스캔을 통한 어트리뷰트 인트라 코딩의 예시이다. 실시예들에 따른 포인트 클라우드 인코더는 복셀에서 전체 영역으로 스캔하고, 각 스텝에서 복셀을 더 큰 블록으로 합치면서 루트 노드까지의 병합 과정을 반복수행한다. 실시예들에 따른 병합 과정은 오큐파이드 노드에 대해서만 수행된다. 엠티 노드(empty node)에 대해서는 병합 과정이 수행되지 않으며, 엠티 노드의 바로 상위 노드에 대해 병합 과정이 수행된다.
하기의 식은 RAHT 변환 행렬을 나타낸다. gl x, y, z 는 레벨 l에서의 복셀들의 평균 어트리뷰트 값을 나타낸다. gl x, y, z 는 gl+1 2x, y, z와 gl+1 2x+1, y, z로부터 계산될 수 있다. gl 2x, y, z 와 gl 2x+1, y, z 의 가중치를 w1=w l 2x, y, z 과 w2=w l 2x+1, y, z 이다.
Figure 112020114730776-pat00002
gl-1 x, y, z는 로-패스(low-pass) 값으로, 다음 상위 레벨에서의 병합 과정에서 사용된다. hl-1 x, y, z은 하이패스 계수(high-pass coefficients)이며, 각 스텝에서의 하이패스 계수들은 양자화되어 엔트로피 코딩 된다(예를 들면 아리스메틱 인코더(400012)의 인코딩). 가중치는 w l-1 x, y, z=w l 2x, y, z+w l 2x+1, y, z로 계산된다. 루트 노드는 마지막 g1 0, 0, 0 과 g1 0, 0, 1을 통해서 다음과 같이 생성된다.,
Figure 112020114730776-pat00003
도 10은 실시예들에 따른 포인트 클라우드 디코더(Point Cloud Decoder)의 예시를 나타낸다.
도 10에 도시된 포인트 클라우드 디코더는 도 1에서 설명한 포인트 클라우드 비디오 디코더(10006) 예시로서, 도 1에서 설명한 포인트 클라우드 비디오 디코더(10006)의 동작 등과 동일 또는 유사한 동작을 수행할 수 있다. 도면이 도시된 바와 같이 포인트 클라우드 디코더는 하나 또는 그 이상의 비트스트림(bitstream)들에 포함된 지오메트리 비트스트림(geometry bitstream) 및 어트리뷰트 비트스트림(attribute bitstream)을 수신할 수 있다. 포인트 클라우드 디코더는 지오메트리 디코더(geometry decoder)및 어트리뷰트 디코더(attribute decoder)를 포함한다. 지오메트리 디코더는 지오메트리 비트스트림에 대해 지오메트리 디코딩을 수행하여 디코딩된 지오메트리(decoded geometry)를 출력한다. 어트리뷰트 디코더는 디코딩된 지오메트리 및 어트리뷰트 비트스트림을 기반으로 어트리뷰트 디코딩을 수행하여 디코딩된 어트리뷰트들(decoded attributes)을 출력한다. 디코딩된 지오메트리 및 디코딩된 어트리뷰트들은 포인트 클라우드 콘텐트를 복원(decoded point cloud)하는데 사용된다.
도 11은 실시예들에 따른 포인트 클라우드 디코더(Point Cloud Decoder)의 예시를 나타낸다.
도 11에 도시된 포인트 클라우드 디코더는 도 10에서 설명한 포인트 클라우드 디코더의 예시로서, 도 1 내지 도 9에서 설명한 포인트 클라우드 인코더의 인코딩 동작의 역과정인 디코딩 동작을 수행할 수 있다.
도 1 및 도 10에서 설명한 바와 같이 포인트 클라우드 디코더는 지오메트리 디코딩 및 어트리뷰트 디코딩을 수행할 수 있다. 지오메트리 디코딩은 어트리뷰트 디코딩보다 먼저 수행된다.
실시예들에 따른 포인트 클라우드 디코더는 아리스메틱 디코더(arithmetic decode, 11000), 옥트리 합성부(synthesize octree, 11001), 서페이스 오프록시메이션 합성부(synthesize surface approximation, 11002), 지오메트리 리컨스트럭션부(reconstruct geometry, 11003), 좌표계 역변환부(inverse transform coordinates, 11004), 아리스메틱 디코더(arithmetic decode, 11005), 역양자화부(inverse quantize, 11006), RAHT변환부(11007), LOD생성부(generate LOD, 11008), 인버스 리프팅부(Inverse lifting, 11009), 및/또는 컬러 역변환부(inverse transform colors, 11010)를 포함한다.
아리스메틱 디코더(11000), 옥트리 합성부(11001), 서페이스 오프록시메이션 합성부(11002), 지오메트리 리컨스럭션부(11003), 좌표계 역변환부(11004)는 지오메트리 디코딩을 수행할 수 있다. 실시예들에 따른 지오메트리 디코딩은 다이렉트 코딩(direct coding) 및 트라이숩 지오메트리 디코딩(trisoup geometry decoding)을 포함할 수 있다. 다이렉트 코딩 및 트라이숩 지오메트리 디코딩은 선택적으로 적용된다. 또한 지오메트리 디코딩은 위의 예시에 국한되지 않으며, 도 1 내지 도 9에서 설명한 지오메트리 인코딩의 역과정으로 수행된다.
실시예들에 따른 아리스메틱 디코더(11000)는 수신한 지오메트리 비트스트림을 아리스메틱 코딩을 기반으로 디코딩한다. 아리스메틱 디코더(11000)의 동작은 아리스메틱 인코더(40004)의 역과정에 대응한다.
실시예들에 따른 옥트리 합성부(11001)는 디코딩된 지오메트리 비트스트림으로부터 (또는 디코딩 결과 확보된 지오메트리에 관한 정보)로부터 오큐판시 코드를 획득하여 옥트리를 생성할 수 있다. 오큐판시 코드에 대한 구체적인 설명은 도 1 내지 도 9에서 설명한 바와 같다.
실시예들에 따른 서페이스 오프록시메이션 합성부(11002)는 트라이숩 지오메트리 인코딩이 적용된 경우, 디코딩된 지오메트리 및/또는 생성된 옥트리에 기반하여 서페이스를 합성할 수 있다.
실시예들에 따른 지오메트리 리컨스트럭션부(11003)는 서페이스 및 또는 디코딩된 지오메트리에 기반하여 지오메트리를 재생성할 수 있다. 도 1 내지 도 9에서 설명한 바와 같이, 다이렉트 코딩 및 트라이숩 지오메트리 인코딩은 선택적으로 적용된다. 따라서 지오메트리 리컨스트럭션부(11003)는 다이렉트 코딩이 적용된 포인트들의 포지션 정보들을 직접 가져와서 추가한다. 또한, 트라이숩 지오메트리 인코딩이 적용된 경우, 지오메트리 리컨스트럭션부(11003)는 지오메트리 리컨스트럭션부(40005)의 재구성 동작, 예를 들면 삼각형 재구성, 업-샘플링, 복셀화 동작을 수행하여 지오메트리를 복원할 수 있다. 구체적인 내용은 도 6에서 설명한 바와 동일하므로 생략한다. 복원된 지오메트리는 어트리뷰트들을 포함하지 않는 포인트 클라우드 픽쳐 또는 프레임을 포함할 수 있다.
실시예들에 따른 좌표계 역변환부(11004)는 복원된 지오메트리를 기반으로 좌표계를 변환하여 포인트들의 포지션들을 획득할 수 있다.
아리스메틱 디코더(11005), 역양자화부(11006), RAHT 변환부(11007), LOD생성부(11008), 인버스 리프팅부(11009), 및/또는 컬러 역변환부(11010)는 도 10에서 설명한 어트리뷰트 디코딩을 수행할 수 있다. 실시예들에 따른 어트리뷰트 디코딩은 RAHT(Region Adaptive Hierarchial Transform) 디코딩, 예측 변환(Interpolaration-based hierarchical nearest-neighbour prediction-Prediction Transform) 디코딩 및 리프팅 변환 (interpolation-based hierarchical nearest-neighbour prediction with an update/lifting step (Lifting Transform)) 디코딩을 포함할 수 있다. 상술한 3가지의 디코딩들은 선택적으로 사용되거나, 하나 또는 그 이상의 디코딩들의 조합이 사용될 수 있다. 또한 실시예들에 따른 어트리뷰트 디코딩은 상술한 예시에 국한되는 것은 아니다.
실시예들에 따른 아리스메틱 디코더(11005)는 어트리뷰트 비트스트림을 아리스메틱 코딩으로 디코딩한다.
실시예들에 따른 역양자화부(11006)는 디코딩된 어트리뷰트 비트스트림 또는 디코딩 결과 확보한 어트리뷰트에 대한 정보를 역양자화(inverse quantization)하고 역양자화된 어트리뷰트들(또는 어트리뷰트 값들)을 출력한다. 역양자화는 포인트 클라우드 인코더의 어트리뷰트 인코딩에 기반하여 선택적으로 적용될 수 있다.
실시예들에 따라 RAHT 변환부(11007), LOD생성부(11008) 및/또는 인버스 리프팅부(11009)는 재구성된 지오메트리 및 역양자화된 어트리뷰트들을 처리할 수 있다. 상술한 바와 같이 RAHT 변환부(11007), LOD생성부(11008) 및/또는 인버스 리프팅부(11009)는 포인트 클라우드 인코더의 인코딩에 따라 그에 대응하는 디코딩 동작을 선택적으로 수행할 수 있다.
실시예들에 따른 컬러 역변환부(11010)는 디코딩된 어트리뷰트들에 포함된 컬러 값(또는 텍스쳐)을 역변환하기 위한 역변환 코딩을 수행한다. 컬러 역변환부(11010)의 동작은 포인트 클라우드 인코더의 컬러 변환부(40006)의 동작에 기반하여 선택적으로 수행될 수 있다.
도 11의 포인트 클라우드 디코더의 엘레멘트들은 도면에 도시되지 않았으나 포인트 클라우드 제공 장치에 포함된 하나 또는 그 이상의 메모리들과 통신가능하도록 설정된 하나 또는 그 이상의 프로세서들 또는 집적 회로들(integrated circuits)을 포함하는 하드웨어, 소프트웨어, 펌웨어 또는 이들의 조합으로 구현될 수 있다. 하나 또는 그 이상의 프로세서들은 상술한 도 11의 포인트 클라우드 디코더의 엘레멘트들의 동작들 및/또는 기능들 중 적어도 어느 하나 이상을 수행할 수 있다. 또한 하나 또는 그 이상의 프로세서들은 도11의 포인트 클라우드 디코더의 엘레멘트들의 동작들 및/또는 기능들을 수행하기 위한 소프트웨어 프로그램들 및/또는 인스트럭션들의 세트를 동작하거나 실행할 수 있다.
도 12는 실시예들에 따른 전송 장치의 예시이다.
도 12에 도시된 전송 장치는 도 1의 전송장치(10000) (또는 도 4의 포인트 클라우드 인코더)의 예시이다. 도 12에 도시된 전송 장치는 도 1 내지 도 9에서 설명한 포인트 클라우드 인코더의 동작들 및 인코딩 방법들과 동일 또는 유사한 동작들 및 방법들 중 적어도 어느 하나 이상을 수행할 수 있다. 실시예들에 따른 전송 장치는 데이터 입력부(12000), 양자화 처리부(12001), 복셀화 처리부(12002), 옥트리 오큐판시 코드 (Occupancy code) 생성부(12003), 표면 모델 처리부(12004), 인트라/인터 코딩 처리부(12005), 아리스메틱 (Arithmetic) 코더(12006), 메타데이터 처리부(12007), 색상 변환 처리부(12008), 어트리뷰트 변환 처리부(또는 속성 변환 처리부)(12009), 예측/리프팅/RAHT 변환 처리부(12010), 아리스메틱 (Arithmetic) 코더(12011) 및/또는 전송 처리부(12012)를 포함할 수 있다.
실시예들에 따른 데이터 입력부(12000)는 포인트 클라우드 데이터를 수신 또는 획득한다. 데이터 입력부(12000)는 포인트 클라우드 비디오 획득부(10001)의 동작 및/또는 획득 방법(또는 도2에서 설명한 획득과정(20000))과 동일 또는 유사한 동작 및/또는 획득 방법을 수행할 수 있다.
데이터 입력부(12000), 양자화 처리부(12001), 복셀화 처리부(12002), 옥트리 오큐판시 코드 (Occupancy code) 생성부(12003), 표면 모델 처리부(12004), 인트라/인터 코딩 처리부(12005), Arithmetic 코더(12006)는 지오메트리 인코딩을 수행한다. 실시예들에 따른 지오메트리 인코딩은 도 1 내지 도 9에서 설명한 지오메트리 인코딩과 동일 또는 유사하므로 구체적인 설명은 생략한다.
실시예들에 따른 양자화 처리부(12001)는 지오메트리(예를 들면 포인트들의 위치값, 또는 포지션값)을 양자화한다. 양자화 처리부(12001)의 동작 및/또는 양자화는 도 4에서 설명한 양자화부(40001)의 동작 및/또는 양자화와 동일 또는 유사하다. 구체적인 설명은 도 1 내지 도 9에서 설명한 바와 동일하다.
실시예들에 따른 복셀화 처리부(12002)는 양자화된 포인트들의 포지션 값을 복셀화한다. 복셀화 처리부(120002)는 도 4에서 설명한 양자화부(40001)의 동작 및/또는 복셀화 과정과 동일 또는 유사한 동작 및/또는 과정을 수행할 수 있다. 구체적인 설명은 도 1 내지 도 9에서 설명한 바와 동일하다.
실시예들에 따른 옥트리 오큐판시 코드 생성부(12003)는 복셀화된 포인트들의 포지션들을 옥트리 구조를 기반으로 옥트리 코딩을 수행한다. 옥트리 오큐판시 코드 생성부(12003)는 오큐판시 코드를 생성할 수 있다. 옥트리 오큐판시 코드 생성부(12003)는 도 4 및 도 6에서 설명한 포인트 클라우드 인코더 (또는 옥트리 분석부(40002))의 동작 및/또는 방법과 동일 또는 유사한 동작 및/또는 방법을 수행할 수 있다. 구체적인 설명은 도 1 내지 도 9에서 설명한 바와 동일하다.
실시예들에 따른 표면 모델 처리부(12004)는 표면 모델(surface model)을 기반으로 특정 영역(또는 노드)내의 포인트들의 포지션들을 복셀 기반으로 재구성하는 트라이숩 지오메트리 인코딩을 수행할 수 있다. 포면 모델 처리부(12004)는 도 4 에서 설명한 포인트 클라우드 인코더(예를 들면 서페이스 어프록시메이션 분석부(40003))의 동작 및/또는 방법과 동일 또는 유사한 동작 및/또는 방법을 수행할 수 있다. 구체적인 설명은 도 1 내지 도 9에서 설명한 바와 동일하다.
실시예들에 따른 인트라/인터 코딩 처리부(12005)는 포인트 클라우드 데이터를 인트라/인터 코딩할 수 있다. 인트라/인터 코딩 처리부(12005)는 도 7에서 설명한 인트라/인터 코딩과 동일 또는 유사한 코딩을 수행할 수 있다. 구체적인 설명은 도 7에서 설명한 바와 동일하다. 실시예들에 따라 인트라/인터 코딩 처리부(12005)는 아리스메틱 코더(12006)에 포함될 수 있다.
실시예들에 따른 아리스메틱 코더(12006)는 포인트 클라우드 데이터의 옥트리 및/또는 근사화된 옥트리를 엔트로피 인코딩한다. 예를 들어, 인코딩 방식은 아리스메틱(Arithmetic) 인코딩 방법을 포함한다. . 아리스메틱 코더(12006)는 아리스메틱 인코더(40004)의 동작 및/또는 방법과 동일 또는 유사한 동작 및/또는 방법을 수행한다.
실시예들에 따른 메타데이터 처리부(12007)는 포인트 클라우드 데이터에 관한 메타데이터, 예를 들어 설정 값 등을 처리하여 지오메트리 인코딩 및/또는 어트리뷰트 인코딩 등 필요한 처리 과정에 제공한다. 또한 실시예들에 따른 메타데이터 처리부(12007)는 지오메트리 인코딩 및/또는 어트리뷰트 인코딩과 관련된 시그널링 정보를 생성 및/또는 처리할 수 있다. 실시예들에 따른 시그널링 정보는 지오메트리 인코딩 및/또는 어트리뷰트 인코딩과 별도로 인코딩처리될 수 있다. 또한 실시예들에 따른 시그널링 정보는 인터리빙 될 수도 있다.
색상 변환 처리부(12008), 어트리뷰트 변환 처리부(12009), 예측/리프팅/RAHT 변환 처리부(12010), 아리스메틱 (Arithmetic) 코더(12011)는 어트리뷰트 인코딩을 수행한다. 실시예들에 따른 어트리뷰트 인코딩은 도 1 내지 도 9에서 설명한 어트리뷰트 인코딩과 동일 또는 유사하므로 구체적인 설명은 생략한다.
실시예들에 따른 색상 변환 처리부(12008)는 어트리뷰트들에 포함된 색상값을 변환하는 색상 변환 코딩을 수행한다. 색상 변환 처리부(12008)는 재구성된 지오메트리를 기반으로 색상 변환 코딩을 수행할 수 있다. 재구성된 지오메트리에 대한 설명은 도 1 내지 도 9에서 설명한 바와 동일하다. 또한 도 4에서 설명한 컬러 변환부(40006)의 동작 및/또는 방법과 동일 또는 유사한 동작 및/또는 방법을 수행한다. 구체적인 설명은 생략한다.
실시예들에 따른 어트리뷰트 변환 처리부(12009)는 지오메트리 인코딩이 수행되지 않은 포지션들 및/또는 재구성된 지오메트리를 기반으로 어트리뷰트들을 변환하는 어트리뷰트 변환을 수행한다. 어트리뷰트 변환 처리부(12009)는 도 4에 설명한 어트리뷰트 변환부(40007)의 동작 및/또는 방법과 동일 또는 유사한 동작 및/또는 방법을 수행한다. 구체적인 설명은 생략한다. 실시예들에 따른 예측/리프팅/RAHT 변환 처리부(12010)는 변환된 어트리뷰트들을 RAHT 코딩, 예측 변환 코딩 및 리프팅 변환 코딩 중 어느 하나 또는 조합하여 코딩할 수 있다. 예측/리프팅/RAHT 변환 처리부(12010)는 도 4에서 설명한 RAHT 변환부(40008), LOD 생성부(40009) 및 리프팅 변환부(40010)의 동작들과 동일 또는 유사한 동작들 중 적어도 하나 이상을 수행한다. 또한 예측 변환 코딩, 리프팅 변환 코딩 및 RAHT 변환 코딩에 대한 설명은 도 1 내지 도 9에서 설명한 바와 동일하므로 구체적인 설명은 생략한다.
실시예들에 따른 아리스메틱 코더(12011)는 코딩된 어트리뷰트들을 아리스메틱 코딩에 기반하여 인코딩할 수 있다. 아리스메틱 코더(12011)는 아리스메틱 인코더(400012)의 동작 및/또는 방법과 동일 또는 유사한 동작 및/또는 방법을 수행한다.
실시예들에 따른 전송 처리부(12012)는 인코딩된 지오메트리 및/또는 인코딩된 어트리뷰트, 메타 데이터 정보를 포함하는 각 비트스트림을 전송하거나, 인코딩된 지오메트리 및/또는 인코딩된 어트리뷰트, 메타 데이터 정보를 하나의 비트스트림으로 구성하여 전송할 수 있다. 실시예들에 따른 인코딩된 지오메트리 및/또는 인코딩된 어트리뷰트, 메타 데이터 정보가 하나의 비트스트림으로 구성되는 경우, 비트스트림은 하나 또는 그 이상의 서브 비트스트림들을 포함할 수 있다. 실시예들에 따른 비트스트림은 시퀀스 레벨의 시그널링을 위한 SPS (Sequence Parameter Set), 지오메트리 정보 코딩의 시그널링을 위한 GPS(Geometry Parameter Set), 어트리뷰트 정보 코딩의 시그널링을 위한 APS(Attribute Parameter Set), 타일 레벨의 시그널링을 위한 TPS (Tile Parameter Set)를 포함하는 시그널링 정보 및 슬라이스 데이터를 포함할 수 있다. 슬라이스 데이터는 하나 또는 그 이상의 슬라이스들에 대한 정보를 포함할 수 있다. 실시예들에 따른 하나의 슬라이스는 하나의 지오메트리 비트스트림(Geom00) 및 하나 또는 그 이상의 어트리뷰트 비트스트림들(Attr00, Attr10)을 포함할 수 있다.
슬라이스(slice)란, 코딩된 포인트 클라우드 프레임의 전체 또는 일부를 나타내는 신택스 엘리먼트의 시리즈를 말한다.
실시예들에 따른 TPS는 하나 또는 그 이상의 타일들에 대하여 각 타일에 관한 정보(예를 들면 bounding box의 좌표값 정보 및 높이/크기 정보 등)을 포함할 수 있다. 지오메트리 비트스트림은 헤더와 페이로드를 포함할 수 있다. 실시예들에 따른 지오메트리 비트스트림의 헤더는 GPS에 포함된 파라미터 세트의 식별 정보(geom_ parameter_set_id), 타일 식별자(geom_tile_id), 슬라이스 식별자(geom_slice_id) 및 페이로드에 포함된 데이터에 관한 정보 등을 포함할 수 있다. 상술한 바와 같이 실시예들에 따른 메타데이터 처리부(12007)는 시그널링 정보를 생성 및/또는 처리하여 전송 처리부(12012)로 전송할 수 있다. 실시예들에 따라, 지오메트리 인코딩을 수행하는 엘레멘트들 및 어트리뷰트 인코딩을 수행하는 엘레멘트들은 점선 처리된 바와 같이 상호 데이터/정보를 공유할 수 있다. 실시예들에 따른 전송 처리부(12012)는 트랜스미터(10003)의 동작 및/또는 전송 방법과 동일 또는 유사한 동작 및/또는 전송 방법을 수행할 수 있다. 구체적인 설명은 도 1 내지 도 2에서 설명한 바와 동일하므로 생략한다.
도 13은 실시예들에 따른 수신 장치의 예시이다.
도 13에 도시된 수신 장치는 도 1의 수신장치(10004) (또는 도 10 및 도 11의 포인트 클라우드 디코더)의 예시이다. 도 13에 도시된 수신 장치는 도 1 내지 도 11에서 설명한 포인트 클라우드 디코더의 동작들 및 디코딩 방법들과 동일 또는 유사한 동작들 및 방법들 중 적어도 어느 하나 이상을 수행할 수 있다.
실시예들에 따른 수신 장치는 수신부(13000), 수신 처리부(13001), 아리스메틱 (arithmetic) 디코더(13002), 오큐판시 코드 (Occupancy code) 기반 옥트리 재구성 처리부(13003), 표면 모델 처리부(삼각형 재구성, 업-샘플링, 복셀화)(13004), 인버스(inverse) 양자화 처리부(13005), 메타데이터 파서(13006), 아리스메틱 (arithmetic) 디코더(13007), 인버스(inverse)양자화 처리부(13008), 예측/리프팅/RAHT 역변환 처리부(13009), 색상 역변환 처리부(13010) 및/또는 렌더러(13011)를 포함할 수 있다. 실시예들에 따른 디코딩의 각 구성요소는 실시예들에 따른 인코딩의 구성요소의 역과정을 수행할 수 있다.
실시예들에 따른 수신부(13000)는 포인트 클라우드 데이터를 수신한다. 수신부(13000)는 도 1의 리시버(10005)의 동작 및/또는 수신 방법과 동일 또는 유사한 동작 및/또는 수신 방법을 수행할 수 있다. 구체적인 설명은 생략한다.
실시예들에 따른 수신 처리부(13001)는 수신한 데이터로부터 지오메트리 비트스트림 및/또는 어트리뷰트 비트스트림을 획득할 수 있다. 수신 처리부(13001)는 수신부(13000)에 포함될 수 있다.
아리스메틱 디코더(13002), 오큐판시 코드 기반 옥트리 재구성 처리부(13003), 표면 모델 처리부(13004) 및 인버스 양자화 처리부(13005)는 지오메트리 디코딩을 수행할 수 있다. 실시예들에 따른 지오메트리 디코딩은 도 1 내지 도 10에서 설명한 지오메트리 디코딩과 동일 또는 유사하므로 구체적인 설명은 생략한다.
실시예들에 따른 아리스메틱 디코더(13002)는 지오메트리 비트스트림을 아리스메틱 코딩을 기반으로 디코딩할 수 있다. 아리스메틱 디코더(13002)는 아리스메틱 디코더(11000)의 동작 및/또는 코딩과 동일 또는 유사한 동작 및/또는 코딩을 수행한다.
실시예들에 따른 오큐판시 코드 기반 옥트리 재구성 처리부(13003)는 디코딩된 지오메트리 비트스트림으로부터 (또는 디코딩 결과 확보된 지오메트리에 관한 정보)로부터 오큐판시 코드를 획득하여 옥트리를 재구성할 수 있다. 오큐판시 코드 기반 옥트리 재구성 처리부(13003)는 옥트리 합성부(11001)의 동작 및/또는 옥트리 생성 방법과 동일 또는 유사한 동작 및/또는 방법을 수행한다. 실시예들에 따른 표면 모델 처리부(13004)는 트라이숩 지오메트리 인코딩이 적용된 경우, 표면 모델 방식에 기반하여 트라이숩 지오메트리 디코딩 및 이와 관련된 지오메트리 리컨스트럭션(예를 들면 삼각형 재구성, 업-샘플링, 복셀화)을 수행할 수 있다. 표면 모델 처리부(13004)는 서페이스 오프록시메이션 합성부(11002) 및/또는 지오메트리 리컨스트럭션부(11003)의 동작과 동일 또는 유사한 동작을 수행한다.
실시예들에 따른 인버스 양자화 처리부(13005)는 디코딩된 지오메트리를 인버스 양자화할 수 있다.
실시예들에 따른 메타데이터 파서(13006)는 수신한 포인트 클라우드 데이터에 포함된 메타데이터, 예를 들어 설정 값 등을 파싱할 수 있다. 메타데이터 파서(13006)는 메타데이터를 지오메트리 디코딩 및/또는 어트리뷰트 디코딩에 전달할 수 있다. 메타데이터에 대한 구체적인 설명은 도 12에서 설명한 바와 동일하므로 생략한다.
아리스메틱 디코더(13007), 인버스 양자화 처리부(13008), 예측/리프팅/RAHT 역변환 처리부(13009) 및 색상 역변환 처리부(13010)는 어트리뷰트 디코딩을 수행한다. 어트리뷰트 디코딩는 도 1 내지 도 10에서 설명한 어트리뷰트 디코딩과 동일 또는 유사하므로 구체적인 설명은 생략한다.
실시예들에 따른 아리스메틱 디코더(13007)는 어트리뷰트 비트스트림을 아리스메틱 코딩으로 디코딩할 수 있다. 아리스메틱 디코더(13007)는 재구성된 지오메트리를 기반으로 어트리뷰트 비트스트림의 디코딩을 수행할 수 있다. 아리스메틱 디코더(13007)는 아리스메틱 디코더(11005)의 동작 및/또는 코딩과 동일 또는 유사한 동작 및/또는 코딩을 수행한다.
실시예들에 따른 인버스 양자화 처리부(13008)는 디코딩된 어트리뷰트 비트스트림을 인버스 양자화할 수 있다. 인버스 양자화 처리부(13008)는 역양자화부(11006)의 동작 및/또는 역양자화 방법과 동일 또는 유사한 동작 및/또는 방법을 수행한다.
실시예들에 따른 예측/리프팅/RAHT 역변환 처리부(13009)는 재구성된 지오메트리 및 역양자화된 어트리뷰트들을 처리할 수 있다. 예측/리프팅/RAHT 역변환 처리부(13009)는 RAHT 변환부(11007), LOD생성부(11008) 및/또는 인버스 리프팅부(11009)의 동작들 및/또는 디코딩들과 동일 또는 유사한 동작들 및/또는 디코딩들 중 적어도 어느 하나 이상을 수행한다. 실시예들에 따른 색상 역변환 처리부(13010)는 디코딩된 어트리뷰트들에 포함된 컬러 값(또는 텍스쳐)을 역변환하기 위한 역변환 코딩을 수행한다. 색상 역변환 처리부(13010)는 컬러 역변환부(11010)의 동작 및/또는 역변환 코딩과 동일 또는 유사한 동작 및/또는 역변환 코딩을 수행한다. 실시예들에 따른 렌더러(13011)는 포인트 클라우드 데이터를 렌더링할 수 있다.
도 14는 실시예들에 따른 포인트 클라우드 데이터 송수신 방법/장치와 연동 가능한 구조의 예시를 나타낸다.
도 14의 구조는 서버(1460), 로봇(1410), 자율 주행 차량(1420), XR 장치(1430), 스마트폰(1440), 가전(1450) 및/또는 HMD(1470) 중에서 적어도 하나 이상이 클라우드 네트워크(1410)와 연결된 구성을 나타낸다. 로봇(1410), 자율 주행 차량(1420), XR 장치(1430), 스마트폰(1440) 또는 가전(1450) 등은 장치라 호칭된다. 또한, XR 장치(1430)는 실시예들에 따른 포인트 클라우드 데이터 (PCC) 장치에 대응되거나 PCC장치와 연동될 수 있다.
클라우드 네트워크(1400)는 클라우드 컴퓨팅 인프라의 일부를 구성하거나 클라우드 컴퓨팅 인프라 안에 존재하는 네트워크를 의미할 수 있다. 여기서, 클라우드 네트워크(1400)는 3G 네트워크, 4G 또는 LTE(Long Term Evolution) 네트워크 또는 5G 네트워크 등을 이용하여 구성될 수 있다.
서버(1460)는 로봇(1410), 자율 주행 차량(1420), XR 장치(1430), 스마트폰(1440), 가전(1450) 및/또는 HMD(1470) 중에서 적어도 하나 이상과 클라우드 네트워크(1400)을 통하여 연결되고, 연결된 장치들(1410 내지 1470)의 프로세싱을 적어도 일부를 도울 수 있다.
HMD (Head-Mount Display)(1470)는 실시예들에 따른 XR 디바이스 및/또는 PCC 디바이스가 구현될 수 있는 타입 중 하나를 나타낸다. 실시예들에 따른HMD 타입의 디바이스는, 커뮤니케이션 유닛, 컨트롤 유닛, 메모리 유닛, I/O 유닛, 센서 유닛, 그리고 파워 공급 유닛 등을 포함한다.
이하에서는, 상술한 기술이 적용되는 장치(1410 내지 1450)의 다양한 실시 예들을 설명한다. 여기서, 도 14에 도시된 장치(1410 내지 1450)는 상술한 실시예들에 따른 포인트 클라우드 데이터 송수신 장치와 연동/결합될 수 있다.
<PCC+XR>
XR/PCC 장치(1430)는 PCC 및/또는 XR(AR+VR) 기술이 적용되어, HMD(Head-Mount Display), 차량에 구비된 HUD(Head-Up Display), 텔레비전, 휴대폰, 스마트 폰, 컴퓨터, 웨어러블 디바이스, 가전 기기, 디지털 사이니지, 차량, 고정형 로봇이나 이동형 로봇 등으로 구현될 수도 있다.
XR/PCC 장치(1430)는 다양한 센서들을 통해 또는 외부 장치로부터 획득한 3차원 포인트 클라우드 데이터 또는 이미지 데이터를 분석하여 3차원 포인트들에 대한 위치 데이터 및 어트리뷰트 데이터를 생성함으로써 주변 공간 또는 현실 객체에 대한 정보를 획득하고, 출력할 XR 객체를 렌더링하여 출력할 수 있다. 예컨대, XR/PCC 장치(1430)는 인식된 물체에 대한 추가 정보를 포함하는 XR 객체를 해당 인식된 물체에 대응시켜 출력할 수 있다.
<PCC+XR+모바일폰>
XR/PCC 장치(1430)는 PCC기술이 적용되어 모바일폰(1440) 등으로 구현될 수 있다.
모바일폰(1440)은 PCC 기술에 기반하여 포인트 클라우드 콘텐츠를 디코딩하고, 디스플레이할 수 있다.
<PCC+자율주행+XR>
자율 주행 차량(1420)은 PCC 기술 및 XR 기술이 적용되어, 이동형 로봇, 차량, 무인 비행체 등으로 구현될 수 있다.
XR/PCC 기술이 적용된 자율 주행 차량(1420)은 XR 영상을 제공하는 수단을 구비한 자율 주행 차량이나, XR 영상 내에서의 제어/상호작용의 대상이 되는 자율 주행 차량 등을 의미할 수 있다. 특히, XR 영상 내에서의 제어/상호작용의 대상이 되는 자율 주행 차량(1420)은 XR 장치(1430)와 구분되며 서로 연동될 수 있다.
XR/PCC영상을 제공하는 수단을 구비한 자율 주행 차량(1420)은 카메라를 포함하는 센서들로부터 센서 정보를 획득하고, 획득한 센서 정보에 기초하여 생성된 XR/PCC 영상을 출력할 수 있다. 예컨대, 자율 주행 차량(1420)은 HUD를 구비하여 XR/PCC 영상을 출력함으로써, 탑승자에게 현실 객체 또는 화면 속의 객체에 대응되는 XR/PCC 객체를 제공할 수 있다.
이때, XR/PCC 객체가 HUD에 출력되는 경우에는 XR/PCC 객체의 적어도 일부가 탑승자의 시선이 향하는 실제 객체에 오버랩되도록 출력될 수 있다. 반면, XR/PCC 객체가 자율 주행 차량의 내부에 구비되는 디스플레이에 출력되는 경우에는 XR/PCC 객체의 적어도 일부가 화면 속의 객체에 오버랩되도록 출력될 수 있다. 예컨대, 자율 주행 차량(1220)은 차로, 타 차량, 신호등, 교통 표지판, 이륜차, 보행자, 건물 등과 같은 객체와 대응되는 XR/PCC 객체들을 출력할 수 있다.
실시예들에 의한 VR (Virtual Reality) 기술, AR (Augmented Reality) 기술, MR (Mixed Reality) 기술 및/또는 PCC(Point Cloud Compression)기술은, 다양한 디바이스에 적용 가능하다.
즉, VR 기술은, 현실 세계의 객체나 배경 등을 CG 영상으로만 제공하는 디스플레이 기술이다. 반면, AR 기술은, 실제 사물 영상 위에 가상으로 만들어진 CG 영상을 함께 보여 주는 기술을 의미한다. 나아가, MR 기술은, 현실세계에 가상 객체들을 섞고 결합시켜서 보여준다는 점에서 전술한 AR 기술과 유사하다. 그러나, AR 기술에서는 현실 객체와 CG 영상으로 만들어진 가상 객체의 구별이 뚜렷하고, 현실 객체를 보완하는 형태로 가상 객체를 사용하는 반면, MR 기술에서는 가상 객체가 현실 객체와 동등한 성격으로 간주된다는 점에서 AR 기술과는 구별이 된다. 보다 구체적으로 예를 들면, 전술한 MR 기술이 적용된 것이 홀로그램 서비스 이다.
다만, 최근에는 VR, AR, MR 기술을 명확히 구별하기 보다는 XR (extended Reality) 기술로 부르기도 한다. 따라서, 본 발명의 실시예들은 VR, AR, MR, XR 기술 모두에 적용 가능하다. 이러한 기술은 PCC, V-PCC, G-PCC 기술 기반 인코딩/디코딩이 적용될 수 있다.
실시예들에 따른 PCC방법/장치는 자율 주행 서비스를 제공하는 차량에 적용될 수 있다.
자율 주행 서비스를 제공하는 차량은 PCC 디바이스와 유/무선 통신이 가능하도록 연결된다.
실시예들에 따른 포인트 클라우드 데이터 (PCC) 송수신 장치는 차량과 유/무선 통신이 가능하도록 연결된 경우, 자율 주행 서비스와 함께 제공할 수 있는 AR/VR/PCC 서비스 관련 콘텐트 데이터를 수신/처리하여 차량에 전송할 수 있다. 또한 포인트 클라우드 데이터 송수신 장치 차량에 탑재된 경우, 포인트 클라우드 송수신 장치는 사용자 인터페이스 장치를 통해 입력된 사용자 입력 신호에 따라 AR/VR/PCC 서비스 관련 콘텐트 데이터를 수신/처리하여 사용자에게 제공할 수 있다. 실시예들에 따른 차량 또는 사용자 인터페이스 장치는 사용자 입력 신호를 수신할 수 있다. 실시예들에 따른 사용자 입력 신호는 자율 주행 서비스를 지시하는 신호를 포함할 수 있다.
실시예들에 따른 방법/장치는 포인트 클라우드 데이터 송신 방법/장치, 포인트 클라우드 데이터 수신 방법/장치, 포인트 클라우드 데이터 송수신 장치에 포함된 인코더, 디코더 등을 지칭한다.
실시예들에 따른 PCC부호화기는 인코더로 지칭할 수 있다. 실시예들에 따른 PCC복호화기는 디코더로 지칭할 수 있다.
실시예들에 따른 지오메트리 데이터는 기하정보에 대응되고, 실시예들에 따른 어트리뷰트 데이터는 속성정보에 대응된다.
도15는 실시예들에 따른 어트리뷰트 코딩 및 어트리뷰트 디코딩을 나타낸다.
도1의 포인트 클라우드 비디오 인코더(10002), 도2의 인코딩(20001), 도4의 어트리뷰트 인코더(40009, 40010, 40008), 도12의 어트리뷰트 인코더(12008 내지 12011), 도14의 XR디바이스(1430) 등이 포인트 클라우드 데이터의 속성 정보를 어트리뷰트 인코딩하는 동작(S15000 내지 S15040)을 나타낸다. 도1의 포인트 클라우드 비디오 디코더(10006), 도2의 디코딩(20003), 도10의 어트리뷰트 디코더, 도11의 어트리뷰트 디코더(11008, 11007, 11009), 도13의 어트리뷰트 디코더(13007 내지 13010),도14의 XR디바이스(1430) 등이 포인트 클라우드 데이터의 속성 정보를 어트리뷰트 디코딩하는 동작(S15100 내지 S15140)을 나타낸다. 포인트 클라우드 데이터를 어트리뷰트 인코딩하거나 어트리뷰트 디코딩하는 수행하는 방법/장치를 실시예들에 따른 방법/장치로 지칭할 수 있다.
실시예들에 따른 어트리뷰트 인코딩/디코딩은 RAHT, 프레딕션(prediction), 리프트 변환(lift transformation)의 코딩 스킴을 사용할 수 있다.
포인트 클라우드는 오브젝트에 관한 포인트(point)들의 집합으로 구성된다. 각 포인트는 지오메트리(geometry) 정보와 속성(attributes) 정보를 갖을 수 있다. 지오메트리 정보는 3차원 위치(XYZ) 정보이며, 속성 정보는 색상 (RGB, YUV 등) 또는/과 반사(Reflectance) 값이다.
도1, 도2, 도4, 11-14, 21-22 등에 도시된 실시예들에 따른 송신 장치는 G-PCC 부호화(encoding) 과정은 지오메트리를 압축하고, 압축을 통해 변경된 위치 정보들로 재구성 된 지오메트리(reconstructed geometry=복호화된 지오메트리)를 바탕으로 속성 정보를 압축하는 과정을 수행할 수 있다. 마찬가지로, 도1, 도2, 도4, 11-14, 21-22 등에 도시된 수신 장치는 실시예들에 따른 G-PCC 복호화(decoding) 과정에 기반하여, 부호화된 지오메트리 비트스트림(bitstream)과 속성 비트스트림을 전송 받아서 지오메트리를 복호화하고 복호화 과정을 통해 재구성된 지오메트리를 기반으로 속성 정보를 복호화하는 과정으로 구성될 수 있다.
실시예들에 따른 속성 정보 압축 동작은 예측 변환 기법, 리프팅 변환 기법, 또는 RAHT 기법을 사용한다.
도8 내지 9 참조하면, 실시예들에 따른 예측 변환 기법은, 각 point는 설정된 LOD 거리값을 기준으로 LOD 값을 계산하여 설정한다.
실시예들에 따른 예측 변환 기법과 리프팅 변환 기법은 디테일 레벨(Level Of Detail, 이하 LOD로 지칭)들로 포인트들을 나누어 그룹핑 할 수 있다.
S15000 LOD 생성하는 단계(①)
실시예들에 따른 송신 방법/장치는 도8-9와 같이, 지오메트리 데이터 및 어트리뷰트 데이터로부터 LOD들을 생성할 수 있다. 서로 다른 LOD를 갖는 그룹을 LODi집합으로 지칭할 수 있다. i은 LOD를 나타내며 0부터 시작하는 정수이다. LOD0 는 포인트간의 거리가 가장 큰 포인트로 구성된 집합이고, i이 커질수록 LODi에 속한 포인트간의 거리는 작아진다.
S15010 LOD들로부터 가장 가까운 이웃 포인트를 찾아서, 예측기에 이웃 포인트 집합으로 등록하는 단계(②)
실시예들에 따른 송신 방법/장치는 가장 가까운 이웃 포인트(Nearest Neighbor, NN)를 찾아서 이웃 포인트 집합으로 등록할 수 있다. LODi집합을 생성한 후, LODl 집합을 기반으로 LOD가 같거나 작은 (노드간의 거리가 큰) 그룹에서 X(>0)개의 가장 가까운 이웃 포인트(nearest neighbor)들을 찾아 예측기(predictor)에 이웃 포인트 집합으로 등록할 수 있다. X개는 이웃 포인트로 설정될 수 있는 최대 개수로 사용자 파라메터로 입력 받을 수 있다.
도9와 같이, LOD1 에 속하는 P3의 이웃 포인트를 LOD0 과 LOD1 에서 찾는다. 3개의 가장 가까운 이웃 노드는 P2 P4 P6가 될 수 있다. 이 3개의 노드가 P3의 예측기에 이웃 포인트 집합으로 등록된다.
S15020 이웃 포인트 집합의 각 이웃 포인트의 가중치를 산출하고, 가중치를 정규화하는 단계(③)
실시예들에 따른 송신 방법/장치는 이웃 포인트에 대한 가중치를 산출할 수 있다.
모든 포인트는 하나의 예측기(predictor)를 가질 수 있다. 예측기에 등록된 이웃 포인트들로부터 속성을 예측한다. 예측기는 이웃 포인트 집합을 가지고 각 이웃 포인트와의 거리 값을 기반으로 1/거리 = 가중치(weight)로 등록할 수 있다.
예를 들어, P3 노드의 예측기가 이웃 포인트 집합으로 (P2 P4 P6)를 가지고 각각의 이웃 포인트와의 거리값을 기반으로 가중치를 계산한다. 각 이웃 포인트의 가중치는 (1/√(P2-P3)^2 , 1/√(P4-P3)^2 , 1/√(P6-P3)^2) 이 된다.
예측기의 이웃 포인트 집합이 설정되면, 이웃 포인트들의 가중치 전체 합으로 각 이웃 포인트들의 가중치를 정규화(normalize)할 수 있다.
예를 들어, P3노드의 이웃 포인트 집합 내의 모든 이웃 포인트의 가중치를 더하고, total_weight = 1/√(P2-P3)^2+ 1/√((P4-P3)^2+1/√((P6-P3)^2, 그 값을 각 이웃 포인트들의 가중치로 다시 나누어 주어 (1/√(P2-P3)^2/total_weight, 1/√(P4-P3)^2/total_weight, 1/√(P6-P3)^2/total_weight) 가중치 값을 정규화 한다.
S15030 예측기를 통해 속성값을 예측하는 단계(④)
실시예들에 따른 송신 방법/장치는 속성값의 예측값을 생성할 수 있다.
예측기를 통해 속성을 예측할 수 있다. 등록된 이웃 포인트들의 속성에 가중치를 곱한 값의 평균을 예측된 결과로 사용할 수도 있고, 특정 포인트를 예측된 결과로 사용할 수 있다. 어떤 방법을 사용할지는 압축된 결과 값을 미리 계산한 후, 가장 작은 스트림을 생성할 수 있는 방법을 선택할 수 있다.
S15040 포인트의 속성값과 포인트의 예측값 간 잔차값을 인코딩하는 단계(⑤)
실시예들에 따른 송신 방법/장치는 포인트의 속성값 및 포인트의 예측값 간 차이값인 잔차값을 생성하고, 잔차값을 인코딩할 수 있다. 포인트의 속성값과 포인트의 예측기가 예측한 속성값의 잔차는 인코딩되어 수신 장치로 전송될 수 있다. 잔차값의 사이즈가 작을수록 비트스트림의 사이즈가 작아지고, 인코딩/압축 성능이 증가한다. 또한, 수신 측의 예측기에서 선택한 방법을 나타내는 정보를 인코딩하여 비트스트림에 메타데이터로써 포함시켜서 수신 장치로 전송할 수 있다.
S15100 LOD 생성하는 단계
실시예들에 따른 수신 방법/장치는 송신 측과 마찬가지로, 포인트 클라우드 데이터의 지오메트리 데이터 및/또는 어트리뷰트 데이터로부터 LOD를 생성할 수 있다.
S15110 LOD들로부터 가장 가까운 이웃 포인트를 찾아서, 예측기에 이웃 포인트 집합으로 등록하는 단계
실시예들에 따른 수신 방법/장치는 송신 측과 마찬가지로, LOD들로부터 가장 가까운 이웃 포인트를 서치한다. 검색된 이웃 포인트(들)을 포인트에 대한 예측기에 포인트에 대한 이웃 포인트 집합으로 등록한다.
S15120 이웃 포인트 집합의 각 이웃 포인트의 가중치를 산출하고, 가중치를 정규화하는 단계
실시예들에 따른 수신 방법/장치는 송신 측과 마찬가지로, 각 이웃 포인트에 대한 가중치를 생성하고, 가중치를 정규화한다.
S15130 인코딩에서 사용된 예측 방법에 따라서 속성값을 예측하는 단계
실시예들에 따른 수신 방법/장치는 송신 측과 마찬가지로, 포인트에 대한 속성값의 예측값을 생성한다.
S15140 인코딩된 잔차값을 수신하고 디코딩하여 예측값과 더하여 속성값을 복원하는 단계
실시예들에 따른 수신 방법/장치는 송신 방법/장치가 전송한 예측 방법을 나타내는 정보를 수신하고 디코딩한다. 예측 방법에 기반하여, 포인트에 대한 속성값의 예측값을 생성한다. 송신 방법/장치가 전송한 잔차값을 수신하고 디코딩한다. 예측값 및 잔차값을 더하여 속성값을 복원할 수 있다.
도16은 실시예들에 따른 예측기의 점수 계산 방법을 나타낸다.
도1의 송신 장치(1000)의 포인트 클라우드 비디오 인코더(10002), 수신 장치(10004)의 포인트 클라우드 비디오 디코더(10006), 도2의 인코딩(20001), 디코딩(20003), 도4의 인코더, 도11의 디코더, 도12의 송신 장치의 지오메트리 인코딩 및 어트리뷰 인코딩, 도13의 수신 장치의 지오메트리 디코딩 및 어트리뷰트 디코딩, 도14의 XR 디바이스(1430)이 수행하는 코딩에 적용되는 예측기 점수 계산 동작을 도16이 나타낸다.
실시예들에 따른 방법/장치는 3차원 포인트 클라우드(point cloud) 데이터 압축을 위한 Geometry-based Point Cloud Compression (G-PCC)의 속성 압축의 효율을 높이기 위한 예측 속성 방안을 제공한다.
실시예들에 따른 방법/장치는 G-PCC 속성 부호화/복호화 과정에 예측기 후보들 중에 적합한 예측기를 선택하는 방법을 변경하여 속성 잔차값에 영향을 주고 그에 따라 비트스트림 사이즈를 줄여 속성 압축의 효율을 높이기 위한 방안을 제공한다.
실시예들에 따른 예측기 선택을 위한 RDO 계산 방법 및/또는 이를 지원하기 위한 시그널링 방안을 설명한다.
실시예들에 따른 예측기를 통한 속성값의 예측값을 생성(예측)하는 단계(S15030 및/또는 S15130)는 다음과 같다.
실시예들에 따른 방법/장치는 포인트의 등록된 이웃 포인트들간의 속성 요소들(예를 들어, 속성이 컬러인 경우 R, G, B값들)의 차이값을 생성한다. 각 속성요소 간 차이값을 구한 뒤 차이값이 가장 큰 값 요소 값들(차이값들)의 합을 생성한다.
예를 들어, 현재 포인트의 이웃포인트들이 3개이면, P1, P2, P3 가 있을 수 있다. P1의 R1값, P2의 R2값, P3의 R3값 간 차이값을 구한다. P1의 G2값, P2의 G2값, P3의 G3값 간 차이값을 구한다. P1의 B1값, P2의 B2값, P3의 B3값 간 차이값을 구한다.
여기서, R에 대한 차이값이 큰 경우의 R값, G에 대한 차이값이 큰 경우의 G값, B에 대한 차이값이 큰 경우의 B값의 합을 생성한다.
P={R, G, B} 가 있다고 하면, P1={10, 5, 1}, P2={11, 4, 3}, P3={3, 9, 8}이면 다음과 같이 차이값을 생성할 수 있다. P1-P2={1, 1, 2}, P2-P3={8, 5, 5}, P3-P1={7, 4, 7} 이 된다. 여기서, 차이값이 가장 큰 값 요소 값들의 합이면, 차이값이 큰 것이 max_diff_R=8, G=5, B= 7 이므로 20이 된다.
이 값이 크면 속성 정보 간 차이값이 큰 것이고 인코딩/디코딩의 대상이 되는 비트스트림의 사이즈가 큰 것을 의미한다. 실시예들은 효율적인 비트스트림 압축 및 복원을 위한 인코딩/디코딩 방안을 제안한다. 이 값이 특정 한계값(스레드홀드)보다 작은 경우, 즉 속성정보간 차이가 작은 경우 가중치 평균을 통해서 계산된 속성 예측을 수행하는 예측기를 선택할 수 있다.
포인트의 등록된 이웃 포인트 간의 속성 요소들의 차이값을 구하고 가장 큰 값을 갖는 속성요소값들의 합이 특정 한계값과 같거나 큰 경우, 즉, 속성 정보 간 차이가 큰 경우 다음과 같이 예측값 및 잔차값을 구할 수 있다.
모드0: 아웃 포인트들의 속성요소에 대한 가중치 평균을 통해서 계산된 속성 예측값으로 양자화된 잔차값 구하기.
모드1: 첫번째 이웃 포인트의 속성을 예측값으로 했을때의 양자화된 잔차값 구하기.
모드2: 두번째 이웃 포인트의 속성을 예측값으로 했을때의 양자화된 잔차값 구하기.
모드3: 세번?? 이웃 포인트의 속성을 예측값으로 했을 때의 양자화된 잔치값을 구하기.
위 네 가지 모드에 기반하여 점수(score)를 계산할 수 있다.
계산된 점수가 가장 작은 값을 선택하여 네 가지 모드 중에서 예측 모드를 설정할 수 있다. 점수의 값이 작을수록 효율적인 예측이 가능하기 때문이다.
실시예들에 따라, 예측 모드가 0이면 가중치 평균, 1이면 첫번째 이웃노드, 2면 두번째 이웃노드, 3이면 세번?? 이웃노드를 통해 예측했다는 것을 나타낸다. 포인트와 선택된 예측 모드에 방법에 따라서 예측한 속성값의 잔차에 속성 양자화를 적용할 수 있다. 여기서, 첫 번째, 두 번째, 세 번째라는 의미는 현재 포인트로부터 LOD 그룹에서 거리 순으로 멀어지는 순서이다.
예측 모드 0의 경우, 실시예들에 따른 가중치(weight)은 1/거리이다. 예를 들어, 이웃 포인트가 P1, P2, P3이 있을 때, 현재 포인트P와 P1과의 거리를 d1이라고 하면 w1 가중치라고 하면 w1 = 1/d1이 된다. P1의 속성값이 r1,g1,b1이라고 하면, P2, P3도 같은 기준으로 라벨을 붙일 수 있다. 속성 예측값은 (r1*w1 + r2*w2 + r3*w3, g1*w1 + g2*w2 + g3*w3, b1*w1 + b2*w2 + b3*w3) 가 된다. 잔차값은 현재 포인트 값에서 예측값을 빼서 생성될 수 있다.
즉, 포인트의 등록된 이웃 포인트들간의 속성 요소들의 차이값이 한계값과 같거나, 한계값보다 큰 경우, 4가지 이상의 방법에 대한 예측기 후보(predictor candidates)를 생성하고, 각 예측기의 결과에 대한 RD(Rate-Distorion)을 계산하고 최적의 예측기를 선택하는 과정이 수행될 수 있다.
이러한 과정에서 예측기의 점수를 계산하게 되고, 점수가 가장 작은 값을 최적의 예측기로 선택하게 될 수 있다. 기본이 되는 예측기는 가중치 평균을 통해 계산된 방법일 수 있다. 점수 계산 방법이 기본이 되는 예측기와 첫번째 이웃 포인트 속성을 예측값으로 하는 경우 유리할 수 있다. 점수 계산 방법은 도16와 같을 수 있다.
도16의 방법은, 예를 들어, 실시예들에 따른, 도20-21의 속성정보 예측부(20140, 21100) 및/또는 그에 대응하는 장치에 의해서 수행된다.
제1점수 계산 방식(15000)은, double score = attrResidualQuant + kAttrPredLambdaR * (quant.stepSize() >> kFixedPointAttributeShift); 이다.
제2점수 계산 방식(15010)은, double idxBits = i + (i == max_num_direct_predictors - 1 ? 1 : 2); double score = attrResidualQuant + idxBits * kAttrPredLambdaR * (quant.stepSize() >> kFixedPointAttributeShift);이다.
제1점수 계산 방식(16000)은, 기본 예측기의 점수 계산 방법이다.
제2점수 계산 방식(16010)은, 다른 예측기 후보의 점수 계산 방법이다.
각 계산 방식에 사용된 용어의 정의는 다음과 같다.
어트리뷰트 잔차의 양자화(attrResidualQuant): 속성의 잔차값을 양자화한 값이다.
상수(kAttrPredLambdaR): 상수 0.01이다.
인덱스i: 몇번째 이웃 노드 인지 (0, 1, 2,…)를 나타내는 변수이다.
양자화 사이즈(quant.stepSize): 속성 양자화 사이즈를 나타낸다.
상수(kFixedPointAttributeShift): 상수 8일 수 있다.
최대 예측기 개수(max_num_direct_predictors): 최대 이웃 후보의 개수를 나타낸다. 디폴트로 3개가 될 수 있다. 즉, 3개의 이웃 포인트들로부터 현재 나의 포인트를 예측할 수 있다.
실시예들에 따른 도16의 방식은 비트스트림 크기만 고려한 예측 점수 계산 방법이다.
예측 효율을 증가시키기 위해서, 실시예들에 따른 송신 장치, 인코더 등이 생성하는 비트스트림의 사이즈가 작을수록 좋다. 나아가, 실시예들은 비트스트림의 크기뿐만 아니라, 왜곡(distortion)을 고려하여 속성을 예측할 수 있다. 예측기 후보군에서 예측기를 선택하는 방법은 속성을 예측하는 값에 영향을 주고 예측값은 속성 잔차값에 영향을 준다. 따라서, 적합한 기본 예측기를 선택하는 방법이 추가적으로 필요할 수 있다.
계속해서, 실시예들에 따른 예측기 선택 방법을 변경하여 속성 효율을 높일 수 있는 방안을 설명한다. 본 문서에서 설명하는 예측기 선택 방안은 PCC인코더, PCC 인코더의 어트리뷰트 인코더 등에 의해서 수행되고, 예측기 선택에 따른 포인트 클라우드 데이터의 복원 동작은 PCC 디코더, PCC디코더의 어트리뷰트 디코더 등에 의해서 수행된다.
도17은 실시예들에 따른 예측기 선택 방안을 나타낸다.
도17은 도15의 예측값을 생성하기 위해 예측기를 선택하는 방법을 나타낸다.
실시예들에 따른 방법/장치는 포인트의 등록된 이웃 포인트들간의 속성 요소들의 차이값이 한계값과 같거나, 한계값보다 큰 경우, 예측 모드 0내지3에 대한 4가지 이상의 방법에 대한 예측기 후보(predictor candidates)를 생성하고, 각 예측기의 결과에 대한 RD(Rate-Distortion)을 계산하고 최적의 예측기를 선택하는 과정에서 예측기를 선택하기 위한 RDO(Rate-Distortion Optimization) 점수(score) 계산 방법을 제안한다.
예측기 선택방안에 있어서, 왜곡+크기, 왜곡, 크기와 같이 위 3가지 방식이 예측모드4가지에 모두 적용될 수 있다. 예측 모드가 0이면 가중치 평균, 1이면 첫번째 이웃노드, 2면 두번째 이웃노드, 3이면 세번?? 이웃노드를 통해 예측할 수 잇다. 어떤 예측기를 선택하느냐를 정하는 기준(선택방안)이기 때문에, 기준을 왜곡+비트스트림크기로 할 것인지, 왜곡으로만 할 것인지, 비트스트림 크기로 할 것인지는 예측모드 4가지에 모두 적용 가능하다.
실시예들에 따른 방법/장치는 도17과 같은 3가지 방식들에 기반하여, 기본 예측기를 선택할 수 있다. 도17의 3가지 방식은 실시예들에 따라 선택적으로 한 가지 방식이 수행되거나, 두 가지 이상의 방식들이 결합되어 적용될 수도 있다.
S17000, 왜곡 및 비트스트림 크기에 기반한 점수 계산
실시예들에 따른 방법/장치는 왜곡 및 비트스트림의 크기에 기반하여 이웃 포인트들의 예측기 선택을 위한 RDO 점수를 계산할 수 있다.
어트리뷰트 데이터의 색상(Color) 값을 갖고 있는 포인트 클라우드를 프레덱티브 변환 스킴(Predictive Transform scheme)으로 속성을 코딩할 때(도4 등의 예측 변환 참조), 예측기를 선택하기 위한 점수 계산 방법은 도18의 계산 방법과 같다.
S17010, 왜곡에 기반한 점수 계산
실시예들에 따른 방법/장치는 왜곡에 기반하여 이웃 포인트들의 예측기 선택을 위한 RDO 점수를 계산할 수 있다. 점수 계산 방식은 도19와 같다.
S17020, 비트스트림 크기에 기반한 점수 계산
실시예들에 따른 방법/장치는 비트스트림의 크기에 기반하여 이웃 포인트들의 예측기 선택을 위한 RDO 점수를 계산할 수 있다. 점수 계산 방식은 도20과 같다.
도18은 실시예들에 따른 점수 계산 방식을 나타낸다.
도18은 도17의 왜곡 및 비트스트림 크기에 기반한 점수 계산(S17000) 방식을 나타낸다.
실시예들에 따른 방법/장치는 제1점수 계산 방식(18000)에 기반하여, 속성 인코딩 및 속성 디코딩을 수행할 수 있다.
실시예들에 따른 방법/장치는 점수(score)를 도18의 제1방식(18000)과 같이 산출할 수 있다.
점수는 상수값들, 컬러값에 대한 왜곡값, 비트스트림 크기 관련 값 등에 기반하여 산출된다. 컬러값에 대한 왜곡값은 컬러 요소값, R, G, B 각각의 잔차값에 대한 왜곡을 반영한다. 비트스트림 크기 관련 값은 컬러 값의 잔차값에 대해 사용되는 비트스트림의 크기를 반영한다.
제1방식에 포함된 변수의 정의는 다음과 같다.
알파값(α)은 왜곡에 적용되는 가중치 값일 수 있다. 비트스트림 크기 대비의 가중치를 부여할 수 있다. 예를 들어 왜곡 및 비트스트림 간 비중이 값을 때 값은 1일 수 있다.
잔차 차이값(resiDiff): 잔차값(residual)과 복원된(reconstructed) 잔차(residual)의 차이 (absolute difference) 값이다.
예를 들어, 잔차 차이값은 이웃 포인트의 컬러값의 잔차값의 차이이다. P1이 R1, G1, B1 값을 가지면, (R1잔차)-(복원된R1잔차)+ (G1잔차)-(복원된G1잔차)+ (B1잔차)-(복원된B1잔차) 이 잔차 차이값이 될 수 있다. 즉, 왜곡 정보를 체크하기 위해서, 인코더가 인코딩하는 잔차와 복원했을때 잔차값의 차이를 기준으로 사용할 수 있다.
양자화 스텝(qstep): 어트리뷰트에 대한 양자화QP값이다.
비트사이즈 관련 변수(Bits): 이 방식에 고려되는 비트스트림의 사이즈에 관련된 값이다.
실시예들에 따른 비트사이즈 관련 변수는 잔차값에 관련된 비트스트림의 사이즈를 나타낼 수 있다.
효율적인 인코딩 및/또는 디코딩을 위해서, 비트스트림의 크기도 작아야 하고, 왜곡도 적어야 좋은 성능 및 효과가 있다. 따라서 미리 체크해서 가장 좋은 방식을 선택하는 것이 실시에들에 따른 RDO(rate-distortion optimization) 방식이다. R이 비트스트림 크기를 의미할 수 있다.
엔트로피 예측기(EntropyEstimator()): 예측된 색상 값과의 잔차(residual) 값을 기반으로 사용될 것으로 예상되는 비트스트림 크기를 추정하는 함수이다.
엔트로피 예측기에는 다음 인자가 고려된다.
잔차 양자화값(quantRegi): 잔차값(residual)을 양자화(quantization)해준 값이다.
인덱스 비트(idxBits): 예측모드(pred-mode)를 위해 사용되는 비트 크기이다.
람다(λ_r)값은 실험을 통해서 구해질 수 있으며, 예를 들어 속성에 따라color를 위한 값은 0.35 일 수 있다.
실시예들에 따른 방법/장치는 왜곡 및 비트스트림의 크기를 고려하여, 점수를 계산하고, 점수가 가장 낮은 예측기를 최적의 예측기로 선택할 수 있다. 선택된 예측기에 기반하여 실시예들에 따른 방법/장치는 속성 코딩을 할 수 있다. 어트리뷰트가 컬러인 경우, 제1방식(18000)과 같이, 포인트의 각 컬러 값에 대한 잔차 차이값(왜곡을 반영하는 값) 및 비트사이즈를 고려하여 예측기 선택을 위한 점수를 산출할 수 있다.
실시예들에 따른 방법/장치는 점수(score)를 도18의 제2방식(18010)과 같이 산출할 수 있다.
실시예들에 따른 방법/장치는 제2점수 계산 방식(18010)에 기반하여, 속성 인코딩 및 속성 디코딩을 수행할 수 있다.
반사(Reflectance)값을 갖고 있는 포인트 클라우드를 실시예들에 따른 예측 변환(Predictive Transform scheme)에 기반하여 속성 코딩할 때, 예측기를 선택하기 위한 점수 계산 방법은 방식(18010)과 같다.
점수는 상수값, 왜곡값, 람다값, 양자화 스텝 값, 비트스트림의 크기 관련 값에 기반하여 산출된다.
실시예들에 따른 제2방식(18010)의 인자는 다음과 같을 수 있다.
점수는 상수값들, 반사도에 대한 왜곡값, 비트스트림의 사이즈 관련 값 등에 기반하여 산출된다. 반사도에 대한 왜곡값은 반사도의 잔차값에 대한 왜곡을 반영한다. 비트스트림의 사이즈 관련 값은 반사도의 잔차값에 대해 사용되는 비트스트림의 크기를 반영한다.
알파값(α): 왜곡에 주는 가중치 값일 수 있다. 비트스트림 크기 대비의 가중치를 부여할 수 있다. 예를 들어 왜곡과 비트스트림의 비중이 값을 때 값은 1일 수 있다.
잔차 차이값(resiDiff): 잔차값(residual)과 복원된(reconstructed) 잔차(residual)의 차이 (absolute difference)이다.
엔트로피 예측기(EntropyEstimator()): 예측된 반사도 값과의 잔차(residual) 값을 기반으로 사용될 것으로 예상되는 비트스트림 크기를 추정하는 함수이다.
잔차 양자화값(quantRegi): 잔차값(residual)을 양자화(quantization)해준 값이다.
인덱스 비트(idxBits): 예측모드(pred-mode)를 위해 사용되는 비트 크기이다.
람다(λ_r)값은 실험을 통해서 구해질 수 있으며, 예를 들어, 속성에 따라 reflectance를 위한 값은 0.7일 수 있다.
양자화 스텝(qstep): 어트리뷰트에 대한 양자화QP값이다.
비트사이즈 관련 변수(Bits): 이 방식에 고려되는 비트스트림의 사이즈에 관련된 값이다.
실시예들에 따른 방법/장치는 왜곡 및 비트스트림의 크기를 고려하여, 점수를 계산하고, 점수가 가장 낮은 예측기를 최적의 예측기로 선택할 수 있다. 선택된 예측기에 기반하여 실시예들에 따른 방법/장치는 속성 코딩을 할 수 있다. 어트리뷰트가 반사도인 경우, 제1방식(18010)과 같이, 포인트의 각 컬러 값에 대한 잔차 차이값(왜곡을 반영하는 값) 및 비트사이즈를 고려하여 예측기 선택을 위한 점수를 산출할 수 있다.
포인트의 속성값과 포인트에 등록된 이웃 포인트를 선택하는 예측기 후보들의 점수를 계산하고, 점수가 가장 작은(즉, 왜곡도 작고 비트스트림 크기도 작은) 포인트를 예측기로 선택할 수 있다.
이로써, 포인트의 등록된 이웃 포인트들간의 속성 요소들을 위한 최적의 예측기를 선택해서 왜곡과 잔차값의 크기를 줄일 수 있다.
도19는 실시예들에 따른 점수 계산 방식을 나타낸다.
도19는 도17의 왜곡만을 고려한 점수 계산 방식(S17010)을 나타낸다.
실시예들에 따른 방법/장치는 제1점수 계산 방식(19000)에 기반하여, 속성 인코딩 및 속성 디코딩을 수행할 수 있다.
실시예들에 따른 방법/장치는 컬러(Color) 값을 갖고 있는 포인트 클라우드를 예측 변환 기법(Predictive Transform scheme)에 기반하여 속성 코딩할 때, 예측기를 선택하기 위해 사용 시나리오에 따라서 왜곡만 고려할 수 있다. 이때, 점수 계산 방식은 도19의 제1방식(19000)과 같을 수 있다.
점수는 람다값 및 컬러에 대한 왜곡값에 기반하여 산출된다. 컬러에 대한 왜곡값은 컬러의 요소값, 예를 들어, R, G, B 각각의 잔차값에 대한 왜곡을 반영한다.
람다λ_r값은 실험을 통해서 구해질 수 있다.
잔차 차이값(resiDiff): 잔차값(residual)과 복원된(reconstructed) 잔차(residual)의 차이 (absolute difference)이다.
실시예들에 따른 방법/장치는 반사도(Reflectance) 값을 갖고 있는 포인트 클라우드를 예측 변환 기법(Predictive Transform scheme)으로 속성을 코딩할 때, 예측기를 선택하기 위해 사용 시나리오에 따라서 왜곡만 고려해야할 수도 있다. 예측기를 선택하기 위한 점수 계산 방법은 도19의 제2방식(19010)과 같을 수 있다.
실시예들에 따른 방법/장치는 제2점수 계산 방식(19010)에 기반하여, 속성 인코딩 및 속성 디코딩을 수행할 수 있다.
점수는 람다값 및 반사도에 대한 왜곡값에 기반하여 산출된다. 반사도에 대한 왜곡값은 반사도의 잔차값에 대한 왜곡을 반영한다.
λ_r값은 실험을 통해서 구해질 수 있다.
잔차 차이값(resiDiff): 잔차값(residual과 복원된(reconstructed) 잔차(residual)의 차이 (absolute difference)이다.
도20은 실시예들에 따른 점수 계산 방식을 나타낸다.
도20은 도17의 비트스트림의 크기에 기반한 점수 계산 방식(S17020)을 나타낸다.
실시예들에 따른 방법/장치는 제1점수 계산 방식(20000)에 기반하여, 속성 인코딩 및 속성 디코딩을 수행할 수 있다.
컬러 값을 갖고 있는 포인트 클라우드를 예측 변환 기법(Predictive Transform scheme으로 속성을 코딩할 때, 예측기를 선택하기 위해 사용 시나리오에 따라서 비트스트림 크기만 고려할 수도 있다. 예측기를 선택하기 위한 점수 계산 방법은 도20과 같을 수 있다.
점수는 상수값, 양자화 스텝 상수 값, 비트스트림의 크기 관련 값 등에 기반하여 산출될 수 있다.
엔트로피 예측기(EntropyEstimator(): 예측된 색상 값과의 잔차(residual) 값을 기반으로 사용될 것으로 예상되는 비트스트림 크기를 추정하는 함수이다.
잔차 양자화값(quantRegi): 잔차(residual)를 양자화(quantization)한 값이다.
인덱스 비트들(idxBits): 예측모드(pred-mode)를 위해 사용되는 비트 크기이다.
람다(λ_c)값은 실험을 통해서 구해질 수 있으며, 예를 들어 컬러를 위한 값은0.35 일 수 있다.
실시예들에 따른 방법/장치는 제2점수 계산 방식(20010)에 기반하여, 속성 인코딩 및 속성 디코딩을 수행할 수 있다.
리플렉턴스(Reflectance) 값을 갖고 있는 포인트 클라우드를 예측 변환 기법(Predictive Transform scheme)으로 속성을 코딩할 때, 예측기를 선택하기 위해 사용 시나리오에 따라서 비트스트림 크기만 고려할 수도 있다. 예측기를 선택하기 위한 점수 계산 방법은 도20과 같을 수 있다.
점수는 상수값, 양자화 스텝 값, 비트스트림 크기 관련 값 등에 기반하여 산출될 수 있다.
엔트로피 예측기(EntropyEstimator()): 예측된 색상 값과의 잔차(residual) 값을 기반으로 사용될 것으로 예상되는 비트스트림 크기를 추정하는 함수이다.
잔차 양자화 값(quantRegi): 잔차(residual)를 양자화(quantization)하는 값이다.
인덱스 비트들(idxBits): 예측모드(pred-mode)를 위해 사용되는 비트 크기이다.
람다(λ_r)값은 실험을 통해서 구해질 수 있으며, 예를 들어 반사도를 위한 값은 0.7일 수 있다.
도21은 실시예들에 따른 PCC 데이터 인코더를 나타낸다.
도21의 인코더는, 도1의 송신 장치(10000), 포인트 클라우드 비디오 인코더(10002), 도2의 인코딩(20001), 도4의 인코더, 도12의 송신 장치, 도14의 XR디바이스(1430) 등에 대응되거나 결합될 수 있다. 각 구성요소는 하드웨어, 소프트웨어, 프로세서 및/또는 그것들의 조합에 대응된다.
실시예들에 따른 송신 장치 또는 송신 장치에 포함된 인코더는 포인트 클라우드 데이터를 인코딩하고, 기하정보 비트스트림 및/또는 속성정보 비트스트림을 생성한다.
데이터 입력기(21000)는 지오메트리 데이터, 어트리뷰트 데이터 및/또는 이와 관련된 파리미터들을 수신할 수 있다.
좌표계 변환기(21010)는 지오메트리 데이터의 위치(좌표)정보에 관한 좌표계를 변환할 수 있다. 좌표계 변환부(17010)는 도4의 좌표계 변환부(40000)에 대응될 수 있다.
기하정보 변환 양자화 처리기(21020)는 기하정보 변환 양자화기 등으로 지칭될 수 있다. 기하정보 변환 양자화 처리부(20020)는 도4의 양자화기(40001)에 대응될 수 있다. 기하정보 변환 양자화 처리부(20020)는 전체 스케일값(양자화값) 하나를 입력 받고, 콘텐츠의 분포에 따라서 스케일 조절할 수도 있다.
공간 분할기(21030)는 포인트 클라우드 데이터를 실시예들에 따른 공간 분할 단위로 분할할 수 있다. 공간 분할부(21030)는 포인트 클라우드 데이터의 데이터 특성에 따라서 공간 적응적으로 타일, 블록, 밀도 기반, 축 기반, 어트리뷰트 기반, 지오메트리 기반 등의 방법을 사용하여 데이터의 공간을 분할할 수 있다. 공간 분할부(21030)는 데이터 파티셔닝을 수행할 수 있다. 프레임이 타일들 및 슬라이스들로 파티셔닝될 수 있다. 소스 포인트 클라우드 데이터는 복수의 슬라이스들로 파티셔닝될 수 있고, 비트스트림 내에서 인코딩될 수 있다. 슬라이스는 독립적으로 인코딩 또는 디코딩될 수 있는 포인트들의 집합이다. 슬라이스는 하나의 지오메트리 데이터 유닛 및 제로 또는 하나 이상의 어트리뷰트 데이터 유닛을 포함할 수 있다. 어트리뷰트 데이터 유닛들은 동일한 슬라이스 내에 대응하는 지오메트리 데이터에 의존적일 수 있다. 슬라이스 내에, 지오메트리 데이터 유닛은 관련된 어트리뷰트 유닛들 이전에 나타날 수 있다. 슬라이스의 데이터 유닛들은 인접해있다. 슬라이스들의 그룹은 공통의 타일 식별자에 의해 식별될 수 있다. 각 타일을 위한 바운딩 박스를 기술하는 타일 정보가 비트스트림 내에 있을 수 있다. 타일은 바운딩 박스 내 다른 타일을 오버랩할 수 있다. 각 슬라이스는 타일이 속하는 것을 식별하는 인덱스를 포함할 수 있다.
기하정보 부호하기(21040)는 포인트 클라우드 데이터의 지오메트리 데이터를 인코딩할 수 있다. 지오메트리 인코딩의 상세 과정은 다음 구성요소들에 의해 수행될 수 있다. 기하정보 부호하기(21040)는 옥트리 생성부에서 양자화된 포인트 클라우드를 기준으로 옥트리를 생성하고, 색상 재조정부에서 사용할 수 있도록 할 수 있다.
복셀화 처리기(21050)는 지오메트리 데이터를 복셀화할 수 있다. 복셀화 처리부(21050)는 도4의 복셀화기(40001)에 대응될 수 있다.
옥트리 생성기(21060)는 도4의 옥트리 분석부(40002)에 대응될 수 있다. 옥트리 생성부(21060)는 지오메트리 데이터를 옥트리 구조로 생성할 수 있다.
지오메트리 옥트리가 사용되는 경우, 지오메트리 인코딩이 다음과 같이 수행될 수 있다: 1) 두 개의 포인트들에 의해 정의되는 바운딩 박스가 정의될 수 있다. 바운딩 박스를 재귀적으로 분할(recursively subdividing)하면서 옥트리 구조가 빌딩된다. 각 큐브는 8개의 서브-큐브들로 분할된다. 8비트 코드는 어큐판시 코드로 지칭될 수 있다. 각 서브-큐브 당 1비트가 포인트가 채워져 있으면 1, 포인트가 비워져 있으면 0와 같이 표현될 수 있다. 1보다 사이즈가 큰 서브-큐브들이 추가로 분할된다. 1크기의 서브-큐브가 복셀일 수 있다. 복수의 포인트들이 중복될 수 있고, 동일한 서브-큐브(복셀)에 매핑될 수 있다. 각 서브-큐브의 포인트들은 아리스메티컬하게 인코딩될 수 있다.
한편, 디코딩 프로세스는 비트스트림으로부터 바운딩 박스의 디멘션을 읽음으로써 시작될 수 있다. 어큐판시 코드들에 따라서 바운딩 박스를 분할함으로써 동일한 옥트리 구조가 생성될 수 있다. 디멘션1의 서브-큐브에 도달하면 서브-큐브의 포인트들이 아리스메티컬하게 디코딩될 수 있다.
기하정보 예측기(21070)는 지오메트리 데이터에 대한 예측을 수행할 수 있다. 기하정보 예측부(20070)는 옥트리 구조에서 부모 노드 및 자식 노드 간 지오메트 데이터의 예측값을 생성할 수 있다. 예측값을 통해 잔차값을 생성하여 잔차값을 엔트로피 코딩하여 지오메트리 비트스트림을 구성할 수 있다. 예측값과의 잔차값만을 코딩하여 효율적인 비트스트림 전송을 할 수 있는 효과가 있다. 기하정보 예측부(21070)는 어트리뷰트 코딩을 위해 지오메트리 옥트리로부터 지오메트리 데이터를 복원(재구성)할 수 있다. 재구성된 지오메트리 데이터에 기반하여 어트리뷰트 코딩이 수행되기 때문이다.
기하정보 엔트로피 인코더(21080)는 지오메트리 데이터를 엔트로피 코딩하여, 지오메트리 비트스트림을 생성할 수 있다.
속성정보 부호화기(21090)는 어트리뷰트 데이터를 다음과 같이 인코딩할 수 있다.
색상 변환 처리기(21100)는 어트리뷰트 데이터의 색상을 데이터 특성에 맞게 변환할 수 있다.
색상 재조정기(21110)는 실시예들에 따라서, 재구성된 지오메트리 옥트리 구조 상 중첩 포인트가 병합되어 있는 경우, 색상 재조정을 수행할 수 있고, 아니면 RAHT 어트리뷰트 코딩을 하거나, 예측/리프팅 변환 어트리뷰트 코딩에 따라서 LOD를 구성할 수 있다. 실시예들에 따라서, 중첩된 포인트들이 병합되지 않은 경우, RATH 코딩인 경우에도 색상 재조정 및/또는 LOD 구성이 수행될 수 있다. 또한, 실시예들에 따라서, 재구성된 지오메트리 데이터에 기반하여 속성정보 인코딩을 수행 시 손실(lossy) 지오메트리인 경우에 색상 재조정을 수행하거나, 손실 지오메트리가 아니고, 예측/리프팅 변환 어트리뷰트 코딩인 경우 LOD 구성을 수행할 수 있다. 하나의 복셀 내에 여러 개의 포인트들이 존재하고 손실 압축으로 중복 포인트 병합을 진행한 복셀이라면, 색상 재조정부의 동작이 적용될 수 있다. 또한, 지오메트리 양자화 계수가 1보다 작은 경우, 하나의 복셀에 다수 개의 포인트들이 포함될 수 있고, 이 때 색상 재조정, LOD 구성, 이웃 포인트 집합 구성 등이 수행될 수 있다. 색상 재조정부(21110)는 복셀의 대표 색상을 설정하기 위해 원본 포인트 클라우드에서 복셀의 중앙 위치와 가까운 이웃 포인트를 검색할 수 있고, 그 이웃 포인트들로부터 대표 색상을 계산할 수 있다. 이웃 포인트 검색 과정에서 원본과 양자화된 값의 위치 차를 복원하기 위해 기하정보를 역양자화 할 수 있다.
LOD구성기(21120)는 포인트 클라우드 데이터로부터 LOD를 구성할 수 있다. LOD구성부(21120)는 복원된 기하정보(지오메트리 데이터)에 기반하여 색상 재조정된 어트리뷰트 데이터로부터 LOD를 생성할 수 있다. 어트리뷰트 코딩 중 RAHT 가 아닌 예측(Prediction)/리프트 변환(Lift Transform)이 적용되는 경우 LOD를 생성할 수 있다..
이웃 포인트 집합 구성기(21130)는 LOD에 기반하여 LOD에 속한 포인트의 이웃 포인트 집합을 해당 LOD 및 상위 LOD들 내에서 구성한다.
LODl 집합을 생성한 후, LODl 집합을 기반으로 LOD가 같거나 작은 (노드간의 거리가 큰) 그룹에서 X(>0)개의 가장 가까운 이웃 포인트(nearest neighbor)들을 찾아 예측기(predictor)에 이웃 포인트 집합으로 등록할 수 있다.
모든 포인트는 하나의 예측기(predictor)를 가질 수 있다. 예측기에 등록된 이웃 포인트들로부터 속성을 예측한다.
예측기를 통해 속성을 예측할 수 있다. 등록된 이웃 포인트들의 속성에 가중치를 곱한 값의 평균을 예측된 결과로 사용할 수도 있고, 특정 포인트를 예측된 결과로 사용할 수 있다. 어떤 방법을 사용할지는 압축된 결과 값을 미리 계산한 후, 가장 작은 스트림을 생성할 수 있는 방법을 선택할 수 있다.
포인트의 속성값과 포인트의 예측기가 예측한 속성값의 잔차는 예측기에서 선택한 방법과 함께 부호화하여 수신기로 시그널 될 수 있다.
복호기에서는 단계 송신된 예측 방법을 복호화하여 그 방법에 따라 속성값을 예측할 수 있다. 송신된 잔차값을 복호화하여 예측된 값을 더해주어 속성값을 복원할 수 있다.
속성 정보 예측기(21140)는 이웃 포인트 집합으로부터 포인트의 속성값을 예측한다. 예를 들어, Px를 부호화할때, Px의 이웃 포인트 집합이 구성되면, 집합 내의 이웃 포인트들의 속성값을 기반으로 Px의 속성값을 예측하고, 예측된 속성값과 Px 속성값의 잔차를 구하고, 잔차 값을 부호화해서 복호화기에 전송할 수 있다. 한편, 복호화기에서는 LOD 생성과 전송 받은 추가 정보를 통해 Px의 이웃 포인트 집합을 구성하고, 이웃 집합 내의 이웃 포인트들의 속성값을 기반으로 Px의 속성값을 예측하고, 전송받은 잔차값을 더해 Px의 속성값을 복원한다.
속성 정보 예측기(21140)는 포인트 마다 가장 왜곡이 적으면서 비트스트림 크기도 작은 속성 예측기를 찾아서 예측 모드를 설정할 수 있다(도15 내지 도20 참조).
속성 정보 예측기(21140)는 이웃 포인트들의 속성 차이값이 특정 한계값보다 같거나 클 경우, 예측기 후보군들의 예상 RD값을 계산하고 계산된 값을 기준으로 점수를 계산하고 점수가 가장 낮은 예측기를 선택하여 예측에 사용할 수 있다.
속성 정보 예측기(21140)는 포인트 클라우드의 콘텐츠 특성이나 또는 사용 시나리오, 또는 서비스의 특성에 따라 왜곡과 비트스트림을 모두 고려 할 수 도 있고, 왜곡만 고려할 수도 있고, 비트스트림만 고려할 수 있도록 예측기에 사용할 점수 계산 방법을 설정할 수 있고 그에 따라 실시예들에 따른 점수 계산 방식을 사용할 수 있다.
속성 정보 예측기(21140)는 예측기 후보군들의 점수를 계산할 때 기본 예측기로 가중치 적용 평균 예측기를 사용할 수도 있고, 포인트와의 왜곡/비트스트림 사이즈에 기반한 점수를 비교하여 점수가 가장 좋은(낮은) 예측기, 즉 가장 최적의 예측기를 선택할 수 있다. 예측기 선택 방식λ_c, λ_r값은 콘텐츠에 따라 실험을 통한 값을 구하고, 그 값을 인코딩 옵션으로 입력 받아 선택할 수 있다. 이러한 값들을 실시예들에 따른 시그널링 정보(메타데이터)로써 비트스트림에 포함시켜서 실시예들에 따른 수신 방법/장치에 전송할 수 있다.
잔차 속성정보 양자화 처리기(21150)는 어트리뷰트 데이터에 대한 예측값을 생성하고, 예측값 및 속성값 간의 잔차값을 생성하고, 잔차값을 양자화할 수 있다.
속성정보 엔트로피 부호화기(21160)는 어트리뷰트 데이터를 엔트로피 코딩하여 어트리뷰트 비트스트림을 생성할 수 있다. 예를 들어, 잔차값이 코딩되어 어트리뷰트 비트스트림이 생성될 수 있다.
실시예들에 따른 송신 장치는 지오메트리 인코딩 및/또는 어트리뷰트 인코딩에 관한 동작을 나타내는 시그널링 정보(메타데이터) 또는 파라미터들을 생성할 수 있다. 실시예들에 따른 송신 장치는 부호화된 지오메트리 데이터, 부호화된 어트리뷰트 데이터, 관련된 메타데이터 등을 포함하는 비트스트림을 생성하고 전송할 수 있다(도23 내지 도27 참조).
실시예들에 따른 포인트 클라우드 데이터 송신 방법은 포인트 클라우드 데이터를 인코딩하는 단계; 포인트 클라우드 데이터를 포함하는 비트스트림을 전송하는 단계; 를 포함할 수 있다.
실시예들에 따른 포인트 클라우드 데이터를 인코딩하는 단계는, 포인트 클라우드 데이터의 지오메트리 데이터를 인코딩하는 단계, 포인트 클라우드 데이터의 어트리뷰트 데이터를 인코딩하는 단계를 포함할 수 있다.
실시예들에 따른 어트리뷰트 데이터를 인코딩하는 단계는, 포인트 클라우드 데이터에 기반하여 LOD(Level of Details)들을 생성하는 단계, LOD들로부터 현재 포인트에 대한 가장 가까운 이웃 포인트들을 검색하는 단계, 가장 가까운 이웃 포인트들에 기반하여 상기 현재 포인트의 어트리뷰트 값에 대한 예측값을 생성하는 단계, 현재 포인트의 어트리뷰트 값 및 예측값 간 잔차값을 인코딩하는 단계를 포함할 수 있다.
실시예들에 따른 예측값 및 실시예들에 따른 잔차값은 예측 모드에 기반하여 생성되고, 실시예들에 따른 예측 모드는 점수에 기반하여 선택될 수 있다.
실시예들에 따른 어트리뷰트 데이터를 인코딩하는 단계는, 점수를 계산하는 단계를 더 포함하고, 점수를 계산하는 단계는, 어트리뷰트 데이터에 대한 왜곡 및 상기 어트리뷰트 데이터에 대한 비트스트림의 사이즈에 기반하여 점수를 계산하거나, 어트리뷰트 데이터에 대한 왜곡에 기반하여 점수를 계산하거나, 어트리뷰트 데이터에 대한 비트스트림의 사이즈에 기반하여 점수를 계산할 수 있다.
실시예들에 따른 점수는 어트리뷰트 데이터에 대한 왜곡을 나타내는 값 및 어트리뷰트 데이터에 대한 비트스트림의 사이즈를 나타내는 값의 합에 기반하여 생성될 수 있다.
실시예들에 따른 어트리뷰트 데이터는 포인트 클라우드 데이터의 컬러값 또는 반사도값을 포함한다.
실시예들에 따른 비트스트림은 포인트 클라우드에 관한 메타데이터를 포함한다.
도22는 실시예들에 따른 PCC데이터 디코더를 나타낸다.
도22의 디코더는 도1의 수신 장치(10004), 포인트 클라우드 비디오 디코더(10006), 도2의 디코딩(20003), 도10-11의 디코더, 도13의 수신 장치, 도14의 XR디바이스(1430) 등에 대응되거나 결합될 수 있다. 도22의 디코더의 각 구성요소는 하드웨어, 소프트웨어, 프로세서 및/또는 그것들의 조합에 대응될 수 있다.
실시예들에 따른 수신 장치 또는 수신 장치에 포함된 디코더는 비트스트림을 수신할 수 있다. 비트스트림은 부호화된 지오메트리 데이터, 부호화된 어트리뷰트 데이터, 관련된 메타데이터 등을 포함한다. 실시예들에 따른 수신 장치는 비트스트림 및/또는 비트스트림에 포함된 지오메트리 인코딩에 관한 메타데이터(파라미터), 어트리뷰트 인코딩에 관한 메타데이터(파라미터)에 기반하여 포인트 클라우드 데이터를 디코딩하고 복원한다.
기하정보 복호화기(22000)는 기하정보 비트스트림을 수신하여 기하정보를 디코딩할 수 있다. 기하정보 복호화부(22000)는 송신 측의 기하정보 부호화부(21040)에 대응하는 수신 측의 디코더에 해당하고, 기하정보 복호화부(22000)는 기하정보 부호화부(21040)의 동작의 역과정을 수행할 수 있다.
기하정보 엔트로피 복호화기(22010)는 기하정보 비트스트림을 수신하여 기하정보를 엔트로피 방식에 기반하여 디코딩할 수 있다. 기하정보 엔트로피 복호화부(22010)는 기하정보 엔트로피 부호화부(21080)의 동작의 역과정을 수행할 수 있다.
옥트리 재구성기(22020)는 기하정보로부터 옥트리를 재구성할 수 있다. 옥트리 재구성부(22020)는 옥트리 생성부(21060)의 동작의 역과정을 수행할 수 있다.
기하정보 예측기(22030)는 기하정보의 예측값을 생성할 수 있다. 예를 들어, 옥트리 구조에서 노드 간 예측값을 생성하여, 예측값에 대한 잔차값을 이용하여 기하정보를 효율적으로 디코딩할 수 있다. 기하정보 예측부(22030)는 기하정보 예측부(21070)의 동작의 역과정을 수행할 수 있다.
기하정보 변환 역양자화 처리기(22040)는 지오메트리 데이터를 역으로 양자화할 수 있다. 예를 들어, 기하정보 변환 역양자화 처리부(22040)는 스케일값(양자화값)을 비트스트림 내 포함된 시그널링 정보(파라미터)에서 획득하고, 스케일값에 기반하여 재구성된 기하정보에 역양자화를 적용할 수 있다.
좌표계 역변환기(22050)는 기하정보의 좌표계 정보를 역으로 변환할 수 있다. 좌표계 역변환부(22050)는 좌표계 변환부(21010)의 동작의 역과정을 수행할 수 있다.
속성정보 복호화기(22060)는 속성정보 비트스트림을 수신하여 속성정보를 디코딩할 수 있다. 속성정보 복호화부(22060)는 속성정보 부호화부(21090)의 동작의 역과정을 수행할 수 있다.
속성 잔차정보 엔트로피 복호화기(22070)는 속성정보 비트스트림 내 포함된 속성 잔차 정보(예를 들어, 속성정보에 대한 잔차값)를 엔트로피 방식에 기반하여 디코딩할 수 있다. 속성 잔차 정보 엔트로피 복호화부(22070)는 속성정보 엔트로피 부호화부(21160)의 동작의 역과정을 수행할 수 있다.
LOD구성기(22080)는 포인트 클라우드 데이터로부터 LOD를 구성할 수 있다. LOD구성부(22080)는 복원된 기하정보(지오메트리 데이터)에 기반하여 색상 재조정된 어트리뷰트 데이터로부터 LOD를 생성할 수 있다. 어트리뷰트 코딩 중 RAHT 가 아닌 예측(Prediction)/리프트 변환(Lift Transform)이 적용되는 경우 LOD를 생성할 수 있다. LOD구성부(22080)는 도21의 LOD구성부(21120)에 대응될 수 있다.
이웃 포인트 집합 구성기(22090)는 속성정보 비트스트림으로부터 생성된 LOD에 기반하여 LOD들 내에 포함된 포인트의 이웃 포인트들 검색하고 이웃 포인트 집합으로 등록할 수 있다. 이웃 포인트 집합 구성부(22090)는 도20의 이웃 포인트 집합 구성부(21130)에 대응될 수 있다.
속성 정보 예측기(22100)는 속성정보에 대한 예측값을 생성할 수 있다. 예를 들어, LOD 및 이웃포인트 집합으로부터 포인트에 대한 예측값을 생성하고, 예측값에 대한 잔차값을 생성할 수 있다. 속성 정보 예측부(22100)는 속성 정보 예측부(21140)의 동작의 역과정을 수행할 수 있다.
속성 정보 예측기(22100)는 수신 측의 인코딩 동작과 마찬가지로, 실시예들에 따른 예측 모드, 점수 계산 방식에 기반하여 속성 디코딩을 수행할 수 있다.
잔차 속성정보 역양자화 처리기(22110)는 잔차 속성정보, 예를 들어, 속성정보에 대한 잔차값을 역으로 양자화할 수 있다. 잔차 속성정보 역양자화 처리부(22110)는 잔차 속성정보 양자화 처리부(21150)의 동작의 역과정을 수행할 수 있다.
색상 역변환 처리기(22120)는 속성정보인 색상 정보를 역으로 변환할 수 있다. 색상 역변환 처리부(22120)는 색상 변환 처리부(21100)의 동작의 역과정을 수행할 수 있다.
실시예들에 따른 포인트 클라우드 데이터 수신 장치 포인트 클라우드 데이터를 포함하는 비트스트림을 수신하는 리시버; 포인트 클라우드 데이터를 디코딩하는 디코더; 를 포함한다.
실시예들에 따른 포인트 클라우드 데이터를 디코딩하는 디코더는, 포인트 클라우드 데이터의 지오메트리 데이터를 디코딩하는 지오메트리 디코더, 포인트 클라우드 데이터의 어트리뷰트 데이터를 디코딩하는 어트리뷰트 디코더를 포함한다.
실시예들에 따른 어트리뷰트 데이터를 디코딩하는 어트리뷰트 디코더는, 포인트 클라우드 데이터에 기반하여 LOD(Level of Details)들을 생성하고, LOD들로부터 현재 포인트에 대한 가장 가까운 이웃 포인트들을 검색하고, 가장 가까운 이웃 포인트들에 기반하여 상기 현재 포인트의 어트리뷰트 값에 대한 예측값을 생성하고, 예측값 및 상기 포인트 클라우드 데이터의 잔차값에 기반하여 상기 포인트 클라우드 데이터를 복원하고, 상기 예측값은 예측 모드에 기반하여 생성된다.
도23은 실시예들에 따른 비트스트림의 구조를 나타낸다.
실시예들에 따른 방법/장치는 도23와 같은 포인트 클라우드 비트스트림을 생성하고 획득될 수 있다. 예를 들어, 도1의 전송장치(10000), 포인트 클라우드 비디오 인코더(10002), 수신장치(10004), 포인트 클라우드 비디오 디코더(10006), 도2의 인코딩(20001, 디코딩(20003), 도4의 인코딩 프로세스, 도11의 디코딩 프로세스, 도12의 전송 장치, 메타데이터 처리부(12007), 도13의 수신 장치, 메타데이터 파서(13006), 도14의 XR디바이스(1430), 도21의 인코더, 도22의 디코더 등에 의해서, 지오메트리 정보, 어트리뷰트 정보 및/또는 이를 위한 메타데이터를 포함하는 파라미터들을 포함하는 포인트 클라우드 비트스트림이 생성(인코딩)되고, 수신(디코딩)될 수 있다.
실시예들에 따른 방법/장치는 실시예들을 위한 정보를 비트스트림에 포함시켜서 시그널링할 수 있다.
실시예들에 따른 시그널링 정보는 실시예들에 따른 송수신 장치, 예를 들어, 송신 장치의 메타데이터 처리부(메타데이터 제너레이터 등 지칭 가능)에서 생성되고 전송되어 수신 장치의 메타데이터 파서에서 수신되고 획득될 수 있다. 실시예들에 따른 수신 장치의 각 동작은 시그널링 정보에 기반하여 각 동작을 수행할 수 있다.
각 약어는 다음을 의미한다. SPS: 시퀀스 파라미터 세트(Sequence Parameter Set), GPS: 지오메트리 파라미터 세트(Geometry Parameter Set), APS: 어트리뷰트 파라미터 세트(Attribute Parameter Set), TPS: 타일 파라미터 세트(Tile Parameter Set), Geom: 지오메트리 비트스트림(Geometry bitstream) = 지오메트리 슬라이스 헤더(geometry slice header)+ 지오메트리 슬라이스 데이터(geometry slice data), Attr: 어트리뷰트 비트스트림(Attribute bitstream) = 어트리뷰트 브릭(=슬라이스) 헤더(attribute brick(slice) header) + 어트리뷰트 브릭(슬라이스) 데이터(attribute brick(slice) data). 여기서, 브릭은 블록, 슬라이스 등의 용어로 지칭될 수 있다.
실시예들에 따른 포인트 클라우드 데이터는 도23과 같은 비트스트림의 형태를 가질 수 있다. 포인트 클라우드 데이터는 실시예들에 따른 시그널링정보 등을 포함하는 SPS(Sequence Parameter Set), GPS(Geometry Parameter Set), APS(Attribute Parameter Set), TPS(Tile Parameter Set)를 포함할 수 있다. 포인트 클라우드 데이터는 하나 또는 하나 이상의 지오메트리 및/또는 어트리뷰트를 포함할 수 있다. 포인트 클라우드 데이터는 지오메트리 및/또는 어트리뷰트는 하나 또는 하나 이상의 슬라이스 단위(또는 브릭/블록 단위)로 구분될 수 있다. 지오메트리는 지오메트리 슬라이스 헤더 및 지오메트리 슬라이스 데이터의 구조를 가질 수 있다. 예를 들어, 시그널링 정보를 포함하는 TPS는 Tile(0). tile_bounding_box_xyz0, Tile(0)_tile_bounding_box_whd 등을 포함할 수 있다. 지오메트리는 geom_geom_parameter_set_id, geom_tile_id, geom_slice_id, geomBoxOrigin, geom_box_log2_scale, geom_max_node_size_log2, geom_num_points 등을 포함할 수 있다.
실시예들에 따른 시그널링 정보는 SPS, GPS, APS, TPS 등에 추가되어 시그널링될 수 있다.
실시예들에 따라, 시그널링 정보는 TPS 또는 각 Slice별 지오메트리(Geom) 또는 Slice별 어트리뷰트(Attr)에 추가되어 시그널링될 수 있다.
실시예들에 따른 포인트 클라우드 데이터의 구조는 시그널링 정보를 포함하는 파라미터 세트(들), 지오메트리(들), 어트리뷰트(들)을 인코딩/디코딩/데이터 어세스 관점에서 효율적인 효과를 제공할 수 있다.
실시예들에 따른 포인트 클라우드 데이터 송신/수신 장치에 관련된 포인트 클라우드 데이터는 시퀀스 파라미터, 지오메트리 파라미터, 어트리뷰트 파라미터, 타일 파라미터, 지오메트리 비트스트림 또는 어트리뷰트 비트스트림 중 적어도 하나를 포함할 수 있다.
이하에서, 구체적인 시그널링 정보의 신택스를 도면을 참조하여 설명한다. 참고로, 실시예들에 따른 시그널링 정보의 명칭은 시그널링 정보가 의도하는 의미/기능 범위 내에서 변형/확장되어 이해될 수 있다. 시그널링 정보의 필드는 제1시그널링 정보, 제2시그널링 정보 등으로 구별되어 호칭될 수 있다.
상술한 바와 같이, 포인트 클라우드 데이터 송신 장치(예를 들면 도 1, 도 11, 도 14 및 도 1에서 설명한 포인트 클라우드 데이터 송신 장치)는 부호화된 포인트 클라우드 데이터를 비트스트림의 형태로 전송할 수 있다. 실시예들에 따른 비트스트림은 하나 또는 그 이상의 서브 비트스트림들을 포함할 수 있다.
포인트 클라우드 데이터 송신 장치(예를 들면 도 1, 도 4, 도 12 및 도 17에서 설명한 포인트 클라우드 데이터 송신 장치)는 전송 채널의 에러를 고려하여 포인트 클라우드 데이터의 영상을 하나 또는 그 이상의 패킷들로 나누어 네트워크를 통해 전송할 수 있다. 실시예들에 따른 비트스트림은 하나 또는 그 이상의 패킷(예를 들면 NAL (Network Abstraction Layer) 유닛)들을 포함할 수 있다. 따라서 열악한 네트워크 환경에서 일부 패킷이 손실되더라도 포인트 클라우드 데이터 수신 장치는 나머지 패킷들을 이용하여 해당 영상을 복원할 수 있다. 포인트 클라우드 데이터를 하나 또는 그 이상의 슬라이스(slice)들 또는 하나 또는 그 이상의 타일(tile)들로 분할하여 처리할 수 있다. 실시예들에 따른 타일 및 슬라이스는 포인트 클라우드 데이터의 픽처를 파티셔닝(partitioning)하여 포인트 클라우드 컴프레션 코딩 처리하기 위한 영역이다. 포인트 클라우드 데이터 송신 장치는 포인트 클라우드 데이터의 나누어진 영역별 중요도에 따라 각 영역에 대응하는 데이터를 처리하여 고품질의 포인트 클라우드 콘텐트를 제공할 수 있다. 즉, 실시예들에 따른 포인트 클라우드 데이터 송신 장치는 사용자에게 중요한 영역에 대응하는 데이터를 더 좋은 압축 효율과 적절한 레이턴시를 갖는 포인트 클라우드 컴프레션 코딩 처리할 수 있다.
실시예들에 따른 포인트 클라우드 콘텐트의 영상(또는 픽처(picture)은 포인트 클라우드 컴프레션 코딩을 위한 기본 프로세싱 유닛 단위로 분할된다. 실시예들에 따른 포인트 클라우드 컴프레션 코딩을 위한 기본 프로세싱 유닛은 CTU(Coding Tree unit), 브릭(brick)등을 포함할 수 있으며 본 예시에 국한되지 않는다.
실시예들에 따른 슬라이스는 하나 또는 그 이상의 정수개의 포인트 클라우드 컴프레션 코딩을 위한 기본 프로세싱 유닛들을 포함하는 영역으로 직사각형의 형태를 가지지 않는다. 실시예들에 따른 슬라이스는 패킷을 통해 전송되는 데이터를 포함한다. 실시예들에 따른 타일은 영상 내에 직사각형 형태로 분할된 영역으로 하나 또는 그 이상의 포인트 클라우드 컴프레션 코딩을 위한 기본 프로세싱 유닛들을 포함한다. 실시예들에 따른 하나의 슬라이스는 하나 또는 그 이상의 타일들에 포함될 수 있다. 또한 실시예들에 따른 하나의 타일은 하나 또는 그 이상의 슬라이스들에 포함될 수 있다.
실시예들에 따른 비트스트림은 시퀀스 레벨의 시그널링을 위한 SPS (Sequence Parameter Set), 지오메트리 정보 코딩의 시그널링을 위한 GPS(Geometry Parameter Set), 어트리뷰트 정보 코딩의 시그널링을 위한 APS(Attribute Parameter Set), 타일 레벨의 시그널링을 위한 TPS (Tile Parameter Set)를 포함하는 시그널링 정보 및 하나 또는 그 이상의 슬라이스들을 포함할 수 있다.
실시예들에 따른 SPS는 프로파일, 레벨 등 시퀀스 전체에 대한 인코딩 정보로서, 픽처 해상도, 비디오 포멧 등 파일 전체에 대한 포괄적인 정보를 포함할 수 있다.
실시예들에 따른 하나의 슬라이스(예를 들면 slice 0)는 슬라이스 헤더 및 슬라이스 데이터를 포함한다. 슬라이스 데이터는 하나의 지오메트리 비트스트림 (Geom00) 및 하나 또는 그 이상의 어트리뷰트 비트스트림들(Attr00, Attr10)을 포함할 수 있다. 지오메트리 비트스트림은 헤더(예를 들면 지오메트리 슬라이스 헤더) 및 페이로드(예를 들면 지오메트리 슬라이스 데이터)를 포함할 수 있다. 실시예들에 따른 지오메트리 비트스트림의 헤더는 GPS에 포함된 파라미터 세트의 식별 정보(geom_geom_parameter_set_id), 타일 식별자(geom_tile id), 슬라이스 식별자(geom_slice_id), 지오메트리 박스의 원점 정보(geomBoxOrigin), 지오메트리 박스 스케일(geom_box_log2_scale), 지오메트리 노드 맥스 사이즈(geom_max_node_size_log2), 지오메트리 포인트 개수(geom_num_poins) 및 페이로드에 포함된 데이터에 관한 정보 등을 포함할 수 있다. 어트리뷰트 비트스트림은 헤더 (예를 들면 어트리뷰트 슬라이스 헤더 또는 어트리뷰트 브릭 헤더) 및 페이로드 (예를 들면 어트리뷰트 슬라이스 데이터 또는 어트리뷰트 브릭 데이터)를 포함할 수 있다.
실시예들을 수행하기 위해서 관련 정보를 시그널링할 수 있다. 실시예들에 따른 시그널링 정보는 송신단 또는 수신단 등에서 사용될 수 있다.
지오메트리 데이터(Geom): 지오메트리 비트스트림(Geometry bitstream) = 지오메트리 슬라이스 헤더(geometry slice header)+ 지오메트리 슬라이스 데이터(geometry slice data)
어트리뷰트 데이터(Attr): 어트리뷰트 비트스트림(Attribute bitstream) = 어트리뷰트 브릭 헤더(attribute blick header) + 어트리뷰트 브릭 데이터(attribute brick data). 실시예들에 따라 브릭은 슬라이스로 지칭될 수 있다(brick=slice).
실시예들에 따른 방법/장치는 실시예들에 따른 예측기 선택 관련 옵션 정보를 SPS, 또는 APS에 추가하여 전송할 수 있다.
실시예들에 따른 방법/장치는 예측기 선택 관련 옵션 정보를 TPS, 또는 각 Slice별 Attribute header에 추가하여 전송할 수 있다.
실시예들에 따른 방법/장치는 포인트 클라우드를 영역별로 나누어 처리할 수 있도록 타일, 또는 슬라이스로 데이터를 분할하고, 타일/슬라이스 별로 시그널링 정보를 생성하여 전송할 수 있다.
영역별로 나눌 때 각각의 영역 별로 다른 이웃 포인트 집합 생성 옵션을 설정해서 복잡도(complexity)는 낮고, 결과의 신뢰도는 다소 떨어지거나 반대로 복잡도가 높으나 신뢰도가 높은 선택 방안을 제공할 수 있다. 수신기의 처리능력(capacity)에 따라서 다르게 설정할 수 있다.
포인트 클라우드는 타일(Tile)로 나누어지는 경우, 각 타일별로 다른 중복 포인트 처리 옵션을 적용할 수 있다.
포인트 클라우드는 슬라이스(Slice)로 나누어지는 경우, 각 슬라이스별로 다른 중복 포인트 처리 옵션을 적용할 수 있다.
도24는 실시예들에 따른 시퀀스 파라미터 세트(Sequence Parameter Set, SPS)를 나타낸다.
도24는 도23의 비트스트림에 포함되는 SPS이다.
실시예들에 따른 방법/장치는 실시예들에 따른 예측기 선택 관련 옵션 정보를 생성하고 비트스트림의 SPS에 포함시켜서 송수신할 수 있다.
프로파일(profile_idc): 실시예들에 따른 비트스트림이 따르는 프로파일을 나타낸다. 실시예들에 따르는 값들 이외에 다른 값들을 비트스트림이 포함하지 않고, 프로파일의 다른 값들은 ISO/IEC의 추후 사용을 위해 예약될 수 있다(indicates a profile to which the bitstream conforms as specified in Annex A. Bitstreams shall not contain values of profile_idc other than those specified in Annex A. Other values of profile_idc are reserved for future use by ISO/IEC).
프로파일 호환성 플래그(profile_compatibility_flags): 이 값이 1이면, j와 동일한 프로파일(profile_idc)에 의해 지시되는 프로파일을 비트스트림이 따르는 것을 나타낸다(indicates that the bitstream conforms to the profile indicated by profile_idc equal to j).
SPS 어트리뷰트 세트 개수(sps_num_attribute_sets): 비트스트림 내 코딩된 어트리뷰트들의 개수를 나타낸다. 이 값은 0 내지 63의 범위를 가질 수 있다(sps_num_attribute_sets indicates the number of coded attributes in the bitstream. The value of sps_num_attribute_sets shall be in the range of 0 to 63).
SPS 어트리뷰트 세트 개수만큼 어트리뷰트에 대한 다음의 엘리먼트들이 SPS에 포함될 수 있다.
어트리뷰트 디멘션(attribute_dimension[ i ]): i번재 어트리뷰트의 컴포넌트들의 개수를 나타낸다(attribute_dimension[ i ] specifies the number of components of the i-th attribute).
어트리뷰트 인스턴스 식별자(attribute_instance_id[ i ]): i번째 어트리뷰트를 위한 인스턴스 식별자를 나타낸다(attribute_instance_id[ i ] specifies the instance id for the i-th attribute).
어트리뷰트 베이스 예측기 선택 RDO 방법 타입(attribute_base_predictor selection_RDO_method_type): 이 SPS가 지칭하는 해당 시퀀스에 따른 예측기 계산 방법을 나타낸다.
예를 들어, 이 타입이 갖는 정수값에 따라 다음의 RDO방법이 지시될 수 있다. 1= 왜곡과 비트스트림 크기 고려(도17-18의 S17000, 18000, 18010 참조), 2= 왜곡만 고려(도17 및 도19의 S17010, 19000, 19010참조), 3= 비트스트림 크기만 고려(도17 및 도20의 S17020, 20000, 20010 참조).
어트리뷰트 람다 컬러 웨이트(attribute_lamda_color_weight): 이 SPS가 지칭하는 해당 시퀀스에 따른 색상을 위한 가중치 값을 나타낸다. 실시예들에 따른 어트리뷰트 람다 컬러 웨이트은 상수값일 수 있다. 실험값을 통해 사용되는 상수값일 수 있고, 포인트 클라우드 데이터에 관한 컨텐츠 특성에 따라 상수값이 다르게 적용될 수 있다.
어트리뷰트 람다 리플렉턴스 웨이트(attribute_lamda_reflectance_weight): 이 SPS가 지칭하는 해당 시퀀스에 따른 반사값을 위한 가중치 값을 나타낸다. 실시예들에 따른 어트리뷰트 람다 리플렉턴스 웨이트는 상수값일 수 있다. 실험값을 통해 사용되는 상수값일 수 있고, 포인트 클라우드 데이터에 관한 컨텐츠 특성에 따라 상수값이 다르게 적용될 수 있다. 예를 들어, 0.13과 같은 상수값이 사용될 수 있다.
어트리뷰트 왜곡 웨이트(attribute_distortion_weight): 이 SPS가 지칭하는 해당 시퀀스에 따른 왜곡의 중요도에 따른 가중치 값을 나타낸다. 실시예들에 따른 어트리뷰트 왜곡 웨이트는 도18 내지 19 등에 도시된 알파값 및/또는 람다값 등을 나타낼 수 있다.
attribute_dimension_minus1[i]이 1보다 크면, attribute_lamda_color_weight[i]가 SPS에 포함되고, 그렇지 않으면, attribute_lamda_reflectance_weight[i]가 SPS에 포함된다. 즉, i번재 어트리뷰트의 컴포넌트들의 개수가 1보다 크면, 컬러값을 포함하는 어트리뷰트 데이터에 대한 예측기 선택 동작이 수행될 수 있다. i번재 어트리뷰트의 컴포넌트들의 개수가 1보다 작으면, 반사도를 포함하는 어트리뷰트 데이터에 대한 예측기 선택 동작이 수행될 수 있다.
attribute_predictor selection_RDO_method_type [i]가 1이면, attribute_distortion_weight[i]가 SPS에 포함될 수 있다.
실시예들에 따른 수신 방법/장치는 SPS에 기반하여 속성 디코딩을 수행할 수 있다.
도25는 실시예들에 따른 어트리뷰트 파라미터 세트(Attribute Parameter Set)를 나타낸다.
도25는 도23의 비트스트림에 포함된 APS를 나타낸다.
실시예들에 따른 방법/장치는 실시예들에 따른 예측기 선택 관련 옵션 정보를 생성하고 비트스트림의 ASP에 포함시켜서 송수신할 수 있다.
APS어트리뷰트 파라미터 세트 식별자(aps_attr_parameter_set_id): 다른 신택스 엘리먼트들에 의한 참조를 위한 APS를 위한 식별자를 제공한다. 이 값은 0내지15(포함)의 범위를 가질 수 있다(provides an identifier for the APS for reference by other syntax elements. The value of aps_attr_parameter_set_id shall be in the range of 0 to 15, inclusive).
APS시퀀스 파라미터 세트 식별자( aps_seq_parameter_set_id): 액티브 SPS를 위한SPS시퀀스 파라미터 세트 식별자의 값을 나타낸다. 이 값은 0내지15(포함)의 범위를 가질 수 있다(specifies the value of sps_seq_parameter_set_id for the active SPS. The value of aps_seq_parameter_set_id shall be in the range of 0 to 15, inclusive).
어트리뷰트 코딩 타입(attr_coding_type): 어트리뷰트를 위한 코딩 타입을 나타낸다. 이 값은 0, 1, 2일 수 있다. 예를 들어, 이 값이 0이면, 어트리뷰트 코딩 타입이 Predicting weight lifting일 수 있다. 이 값이 1이면, 어트리뷰트 코딩 타입이 Region Adaptive Hierarchical Transferm (RAHT), 이 값이 2이면, 어트리뷰트 코딩 타입이 Fixed weight lifting일 수 있다(indicates that the coding type for the attribute in Table 7 2Table 7 2 for the given value of attr_coding_type. The value of attr_coding_type shall be equal to 0, 1, or 2 in bitstreams conforming to this version of this Specification. Other values of attr_coding_type are reserved for future use by ISO/IEC. Decoders conforming to this version of this Specification shall ignore reserved values of attr_coding_type. 0 = Predicting weight lifting, 1 = Region Adaptive Hierarchical Transferm (RAHT), 2= Fixed weight lifting).
실시예들에 따라, 어트리뷰트 코딩 타입이 0이면, Region Adaptive Hierarchical Transform (RAHT, 어트리뷰트 코딩 타입이 1이면, LoD with Predicting Transform, 어트리뷰트 코딩 타입이 2이면, LoD with Lifting Transform, 어트리뷰트 코딩 타입이 3이면, Raw attribute data일 수 있다.
어트리뷰트 코딩 타입이 0 또는 2이면, 리프팅(isLifting)이 1이고, 아니면 0이 될 수 있다.
리프팅(isLifting)이 1이면, 다음과 같은 엘리먼트들이 시그널링될 수 있다.
리프팅 예측 니어스트 이웃의 개수(lifting_num_pred_nearest_neighbours): 예측을 위해 사용되는 니어스트 이웃들의 최대 개수를 나타낸다. lifting_num_pred_nearest_neighbours의 값은 1 내지 XX의 범위를 가질 수 있다(specifies the maximum number of nearest neighbours to be used for prediction. The value of lifting_num_pred_nearest_neighbours shall be in the range of 1 to xx).
리프팅 다이렉트 예측기의 맥시멈 개수(lifting_max_num_direct_predictors): 다이렉트 예측을 위해 사용되는 예측기의 최대 개수를 나타낸다. lifting_max_num_direct_predictors의 값은 0 내지 lifting_num_pred_nearest_neighbours의 범위를 가질 수 있다. 디코딩 프로세스 내 사용되는 변수 MaxNumPredictors는 MaxNumPredictors = lifting_max_num_direct_predicots + 1와 같이 산출될 수 있다.(specifies the maximum number of predictor to be used for direct prediction. The value of lifting_max_num_direct_predictors shall be range of 0 to lifting_num_pred_nearest_neighbours.The value of the variable MaxNumPredictors that is used in the decoding process as follows: MaxNumPredictors = lifting_max_num_direct_predicots + 1).
어트리뷰트 베이스 예측기 선택 RDO 방법 타입(attribute_base_predictor selection_RDO_method_type): 이 APS가 지칭하는 해당 어트리뷰트에 따른 예측기 계산 방법을 나타낸다.
예를 들어, 이 타입이 갖는 정수값에 따라 다음의 RDO방법이 지시될 수 있다. 1= 왜곡과 비트스트림 크기 고려(도17-18의 S17000, 18000, 18010 참조), 2= 왜곡만 고려(도17 및 도19의 S17010, 19000, 19010참조), 3= 비트스트림 크기만 고려(도17 및 도20의 S17020, 20000, 20010 참조).
어트리뷰트 람다 컬러 웨이트(attribute_lamda_color_weight): 이 APS가 지칭하는 해당 어트리뷰트에 따른 색상을 위한 가중치 값을 나타낸다.
어트리뷰트 람다 리플렉턴스 웨이트(attribute_lamda_reflectance_weight): 이 APS가 지칭하는 해당 어트리뷰트에 따른 반사값을 위한 가중치 값을 나타낸다.
어트리뷰트 왜곡 웨이트(attribute_distortion_weight): 이 APS가 지칭하는 해당 어트리뷰트에 따른 왜곡의 중요도에 따른 가중치 값을 나타낸다.
실시예들에 따라, attr_coding_type이 1인 경우, 즉, 어트리뷰트 타입이 예측 변환 기반인 경우(예를 들어, predicting transform), 실시예들에 따른 예측기 선택 관련 옵션 정보가 APS에 포함될 수 있다.
어트리뷰트 코딩타입이 예측 변환(Predictive)인 경우예측기 선택 정보가 필요할 수 있다.
실시예들에 따른 예측변환(Predictive Transform scheme) 시 실시예들에 따른 예측기 선택 방안이 사용된다.
한편, 예측(Predictive) 및 리프팅(Lifting)의 다른점이 웨이트(weight)를 리프팅(lifting) 시키는지 여부이다. 리프팅(Lifting)은 평균(average)인 경우로 모드mode=0으로 고정해서 사용해서 데이터를 변환할 수 있다.
attribute_dimension_minus1[i]이 1보다 크면, attribute_lamda_color_weight[i]가 APS에 포함되고, 그렇지 않으면, attribute_lamda_reflectance_weight[i]가 APS에 포함된다. 즉, i번재 어트리뷰트의 컴포넌트들의 개수가 1보다 크면, 컬러값을 포함하는 어트리뷰트 데이터에 대한 예측기 선택 동작이 수행될 수 있다. i번재 어트리뷰트의 컴포넌트들의 개수가 1보다 작으면, 반사도를 포함하는 어트리뷰트 데이터에 대한 예측기 선택 동작이 수행될 수 있다. 예를 들어, 속성이 컬리인지 반사도인지는 컴포넌트들의 개수로 구별이 될 수 있다. 적어도 두개이면 컬러값이고, 하나이면 반사도 하나의 값일 수 있다.
도26은 실시예들에 따른 타일 파라미터 세트(Tile Parameter Set, TPS)를 나타낸다.
도26은 도23의 비트스트림에 포함된 TPS를 나타낸다.
실시예들에 따른 방법/장치는 실시예들에 따른 예측기 선택 관련 옵션 정보를 생성하고, TPS에 포함시켜서 송수신할 수 있다.
타일 개수(num_tiles): 비트스트림에 대해 시그널링되는 타일들의 개수를 나타낸다. 존재하지 않는 경우, 이 값은 0으로 추론될 수 있다(specifies the number of tiles signalled for the bitstream. When not present, num_tiles is inferred to be 0).
타일의 개수만큼 다음의 타일 관련 엘리먼트들이 TPS에 포함될 수 있다.
타일 바운딩 박스 오프셋 X(tile_bounding_box_offset_x[ i ]): 좌표계 내 i번째 타일의 X오프셋을 나타낸다. 존재하지 않는 경우, tile_bounding_box_offset_x[ 0 ]의 값은 sps_bounding_box_offset_x으로 추론될 수 있다(indicates the x offset of the i-th tile in the cartesian coordinates. When not present, the value of tile_bounding_box_offset_x[ 0 ] is inferred to be sps_bounding_box_offset_x).
타일 바운딩 박스 오프셋 Y(tile_bounding_box_offset_y[ i ]): 좌표계 내 i번째 타일의 Y오프셋을 나타낸다. 존재하지 않는 경우, tile_bounding_box_offset_y[ 0 ] 의 값은 sps_bounding_box_offset_y 으로 추론될 수 있다(indicates indicates the y offset of the i-th tile in the cartesian coordinates. When not present, the value of tile_bounding_box_offset_y[ 0 ] is inferred to be sps_bounding_box_offset_y).
타일 바운딩 박스 오프셋 Z (tile_bounding_box_offset_z[ i ]): 좌표계 내 i번째 타일의 Z오프셋을 나타낸다. 존재하지 않는 경우, tile_bounding_box_offset_z[ 0 ] 의 값은 sps_bounding_box_offset_z 으로 추론될 수 있다(indicates indicates the z offset of the i-th tile in the Cartesian coordinates. When not present, the value of tile_bounding_box_offset_z[ 0 ] is inferred to be sps_bounding_box_offset_z).
어트리뷰트 베이스 예측기 선택 RDO 방법 타입(attribute_base_predictor selection_RDO_method_type): 이 TPS가 지칭하는 해당 타일에 따른 예측기 계산 방법을 나타낸다.
예를 들어, 이 타입이 갖는 정수값에 따라 다음의 RDO방법이 지시될 수 있다. 1= 왜곡과 비트스트림 크기 고려(도17-18의 S17000, 18000, 18010 참조), 2= 왜곡만 고려(도17 및 도19의 S17010, 19000, 19010참조), 3= 비트스트림 크기만 고려(도17 및 도20의 S17020, 20000, 20010 참조).
어트리뷰트 람다 컬러 웨이트(attribute_lamda_color_weight): 이 TPS가 지칭하는 해당 타일에 따른 색상을 위한 가중치 값을 나타낸다.
어트리뷰트 람다 리플렉턴스 웨이트(attribute_lamda_reflectance_weight): 이 TPS가 지칭하는 해당 타일에 따른 반사값을 위한 가중치 값을 나타낸다.
어트리뷰트 왜곡 웨이트(attribute_distortion_weight): 이 TPS가 지칭하는 해당 타일에 따른 왜곡의 중요도에 따른 가중치 값을 나타낸다.
실시예들에 따라, attr_coding_type이 1인 경우, 즉, 어트리뷰트 타입이 예측 변환 기반인 경우(예를 들어, predicting transform), 실시예들에 따른 예측기 선택 관련 옵션 정보가 TPS에 포함될 수 있다.
attribute_dimension_minus1[i]이 1보다 크면, attribute_lamda_color_weight[i]가 APS에 포함되고, 그렇지 않으면, attribute_lamda_reflectance_weight[i]가 TPS에 포함된다. 즉, i번재 어트리뷰트의 컴포넌트들의 개수가 1보다 크면, 컬러값을 포함하는 어트리뷰트 데이터에 대한 예측기 선택 동작이 수행될 수 있다. i번재 어트리뷰트의 컴포넌트들의 개수가 1보다 작으면, 반사도를 포함하는 어트리뷰트 데이터에 대한 예측기 선택 동작이 수행될 수 있다.
도27은 실시예들에 따른 어트리뷰트 슬라이스 헤더(Attribute Slice Header)를 나타낸다.
도27은 도23의 비트스트림에 포함되는 ASH를 나타낸다.
실시예들에 따른 방법/장치는 실시예들에 따른 예측기 선택 관련 옵션 정보를 생성하고, 비트스트림의 ASH에 포함시켜서 송수신할 수 있다.
ASH어트리뷰트 파라미터 식별자(abh_attr_parameter_set_id): 액티브 APS의 aps_attr_parameter_set_id를 나타낸다(ash_attr_parameter_set_id specifies the value of the aps_attr_parameter_set_id of the active APS).
ASH어트리뷰트 SPS어트리뷰트 인덱스(ash_attr_sps_attr_idx): 액티브 SPS 내 어트리뷰트 세트를 나타낸다. ash_attr_sps_attr_idx의 값은 0 내지 액티브 SPS 내 sps_num_attribute_sets의 범위를 가질 수 있다(specifies the attribute set in the active SPS. The value of abh_attr_sps_attr_idx shall be in the range of 0 to sps_num_attribute_sets in the active SPS).
ASH어트리뷰트 지오메트리 슬라이스 아이디(ash_attr_geom_slice_id): 지오메트리 슬라이스 아이디의 값을 나타낸다(specifies the value of geom slice id)( specifies the value of the gsh_slice_id of the active Geometry Slice Header).
어트리뷰트 프레딕션 잔차 개별적 인코딩 플래그(attribute_pred_residual_separate_encoding_flag): 어트리뷰트 데이터의 예측 코딩 관련하여, 잔차값을 개별적으로 인코딩할지 여부를 나타낸다. 이 값이 1이면, 잔차값을 다른 속성값과 별개로 인코딩하고, 이 값이 0이면, 잔차값을 다른 속성값과 함께 인코딩할 수 있음을 나타낸다.
어트리뷰트 베이스 예측기 선택 RDO 방법 타입(attribute_base_predictor selection_RDO_method_type): 이 SPS가 지칭하는 해당 시퀀스에 따른 예측기 계산 방법을 나타낸다.
예를 들어, 이 타입이 갖는 정수값에 따라 다음의 RDO방법이 지시될 수 있다. 1= 왜곡과 비트스트림 크기 고려(도17-18의 S17000, 18000, 18010 참조), 2= 왜곡만 고려(도17 및 도19의 S17010, 19000, 19010참조), 3= 비트스트림 크기만 고려(도17 및 도20의 S17020, 20000, 20010 참조).
어트리뷰트 람다 컬러 웨이트(attribute_lamda_color_weight): 이 ASH가 지칭하는 해당 슬라이스에 따른 색상을 위한 가중치 값을 나타낸다.
어트리뷰트 람다 리플렉턴스 웨이트(attribute_lamda_reflectance_weight): 이 ASH가 지칭하는 해당 슬라이스에 따른 반사값을 위한 가중치 값을 나타낸다.
어트리뷰트 왜곡 웨이트(attribute_distortion_weight): 이 ASH가 지칭하는 해당 슬라이스에 따른 왜곡의 중요도에 따른 가중치 값을 나타낸다.
실시예들에 따라, attr_coding_type이 1인 경우, 즉, 어트리뷰트 타입이 예측 변환 기반인 경우(예를 들어, predicting transform), 실시예들에 따른 예측기 선택 관련 옵션 정보가 TPS에 포함될 수 있다.
attribute_dimension_minus1[i]이 1보다 크면, attribute_lamda_color_weight[i]가 APS에 포함되고, 그렇지 않으면, attribute_lamda_reflectance_weight[i]가 TPS에 포함된다. 즉, i번재 어트리뷰트의 컴포넌트들의 개수가 1보다 크면, 컬러값을 포함하는 어트리뷰트 데이터에 대한 예측기 선택 동작이 수행될 수 있다. i번재 어트리뷰트의 컴포넌트들의 개수가 1보다 작으면, 반사도를 포함하는 어트리뷰트 데이터에 대한 예측기 선택 동작이 수행될 수 있다.
도28은 실시예들에 따른 포인트 클라우드 데이터 송신 방법을 나타낸다.
도1의 송신 장치(10000), 포인트 클라우드 비디오 인코더(10002), 도2의 획득(20000), 인코딩(20001), 전송(20002), 도4의 인코더, 도12의 송신 장치, 도13의XR디바이스(1430), 도21의 송신 장치 등은 도28의 동작들에 기반하여 포인트 클라우드 데이터를 인코딩하고 전송할 수 있다.
S28000, 실시예들에 따른 포인트 클라우드 데이터 송신 방법은 포인트 클라우드 데이터를 인코딩하는 단계를 포함할 수 있다. 실시예들에 따른 인코딩 동작은 도1의 송신 장치(10000), 포인트 클라우드 데이터 인코더(10002), 도2의 획득(20000), 인코딩(20001), 도4의 인코더, 도12의 송신 장치, 도14의XR디바이스(1430), 도21의 송신 장치, 도15-20의 어트리뷰트 인코딩, 도23의 부호화된 포인트 클라우드 비트스트림 생성, 도24-27의 파라미터, 메타데이터 등의 생성 등을 포함한다.
S28010, 실시예들에 따른 포인트 클라우드 데이터 송신 방법은 포인트 클라우드 데이터를 포함하는 비트스트림을 전송하는 단계를 더 포함할 수 있다. 실시예들에 다른 전송 동작은 도1의 송신 장치(10000), 도2의 전송(20002), 도12의 송신 장치, 도13의XR디바이스(1430), 도21의 송신 장치, 도15-20 등에 기반하여 인코딩되고, 도24-27의 파라미터, 메타데이터 등을 포함하는 도23의 포인트 클라우드 비트스트림을 전송 등의 동작을 더 포함할 수 있다.
도29는 실시예들에 따른 포인트 클라우드 데이터 수신 방법을 나타낸다.
도1의 수신 장치(10004), 포인트 클라우드 비디오 디코더(10006), 도2의 디코딩(20006), 렌더링(20004), 도11의 디코더, 도13의 수신 장치, 도14의XR디바이스(1430), 도22의 수신 장치 등은 도29의 동작들에 기반하여 포인트 클라우드 데이터를 수신하고, 디코딩하고, 렌더링할 수 있다.
S29000, 실시예들에 따른 포인트 클라우드 데이터 수신 방법은 포인트 클라우드 데이터를 포함하는 비트스트림을 수신하는 단계를 포함한다. 실시예들에 따른 수신 동작은 도1의 수신 장치(10004), 도13의 수신 장치, 도14의XR디바이스(1430), 도22의 수신 장치 등의 포인트 클라우드 데이터 또는 도24-27의 파라미터, 메타데이터 등을 포함하는 도23의 포인트 클라우드 비트스트림를 수신하는 동작을 포함할 수 있다.
S29010, 실시예들에 따른 포인트 클라우드 데이터 수신 방법은 포인트 클라우드 데이터를 디코딩하는 단계를 더 포함한다. 실시예들에 따른 디코딩 동작은 포인트 클라우드 비디오 디코더(10006), 도2의 디코딩(20006), 도11의 디코더, 도13의 수신 장치, 도14의XR디바이스(1430), 도22의 수신 장치, 도15-20에 따른 어트리뷰트 디코딩, 도22의 수신 장치 등의 동작을 포함할 수 있다.
본 문서의 실시예들에 따른 PCC 부호화 방법, PCC복호화 방법, 시그널링 방법은 다음의 효과를 제공할 수 있다.
실시예들은 3차원 포인트 클라우드(point cloud) 데이터 압축을 위한 Geometry-based Point Cloud Compression (G-PCC)의 속성 압축의 효율을 증가시킨다. 구체적으로, G-PCC 속성 부호화/복호화 과정에 예측기 후보들 중에 적합한 예측기를 선택하는 방법을 변경하여 속성 잔차값에 영향을 주고 그에 따라 비트스트림 사이즈를 줄일 수 있다. 따라서, 속성 압축의 효율을 높이기 위한 속성 비트스트림 구성 방안을 제공할 수 있다.
결과적으로, 실시예들은 3차원 포인트 클라우드(point cloud) 데이터 압축을 위한 Geometry-based Point Cloud Compression (G-PCC)의 인코더(부호화기)/디코더(복호화기)의 속성 압축 효율을 높여서 보다 적은 비트스트림을 제공하는 포인트 클라우드 콘텐츠 스트림을 제공할 수 있다.
실시예들에 따른 PCC 부호화기 및/또는 PCC 복호화기는 효율적인 예측기 선택 방안을 제공할 수 있고, 비트 스트림의 사이즈를 줄임으로써 속성 압축 코딩/디코딩 효율성을 증가시키는 효과를 제공할 수 있다.
실시예들은 방법 및/또는 장치 관점에서 설명되었으며, 방법의 설명 및 장치의 설명은 상호 보완하여 적용될 수 있다.
설명의 편의를 위하여 각 도면을 나누어 설명하였으나, 각 도면에 서술되어 있는 실시 예들을 병합하여 새로운 실시 예를 구현하도록 설계하는 것도 가능하다. 그리고, 통상의 기술자의 필요에 따라, 이전에 설명된 실시 예들을 실행하기 위한 프로그램이 기록되어 있는 컴퓨터에서 판독 가능한 기록 매체를 설계하는 것도 실시예들의 권리범위에 속한다. 실시예들에 따른 장치 및 방법은 상술한 바와 같이 설명된 실시 예들의 구성과 방법이 한정되게 적용될 수 있는 것이 아니라, 실시 예들은 다양한 변형이 이루어질 수 있도록 각 실시 예들의 전부 또는 일부가 선택적으로 조합되어 구성될 수도 있다. 실시예들의 바람직한 실시 예에 대하여 도시하고 설명하였지만, 실시예들은 상술한 특정의 실시 예에 한정되지 아니하며, 청구범위에서 청구하는 실시예들의 요지를 벗어남이 없이 당해 발명이 속하는 기술분야에서 통상의 지식을 가진 자에 의해 다양한 변형실시가 가능한 것은 물론이고, 이러한 변형실시들은 실시예들의 기술적 사상이나 전망으로부터 개별적으로 이해돼서는 안 될 것이다.
실시예들의 장치의 다양한 구성요소들은 하드웨어, 소프트웨어, 펌웨어 또는 그것들의 조합에 의해 수행될 수 있다. 실시예들의 다양한 구성요소들은 하나의 칩, 예를 들면 하나의 하드웨어 서킷으로 구현될 수 있다 실시예들에 따라, 실시예들에 따른 구성요소들은 각각 별도의 칩들로 구현될 수 있다. 실시예들에 따라, 실시예들에 따른 장치의 구성요소들 중 적어도 하나 이상은 하나 또는 그 이상의 프로그램들을 실행 할 수 있는 하나 또는 그 이상의 프로세서들로 구성될 수 있으며, 하나 또는 그 이상의 프로그램들은 실시예들에 따른 동작/방법들 중 어느 하나 또는 그 이상의 동작/방법들을 수행시키거나, 수행시키기 위한 인스트럭션들을 포함할 수 있다. 실시예들에 따른 장치의 방법/동작들을 수행하기 위한 실행 가능한 인스트럭션들은 하나 또는 그 이상의 프로세서들에 의해 실행되기 위해 구성된 일시적이지 않은 CRM 또는 다른 컴퓨터 프로그램 제품들에 저장될 수 있거나, 하나 또는 그 이상의 프로세서들에 의해 실행되기 위해 구성된 일시적인 CRM 또는 다른 컴퓨터 프로그램 제품들에 저장될 수 있다. 또한 실시예들에 따른 메모리는 휘발성 메모리(예를 들면 RAM 등)뿐 만 아니라 비휘발성 메모리, 플래쉬 메모리, PROM등을 전부 포함하는 개념으로 사용될 수 있다. 또한, 인터넷을 통한 전송 등과 같은 캐리어 웨이브의 형태로 구현되는 것도 포함될 수 있다. 또한, 프로세서가 읽을 수 있는 기록매체는 네트워크로 연결된 컴퓨터 시스템에 분산되어, 분산방식으로 프로세서가 읽을 수 있는 코드가 저장되고 실행될 수 있다.
이 문서에서 “/”와 “,”는 “및/또는”으로 해석된다. 예를 들어, “A/B”는 “A 및/또는 B”로 해석되고, “A, B”는 “A 및/또는 B”로 해석된다. 추가적으로, “A/B/C”는 “A, B 및/또는 C 중 적어도 하나”를 의미한다. 또한, “A, B, C”도 “A, B 및/또는 C 중 적어도 하나”를 의미한다. 추가적으로, 이 문서에서 “또는”는 “및/또는”으로 해석된다. 예를 들어, “A 또는 B”은, 1) “A” 만을 의미하고, 2) “B” 만을 의미하거나, 3) “A 및 B”를 의미할 수 있다. 달리 표현하면, 본 문서의 “또는”은 “추가적으로 또는 대체적으로(additionally or alternatively)”를 의미할 수 있다.
제1, 제2 등과 같은 용어는 실시예들의 다양한 구성요소들을 설명하기 위해 사용될 수 있다. 하지만 실시예들에 따른 다양한 구성요소들은 위 용어들에 의해 해석이 제한되어서는 안된다. 이러한 용어는 하나의 구성요소를 다른 구성요소와 구별하기 위해 사?熾幷? 것에 불과하다. 것에 불과하다. 예를 들어, 제1 사용자 인풋 시그널은 제2사용자 인풋 시그널로 지칭될 수 있다. 이와 유사하게, 제2사용자 인풋 시그널은 제1사용자 인풋시그널로 지칭될 수 있다. 이러한 용어의 사용은 다양한 실시예들의 범위 내에서 벗어나지 않는 것으로 해석되어야만 한다. 제1사용자 인풋 시그널 및 제2사용자 인풋 시그널은 모두 사용자 인풋 시그널들이지만, 문맥 상 명확하게 나타내지 않는 한 동일한 사용자 인풋 시그널들을 의미하지 않는다.
실시예들을 설명하기 위해 사용된 용어는 특정 실시예들을 설명하기 위한 목적으로 사용되고, 실시예들을 제한하기 위해서 의도되지 않는다. 실시예들의 설명 및 청구항에서 사용된 바와 같이, 문맥 상 명확하게 지칭하지 않는 한 단수는 복수를 포함하는 것으로 의도된다. 및/또는 표현은 용어 간의 모든 가능한 결합을 포함하는 의미로 사용된다. 포함한다 표현은 특징들, 수들, 단계들, 엘리먼트들, 및/또는 컴포넌트들이 존재하는 것을 설명하고, 추가적인 특징들, 수들, 단계들, 엘리먼트들, 및/또는 컴포넌트들을 포함하지 않는 것을 의미하지 않는다. 실시예들을 설명하기 위해 사용되는, ~인 경우, ~때 등의 조건 표현은 선택적인 경우로만 제한 해석되지 않는다. 특정 조건을 만족하는 때, 특정 조건에 대응하여 관련 동작을 수행하거나, 관련 정의가 해석되도록 의도되었다.
또한, 본 문서에서 설명하는 실시예들에 따른 동작은 실시예들에 따라서 메모리 및/또는 프로세서를 포함하는 송수신 장치에 의해 수행될 수 있다. 메모리는 실시예들에 따른 동작을 처리/제어하기 위한 프로그램들을 저장할 수 있고, 프로세서는 본 문서에서 설명한 다양한 동작을 제어할 수 있다. 프로세서는 컨트롤러 등으로 지칭가능하다. 실시예들에 동작들은 펌웨어, 소프트웨어, 및/또는 그것들의 조합에 의해 수행될 수 있고, 펌웨어, 소프트웨어, 및/또는 그것들의 조합은 프로세서에 저장되거나 메모리에 저장될 수 있다.
한편 , 상술한 실시예들에 따른 동작은 실시예들 따른 송신 장치 및/또는 수신 장치에 의해서 수행될 수 있다. 송수신 장치는 미디어 데이터를 송수신하는 송수신부, 실시예들에 따른 프로세스에 대한 인스트럭션(프로그램 코드, 알고리즘, flowchart 및/또는 데이터)을 저장하는 메모리, 송/수신 장치의 동작들을 제어하는 프로세서를 포함할 수 있다.
프로세서는 컨트롤러 등으로 지칭될 수 있고, 예를 들어, 하드웨어, 소프트웨어, 및/또는 그것들의 조합에 대응할 수 있다. 상술한 실시예들에 따른 동작은 프로세서에 의해 수행될 수 있다. 또한, 프로세서는 상술한 실시예들의 동작을 위한 인코더/디코더 등으로 구현될 수 있다.

Claims (16)

  1. 포인트 클라우드 데이터를 인코딩하는 단계, 상기 포인트 클라우드 데이터를 인코딩하는 단계는,
    상기 포인트 클라우드 데이터에 대한 지오메트리 데이터를 인코딩하는 단계,
    상기 포인트 클라우드 데이터에 대한 어트리뷰트 데이터를 인코딩하는 단계를 포함하고,
    상기 어트리뷰트 데이터를 인코딩하는 단계는 상기 어트리뷰트 데이터에 대한 예측 값에 기반하여 수행되고,
    상기 예측 값은 예측 모드에 기반하여 생성되고,
    상기 예측 모드는 상기 어트리뷰트 데이터에 대한 잔차값 및 복원된 잔차값 간 차이값, 상기 잔차값에 관련된 비트 사이즈, 상기 어트리뷰트 데이터에 대한 양자화 값에 기반하여 선택됨; 및
    상기 포인트 클라우드 데이터를 포함하는 비트스트림을 전송하는 단계; 를 포함하는,
    포인트 클라우드 데이터 송신 방법.
  2. 제1항에 있어서,
    상기 어트리뷰트 데이터를 인코딩하는 단계는,
    상기 포인트 클라우드 데이터에 기반하여 LOD들(Level of Details)을 생성하는 단계,
    상기 LOD들로부터 현재 포인트에 대한 가장 가까운 이웃 포인트들을 서치하는 단계,
    상기 가장 가까운 이웃 포인트들에 기반하여 상기 현재 포인트의 어트리뷰트 값에 대한 예측 값을 생성하는 단계,
    상기 어트리뷰트 값 및 상기 예측 값 간 잔차값을 인코딩하는 단계를 포함하는,
    포인트 클라우드 데이터 송신 방법.
  3. 제2항에 있어서,
    상기 예측 값 및 상기 잔차값은 예측 모드에 기반하여 생성되고,
    상기 예측 모드는 점수에 기반하여 선택되는,
    포인트 클라우드 데이터 송신 방법.
  4. 제3항에 있어서,
    상기 어트리뷰트 데이터를 인코딩하는 단계는,
    상기 점수를 계산하는 단계를 포함하고,
    상기 점수를 계산하는 단계는
    상기 어트리뷰트 데이터에 대한 왜곡 및 상기 어트리뷰트 데이터에 대한 비트스트림의 크기에 기반하여 상기 점수를 계산하거나,
    상기 어트리뷰트 데이터에 대한 왜곡에 기반하여 상기 점수를 계산하거나, 또는
    상기 어트리뷰트 데이터에 대한 비트스트림의 크기에 기반하여 상기 점수를 계산하는,
    포인트 클라우드 데이터 송신 방법.
  5. 제4항에 있어서,
    상기 점수는 상기 어트리뷰트 데이터에 대한 왜곡을 나타내는 값 및 상기 어트리뷰트 데이터에 대한 비트스트림의 크기를 나타내는 값에 기반하여 생성되는,
    포인트 클라우드 데이터 송신 방법.
  6. 제5항에 있어서,
    상기 어트리뷰트 데이터는 상기 포인트 클라우드 데이터의 컬러 또는 상기 포인트 클라우드 데이터의 리플렉턴스를 포함하는,
    포인트 클라우드 데이터 송신 방법.
  7. 제1항에 있어서,
    상기 비트스트림은 상기 포인트 클라우드 데이터에 대한 메타데이터를 포함하는,
    포인트 클라우드 데이터 송신 방법.
  8. 포인트 클라우드 데이터를 인코딩하는 인코더, 상기 포인트 클라우드 데이터를 인코더는,
    상기 포인트 클라우드 데이터에 대한 지오메트리 데이터를 인코딩하는 인코더,
    상기 포인트 클라우드 데이터에 대한 어트리뷰트 데이터를 인코딩하는 인코더를 포함하고,
    상기 어트리뷰트 데이터는 상기 어트리뷰트 데이터에 대한 예측 값에 기반하여 인코딩되고,
    상기 예측 값은 예측 모드에 기반하여 생성되고,
    상기 예측 모드는 상기 어트리뷰트 데이터에 대한 잔차값 및 복원된 잔차값 간 차이값, 상기 잔차값에 관련된 비트 사이즈, 상기 어트리뷰트 데이터에 대한 양자화 값에 기반하여 선택됨; 및
    상기 포인트 클라우드 데이터를 포함하는 비트스트림을 전송하는 트랜스미터; 를 포함하는,
    포인트 클라우드 데이터 송신 장치.
  9. 제8항에 있어서,
    상기 어트리뷰트 데이터에 대한 인코더는,
    상기 포인트 클라우드 데이터에 기반하여 LOD들(Level of Details)을 생성하고,
    상기 LOD들로부터 현재 포인트에 대한 가장 가까운 이웃 포인트들을 서치하고,
    상기 가장 가까운 이웃 포인트들에 기반하여 상기 현재 포인트의 어트리뷰트 값에 대한 예측 값을 생성하고,
    상기 어트리뷰트 값 및 상기 예측 값 간 잔차값을 인코딩하는,
    포인트 클라우드 데이터 송신 장치.
  10. 제9항에 있어서,
    상기 예측 값 및 상기 잔차값은 예측 모드에 기반하여 생성되고,
    상기 예측 모드는 점수에 기반하여 선택되는,
    포인트 클라우드 데이터 송신 장치.
  11. 제10항에 있어서,
    상기 어트리뷰트 데이터에 대한 인코더는,
    상기 점수를 계산하고,
    상기 점수를 계산하는 동작은
    상기 어트리뷰트 데이터에 대한 왜곡 및 상기 어트리뷰트 데이터에 대한 비트스트림의 크기에 기반하여 상기 점수를 계산하거나,
    상기 어트리뷰트 데이터에 대한 왜곡에 기반하여 상기 점수를 계산하거나, 또는
    상기 어트리뷰트 데이터에 대한 비트스트림의 크기에 기반하여 상기 점수를 계산하는,
    포인트 클라우드 데이터 송신 장치.
  12. 제11항에 있어서,
    상기 점수는 상기 어트리뷰트 데이터에 대한 왜곡을 나타내는 값 및 상기 어트리뷰트 데이터에 대한 비트스트림의 크기를 나타내는 값에 기반하여 생성되는,
    포인트 클라우드 데이터 송신 장치.
  13. 제12항에 있어서,
    상기 어트리뷰트 데이터는 상기 포인트 클라우드 데이터의 컬러 또는 상기 포인트 클라우드 데이터의 리플렉턴스를 포함하는,
    포인트 클라우드 데이터 송신 장치.
  14. 제8항에 있어서,
    상기 비트스트림은 상기 포인트 클라우드 데이터에 대한 메타데이터를 포함하는,
    포인트 클라우드 데이터 송신 장치.
  15. 포인트 클라우드 데이터를 포함하는 비트스트림을 수신하는 리시버;
    상기 비트스트림을 디코딩하는 디코더, 상기 디코더는
    상기 포인트 클라우드 데이터에 대한 지오메트리 데이터를 디코딩하는 디코더,
    상기 포인트 클라우드 데이터에 대한 어트리뷰트 데이터를 디코딩하는 디코더를 포함하고,
    상기 어트리뷰트 데이터는 상기 어트리뷰트 데이터에 대한 예측 값에 기반하여 디코딩되고,
    상기 예측 값은 예측 모드에 기반하여 생성되고,
    상기 예측 모드는 상기 어트리뷰트 데이터에 대한 잔차값 및 복원된 잔차값 간 차이값, 상기 잔차값에 관련된 비트 사이즈, 상기 어트리뷰트 데이터에 대한 양자화 값에 기반하여 선택되는,
    포인트 클라우드 데이터 수신 장치.
  16. 포인트 클라우드 데이터를 포함하는 비트스트림을 수신하는 단계;
    상기 비트스트림을 디코딩하는 단계, 상기 디코딩하는 단계는
    상기 포인트 클라우드 데이터에 대한 지오메트리 데이터를 디코딩하는 단계,
    상기 포인트 클라우드 데이터에 대한 어트리뷰트 데이터를 디코딩하는 단계를 포함하고,
    상기 어트리뷰트 데이터는 상기 어트리뷰트 데이터에 대한 예측 값에 기반하여 디코딩되고,
    상기 예측 값은 예측 모드에 기반하여 생성되고,
    상기 예측 모드는 상기 어트리뷰트 데이터에 대한 잔차값 및 복원된 잔차값 간 차이값, 상기 잔차값에 관련된 비트 사이즈, 상기 어트리뷰트 데이터에 대한 양자화 값에 기반하여 선택되는,
    포인트 클라우드 데이터 수신 방법.


KR1020200141210A 2020-04-14 2020-10-28 포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법 KR102300045B1 (ko)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
US202063010011P 2020-04-14 2020-04-14
US63/010,011 2020-04-14

Publications (1)

Publication Number Publication Date
KR102300045B1 true KR102300045B1 (ko) 2021-09-08

Family

ID=77787679

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020200141210A KR102300045B1 (ko) 2020-04-14 2020-10-28 포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법

Country Status (5)

Country Link
US (1) US11483363B2 (ko)
EP (1) EP4131975A4 (ko)
KR (1) KR102300045B1 (ko)
CN (2) CN117834863A (ko)
WO (1) WO2021210743A1 (ko)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102527798B1 (ko) 2021-12-23 2023-05-02 경희대학교 산학협력단 3차원 컨텐츠 전송 장치 및 방법

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11551334B2 (en) * 2020-01-09 2023-01-10 Tencent America LLC Techniques and apparatus for coarse granularity scalable lifting for point-cloud attribute coding
WO2023093865A1 (en) * 2021-11-26 2023-06-01 Beijing Bytedance Network Technology Co., Ltd. Method, apparatus, and medium for point cloud coding
CN115239899B (zh) * 2022-06-29 2023-09-05 北京百度网讯科技有限公司 位姿图生成方法、高精地图生成方法和装置
CN117956184A (zh) * 2022-10-19 2024-04-30 中兴通讯股份有限公司 点云属性预测方法、设备和存储介质

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20190122393A1 (en) * 2017-10-21 2019-04-25 Samsung Electronics Co., Ltd Point cloud compression using hybrid transforms
US20190156518A1 (en) * 2017-11-22 2019-05-23 Apple Inc. Point cloud compression with closed-loop color conversion

Family Cites Families (27)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6694060B2 (en) * 2000-12-21 2004-02-17 General Instrument Corporation Frame bit-size allocation for seamlessly spliced, variable-encoding-rate, compressed digital video signals
CN101448162B (zh) * 2001-12-17 2013-01-02 微软公司 处理视频图像的方法
JP2003324732A (ja) * 2002-04-30 2003-11-14 Sony Corp 画像処理装置およびその方法
JP2005294977A (ja) * 2004-03-31 2005-10-20 Ulead Systems Inc スライドウィンドウ（ｓｌｉｄｉｎｇｗｉｎｄｏｗ）を用いた２パスビデオエンコーディング方法とシステム
KR101330630B1 (ko) * 2006-03-13 2013-11-22 삼성전자주식회사 최적인 예측 모드를 적응적으로 적용하여 동영상을부호화하는 방법 및 장치, 동영상을 복호화하는 방법 및장치
CN102640497B (zh) * 2009-11-30 2014-12-31 日本电气株式会社 视频编码设备和视频解码设备
JP2011217347A (ja) * 2010-03-16 2011-10-27 Sony Corp 画像符号化装置とその方法、画像復号化装置とその方法、およびプログラム
US9369732B2 (en) * 2012-10-08 2016-06-14 Google Inc. Lossless intra-prediction video coding
US10121090B2 (en) * 2014-04-11 2018-11-06 Intel Corporation Object detection using binary coded images and multi-stage cascade classifiers
FR3035990A1 (fr) * 2015-05-07 2016-11-11 Inst Mines Telecom Procede de simplification de modele de geometrie
EP3167429B1 (en) * 2015-05-15 2019-12-25 SZ DJI Technology Co., Ltd. System and method for supporting image denoising based on neighborhood block dimensionality reduction
US20170150186A1 (en) * 2015-11-25 2017-05-25 Qualcomm Incorporated Flexible transform tree structure in video coding
EP3399757A1 (en) * 2017-05-04 2018-11-07 Thomson Licensing Method and apparatus to encode and decode two-dimension point clouds
EP3429207A1 (en) * 2017-07-13 2019-01-16 Thomson Licensing A method and apparatus for encoding/decoding a colored point cloud representing the geometry and colors of a 3d object
US10462485B2 (en) * 2017-09-06 2019-10-29 Apple Inc. Point cloud geometry compression
US10861196B2 (en) * 2017-09-14 2020-12-08 Apple Inc. Point cloud compression
JPWO2019065297A1 (ja) * 2017-09-29 2020-11-05 ソニー株式会社 情報処理装置および方法
CN108322742B (zh) * 2018-02-11 2019-08-16 北京大学深圳研究生院 一种基于帧内预测的点云属性压缩方法
EP3553747B1 (en) * 2018-04-09 2021-09-01 BlackBerry Limited Methods and devices for predictive coding of point clouds
US10867414B2 (en) * 2018-04-10 2020-12-15 Apple Inc. Point cloud attribute transfer algorithm
EP3809373A4 (en) * 2018-06-13 2021-07-28 Panasonic Intellectual Property Corporation of America THREE-DIMENSIONAL DATA ENCODING PROCESS, THREE-DIMENSIONAL DATA DECODING PROCESS, THREE-DIMENSIONAL DATA ENCODING DEVICE AND TRIDIMENSIONAL DATA DECODING DEVICE
US10911787B2 (en) * 2018-07-10 2021-02-02 Apple Inc. Hierarchical point cloud compression
US10904564B2 (en) * 2018-07-10 2021-01-26 Tencent America LLC Method and apparatus for video coding
US11049266B2 (en) * 2018-07-31 2021-06-29 Intel Corporation Point cloud viewpoint and scalable compression/decompression
US20200153885A1 (en) * 2018-10-01 2020-05-14 Lg Electronics Inc. Apparatus for transmitting point cloud data, a method for transmitting point cloud data, an apparatus for receiving point cloud data and/or a method for receiving point cloud data
WO2020072665A1 (en) * 2018-10-02 2020-04-09 Futurewei Technologies, Inc. Hierarchical tree attribute coding in point cloud coding
CN110572655B (zh) * 2019-09-30 2023-01-10 北京大学深圳研究生院 一种基于邻居权重的参数选取和传递的点云属性编码和解码的方法及设备

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20190122393A1 (en) * 2017-10-21 2019-04-25 Samsung Electronics Co., Ltd Point cloud compression using hybrid transforms
US20190156518A1 (en) * 2017-11-22 2019-05-23 Apple Inc. Point cloud compression with closed-loop color conversion

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
"G-PCC codec description v2" (Khaled Mammou ET AL,ISO/IEC JTC1/SC29/WG11, N18189, 2019.01.31. 공개)* *

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102527798B1 (ko) 2021-12-23 2023-05-02 경희대학교 산학협력단 3차원 컨텐츠 전송 장치 및 방법

Also Published As

Publication number Publication date
WO2021210743A1 (ko) 2021-10-21
EP4131975A4 (en) 2023-11-22
US11483363B2 (en) 2022-10-25
CN117834863A (zh) 2024-04-05
EP4131975A1 (en) 2023-02-08
CN115428467A (zh) 2022-12-02
US20210320960A1 (en) 2021-10-14
CN115428467B (zh) 2024-03-08

Similar Documents

Publication Publication Date Title
KR102340238B1 (ko) 포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법
KR102358759B1 (ko) 포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법
KR102295825B1 (ko) 포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법
KR102423499B1 (ko) 포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법
KR102386712B1 (ko) 포인트 클라우드 데이터 전송 장치, 전송 방법, 처리 장치 및 처리 방법
KR102406845B1 (ko) 포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법
KR102300045B1 (ko) 포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법
US20220343548A1 (en) Point cloud data transmission device, point cloud data transmission method, point cloud data reception device, and point cloud data reception method
KR20210151984A (ko) 포인트 클라우드 데이터 처리 방법 및 장치
KR20210128442A (ko) 포인트 클라우드 데이터 처리 장치 및 방법
JP2024053014A (ja) ポイントクラウドデータ処理方法及び装置
KR102548048B1 (ko) 포인트 클라우드 데이터 전송 장치, 전송 방법, 처리 장치 및 처리 방법
CA3182656A1 (en) Point cloud data transmission device, point cloud data transmission method, point cloud data reception device, and point cloud data reception method
US20230290006A1 (en) Point cloud data transmission device, point cloud data transmission method, point cloud data reception device, and point cloud data reception method
KR20210089070A (ko) 포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법
KR20230173094A (ko) 포인트 클라우드 데이터 전송 방법, 포인트 클라우드데이터 전송 장치, 포인트 클라우드 데이터 수신 방법 및 포인트 클라우드 데이터 수신 장치
US20230334703A1 (en) Point cloud data transmission device, point cloud data transmission method, point cloud data reception device, and point cloud data reception method
US12003769B2 (en) Point cloud data transmission device, point cloud data transmission method, point cloud data reception device, and point cloud data reception method
US20230386088A1 (en) Point cloud data transmission device, point cloud data transmission method, point cloud data reception device, and point cloud data reception method
US20230154052A1 (en) Point cloud data transmission device, point cloud data transmission method, point cloud data reception device and point cloud data reception method
US20230412837A1 (en) Point cloud data transmission method, point cloud data transmission device, point cloud data reception method, and point cloud data reception device
CN115702568A (zh) 点云数据发送装置、点云数据发送方法、点云数据接收装置和点云数据接收方法
CN118235411A (zh) 点云数据发送方法、点云数据发送装置、点云数据接收方法及点云数据接收装置
CN118020304A (zh) 点云数据发送设备、点云数据发送方法、点云数据接收设备以及点云数据接收方法

Legal Events

Date Code Title Description
E701 Decision to grant or registration of patent right
GRNT Written decision to grant