KR20210134049A - 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 PDFInfo
- Publication number
- KR20210134049A KR20210134049A KR1020217033980A KR20217033980A KR20210134049A KR 20210134049 A KR20210134049 A KR 20210134049A KR 1020217033980 A KR1020217033980 A KR 1020217033980A KR 20217033980 A KR20217033980 A KR 20217033980A KR 20210134049 A KR20210134049 A KR 20210134049A
- Authority
- KR
- South Korea
- Prior art keywords
- point cloud
- attribute
- information
- attribute information
- geometry
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims abstract description 254
- 238000013139 quantization Methods 0.000 claims description 101
- 230000005540 biological transmission Effects 0.000 claims description 91
- 238000012545 processing Methods 0.000 claims description 76
- 230000011664 signaling Effects 0.000 claims description 53
- 238000004458 analytical method Methods 0.000 claims description 26
- 238000009877 rendering Methods 0.000 claims description 15
- 230000001172 regenerating effect Effects 0.000 claims description 2
- 230000008569 process Effects 0.000 description 111
- 230000009466 transformation Effects 0.000 description 65
- 238000007906 compression Methods 0.000 description 60
- 230000006835 compression Effects 0.000 description 60
- 238000006243 chemical reaction Methods 0.000 description 42
- 230000006837 decompression Effects 0.000 description 35
- 238000010586 diagram Methods 0.000 description 29
- 238000005516 engineering process Methods 0.000 description 27
- 238000001514 detection method Methods 0.000 description 14
- 230000006870 function Effects 0.000 description 12
- 238000005538 encapsulation Methods 0.000 description 11
- 230000015654 memory Effects 0.000 description 11
- 230000002194 synthesizing effect Effects 0.000 description 11
- 230000015572 biosynthetic process Effects 0.000 description 9
- 238000004891 communication Methods 0.000 description 9
- 238000003786 synthesis reaction Methods 0.000 description 9
- 230000003044 adaptive effect Effects 0.000 description 6
- 230000014509 gene expression Effects 0.000 description 6
- 238000005070 sampling Methods 0.000 description 6
- 238000012986 modification Methods 0.000 description 5
- 230000004048 modification Effects 0.000 description 5
- 239000013598 vector Substances 0.000 description 5
- 230000008901 benefit Effects 0.000 description 4
- 230000001131 transforming effect Effects 0.000 description 4
- 241000023320 Luma <angiosperm> Species 0.000 description 3
- 230000003993 interaction Effects 0.000 description 3
- 230000007774 longterm Effects 0.000 description 3
- OSWPMRLSEDHDFF-UHFFFAOYSA-N methyl salicylate Chemical compound COC(=O)C1=CC=CC=C1O OSWPMRLSEDHDFF-UHFFFAOYSA-N 0.000 description 3
- 238000011426 transformation method Methods 0.000 description 3
- 238000003491 array Methods 0.000 description 2
- 230000003190 augmentative effect Effects 0.000 description 2
- 239000011449 brick Substances 0.000 description 2
- 238000004590 computer program Methods 0.000 description 2
- 238000013144 data compression Methods 0.000 description 2
- 230000001419 dependent effect Effects 0.000 description 2
- 238000013507 mapping Methods 0.000 description 2
- 239000000344 soap Substances 0.000 description 2
- 241000238413 Octopus Species 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 239000000470 constituent Substances 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 239000003999 initiator Substances 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 238000012805 post-processing Methods 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 230000008685 targeting Effects 0.000 description 1
- 238000001931 thermography Methods 0.000 description 1
- 229940011235 tritop Drugs 0.000 description 1
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
- H04N19/90—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using coding techniques not provided for in groups H04N19/10-H04N19/85, e.g. fractals
- H04N19/96—Tree coding, e.g. quad-tree coding
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T15/00—3D [Three Dimensional] image rendering
- G06T15/005—General purpose rendering architectures
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T9/00—Image coding
- G06T9/005—Statistical coding, e.g. Huffman, run length coding
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T9/00—Image coding
- G06T9/40—Tree coding, e.g. quadtree, octree
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
- H04N19/10—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding
- H04N19/102—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the element, parameter or selection affected or controlled by the adaptive coding
- H04N19/124—Quantisation
-
- 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
-
- 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
- H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
- H04N19/90—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using coding techniques not provided for in groups H04N19/10-H04N19/85, e.g. fractals
- H04N19/91—Entropy coding, e.g. variable length coding [VLC] or arithmetic coding
-
- 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]
- H04N21/40—Client devices specifically adapted for the reception of or interaction with content, e.g. set-top-box [STB]; Operations thereof
- H04N21/43—Processing of content or additional data, e.g. demultiplexing additional data from a digital video stream; Elementary client operations, e.g. monitoring of home network or synchronising decoder's clock; Client middleware
- H04N21/44—Processing of video elementary streams, e.g. splicing a video clip retrieved from local storage with an incoming video stream or rendering scenes according to encoded video stream scene graphs
- H04N21/4402—Processing of video elementary streams, e.g. splicing a video clip retrieved from local storage with an incoming video stream or rendering scenes according to encoded video stream scene graphs involving reformatting operations of video signals for household redistribution, storage or real-time display
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2210/00—Indexing scheme for image generation or computer graphics
- G06T2210/56—Particle system, point based geometry or rendering
Landscapes
- Engineering & Computer Science (AREA)
- Multimedia (AREA)
- Signal Processing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Graphics (AREA)
- Compression Or Coding Systems Of Tv Signals (AREA)
Abstract
실시예들에 따른 포인트 클라우드 데이터 전송 방법은, 포인트 클라우드 데이터를 획득하는 단계, 상기 포인트 클라우드 데이터에 포함된 지오메트리 정보를 인코딩하는 단계, 상기 포인트 클라우드 데이터에 포함된 어트리뷰트 정보를 인코딩하는 단계, 및 상기 인코딩된 지오메트리 정보와 상기 인코딩된 어트리뷰트 정보를 전송하는 단계를 포함할 수 있다.
Description
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), XR (Extended Reality), 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.
즉, 포인트 클라우드의 데이터를 전송하고 수신하기 위해서 많은 처리량이 요구되는 문제점이 있다. 그래서, 포인트 클라우드 데이터를 전송하고 수신하는 과정에서 압축을 위한 인코딩/압축 해제를 위한 디코딩을 수행하는데, 포인트 클라우드 데이터의 크기가 크기 때문에 연산이 복잡하고 시간이 많이 소요되는 문제가 있다.
실시예들에 따른 기술적 과제는, 전술한 문제점 등을 해결하기 위해서, 포인트 클라우드를 효율적으로 송수신하기 위한 포인트 클라우드 데이터 전송 장치, 전송 방법, 포인트 클라우드 데이터 수신 장치 및 수신 방법을 제공하는데 있다.
실시예들에 따른 기술적 과제는, 지연시간(latency) 및 인코딩/디코딩 복잡도를 해결하기 위한 포인트 클라우드 데이터 전송 장치, 전송 방법, 포인트 클라우드 데이터 수신 장치 및 수신 방법을 제공하는데 있다.
실시예들에 따른 기술적 과제는, 지오메트리-포인트 클라우드 압축(Geometry - point cloud compression, G-PCC)의 어트리뷰트 정보(attribute)의 인코딩 기술을 개선하여 포인트 클라우드의 압축 성능 향상시키는 데이터 전송 장치, 전송 방법, 포인트 클라우드 데이터 수신 장치 및 수신 방법을 제공하는데 있다.
실시예들에 따른 기술적 과제는, 포인트 클라우드 데이터의 지오메트리 상에서 구조적으로 인접한 어트리뷰트 간 유사성을 어트리뷰트 예측에 이용하여 어트리뷰트 정보의 인코딩 및 디코딩을 수행함으로써, 지연시간(latency) 및 인코딩/디코딩 복잡도를 해결하는 포인트 클라우드 데이터 전송 장치, 전송 방법, 포인트 클라우드 데이터 수신 장치 및 수신 방법을 제공하는데 있다.
다만, 전술한 기술적 과제만으로 제한되는 것은 아니고, 본 문서 전체 내용에 기초하여 당업자가 유추할 수 있는 다른 기술적 과제로 실시예들의 권리범위가 확장될 수 있다.
상술한 목적 및 다른 이점을 달성하기 위해서 실시예들에 따른 포인트 클라우드 데이터 전송 방법은 포인트 클라우드 데이터를 획득하는 단계, 상기 포인트 클라우드 데이터에 포함된 지오메트리 정보를 인코딩하는 단계, 상기 포인트 클라우드 데이터에 포함된 어트리뷰트 정보를 인코딩하는 단계, 및 상기 인코딩된 지오메트리 정보와 상기 인코딩된 어트리뷰트 정보를 전송하는 단계를 포함할 수 있다.
상기 지오메트리 정보를 인코딩하는 단계는 상기 지오메트리 정보를 양자화하는 단계, 상기 양자화된 지오메트리 정보를 기반으로 8진 트리 구조를 갖는 옥트리 구조를 생성하는 단계, 상기 옥트리 구조를 근사화하는 단계, 상기 생성된 옥트리 구조와 상기 근사화된 옥트리 구조를 기반으로 지오메트리 정보를 재구성하는 단계, 및 상기 생성된 옥트리 구조 또는 상기 근사화된 옥트리 구조의 occupancy 코드들을 엔트로피 인코딩하여 지오메트리 비트스트림을 출력하는 단계를 포함하는 것을 일 실시예로 한다.
상기 어트리뷰트 정보를 인코딩하는 단계는 상기 옥트리 구조와 상기 어트리뷰트 정보를 기반으로 상기 옥트리 구조의 시작 예측 레벨부터 종료 예측 레벨까지 재귀적으로 인코딩할 노드의 이웃 노드들을 검출하고, 검출된 이웃 노드들을 기반으로 어트리뷰트 정보를 예측하고 잔여 어트리뷰트 정보를 추정한 후 상기 종료 예측 레벨의 예측된 어트리뷰트 정보와 상기 종료 예측 레벨의 이전 예측 레벨들의 잔여 어트리뷰트 정보를 출력하는 단계, 상기 출력되는 예측된 어트리뷰트 정보와 상기 출력되는 잔여 어트리뷰트 정보를 양자화 계수를 기반으로 양자화하는 단계, 및 상기 양자화된 예측된 어트리뷰트 정보와 상기 양자화된 추정된 잔여 어트리뷰트 정보를 엔트로피 인코딩하여 어트리뷰트 비트스트림을 전송하는 단계를 포함하는 것을 일 실시예로 한다.
상기 어트리뷰트 비트스트림은 시그널링 정보를 더 포함하고, 상기 시그널링 정보는 상기 옥트리 구조의 시작 예측 레벨을 식별하기 위한 정보, 상기 옥트리 구조의 종료 예측 레벨을 식별하기 위한 정보, 및 예측 레벨들의 개수를 식별하기 위한 정보 중 적어도 하나를 포함하는 것을 일 실시예로 한다.
상기 옥트리 구조의 시작 예측 레벨은 상기 옥트리 구조의 최하위 레이어에 해당하는 리프 노드 레벨이고, 상기 옥트리 구조의 종료 예측 레벨은 상기 옥트리 구조의 최상위 레이어에 해당하는 루트 노드인 것을 일 실시예로 한다.
상기 인코딩할 노드의 이웃 노드들은 동일한 예측된 어트리뷰트 정보를 갖도록 하는 것을 일 실시예로 한다.
실시예들에 따른 포인트 클라우드 데이터 전송 장치는 포인트 클라우드 데이터를 획득하는 획득부, 상기 포인트 클라우드 데이터에 포함된 지오메트리 정보를 인코딩하는 지오메트리 인코딩부, 상기 포인트 클라우드 데이터에 포함된 어트리뷰트 정보를 인코딩하는 어트리뷰트 인코딩부, 및 상기 인코딩된 지오메트리 정보와 상기 인코딩된 어트리뷰트 정보를 전송하는 트랜스미터를 포함할 수 있다.
상기 지오메트리 인코딩부는 상기 지오메트리 정보를 양자화하는 양자화부;
상기 양자화된 지오메트리 정보를 기반으로 8진 트리 구조를 갖는 옥트리 구조를 생성하는 옥트리 분석부, 상기 옥트리 구조를 근사화하는 근사화 분석부, 상기 생성된 옥트리 구조와 상기 근사화된 옥트리 구조를 기반으로 지오메트리 정보를 재구성하는 지오메트리 재구성부, 및 상기 생성된 옥트리 구조 또는 상기 근사화된 옥트리 구조의 occupancy 코드들을 엔트로피 인코딩하여 지오메트리 비트스트림을 출력하는 아리스메틱 인코딩부를 포함하는 것을 일 실시예로 한다.
상기 어트리뷰트 인코딩부는 상기 옥트리 구조와 상기 어트리뷰트 정보를 기반으로 상기 옥트리 구조의 시작 예측 레벨부터 종료 예측 레벨까지 재귀적으로 인코딩할 노드의 이웃 노드들을 검출하고, 검출된 이웃 노드들을 기반으로 어트리뷰트 정보를 예측하고 잔여 어트리뷰트 정보를 추정한 후 상기 종료 예측 레벨의 예측된 어트리뷰트 정보와 상기 종료 예측 레벨의 이전 예측 레벨들의 잔여 어트리뷰트 정보를 출력하는 어트리뷰트 압축부, 상기 출력되는 예측된 어트리뷰트 정보와 상기 출력되는 잔여 어트리뷰트 정보를 양자화 계수를 기반으로 양자화하는 양자화부, 및 상기 양자화된 예측된 어트리뷰트 정보와 상기 양자화된 추정된 잔여 어트리뷰트 정보를 엔트로피 인코딩하여 어트리뷰트 비트스트림을 전송하는 아리스메틱 인코딩부를 포함하는 것을 일 실시예로 한다.
상기 어트리뷰트 비트스트림은 시그널링 정보를 더 포함하고, 상기 시그널링 정보는 상기 옥트리 구조의 시작 예측 레벨을 식별하기 위한 정보, 상기 옥트리 구조의 종료 예측 레벨을 식별하기 위한 정보, 및 예측 레벨들의 개수를 식별하기 위한 정보 중 적어도 하나를 포함하는 것을 일 실시예로 한다.
상기 옥트리 구조의 시작 예측 레벨은 상기 옥트리 구조의 최하위 레이어에 해당하는 리프 노드 레벨이고, 상기 옥트리 구조의 종료 예측 레벨은 상기 옥트리 구조의 최상위 레이어에 해당하는 루트 노드인 것을 일 실시예로 한다.
상기 인코딩할 노드의 이웃 노드들은 동일한 예측된 어트리뷰트 정보를 갖도록 하는 것을 일 실시예로 한다.
실시예들에 따른 포인트 클라우드 데이터 수신 방법은 포인트 클라우드 데이터 및 시그널링 정보를 수신하는 단계, 상기 포인트 클라우드 데이터에 포함된 지오메트리 정보를 디코딩하는 단계, 상기 포인트 클라우드 데이터에 포함된 어트리뷰트 정보를 디코딩하는 단계, 및 상기 디코딩된 지오메트리 정보와 상기 디코딩된 어트리뷰트 정보를 프로세싱하여 렌더링하는 단계를 포함할 수 있다.
상기 지오메트리 정보를 디코딩하는 단계는 상기 지오메트리 정보에 포함된 occupancy 코드를 기반으로 옥트리 구조를 재생성하는 단계를 포함할 수 있다.
상기 어트리뷰트 정보를 디코딩하는 단계는 상기 옥트리 구조의 종료 예측 레벨의 예측된 어트리뷰트 정보, 그리고 상기 옥트리 구조의 종료 예측 레벨의 이전 예측 레벨들의 잔여 어트리뷰트 정보를 기반으로 상기 옥트리 구조의 종료 예측 레벨부터 시작 예측 레벨까지 재귀적으로 디코딩할 노드의 이웃 노드들을 검출하고, 검출된 이웃 노드들을 기반으로 예측된 어트리뷰트 정보와 해당 예측 레벨의 잔여 어트리뷰트 정보를 이용하여 해당 레벨의 어트리뷰트 정보를 복원하는 단계를 포함할 수 있다.
상기 시그널링 정보는 상기 옥트리 구조의 시작 예측 레벨을 식별하기 위한 정보, 상기 옥트리 구조의 종료 예측 레벨을 식별하기 위한 정보, 및 예측 레벨들의 개수를 식별하기 위한 정보 중 적어도 하나를 포함할 수 있다.
실시예들에 따른 포인트 클라우드 데이터 수신 장치는 포인트 클라우드 데이터 및 시그널링 정보를 수신하는 리시버, 상기 포인트 클라우드 데이터에 포함된 지오메트리 정보를 디코딩하는 지오메트리 디코딩부, 상기 포인트 클라우드 데이터에 포함된 어트리뷰트 정보를 디코딩하는 어트리뷰트 디코딩부, 및 상기 디코딩된 지오메트리 정보와 상기 디코딩된 어트리뷰트 정보를 프로세싱하여 렌더링하는 렌더러를 포함할 수 있다.
상기 지오메트리 디코딩부는 상기 지오메트리 정보에 포함된 occupancy 코드를 기반으로 옥트리 구조를 재생성하고, 상기 어트리뷰트 디코딩부는 상기 옥트리 구조의 종료 예측 레벨의 예측된 어트리뷰트 정보, 그리고 상기 옥트리 구조의 종료 예측 레벨의 이전 예측 레벨들의 잔여 어트리뷰트 정보를 기반으로 상기 옥트리 구조의 종료 예측 레벨부터 시작 예측 레벨까지 재귀적으로 디코딩할 노드의 이웃 노드들을 검출하고, 검출된 이웃 노드들을 기반으로 예측된 어트리뷰트 정보와 해당 예측 레벨의 잔여 어트리뷰트 정보를 이용하여 해당 레벨의 어트리뷰트 정보를 복원하는 것을 일 실시예로 한다.
상기 시그널링 정보는 상기 옥트리 구조의 시작 예측 레벨을 식별하기 위한 정보, 상기 옥트리 구조의 종료 예측 레벨을 식별하기 위한 정보, 및 예측 레벨들의 개수를 식별하기 위한 정보 중 적어도 하나를 포함하는 것을 일 실시예로 한다.
실시예들에 따른 포인트 클라우드 데이터 송신 방법, 송신 장치, 포인트 클라우드 데이터 수신 방법, 수신 장치는 퀄리티 있는 포인트 클라우드 서비스를 제공할 수 있다.
실시예들에 따른 포인트 클라우드 데이터 송신 방법, 송신 장치, 포인트 클라우드 데이터 수신 방법, 수신 장치는 다양한 비디오 코덱 방식을 달성할 수 있다.
실시예들에 따른 포인트 클라우드 데이터 송신 방법, 송신 장치, 포인트 클라우드 데이터 수신 방법, 수신 장치는 자율주행 서비스 등 범용적인 포인트 클라우드 콘텐츠를 제공할 수 있다.
실시예들에 따른 포인트 클라우드 데이터 송신 방법, 송신 장치, 포인트 클라우드 데이터 수신 방법, 수신 장치는 지오메트리 상에서 구조적으로 인접한 어트리뷰트 간 유사성을 어트리뷰트 예측에 사용하여 전송 디바이스에서는 포인트 클라우드의 어트리뷰트를 압축하고 수신 디바이스에서는 포인트 클라우드의 어트리뷰트를 압축 해제함으로써, 예측된 어트리뷰트에 대해 지오메트리 구조에서 연관성이 높은 어트리뷰트 간의 유사성이 효과적으로 제거되도록 한다. 특히, RAHT 변환이나 LOD/리프팅 변환을 사용하여 어트리뷰트를 압축하는 경우보다 연산 복잡도를 줄이고 지오메트리 디코딩에 대한 의존성을 줄일 수 있어서 디코딩 속도가 빨라지는 효과가 있다.
특히, 본 명세서를 기반으로 포인트 클라우드 데이터를 압축하는 경우 송신측에서는 적은 연산량을 바탕으로 어트리뷰트 정보를 압축할 수 있으며, low-delay가 요구되는 송신 시스템에서 활용 가능성이 높다. 또한 다양한 성능의 디코더를 대상으로 어트리뷰트 정보를 압축하는 경우, 각각의 디코더 성능에 맞는 독립된 압축 정보를 생성하거나 저장하는 대신 하나의 비트스트림을 통해 다양한 성능의 수신기를 지원할 수 있기 문에 송신측의 저장 공간 및 비트 효율 측면에서도 장점이 있다.
또한 본 명세서를 기반으로 포인트 클라우드 데이터를 전달 받는 경우 수신측에서는 적은 연산량으로 지오메트리 디코딩과 동시에 어트리뷰트 정보를 복원 함으로써 low-delay가 요구되는 송/수신 시스템에서 사용 가능한 효과가 있다. 이에 더하여, 어트리뷰트 정보의 출력 레벨을 선택하는 경우, 저소비 전력(low computational power)을 갖는 수신기에서도 해당 수신기의 성능에 맞는 어트리뷰트 정보를 지연없이 출력할 수 있는 장점이 있다. 예를 들어 어트리뷰트 디코딩하여 재구성하는 과정에서 수신기의 성능 혹은 시스템의 요구사항에 따라 서로 다른 결과를 출력할 수 있으며, 이때 디코딩되거나 재구성된 각 레벨의 어트리뷰트는 해당 레벨의 옥트리 노드와 매칭되는 어트리뷰트 값으로 사용될 수 있다.
도면은 실시예들을 더욱 이해하기 위해서 포함되며, 도면은 실시예들에 관련된 설명과 함께 실시예들을 나타낸다.
도 1은 실시예들에 따른 포인트 클라우드(Point Cloud) 콘텐츠 제공을 위한 시스템을 나타낸다.
도 2는 실시예들에 따른 Point Cloud 콘텐츠 제공을 위한 과정을 나타낸다.
도 3은 실시예들에 따른 Point Cloud 캡처 장비 배열 구성을 나타낸다.
도 4는 실시예들에 따른 포인트 클라우드 비디오 인코더(Point Cloud Video Encoder)를 나타낸다.
도 5는 실시예들에 따른 3차원 공간상의 복셀을 나타낸다.
도 6은 실시예들에 따른 옥트리와 occupancy 코드의 예시를 나타낸다.
도 7은 실시예들에 따른 이웃 노드 패턴의 예시를 나타낸다.
도 8은 실시예들에 따른 LOD별 Point Cloud 콘텐츠의 Point 구성의 예시를 나타낸다.
도 9는 실시예들에 따른 LOD별 Point Cloud 콘텐츠의 Point 구성의 예시를 나타낸다.
도 10은 실시예들에 따른 포인트 클라우드 비디오 디코더(Point Cloud Video Decoder)의 블록 다이어그램(block diagram) 예시를 나타낸다.
도 11은 실시예들에 따른 포인트 클라우드 비디오 디코더(Point Cloud Video Decoder)의 예시를 나타낸다.
도 12는 실시예들에 따른 송신기의 Point Cloud 비디오 인코딩을 위한 구성요소를 나타낸다.
도 13은 실시예들에 따른 수신기의 Point Cloud 비디오 디코딩을 위한 구성요소를 나타낸다.
도 14는 실시예들에 따른 G-PCC 기반 point cloud 데이터 저장 및 스트리밍을 위한 아키텍쳐를 나타낸다.
도 15는 실시예들에 따른 point cloud 데이터 저장 및 전송을 나타낸다.
도 16은 실시예들에 따른 point cloud 데이터 수신 장치를 나타낸다.
도 17은 실시예들에 따른 포인트 클라우드 데이터 방법/장치와 연동 가능한 구조의 예시를 나타낸다.
도 18은 실시예들에 따른 포인트 클라우드 비디오 인코더의 다른 예시를 보인 구성 블록도이다.
도 19는 실시예들에 따른 옥트리 기반 어트리뷰트 압축부의 예시를 보인 구성 블록도이다.
도 20은 실시예들에 따른 옥트리 기반 어트리뷰트 압축 방법의 예시를 보인 흐름도이다.
도 21의 (a) 내지 (e)는 실시예들에 따른 옥트리 기반으로 어트리뷰트 정보를 예측하고 잔여 어트리뷰트를 추정하는 예시를 보인 도면이다.
도 22는 실시예들에 따른 포인트 클라우드 비디오 디코더의 다른 예시를 보인 구성 블록도이다.
도 23은 실시예들에 따른 옥트리 기반 어트리뷰트 압축 해제부의 예시를 보인 구성 블록도이다.
도 24는 실시예들에 따른 옥트리 기반 어트리뷰트 압축 해제 방법의 예시를 보인 흐름도이다.
도 25의 (a) 내지 (c)는 실시예들에 따른 옥트리 기반으로 어트리뷰트 정보를 복원하는 예시를 보인 도면이다.
도 26은 실시예들에 따른 포인트 클라우드 비디오 인코딩 방법의 예시를 보인 흐름도이다.
도 27은 실시예들에 따른 포인트 클라우드 비디오 디코딩 방법의 예시를 보인 흐름도이다.
도 28은 실시예들에 따른 어트리뷰트 파라미터 셋(attribute_paramter_set())의 신택스 구조의 예시를 보인 도면이다.
도 29는 실시예들에 따른 제너럴 어트리뷰트 비트스트림(general_attribute_bitstream())의 신택스 구조의 예시를 보인 도면이다.
도 30은 실시예들에 따른 어트리뷰트 슬라이스 헤더(attribute_slice_header())의 신택스 구조의 예시를 보인 도면이다.
도 31은 실시예들에 따른 어트리뷰트 슬라이스 데이터(attribute_slice_data())의 신택스 구조의 예시를 보인 도면이다.
도 32는 실시예들에 따른 지오메트리 어트리뷰트 코딩 비트스트림 (GeometricAttributeCoding_bitstream (dimension)) 디스크립터의 신택스 구조의 예시를 보인 도면이다.
도 33은 실시예들에 따른 서로 다른 레벨의 지오메트리를 출력할 때의 예시를 보인 도면이다.
도 34는 실시예들에 따른 서로 다른 레벨의 어트리뷰트를 출력할 때의 예시를 보인 도면이다.
도 1은 실시예들에 따른 포인트 클라우드(Point Cloud) 콘텐츠 제공을 위한 시스템을 나타낸다.
도 2는 실시예들에 따른 Point Cloud 콘텐츠 제공을 위한 과정을 나타낸다.
도 3은 실시예들에 따른 Point Cloud 캡처 장비 배열 구성을 나타낸다.
도 4는 실시예들에 따른 포인트 클라우드 비디오 인코더(Point Cloud Video Encoder)를 나타낸다.
도 5는 실시예들에 따른 3차원 공간상의 복셀을 나타낸다.
도 6은 실시예들에 따른 옥트리와 occupancy 코드의 예시를 나타낸다.
도 7은 실시예들에 따른 이웃 노드 패턴의 예시를 나타낸다.
도 8은 실시예들에 따른 LOD별 Point Cloud 콘텐츠의 Point 구성의 예시를 나타낸다.
도 9는 실시예들에 따른 LOD별 Point Cloud 콘텐츠의 Point 구성의 예시를 나타낸다.
도 10은 실시예들에 따른 포인트 클라우드 비디오 디코더(Point Cloud Video Decoder)의 블록 다이어그램(block diagram) 예시를 나타낸다.
도 11은 실시예들에 따른 포인트 클라우드 비디오 디코더(Point Cloud Video Decoder)의 예시를 나타낸다.
도 12는 실시예들에 따른 송신기의 Point Cloud 비디오 인코딩을 위한 구성요소를 나타낸다.
도 13은 실시예들에 따른 수신기의 Point Cloud 비디오 디코딩을 위한 구성요소를 나타낸다.
도 14는 실시예들에 따른 G-PCC 기반 point cloud 데이터 저장 및 스트리밍을 위한 아키텍쳐를 나타낸다.
도 15는 실시예들에 따른 point cloud 데이터 저장 및 전송을 나타낸다.
도 16은 실시예들에 따른 point cloud 데이터 수신 장치를 나타낸다.
도 17은 실시예들에 따른 포인트 클라우드 데이터 방법/장치와 연동 가능한 구조의 예시를 나타낸다.
도 18은 실시예들에 따른 포인트 클라우드 비디오 인코더의 다른 예시를 보인 구성 블록도이다.
도 19는 실시예들에 따른 옥트리 기반 어트리뷰트 압축부의 예시를 보인 구성 블록도이다.
도 20은 실시예들에 따른 옥트리 기반 어트리뷰트 압축 방법의 예시를 보인 흐름도이다.
도 21의 (a) 내지 (e)는 실시예들에 따른 옥트리 기반으로 어트리뷰트 정보를 예측하고 잔여 어트리뷰트를 추정하는 예시를 보인 도면이다.
도 22는 실시예들에 따른 포인트 클라우드 비디오 디코더의 다른 예시를 보인 구성 블록도이다.
도 23은 실시예들에 따른 옥트리 기반 어트리뷰트 압축 해제부의 예시를 보인 구성 블록도이다.
도 24는 실시예들에 따른 옥트리 기반 어트리뷰트 압축 해제 방법의 예시를 보인 흐름도이다.
도 25의 (a) 내지 (c)는 실시예들에 따른 옥트리 기반으로 어트리뷰트 정보를 복원하는 예시를 보인 도면이다.
도 26은 실시예들에 따른 포인트 클라우드 비디오 인코딩 방법의 예시를 보인 흐름도이다.
도 27은 실시예들에 따른 포인트 클라우드 비디오 디코딩 방법의 예시를 보인 흐름도이다.
도 28은 실시예들에 따른 어트리뷰트 파라미터 셋(attribute_paramter_set())의 신택스 구조의 예시를 보인 도면이다.
도 29는 실시예들에 따른 제너럴 어트리뷰트 비트스트림(general_attribute_bitstream())의 신택스 구조의 예시를 보인 도면이다.
도 30은 실시예들에 따른 어트리뷰트 슬라이스 헤더(attribute_slice_header())의 신택스 구조의 예시를 보인 도면이다.
도 31은 실시예들에 따른 어트리뷰트 슬라이스 데이터(attribute_slice_data())의 신택스 구조의 예시를 보인 도면이다.
도 32는 실시예들에 따른 지오메트리 어트리뷰트 코딩 비트스트림 (GeometricAttributeCoding_bitstream (dimension)) 디스크립터의 신택스 구조의 예시를 보인 도면이다.
도 33은 실시예들에 따른 서로 다른 레벨의 지오메트리를 출력할 때의 예시를 보인 도면이다.
도 34는 실시예들에 따른 서로 다른 레벨의 어트리뷰트를 출력할 때의 예시를 보인 도면이다.
발명의 실시를 위한 최선의 형태
이하, 첨부된 도면을 참조하여 본 명세서에 개시된 실시예를 상세히 설명하되, 도면 부호에 관계없이 동일하거나 유사한 구성요소는 동일한 참조 번호를 부여하고 이에 대한 중복되는 설명은 생략하기로 한다. 하기의 실시예들은 본 발명을 구체화하기 위한 것일 뿐 본 발명의 권리 범위를 제한하거나 한정하는 것이 아님은 물론이다. 본 발명의 상세한 설명 및 실시예들로부터 본 발명이 속하는 기술 분야의 전문가가 용이하게 유추할 수 있는 것은 본 발명의 권리 범위에 속하는 것으로 해석된다.
본 명세서의 상세한 설명은 모든 면에서 제한적으로 해석되어서는 안되며, 예시적인 것으로 고려되어야 한다. 본 발명의 범위는 첨부된 청구항의 합리적 해석에 의해 결정되어야 하고, 본 발명의 등가적 범위 내에서의 모든 변경은 본 발명의 범위에 포함된다.
바람직한 실시예들에 대해 구체적으로 설명하되, 그 예는 첨부된 도면에 나타낸다. 첨부된 도면을 참조한 아래의 상세한 설명은 구현될 수 있는 실시예들만을 나타내기보다는 바람직한 실시예들을 설명하기 위한 것이다. 이하에서는 본 발명에 대한 철저한 이해를 제공하기 위해 세부 사항을 포함하여 설명한다. 그러나 본 발명이 이러한 세부 사항 없이 실행될 수 있다는 것은 당업자에게 자명하다. 본 명세서에서 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 본 발명은 용어의 단순한 명칭이나 의미가 아닌 용어의 의도된 의미에 근거하여 이해되어야 한다. 또한 이하의 도면들 및 상세한 설명은 구체적으로 기술된 실시예들에만 국한되어 해석되지 않고, 도면 및 상세한 설명에 기재된 실시예들과 균등하거나, 대체 가능한 것들까지 포함하는 것으로 해석되어야만 한다.
도 1은 실시예들에 따른 포인트 클라우드 콘텐트 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 unit, 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 Video 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 콘텐트를 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 클라우드 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 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 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, 전송 시스템 등으로 호칭될 수 있으며, 수신 장치(10004)는 디코더, 수신 디바이스, 수신기, 수신 시스템 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)로부터 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 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 들면, 자율 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, 구멍(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 수도 있다.
도 4는 실시예들에 따른 포인트 클라우드 비디오 인코더(Point Cloud Video Encoder)의 예시를 나타낸다.
도 4는 도 1의 포인트 클라우드 비디오 인코더(10002)의 상세 예시를 나타낸다. 포인트 클라우드 비디오 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 비디오 인코더는 지오메트리 인코딩 및 어트리뷰트 인코딩을 수행할 수 있다. 지오메트리 인코딩은 어트리뷰트 인코딩보다 먼저 수행된다.
실시예들에 따른 포인트 클라우드 비디오 인코더는 좌표계 변환부(Transformation Coordinates unit, 40000), 양자화부(Quantization unit, 40001), 옥트리 분석부(Octree Analysis unit, 40002), 서페이스 어프록시메이션 분석부(Surface Approximation Analysis unit, 40003), 아리스메틱 인코더(Arithmetic Encode, 40004), 지오메트리 리컨스트럭션부(Geometry Reconstruction unit, 40005), 컬러 변환부(Color Transformation unit, 40006), 어트리뷰트 변환부(Attribute Transformation unit, 40007), RAHT(Region Adaptive Hierarchical Transform) 변환부(40008), LOD생성부( LOD Generation unit, 40009), 리프팅 변환부(Lifting Transformation unit)(40010), 계수 양자화부(Coefficient Quantization unit, 40011) 및/또는 아리스메틱 인코더(Arithmetic Encoder, 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 들면 XYZ 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 각 축상의 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. 복셀화는 3차원 공간 상의 위치정보를 표현하는 최소한의 유닛을 의미한다. 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 point)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(morton) 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. 몰톤 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 몰톤 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 LOD(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 비디오 인코더의 엘레멘트들은 도면에 도시되지 않았으나 포인트 클라우드 콘텐트 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 비디오 인코더의 엘레멘트들의 동작들 및/또는 기능들 중 적어도 어느 하나 이상을 수행할 수 있다. 또한 하나 또는 그 이상의 프로세서들은 도 4의 포인트 클라우드 비디오 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 비디오 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 (2 d, 2 d, 2 d) 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 비디오 인코더의 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 (2 d, 2 d, 2 d) 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 수학식 1에 따라 결정된다. 하기 수학식 1에서 (x int n, y int n, z int n)는 양자화된 포인트들의 포지션들(또는 포지션 값들)을 나타낸다.
[수학식 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 6의 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 비디오 인코더(예를 들면 아리스메틱 인코더(40004))는 오큐판시 코드를 엔트로피 인코딩할 수 있다. 또한 압축 효율을 높이기 위해 포인트 클라우드 비디오 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 비디오 인코더(예를 들면 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 비디오 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 비디오 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 비디오 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 전체 포인트들의 개수는 기설정된 한계값을 넘어서는 안된다. 위의 조건이 만족되면, 실시예들에 따른 포인트 클라우드 비디오 인코더(예를 들어, 아리스메틱 인코더(40004))는 포인트들의 포지션들(또는 포지션 값들)을 엔트로피 코딩할 수 있다.
실시예들에 따른 포인트 클라우드 비디오 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 비디오 인코더는 트라이숩 지오메트리 인코딩을 적용할 레벨을 지정할 수 있다. 예를 들어, 지정된 레벨이 옥트리의 깊이와 같으면 포인트 클라우드 비디오 인코더는 트라이숩 모드로 동작하지 않는다. 즉, 실시예들에 따른 포인트 클라우드 비디오 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 비디오 인코더는 엣지의 시작점(x, y, z), 엣지의 방향벡터( 
x, 
y, 
z), 버텍스 위치 값 (엣지 내의 상대적 위치 값)들을 엔트로피 코딩할 수 있다. 트라이숩 지오메트리 인코딩이 적용된 경우, 실시예들에 따른 포인트 클라우드 비디오 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 다음의 수학식 2와 같다. ①각 버텍스들의 중심(centroid)값을 계산하고, ②각 버텍스값에서 중심 값을 뺀 값들에 ③자승을 수행하고 그 값을 모두 더한 값을 구한다.
[수학식 2]
그리고나서, 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 표 1은 버텍스들의 개수에 따라 삼각형을 생성하기 위한 버텍스들의 조합을 나타낸다. 버텍스들은 1부터 n까지의 순서로 정렬된다. 하기 표 1은 4개의 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.
표 1. Triangles formed from vertices ordered 1,…
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 비디오 인코더는 리파인드 버텍스들을 복셀화할 수 있다. 또한 포인트 클라우드 비디오 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 비디오 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 도 2의 포인트 클라우드 비디오 인코더(10002) 또는 도 4의 포인트 클라우드 비디오 인코더 또는 아리스메틱 인코더(40004)는 오큐판시 코드를 곧바로 엔트로피 코딩할 수 있다. 또한 포인트 클라우드 콘텐트 제공 시스템 또는 포인트 클라우드 비디오 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.
도 7은 이웃 노드들의 오큐판시를 기반으로 오큐판시 패턴을 구하는 과정을 나타낸다. 실시예들에 따른 포인트 클라우드 비디오 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 비디오 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 비디오 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 비디오 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 비디오 인코더(예를 들면 도 2의 포인트 클라우드 비디오 인코더(10002), 도 4의 포인트 클라우드 비디오 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 비디오 인코더뿐만 아니라 포인트 클라우드 비디오 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 생성 전 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 비디오 인코더는 LOD 기반의 예측 변환 코딩, 리프팅 변환 코딩 및 RAHT 변환 코딩을 선택적으로 또는 조합하여 수행할 수 있다.
실시예들에 따른 포인트 클라우드 비디오 인코더는 포인트들에 대한 예측기(predictor)를 생성하여 각 포인트의 예측 어트리뷰트(또는 예측 어트리뷰트값)을 설정하기 위한 LOD 기반의 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 계산할 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 비디오 인코더(예를 들면 계수 양자화부(40011)는 해당 포인트의 어트리뷰트(즉, 오리지날 어트리뷰트 값)에서 해당 예측 어트리뷰트(어트리뷰트값)을 뺀 해당 포인트의 잔여값(residual, 잔여 어트리뷰트, 잔여 어트리뷰트값, 어트리뷰트 예측 잔여값, 예측 에러 어트리뷰트 값 등으로 호칭할 수 있다)을 양자화(quatization) 및 역양자화(inverse quantization)할 수 있다. 잔여 어트리뷰트 값에 대해 수행되는 송신 디바이스의 양자화 과정은 표 2와 같다. 그리고 표 2와 같이 양자화가 이루어진 잔여 어트리뷰트 값에 대해 수행되는 수신 디바이스의 역 양자화 과정은 표 3과 같다.
실시예들에 따른 포인트 클라우드 비디오 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 비디오 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 비디오 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 LOD 기반의 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 비디오 인코더(예를 들면 계수 양자화부(40011))는 예측 어트리뷰트 값을 양자화한다. 또한 포인트 클라우드 비디오 인코더(예를 들면 아리스메틱 인코더(40012))는 양자화된 어트리뷰트 값을 엔트로피 코딩한다.
실시예들에 따른 포인트 클라우드 비디오 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 비디오 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 수학식 3은 RAHT 변환 행렬을 나타낸다. g lx,y,z 는 레벨 l에서의 복셀들의 평균 어트리뷰트 값을 나타낸다. g lx,y,z는 g l+1 2x,y,z와 g l+1 2x+1,y,z로부터 계산될 수 있다. g l 2x,y,z 와 g l 2x+1,y,z 의 가중치를 w1=w l 2x,y,z과 w2=w l 2x+1,y,z 이다.
[수학식 3]
g l-1 x,y,z는 로-패스(low-pass) 값으로, 다음 상위 레벨에서의 병합 과정에서 사용된다. h l-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 g 1 0,0,0 과 g 1 0,0,1을 통해서 다음의 수학식 4와 같이 생성된다.
[수학식 4]
gDC값 또한 하이패스 계수와 같이 양자화되어 엔트로피 코딩된다.
도 10은 실시예들에 따른 포인트 클라우드 비디오 디코더(Point Cloud Video Decoder)의 예시를 나타낸다.
도 10에 도시된 포인트 클라우드 비디오 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 비디오 디코더는 하나 또는 그 이상의 비트스트림(bitstream)들에 포함된 지오메트리 비트스트림(geometry bitstream) 및 어트리뷰트 비트스트림(attribute bitstream)을 수신할 수 있다. 포인트 클라우드 비디오 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 지오메트리를 기반으로어트리뷰트 비트스트림에 대해 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 비디오 디코더(Point Cloud Video Decoder)의 예시를 나타낸다.
도 11에 도시된 포인트 클라우드 비디오 디코더는 도 10에서 설명한 포인트 클라우드 비디오 디코더의 상세 예시로서, 도 1 내지 도 9에서 설명한 포인트 클라우드 비디오 인코더의 인코딩 동작의 역과정인 디코딩 동작을 수행할 수 있다.
도 1 및 도 10에서 설명한 바와 같이 포인트 클라우드 비디오 디코더는 지오메트리 디코딩 및 어트리뷰트 디코딩을 수행할 수 있다. 지오메트리 디코딩은 어트리뷰트 디코딩보다 먼저 수행된다.
실시예들에 따른 포인트 클라우드 비디오 디코더는 아리스메틱 디코더(arithmetic decoder, 11000), 옥트리 합성부(octree synthesis unit, 11001), 서페이스 오프록시메이션 합성부(surface approximation synthesis unit, 11002), 지오메트리 리컨스트럭션부(geometry reconstruction unit, 11003), 좌표계 역변환부(coordinates inverse transformation unit, 11004), 아리스메틱 디코더(arithmetic decoder, 11005), 역양자화부(inverse quantization unit, 11006), RAHT변환부(11007), LOD생성부(LOD generation unit, 11008), 인버스 리프팅부(Inverse lifting unit, 11009), 및/또는 컬러 역변환부(color inverse transformation unit, 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 디코딩(direct decoding) 및 트라이숩 지오메트리 디코딩(trisoup geometry decoding)을 포함할 수 있다. 다이렉트 디코딩 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 비디오 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 비디오 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 비디오 인코더의 컬러 변환부(40006)의 동작에 기반하여 선택적으로 수행될 수 있다.
도 11의 포인트 클라우드 비디오 디코더의 엘레멘트들은 도면에 도시되지 않았으나 포인트 클라우드 콘텐트 제공 시스템에 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 비디오 디코더의 엘레멘트들의 동작들 및/또는 기능들 중 적어도 어느 하나 이상을 수행할 수 있다. 또한 하나 또는 그 이상의 프로세서들은 도11의 포인트 클라우드 비디오 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 비디오 인코더)의 예시이다. 도 12에 도시된 전송 장치는 도 1 내지 도 9에서 설명한 포인트 클라우드 비디오 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), LOD/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 비디오 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 비디오 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), LOD/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 LOD/리프팅/RAHT 변환 처리부(12010)는 변환된 어트리뷰트들을 RAHT 코딩, LOD 기반의 예측 변환 코딩 및 리프팅 변환 코딩 중 어느 하나 또는 조합하여 코딩할 수 있다. LOD/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 LOD 기반의 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(Geom0 0) 및 하나 또는 그 이상의 어트리뷰트 비트스트림들(Attr0 0, Attr1 0)을 포함할 수 있다. 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 비디오 디코더)의 예시이다. 도 13에 도시된 수신 장치는 도 1 내지 도 11에서 설명한 포인트 클라우드 비디오 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), LOD/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), LOD/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 LOD/리프팅/RAHT 역변환 처리부(13009)는 재구성된 지오메트리 및 역양자화된 어트리뷰트들을 처리할 수 있다. LOD/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 G-PCC 기반 포인트 클라우드 콘텐트 스트리밍을 위한 아키텍쳐를 나타낸다.
도 14의 상단은 도 1 내지 도 13에서 설명한 전송 장치(예를 들면 전송 장치(10000), 도 12의 전송 장치 등)가 포인트 클라우드 콘텐트를 처리 및 전송하는 과정을 나타낸다.
도 1 내지 도 13에서 설명한 바와 같이 전송 장치는 포인트 클라우드 콘텐트의 오디오(Ba)를 획득하고(Audio Acquisition), 획득한 오디오를 인코딩(Audio encoding)하여 오디오 비트스트림(Ea)들을 출력할 수 있다. 또한 전송 장치는 포인트 클라우드 콘텐트의 포인트 클라우드(Bv)(또는 포인트 클라우드 비디오)를 획득하고(Point Acqusition), 획득한 포인트 클라우드에 대하여 포인트 클라우드 비디오 인코딩(Point cloud video encoding)을 수행하여 포인트 클라우드 비디오 비트스트림(Eb)들을 출력할 수 있다. 전송 장치의 포인트 클라우드 비디오 인코딩은 도 1 내지 도 13에서 설명한 포인트 클라우드 비디오 인코딩(예를 들면 도 4의 포인트 클라우드 비디오 인코더의 인코딩 등)과 동일 또는 유사하므로 구체적인 설명은 생략한다.
전송 장치는 생성된 오디오 비트스트림들 및 비디오 비트스트림들을 파일 및/또는 세그먼트로 인캡슐레이션(File/segment encapsulation)할 수 있다. 인캡슐레이션된 파일 및/또는 세그먼트(Fs, File)은 ISOBMFF 등의 파일 포맷의 파일 또는 DASH(dynamic adaptive streaming over HTTP) 세그먼트를 포함할 수 있다. 실시예들에 따른 포인트 클라우드 관련 메타 데이터(metadata)는 인캡슐레이션된 파일 포맷 및/또는 세그먼트에 포함될 수 있다. 메타 데이터는 ISOBMFF (ISO International Standards Organization Base Media File Format) 파일 포맷 상의 다양한 레벨의 박스(box)에 포함되거나 파일 내에서 별도의 트랙에 포함될 수 있다. 실시예에 따라 전송 장치는 메타데이터 자체를 별도의 파일로 인캡슐레이션할 수 있다. 실시예들에 따른 전송 장치는 인캡슐레이션 된 파일 포맷 및/또는 세그먼트를 네트워크를 통해 전송(delivery)할 수 있다. 전송 장치의 인캡슐레이션 및 전송 처리 방법은 도 1 내지 도 13에서 설명한 바 (예를 들면 트랜스미터(10003), 도 2의 전송 단계(20002) 등)와 동일하므로 구체적인 설명은 생략한다.
도 14의 하단은 도 1 내지 도 13에서 설명한 수신 장치(예를 들면 수신 장치(10004), 도 13의 수신 장치 등)가 포인트 클라우드 콘텐트를 처리 및 출력하는 과정을 나타낸다.
실시예들에 따라 수신 장치는 최종 오디오 데이터 및 최종 비디오 데이터를 출력하는 디바이스 (예를 들면 스피커(Loudspeakers), 헤드폰들(headphones), 디스플레이(Display))와 포인트 클라우드 콘텐트를 처리하는 포인트 클라우드 플레이어(Point Cloud Player)를 포함할 수 있다. 최종 데이터 출력 디바이스 및 포인트 클라우드 플레이어는 별도의 물리적인 디바이스들로 구성될 수 있다. 실시예들에 따른 포인트 클라우드 플레이어는 G-PCC(Geometry-based Point Cloud Compression) 코딩 및/또는 V-PCC(Video based Point Cloud Compression) 코딩 및/또는 차세대 코딩을 수행할 수 있다.
실시예들에 따른 수신 장치는 수신한 데이터(예를 들면 방송 신호, 네트워크를 통해 전송되는 신호 등)에 포함된 파일 및/또는 세그먼트(F',Fs')를 확보하고 디캡슐레이션(File/segment decapsulation)할 수 있다. 수신 장치의 수신 및 디캡슐레이션 방법은 도 1 내지 도 13에서 설명한 바(예를 들면 리시버(10005), 수신부(13000), 수신 처리부(13001)등)와 동일하므로 구체적인 설명은 생략한다.
실시예들에 따른 수신 장치는 파일 및/또는 세그먼트에 포함된 오디오 비트스트림(E'a) 및 비디오 비트스트림(E'v)를 확보한다. 도면에 도시된 바와 같이 수신 장치는 오디오 비트스트림에 대해 오디오 디코딩(audio decoding)을 수행하여 디코딩된 오디오 데이터(B'a)를 출력하고, 디코딩된 오디오 데이터를 렌더링(audio rendering)하여 최종 오디오 데이터(A'a)를 스피커 또는 헤드폰 등을 통해 출력한다.
또한 수신 장치는 비디오 비트스트림(E'v)에 대해 포인트 클라우드 비디오 디코딩(point cloud video decoding)을 수행하여 디코딩된 비디오 데이터(B'v)를 출력한다. 실시예들에 따른 포인트 클라우드 비디오 디코딩은 도 1 내지 도 13에서 설명한 포인트 클라우드 비디오 디코딩과 동일 또는 유사하므로 (예를 들면 도11의 포인트 클라우드 비디오 디코더의 디코딩 등) 구체적인 설명은 생략한다. 수신 장치는 디코딩된 비디오 데이터를 렌더링(rendering)하여 최종 비디오 데이터를 디스플레이를 통해 출력할 수 있다.
실시예들에 따른 수신 장치는 함께 전송된 메타데이터를 기반으로 디캡슐레이션, 오디오 디코딩, 오디오 렌더링, 포인트 클라우드 비디오 디코딩 및 렌더링 동작 중 적어도 어느 하나 이상을 수행할 수 있다. 메타데이터에 대한 설명은 도 12 내지 도 13에서 설명한 바와 동일하므로 생략한다.
도면에 도시된 점선과 같이, 실시예들에 따른 수신 장치(예를 들면 포인트 클라우드 플레이어 또는 포인트 클라우드 플레어 내의 센싱/트랙킹부(sensing/tracking))는 피드백 정보(orientation, viewport)를 생성할 수 있다. 실시예들에 따른 피드백 정보는 수신 장치의 디캡슐레이션, 포인트 클라우드 비디오 디코딩 과정 및/또는 렌더링 과정에서 사용될 수도 있고, 송신 장치로 전달 될 수도 있다. 피드백 정보에 대한 설명은 도 1 내지 도 13에서 설명한 바와 동일하므로 생략한다.
도 15는 실시예들에 따른 전송 장치의 예시를 나타낸다.
도 15의 전송 장치는 포인트 클라우드 콘텐트를 전송하는 장치로서, 도 1 내지 도 14에서 설명한 전송 장치(예를 들면 도 1의 전송 장치(10000), 도 4의 포인트 클라우드 비디오 인코더, 도 12의 전송 장치, 도 14의 전송 장치 등)의 예시에 해당한다. 따라서 도 15의 전송 장치는 도 1 내지 도 14에서 설명한 전송 장치의 동작과 동일 또는 유사한 동작을 수행한다.
실시예들에 따른 전송 장치는 포인트 클라우드 획득(point cloud acquisition), 포인트 클라우드 비디오 인코딩(point cloud video encoding), 파일/세그먼트 인캡슐레이션(file/segement encapsulation) 및 전송(delivery) 중 적어도 하나 또는 그 이상을 수행할 수 있다.
도면에 도시된 포인트 클라우드 획득 및 전송 동작은 도 1 내지 도 14에서 설명한 바와 동일하므로 구체적인 설명은 생략한다.
도 1 내지 도 14에서 설명한 바와 같이 실시예들에 따른 전송 장치는 지오메트리 인코딩 및 어트리뷰트 인코딩을 수행할 수 있다. 실시예들에 따른 지오메트리 인코딩은 지오메트리 컴프레션(geometry compression)이라 호칭될 수 있으며 어트리뷰트 인코딩은 어트리뷰트 컴프레션(attribute compression)이라 호칭될 수 있다. 상술한 바와 같이 하나의 포인트는 하나의 지오메트리와 하나 또는 그 이상의 어트리뷰트들을 가질 수 있다. 따라서 전송 장치는 각 어트리뷰트에 대하여 어트리뷰트 인코딩을 수행한다. 도면은 전송 장치가 하나 또는 그 이상의 어트리뷰트 컴프레션들(attribute #1 compression, …attribute #N compression)을 수행한 예시를 나타낸다. 또한 실시예들에 따른 전송 장치는 추가 컴프레션(auxiliary compression)을 수행할 수 있다. 추가 컴프레션은 메타데이터(metadata)에 대해 수행된다. 메타 데이터에 대한 설명은 도 1 내지 도 14에서 설명한 바와 동일하므로 생략한다. 또한 전송 장치는 메쉬 데이터 컴프레션(Mesh data compression)을 수행할 수 있다. 실시예들에 따른 메쉬 데이터 컴프레션은 도 1 내지 도 14에서 설명한 트라이숩 지오메트리 인코딩을 포함할 수 있다.
실시예들에 따른 전송 장치는 포인트 클라우드 비디오 인코딩에 따라 출력된 비트스트림들(예를 들면 포인트 클라우드 스트림들)을 파일 및/또는 세그먼트로 인캡슐레이션 할 수 있다. 실시예들에 따라 전송 장치는 메타 데이터 외의 데이터(예를 들면 미디어 데이터)를 운반하는 미디어 트랙 인캡슐레이션(media track encapsulation)을 수행하고, 메타 데이터를 운반하는 메타데이터 트랙 인캡슐레이션(metadata tracak encapsulation)을 수행할 수 있다. 실시예들에 따라 메타데이터는 미디어 트랙으로 인캡슐레이션 될 수 있다.
도 1 내지 도 14에서 설명한 바와 같이 전송 장치는 수신 장치로부터 피드백 정보(오리엔테이션/뷰포트 메타 데이터)를 수신하고, 수신한 피드백 정보를 기반으로 포인트 클라우드 비디오 인코딩, 파일/세그먼트 인캡슐레이션 및 전송 동작 중 적어도 어느 하나 이상을 수행할 수 있다. 구체적인 설명은 도 1 내지 도 14에서 설명한 바와 동일하므로 생략한다.
도16은 실시예들에 따른 수신 장치의 예시를 나타낸다.
도 16의 수신 장치는 포인트 클라우드 콘텐트를 수신하는 장치로서, 도 1 내지 도 14에서 설명한 수신 장치(예를 들면 도 1의 수신 장치(10004), 도 11의 포인트 클라우드 비디오 디코더, 도 13의 수신 장치, 도 14의 수신 장치 등)의 예시에 해당한다. 따라서 도 16의 수신 장치는 도 1 내지 도 14에서 설명한 수신 장치의 동작과 동일 또는 유사한 동작을 수행한다. 또한 도 16의 수신 장치는 도 15의 전송 장치에서 전송한 신호 등을 받고, 도 15의 전송 장치의 동작의 역과정을 수행할 수 있다.
실시예들에 따른 수신 장치는 딜리버리 (delivery), 파일/세그먼트 디캡슐레이션(file/segement decapsulation), 포인트 클라우드 비디오 디코딩(point cloud video decoding) 및 포인트 클라우드 렌더링(point cloud rendering) 중 적어도 하나 또는 그 이상을 수행할 수 있다.
도면에 도시된 포인트 클라우드 수신 및 포인트 클라우드 렌더링 동작은 도 1 내지 도 14에서 설명한 바와 동일하므로 구체적인 설명은 생략한다.
도 1 내지 도 14에서 설명한 바와 같이 실시예들에 따른 수신 장치는 네트워크 또는 저장 장치로터 획득한 파일 및/또는 세그먼트에 대해 디캡슐레이션을 수행한다. 실시예들에 따라 수신 장치는 메타 데이터 외의 데이터(예를 들면 미디어 데이터)를 운반하는 미디어 트랙 디캡슐레이션(media track decapsulation)을 수행하고, 메타 데이터를 운반하는 메타데이터 트랙 디캡슐레이션(metadata tracak decapsulation)을 수행할 수 있다. 실시예들에 따라 메타데이터가 미디어 트랙으로 인캡슐레이션 된 경우, 메타 데이터 트랙 디캡슐레이션은 생략된다.
도 1 내지 도 14에서 설명한 바와 같이 수신 장치는 디캡슐레이션을 통해 확보한 비트스트림(예를 들면 포인트 클라우드 스트림들)에 대하여 지오메트리 디코딩 및 어트리뷰트 디코딩을 수행할 수 있다. 실시예들에 따른 지오메트리 디코딩은 지오메트리 디컴프레션(geometry decompression)이라 호칭될 수 있으며 어트리뷰트 디코딩은 어트리뷰트 디컴프레션(attribute decompression)이라 호칭될 수 있다. 상술한 바와 같이 송신 장치에서 하나의 포인트는 하나의 지오메트리와 하나 또는 그 이상의 어트리뷰트들을 가질 수 있으며 각각 인코딩된다. 따라서 수신 장치는 각 어트리뷰트에 대하여 어트리뷰트 디코딩을 수행한다. 도면은 수신 장치가 하나 또는 그 이상의 어트리뷰트 디컴프레션들(attribute #1 decompression, …attribute #N decompression)을 수행한 예시를 나타낸다. 또한 실시예들에 따른 수신 장치는 추가 디컴프레션(auxiliary decompression)을 수행할 수 있다. 추가 디컴프레션은 메타데이터(metadata)에 대해 수행된다. 메타 데이터에 대한 설명은 도 1 내지 도 14에서 설명한 바와 동일하므로 생략한다. 또한 수신 장치는 메쉬 데이터 디컴프레션(Mesh data decompression)을 수행할 수 있다. 실시예들에 따른 메쉬 데이터 디컴프레션은 도 1 내지 도 14에서 설명한 트라이숩 지오메트리 디코딩을 포함할 수 있다. 실시예들에 따른 수신 장치는 포인트 클라우드 비디오 디코딩에 따라 출력된 포인트 클라우드 데이터를 렌더링 할 수 있다.
도 1 내지 도 14에서 설명한 바와 같이 수신 장치는 별도의 센싱/트랙킹 엘레멘트등을 이용하여 오리엔테이션/뷰포트 메타 데이터를 확보하고, 이를 포함하는 피드백 정보를 전송 장치(예를 들면 도 15의 전송 장치)로 전송할 수 있다. 또한 수신 장치는 피드백 정보를 기반으로 수신 동작, 파일/세그먼트 디캡슐레이션 및 포인트 클라우드 비디오 디코딩 중 적어도 어느 하나 이상을 수행할 수 있다. 구체적인 설명은 도 1 내지 도 14에서 설명한 바와 동일하므로 생략한다.
도 17은 실시예들에 따른 포인트 클라우드 데이터 송수신 방법/장치와 연동 가능한 구조의 예시를 나타낸다.
도 17의 구조는 서버(1760), 로봇(1710), 자율 주행 차량(1720), XR 장치(1730), 스마트폰(1740), 가전(1750) 및/또는 HMD(Head-Mount Display, 1770) 중에서 적어도 하나 이상이 클라우드 네트워크(1710)와 연결된 구성을 나타낸다. 로봇(1710), 자율 주행 차량(1720), XR 장치(1730), 스마트폰(1740) 또는 가전(1750) 등은 장치라 호칭된다. 또한, XR 장치(1730)는 실시예들에 따른 포인트 클라우드 압축 데이터 (PCC) 장치에 대응되거나 PCC장치와 연동될 수 있다.
클라우드 네트워크(1700)는 클라우드 컴퓨팅 인프라의 일부를 구성하거나 클라우드 컴퓨팅 인프라 안에 존재하는 네트워크를 의미할 수 있다. 여기서, 클라우드 네트워크(1700)는 3G 네트워크, 4G 또는 LTE(Long Term Evolution) 네트워크 또는 5G 네트워크 등을 이용하여 구성될 수 있다.
서버(1760)는 로봇(1710), 자율 주행 차량(1720), XR 장치(1730), 스마트폰(1740), 가전(1750) 및/또는 HMD(1770) 중에서 적어도 하나 이상과 클라우드 네트워크(1700)을 통하여 연결되고, 연결된 장치들(1710 내지 1770)의 프로세싱을 적어도 일부를 도울 수 있다.
HMD (Head-Mount Display)(1770)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(1710 내지 1750)의 다양한 실시 예들을 설명한다. 여기서, 도 17에 도시된 장치(1710 내지 1750)는 상술한 실시예들에 따른 포인트 클라우드 데이터 송수신 장치와 연동/결합될 수 있다.
<PCC+XR>
XR/PCC 장치(1730)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(1730)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(1730)는 인식된 물체에 대한 추가 정보를 포함하는 XR 객체를 해당 인식된 물체에 대응시켜 출력할 수 있다.
<PCC+자율주행+XR>
자율 주행 차량(1720)은 PCC 기술 및 XR 기술이 적용되어, 이동형 로봇, 차량, 무인 비행체 등으로 구현될 수 있다.
XR/PCC 기술이 적용된 자율 주행 차량(1720)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(1720)은 XR 장치(1730)와 구분되며 서로 연동될 수 있다.
XR/PCC영상을 제공하는 수단을 구비한 자율 주행 차량(1720)은 카메라를 포함하는 센서들로부터 센서 정보를 획득하고, 획득한 센서 정보에 기초하여 생성된 XR/PCC 영상을 출력할 수 있다. 예컨대, 자율 주행 차량(1720)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 명세서의 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 압축 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.
한편, 전술한 바와 같이 전송 디바이스에서 포인트 클라우드의 어트리뷰트를 압축하기 위하여 RAHT 변환을 사용하거나, LOD기반의 예측 변환을 사용하거나, 리프팅 변환을 사용하거나, RAHT/LOD/Lifting 조합에 따른 방식을 사용할 수 있음을 설명하였다.
아래 수학식 5는 RAHT의 기본 수식으로 레벨 l(level l)의 x축 방향 인접 계수를 변환함수 T를 이용하여 l-1 레벨 계수로 변환하는 과정을 나타내고 있다.
[수학식 5]
수학식 5에서 변환 함수 T의 계수는 g_l을 생성하는데 사용된 리프 노드(leaf node)의 수를 나타낸다. 리프 노드 레벨(leaf node level)의 경우, 각 노드의 오큐판시를 나타낸다. 이때 가중치(weight) 함수가 지오메트리 오큐판시정보를 기반으로 구성되기 때문에, 송신측에서는 지오메트리가 인코딩된 후 어트리뷰트가 인코딩되고, 수신측에서도 지오메트리가 디코딩된 후 어트리뷰트가 디코딩되는 단점이 생긴다. 이는 고속 처리를 요구하는 시스템에서 지연(delay)이 발생할 수 있는 요인이 된다. 또한 연산 과정에서 부동소수점 연산(square root로의 나눗셈 등)으로 인해 연산의 복잡도가 증가하는 문제가 발생하게 된다.
그리고 LOD 기반의 예측 변환 및 리프팅 변환의 경우, 포인트의 거리에 따라 LOD를 생성하여 순차적으로 어트리뷰트를 인코딩하는데, 이때 이웃 포인트들을 찾기 위한 과정이 선행되어야 한다. LOD 기반의 예측 변환 및 리프팅 변환의 경우, occupied된 리프 노드의 어트리뷰트 정보를 서로 다른 기준 거리로 샘플링된 노드들의 집합으로서 이웃(neighbor)을 정의한다. 도 9를 예로 들면, LOD0는 LOD1에 비해 노드 간 거리가 더 긴 노드들의 집합이다. 즉, LOD0는 포인트간의 거리가 가장 큰 포인트로 구성된 집합이다. 그리고 LOD1에 속하는 특정 노드(예, P3)를 예측할 때, LOD0의 노드들 중 이웃에 있는 노드들(예, P2, P4)을 P3 노드의 예측에 사용한다. 따라서 각 어트리뷰트의 예측을 위해 LOD 를 구하는 과정 및 이웃의 노드들을 찾는 과정이 선행되어야 하는데 이 과정들은 복잡도가 크고 수행 시간이 오래 걸리는 단점이 있다. 이것은 고속 처리를 요구하는 시스템에서 지연(delay)이 발생하는 요인이 될 수 있다.
따라서 본 명세서는 지오메트리 상에서 구조적으로 인접한 어트리뷰트 간 유사성을 어트리뷰트 예측에 이용함으로써, 어트리뷰트 예측 성능을 향상시킬 수 있는 장치 및 방법을 제안한다.
본 명세서는 옥트리 구조를 기반으로 이웃 노드들을 검색하여 어트리뷰트 예측에 이용함으로써, 어트리뷰트 예측 성능을 향상시키는 장치 및 방법을 제안한다. 즉, 예측된(predicted) 어트리뷰트에 대해 지오메트리 구조에서 연관성이 높은 어트리뷰트 간의 유사성이 효과적으로 제거된다. 특히, RAHT 변환, LOD 기반의 예측 변환, 리프팅 변환을 사용하여 어트리뷰트를 압축하는 경우보다 연산 복잡도를 줄일 수 있고 지오메트리 디코딩에 대한 의존성을 줄일 수 있어서 디코딩 속도가 빨라지게 된다.
도 18은 본 명세서에 따른 포인트 클라우드 비디오 인코더의 다른 실시예를 나타낸다. 즉, 도 18은 도 4의 포인트 클라우드 비디오 인코더의 다른 실시예로서, 옥트리 기반 어트리뷰트 압축부(40013)를 더 포함하고 있다. 옥트리 기반 어트리뷰트 압축부(40013)란 용어는 본 명세서의 이해를 돕기 위해 사용된 일 실시예일 뿐이며, 그 용어는 당업자에 의해 용이하게 변경될 수 있으므로 그 용어는 동등한 의미의 범위 내에서 다른 용어로 지칭될 수 있으며, 이 또한 본 발명의 범위에 속한다.
도 18의 포인트 클라우드 비디오 인코더의 각 구성요소는 하드웨어, 소프트웨어, 프로세서 및/또는 그것들의 조합 등에 의해 수행될 수 있다.
도 18을 구성하는 각 블록에 대한 설명 중 설명되지 않은 부분은 도 4의 동일한 부호를 갖는 블록의 설명을 원용하기로 한다.
도 18의 포인트 클라우드 비디오 인코더도 도 1의 포인트 클라우드 비디오 획득부(10001)에서 획득된 포인트 클라우드 데이터(또는 포인트 클라우드 비디오 데이터라 함)를 입력받아 인코딩하는 것을 일 실시예로 한다. 포인트 클라우드 데이터는 포인트들로 이루어지며, 각 포인트는 지오메트리(즉, 포지션) 정보와 어트리뷰트 정보로 구성된다.
실시예들에 따른 지오메트리 정보는 2차원 직교 좌표계의 (x, y) 또는 원통 좌표계의 ( 
, 
) 또는 3차원 공간에서의 직교 좌표계의 (x, y, z) 또는 원통 좌표계의 ( 
, 
, z), 구면 좌표계의 ( 
, 
, 
) 좌표 벡터 일 수 있다. 실시예들에 따른 어트리뷰트 정보는 포인트의 색을 나타내는 벡터 (R,G,B) 또는/그리고 밝기 값 또는/그리고 라이다의 반사계수 또는/그리고 열화상 카메라로부터 얻은 온도 값과 같이 하나 또는 다수개의 센서로부터 획득한 값의 벡터일 수 있다.
도 18의 포인트 클라우드 비디오 인코더는 입력되는 포인트 클라우드 데이터를 적어도 하나의 3차원 블록으로 공간 분할하는 공간 분할부(도시되지 않음)를 더 포함할 수 있다. 이때, 상기 3차원 블록은 타일 그룹(Tile Group) 또는 타일(Tile) 또는 슬라이스(Slice) 또는 부호화 단위(CU), 예측 단위(PU) 또는 변환 단위(TU)를 의미할 수 있다. 공간 분할을 위한 정보는 엔트로피 인코딩되어 수신측으로 전송되는 것을 일 실시예로 한다. 상기 엔트로피 인코딩은 전송을 위한 비트 단위의 데이터로 변환하는 코딩 방법이다.
실시예들에 따른 공간 분할부에서 공간 분할된 적어도 하나의 3차원 블록의 포지션들은 좌표계 변환부(40000)로 출력되고, 어트리뷰트 정보(또는 어트리뷰트들이라 함)는 컬러 변환부(40006)로 출력된다.
실시예들에 따른 좌표계 변환부(40000)는 포지션들을 입력받아 좌표계를 변환할 수 있다. 즉, 좌표계 변환부(40000)는 기존 좌표계를 다른 좌표계로 변환할 수 있다. 예를 들어, 포지션들이 3차원 (XYZ) 위치 정보로 변환될 수 있다. 또는 좌표계 변환부(40000)는 좌표계 변환을 수행하지 않을 수 있다. 좌표계 변환부(40000)의 출력을 지오메트리 정보라 하기로 한다.
좌표계 변환부(40000)의 좌표계 변환 여부 및 좌표계 정보는 시퀀스, 프레임, 타일, 슬라이스, 블록 등의 단위로 시그널링되어 지오메트리 비트스트림에 포함되어 전송될 수도 있고 별도의 비트스트림으로 전송될 수도 있다. 또한 수신 디바이스에서 주변 블록의 좌표계 변환 여부, 블록의 크기, 포인트의 개수, 양자화 값, 블록 분할 깊이, 단위의 위치, 단위와 원점과의 거리 등을 사용하여 유도되는 것을 일 실시예로 한다.
실시예들에 따른 좌표계 변환부(40000)에서 출력되는 지오메트리 정보는 양자화부(40001)에서 양자화된다. 또한 상기 양자화부(40001)는 양자화된 지오메트리 정보를 기반으로 복셀화(voxelization)를 수행하여, 포인트 클라우드 데이터의 각 포인트들을 재구성한다. 복셀화는 3차원 공간 상의 위치 정보를 표현하는 최소한의 유닛을 의미한다.
본 명세서에서는 3차원에 존재하는 포인트들의 정보를 저장하기 위하여 3차원 공간을 각각의 축(x, y, z축)을 기반으로 유닛(unit=1.0)이 되도록 나누어 생기는 3차원 큐빅(cubic) 공간을 복셀(voxel)이라고 한다. 그리고 3차원 공간 상에 존재하는 포인트를 특정 복셀로 매칭하는 과정을 복셀화 한다고 한다. 복셀은 복셀군(voxel group)과의 위치 관계에서 상기 복셀에 포함되는 적어도 하나의 포인트의 위치 정보(즉, 공간 좌표)를 추정 할 수 있으며, 상기 적어도 하나의 포인트의 어트리뷰트 정보(예를 들어 색상 또는 반사율 정보)를 가지고 있을 수 있다.
즉, 하나의 복셀에 하나의 포인트만 포함되지 않을 수 있다. 예를 들어, 하나의 복셀에 복수개의 포인트들이 포함된다고 가정할 경우, 하나의 복셀에 복수개의 포인트 관련 정보가 존재할 수도 있고, 또는 하나의 포인트 정보로 통합해서 존재할 수도 있다. 이러한 조절은 선택적으로 수행될 수 있다. 하나의 복셀에 하나의 포인트 정보로 표현되는 경우(즉, 위의 예에서 후자), 복셀 내에 존재하는 포인트들에 대한 위치 값을 기반으로 복셀의 중앙점의 위치 값이 설정되는 것을 일 실시예로 한다.
실시예들에 따른 옥트리 분석부(40002)는 상기 양자화부(40001)에서 출력되는 복셀을 기반으로 옥트리를 구성(또는 생성)한다.
일 실시예로, 3차원 이미지의 공간을 x축, y축, z축 기반으로 분할하면 8개의 공간이 생기고, 8개의 각각의 공간을 다시 x축, y축, z축 기반으로 분할하면 다시 각각의 작은 공간에 대해서 8개의 공간이 생기게 된다. 이와 같이 옥트리는 레이어 트리(layer tree) 구조를 가지며, 상위 레이어인 부모 노드(parent node)가 하위 레이어인 8개의 자식 노드(child node)와 연결된 구조이다. 즉, 공간적으로는 상위 노드가 관할하는 3차원 공간을 x, y, z 방향으로 각각 양분하여 총 8개의 동일한 크기의 공간을 자식 노드가 관할한다.
이때 같은 레이어에 속하는 노드는 같은 레벨 값을 가지며, 자식 노드는 부모 노드에 비해 1이 증가된 레벨 값을 갖는다. 그리고 자식 노드의 레벨이 증가할 때마다 한 개의 부모 노드에 대하여 자식 노드가 8개씩 생성된다.
옥트리의 최상부 레이어에 속하는 노드는 루트 노드(또는 헤드 노드)라 칭하고, 가장 하부 레이어에 속하는 노드는 리프 노드(leaf node)라 칭한다.
도 6을 예로 들 경우, 최상부 레이어(즉, 루트 노드)의 레벨 값은 1 (즉, 깊이 0)이고 그 다음 레이어(즉, 2컬럼)의 8개의 노드들의 레벨 값은 2(즉, 깊이 1)이며, 그 다음 레이어(즉, 3컬럼)의 16개의 노드들의 레벨 값은 3(즉, 깊이 2)이다.
그리고 옥트리의 분할은 목표 레벨(destination level) 값만큼 또는 리프 노드가 복셀이 될때까지 진행된다. 즉, 옥트리를 사용하여 포인트들의 위치가 반영된 복셀을 관리하기 때문에 옥트리의 전체 볼륨은 (0,0,0) ~ (2 d, 2 d, 2 d)로 설정 되어야 한다. 2 d는 포인트 클라우드 비디오의 전체 포인트를 감싸는 가장 작은 바운딩 박스를 구성하는 값으로 설정되고, d는 옥트리의 깊이(depth)가 된다.
이때 옥트리의 각 노드는 오큐판시 코드로 표현될 수 있다. 예를 들어, 특정 노드 내에 포인트가 포함되어 있으면 1로, 포인트가 없으면 0으로 표현 된다. 각 노드는 8개의 자식 노드에 대한 오큐판시 여부를 나타내는 8bit의 비트맵(bitmap)을 가지고 있다.
일 실시예로, 오큐판시 코드 값이 0인 노드는 더 이상 8개의 노드들로 분할되지 않는다. 도 6을 예로 들 경우, 레벨 2(즉, 깊이 1)의 8개의 노드들 중 occupancy 코드 값이 1인 2개의 노드들만 다시 분할되어 각각 8개의 자식 노드들이 생성된다. 이렇게 함으로써, 불필요한 데이터를 제거할 수 있다.
실시예들에 따른 옥트리 분석부(40002)에서 생성된 옥트리는 서페이스 어프록시메이션 분석부(40003), 아리스메틱 인코딩부(40004), 지오메트리 리컨스트럭션부(40005) 및/또는 옥트리 기반 어트리뷰트 압축부(40013)로 출력된다.
상기 서페이스 어프록시메이션 분석부(40003)는 입력되는 옥트리를 분석하고 근사화한 후 아리스메틱 인코딩부(40004)와 지오메트리 리컨스트럭션부(40005)로 출력된다.
즉, 지오메트리 정보가 양자화부(40001), 옥트리 분석부(40002), 및/또는 서페이스 어프록시메이션 분석부(40003)를 거치면서 압축된다.
상기 아리스메틱 인코딩부(40004)는 상기 옥트리 분석부(40002)에서 출력되는 옥트리 또는 상기 서페이스 어프록시메이션 분석부(40003)에서 근사화된 옥트리를 엔트로피 인코딩하여 지오메트리 비트스트림으로 출력한다. 더욱 상세하게는, 상기 아리스메틱 인코딩부(40004)는 상기 옥트리 분석부(40002)에서 생성된 옥트리의 리프 노드의 각 노드의 오큐판시 코드 또는 상기 서페이스 어프록시메이션 분석부(40003)에서 근사화된 옥트리의 리프 노드의 각 노드의 오큐판시 코드를 엔트로피 인코딩한다. 이때 상기 아리스메틱 인코딩부(40004)는 오큐판시 코드를 바로 인코딩 할 수도 있고, 압축 효율을 높이기 위해 인트라/인터 코딩한 후 엔트로피 인코딩할 수도 있다. 수신기는 상기 오큐판시 코드를 통해서 옥트리를 재구성할 수 있다.
실시예들에 따른 엔트로피 인코딩은 예를 들어, 지수 골롬(Exponential Golomb), CAVLC(Context-Adaptive Variable Length Coding), CABAC(Context-Adaptive Binary Arithmetic Coding)과 같은 다양한 인코딩 방법을 사용할 수 있다.
상기 지오메트리 리컨스트럭션부(40005)는 상기 옥트리 분석부(40002)에서 생성된 옥트리 및/또는 상기 서페이스 어프록시메이션 분석부(40003)에서 근사화된 옥트리를 입력 받아 지오메트리 정보를 재구성한다. 즉, 상기 지오메트리 리컨스트럭션부(40005)는 포인트들의 분포를 분석한 결과에 기반하여 옥트리/복셀을 재구성한다.
상기 지오메트릭 리컨스트럭션부(40005)에서 재구성된 지오메트리 정보는 어트리뷰트 인코더의 어트리뷰트 변환부(40007) 및/또는 RAHT 변환부(4008), LOD 생성부(40009)로 출력된다.
본 명세서는 상기 옥트리 분석부(40002)에서 생성된 옥트리 및/또는 상기 지오메트릭 리컨스트럭션부(40005)에서 재구성된 옥트리가 상기 옥트리 기반 어트리뷰트 압축부(40013)로 출력되는 것을 일 실시예로 한다. 상기 옥트리 기반 어트리뷰트 압축부(40013)의 상세 설명은 뒤에서 하기로 한다.
상기 컬러 변환부(40006)는 입력되는 어트리뷰트 정보 중 컬러를 변환할 수 있다. 예를 들어, 입력된 어트리뷰트 정보가 RGB 포맷의 컬러 정보를 포함하고 있다면, YCbCr 포맷의 컬러 정보로 변환할 수 있다. 상기 컬러 변환부(40006)에서 컬러 정보는 변환될 수도 있고, 변환되지 않을 수도 있다. 실시예들에 따른 컬러 변환부(40006)의 컬러 변환은 포인트 클라우드 어트리뷰트 코딩 방식 중의 하나이다.
상기 어트리뷰트 변환부(40007)는 포지션들 및/또는 상기 지오메트리 리컨스트럭션부(40005)에서 재구성된 지오메트리 정보와 상기 컬러 변환부(40006)에서 출력되는 어트리뷰트 정보를 맵핑하여 상기 어트리뷰트 정보를 재구성할 수 있다. 예를 들어, 상기 어트리뷰트 변환부(40007)는 복셀에 포함된 포인트의 위치 값을 기반으로 그 위치의 포인트가 가지는 어트리뷰트의 값을 변환할 수 있다. 실시예들에 따른 어트리뷰트 변환부(40007)의 어트리뷰트 변환은 포인트 클라우드 어트리뷰트 코딩 방식 중의 하나이다.
즉, 실시예들에 따른 양자화부(40001)에서 생성된 특정 복셀에 복수개의 포인트들이 포함되지만, 포인트 정보는 하나의 포인트 정보로 통합되어 표현될 수 있다. 그리고, 그 복셀 내에 포함되는 포인트들에 대한 위치 값을 기반으로 그 복셀의 중앙 포인트의 위치 값이 설정될 수 있다. 이 경우, 실시예들에 따른 어트리뷰트 변환부(40007)는 이와 연관된 어트리뷰트 변환을 수행한다. 일 실시예로, 어트리뷰트 변환부(40007)는 그 복셀에 포함된 포인트들의 색상 또는 반사율의 평균값 또는 그 복셀의 중앙 포인트의 위치 값과 특정 반경 내에 이웃하고 있는 포인트들의 색상 또는 반사율의 평균값으로 그 복셀의 어트리뷰트의 값을 조정할 수도 있다.
실시예들에 따른 어트리뷰트 변환부(40007)에서 재구성된 어트리뷰트 정보는 스위칭부(40014)의 스위칭에 의해 옥트리 기반 어트리뷰트 압축부(40013), RAHT 변환부(40008), 그리고 LOD 생성부(40009) 중 어느 하나로 제공된다. 본 명세서는 옥트리 기반 어트리뷰트 압축부(40013), RAHT 변환부(40008), 그리고 LOD 생성부(40009)/리프팅 변환부(40010) 중 적어도 하나를 포함하여 어트리뷰트 압축부라 칭하기로 한다. 일 예로, 실시예들에 따른 어트리뷰트 압축부는 옥트리 기반 어트리뷰트 압축부(40013)로만 구성될 수도 있고, 옥트리 기반 어트리뷰트 압축부(40013)와 RAHT 변환부(40008) 또는 옥트리 기반 어트리뷰트 압축부(40013)와 LOD 생성부(40009)/리프팅 변환부(40010)로 구성될 수도 있다. 또는 실시예들에 따른 어트리뷰트 압축부는 옥트리 기반 어트리뷰트 압축부(40013), RAHT 변환부(40008), 그리고 LOD 생성부(40009)/리프팅 변환부(40010)를 모두 포함하여 구성될 수도 있다.
실시예들에 따른 포인트 클라우드 어트리뷰트 코딩 방식은 옥트리 기반 어트리뷰트 압축을 사용하거나 RAHT 변환을 사용하거나, LOD생성 및 리프팅 변환을 사용하거나, 옥트리 기반 어트리뷰트 압축/RAHT/LOD/Lifting 조합에 따른 방식을 사용할 수 있다.
실시예들에 따른 RAHT 변환부(40008), LOD 생성부(40009), 리프팅 변환부(40010)의 상세한 설명은 도 4를 설명하면서 하였으므로 도 4의 설명을 참조하기로 하고, 여기서는 상세 설명을 생략하기로 한다.
실시예들에 따른 계수 양자화부(40011)는 상기 옥트리 기반 어트리뷰트 압축부(40013) 또는 상기 RAHT 변환부(40008) 또는 상기 LOD생성부(40009)/Lifting 변환부(40010)에서 코딩된 어트리뷰트 정보(또는 어트리뷰트 데이터라 함)를 양자화 계수에 기반하여 양자화한다. 실시예들에 따른 아리스메틱 인코딩부(40012)는 양자화된 어트리뷰트 정보를 엔트로피 인코딩하여 어트리뷰트 비트스트림으로 출력한다. 실시예들에 따른 엔트로피 인코딩은 예를 들어, 지수 골롬(Exponential Golomb), CAVLC(Context-Adaptive Variable Length Coding), CABAC(Context-Adaptive Binary Arithmetic Coding)과 같은 다양한 인코딩 방법을 사용할 수 있다.
전술한 바와 같이 포인트 클라우드 데이터의 어트리뷰트 정보를 압축하는 방법 중 하나가 어트리뷰트 정보간 중복 정보를 줄이는 방법이다.
실시예들에 따른 옥트리 기반 어트리뷰트 압축부(40013)는 지오메트리 인코더에서 생성된 옥트리 구조를 기반으로 인코드할 노드의 이웃 노드들을 검출하고, 검출된 이웃 노드들의 어트리뷰트 정보를 기반으로 어트리뷰트 정보를 예측한 후, 예측된 어트리뷰트 정보와 검출된 이웃 노드들의 어트리뷰트 정보를 이용하여 잔여 어트리뷰트 정보(residual attribute information)를 생성한다. 생성된 잔여 어트리뷰트 정보는 양자화된 후 예측된 어트리뷰트 정보와 함께 엔트로피 인코딩되어 수신측으로 전송된다. 이렇게 함으로써 어트리뷰트 정보 간 중복 정보를 줄일 수 있다. 잔여 어트리뷰트 정보는 예측 에러 어트리뷰트 정보와 동일 의미로 사용된다.
도 19는 실시예들에 따른 옥트리 기반 어트리뷰트 압축부(40013)의 상세 구성 블록도로서, 초기화부(initiate, 14001), 이웃 노드 검출부(neighbor node detection, 14002), 어트리뷰트 예측부(attribute prediction, 14003), 결정부(14004), 및 잔여 어트리뷰트 추정부(residual attribute estimation, 14005)를 포함할 수 있다.
도 20은 실시예들에 따른 옥트리 기반 어트리뷰트 압축부(40013)의 상세 흐름도로서, 초기화 단계(initiate, 14051), 이웃 노드 검출 단계(neighbor node detection, 14052), 어트리뷰트 예측 단계(attribute prediction, 14053), 결정 단계(14054, 14055), 및 잔여 어트리뷰트 추정 단계(residual attribute estimation, 14056)를 포함할 수 있다.
도 19는 옥트리 기반 어트리뷰트 압축부(40013)가 하드웨어로 구현되는 예를 보이고 있고, 도 20은 옥트리 기반 어트리뷰트 압축부(40013)가 소프트웨어로 구현되는 예를 보이고 있으나, 이것은 일 실시예이다. 본 명세서에서 옥트리 기반 어트리뷰트 압축부(40013)는 하드웨어, 소프트웨어, 프로세서, 및/또는 그것들의 결합으로 구현될 수 있다. 그러므로, 도 19와 도 20은 함께 설명하기로 한다.
도 19와 도 20의 옥트리 기반 어트리뷰트 압축부(40013)는 지오메트리 트리 구조에서 루트 노드로부터 리프 노드로 스플릿을 하는 재귀적인 특징을 어트리뷰트 코딩에 적용하여, 공간 유사성 기반 어트리뷰트 예측 방법을 재귀적으로 적용하는 것을 일 실시예로 한다.
본 명세서의 송신측에서 수행되는 재귀적 어트리뷰트 예측은 리프 노드로부터 루트 노드 방향으로 진행하는 것을 일 실시예로 한다.
본 명세서의 수신측에서 수행되는 재귀적 어트리뷰트 추정은 루트 노드에서 리프 노드 방향으로 진행하는 것을 일 실시예로 한다.
이는 일 실시예이며, 실시 방법 또는 목적에 따라 송신측에서 수행되는 재귀적 어트리뷰트 예측은 루트 노드로부터 리프 노드 방향으로, 수신측에서 수행되는 재귀적 어트리뷰트 추정은 리프 노드에서 루트 노드 방향으로 진행할 수도 있다.
도 19와 도 20에서, 대문자 N은 예측 레벨의 개수(num_pred_level)이고, 소문자 n은 예측 레벨인 것을 일 실시예로 한다. n 값이 0이면 최상위 레벨 즉, 루트 노드 레벨이고, 리프 노드 방향으로 n 값이 커지는 것을 일 실시예로 한다.
본 명세서는 리프 노드 레벨을 재귀적 어트리뷰트 예측의 시작 지점(pred_level_start)으로, 루프 노드 레벨을 재귀적 어트리뷰트 예측의 종료 지점(pred_level_end)으로 설정하는 것을 일 실시예로 한다. 이는 일 실시예이며, 실시 방법 또는 목적에 따라 시작 지점(pred_level_start) 또는 종료 지점(pred_level_end)이 바뀔 수 있다. 예를 들어, 재귀적 어트리뷰트 예측의 시작 지점이 리프 노드 레벨이 아닐 수도 있으며, 종료 지점이 루트 노드 레벨이 아닐 수도 있다.
도 19와 도 20에서, 초기화부(14001)는 상기 지오메트리 인코더의 옥트리 분석부(40002)에서 생성된 옥트리 구조 및/또는 지오메트리 리컨스트럭션부(40005)에서 재구성된 옥트리 구조를 입력받고, 상기 어트리뷰트 변환부(40007)에서 어트리뷰트 정보를 입력받아, 예측 레벨의 개수(N)를 초기화한다(단계 14051). 예를 들어, 도 21의 (a) 내지 (e)와 같이 재귀적 어트리뷰트 예측의 시작 지점이 리프 노드(또는 리프 노드 레벨)이고, 입력된 옥트리 구조가 3개의 레벨로 이루어진다고 가정하면, N은 3으로 초기화된다. 그리고 N -1값을 n 값으로 설정한다(n=N-1). 설정된 n 값과 어트리뷰트 정보는 이웃 노드 검출부(14002)로 출력된다.
상기 이웃 노드 검출부(14002)는 상기 지오메트리 인코더의 옥트리 분석부(40002)에서 생성된 옥트리 구조 및/또는 지오메트리 리컨스트럭션부(40005)에서 재구성된 옥트리 구조를 입력받고, 입력되는 옥트리 구조를 기반으로 리프 노드의 각 노드에 대해 예측에 이용할 이웃 노드들을 검출한다(단계 14052).
실시예들에 따르면, 이웃 노드 검출부(14002)는 동일 노드에서 스플릿된 노드 간의 위치 인접성에 기반하여 이웃 노드(neighbor node)를 검출할 수 있다.
즉, 옥트리 구조 상 동일 부모 노드 (또는 그 이상 레벨에서 동일 브랜치에 속한 노드)에 속한 자식 노드들은 기하적으로 인접한 노드들로 볼 수 있다. 본 명세서는 이러한 옥트리 구조로 인해 파생되는 기하학적 인접성을 어트리뷰트 예측에 이용한다. 즉, 옥트리 구조에서 같은 레이어에 속하는 노드는 같은 레벨 값을 가지며, 자식 노드는 부모 노드에 비해 1이 증가된 레벨 값을 갖는다. 그리고 자식 노드의 레벨이 증가할 때마다 한 개의 부모 노드에 대하여 자식 노드들이 8개씩 생성된다. 그러므로, 한 개의 부모 노드에 연결된 8개의 자식 노드들끼리 어트리뷰트의 유사성이 가장 높다고 가정할 수 있다.
예를 들어 도 21의 (a)와 같은 옥트리 구조를 사용하는 경우, 부모 노드(14011)에서 분할된 자식 노드들(14021)끼리 인접해있고, 부모 노드(14012)에서 분할된 자식 노드들(14022)끼리 인접해있다고 가정할 수 있다. 동일 부모 노드에서 분할된 하위 레벨의 자식 노드들은 도 21의 (b)와 같이 xyz 공간 상에서 각 축 방향으로 인접해있는 8개의 노드들을 나타낸다. 도 21의 (c)는 옥트리의 리프 노드 내 occupied 노드들에 해당 어트리뷰트 정보(c0, c5, c6, c7, c'1, c'4, c'5, c'6, c'7)가 매핑된 예를 보이고 있다. 즉, 옥트리의 리프 노드 내 occupied 노드들의 위치 정보에 상기 어트리뷰트 변환부(40007)에서 출력되는 해당 어트리뷰트 정보가 매핑된 예이다.
여기서, 리프 노드의 occupied 노드들의 위치 정보와 어트리뷰트 정보의 매핑은 초기화부(14001), 이웃 노드 검출부(14002), 어트리뷰트 예측부(14003) 중 어느 하나에서 수행될 수도 있다.
한편, 도 21의 (b)는 위의 실시예에서와 같이 이웃 노드의 한 변의 크기가 2인 경우, 2x2x2 블록을 나타낸 것이다. 만일 이웃 노드의 한변의 크기가 변하는 경우 수신측에서 알 수 있도록, 상기 이웃 노드의 크기 정보를 pred_node_size_log2_minus1 필드를 이용하여 시그널링하여 수신측으로 전송하는 것을 일 실시예로 한다.
실시예들에 따르면, 이웃 노드 검출부(14002)는 리프 노드의 각 노드에 대해 동일 부모 노드를 갖는 8개의 노드들 중 자신을 포함한 8개의 노드들을 이웃 노드들로 결정할 수 있다. 다른 실시예로, 이웃 노드 검출부(14002)는 리프 노드의 각 노드에 대해 동일 부모 노드를 갖는 8개의 노드들 중 자신을 제외한 나머지 7개의 노드들을 이웃 노드들로 결정할 수도 있다.
이웃 노드에 대한 정의는 어플리케이션, 영상 특성 등에 따라 인접 부모 노드의 묶음 (예를 들어, 그랜드페어런트 노드 단위)으로 적용 가능하며, 이웃 노드에 대한 정의에 따라 다음 단계의 예측 및 압축 성능이 달라질 수 있다.
상기 어트리뷰트 예측부(14003)는 리프 노드의 각 노드별로 검출된 이웃 노드들의 어트리뷰트 정보를 기반으로 각 노드의 어트리뷰트 정보를 예측한다(단계 14053). 즉, 옥트리 구조에서 검출된 이웃 노드들의 어트리뷰트 정보를 기반으로 포인트 클라우드 데이터의 어트리뷰트를 예측할 수 있다.
이때, 각 노드에 대한 예측된 어트리뷰트 정보(predicted attribute information, 또는 예측된 어트리뷰트 값 또는 예측된 어트리뷰트 데이터라 함)를 각각 구할 수도 있고, 또는 정보량을 줄이기 위해 이웃에 속한 노드들은 동일한 예측된 어트리뷰트 정보를 사용할 수도 있다.
본 명세서에서는 동일 부모 노드로부터 분할된 8개의 자식 노드들이 이웃에 속한 노드들이 되기 때문에, 동일 부모 노드에게서 분할된 8개의 자식 노드들에 대해 각 노드의 예측된 어트리뷰트 정보는 모두 동일한 값을 갖도록 하는 것을 일 실시예로 한다. 이 경우, 도 21의 (d)에서와 같이 2개의 예측된 어트리뷰트 정보(p2, p7)가 구해진다. 다시 말해, 리프 노드 레벨의 8개의 노드들(14021) 각각의 예측된 어트리뷰트 정보는 동일한 p2가 되고, 8개의 노드들(14022) 각각의 예측된 어트리뷰트 정보는 동일한 p7이 된다. 본 실시 예와 같이 이웃 노드가 동일한 예측된 어트리뷰트 값을 갖도록 정의하는 경우, 인코딩 시 필요한 계수의 수를 줄이고 코딩 효율을 증가시키는데 도움이 된다.
상기 어트리뷰트 예측부(14003)에서 예측된 어트리뷰트 정보는 다양한 타입의 어트리뷰트 예측 방법을 사용하여 정할 수 있다. 예를 들어, 이웃 노드들의 어트리뷰트들의 대표 값을 그 이웃 노드들에 대응하는 노드의 예측된 어트리뷰트 정보로 정할 수도 있고, 지역적인 특성을 대표하는 어트리뷰트 값을 그 이웃 노드들에 대응하는 노드의 예측된 어트리뷰트 정보로 정할 수도 있으며, 예측 에러를 최소화 하는 값을 연산/선택하여 그 이웃 노드들에 대응하는 노드의 예측된 어트리뷰트 정보로 정할 수도 있다.
아래의 수학식 6은 이웃 노드들의 어트리뷰트들의 평균 값을 그 이웃 노드들에 대응하는 노드의 예측된 어트리뷰트 정보로 사용하는 방법을 수식으로 나타낸 일 실시예이다. 수학식 6에서 N은 이웃(neighbor)에 속한 occupied 된 리프 노드의 수를 나타내며, [a/b]는 a를 b로 나누었을 때의 몫을 의미한다.
[수학식 6]
또 다른 예로, 이웃 노드들의 어트리뷰트들의 중간값을 그 이웃 노드들에 대응하는 노드의 예측된 어트리뷰트 정보로 사용할 수도 있고, 이웃 노드들 중 특정 위치의 노드의 어트리뷰트 값을 그 이웃 노드들에 대응하는 노드의 예측된 어트리뷰트 정보로 사용할 수도 있다. 또 다른 예로, 기하학적 거리 및/또는 어트리뷰트 유사도에 반비례 하는 등의 가중치 평균 등의 방법을 사용하여 예측된 어트리뷰트 정보로 사용할 수 있다. 따라서, 본 명세서는 수신측에서 어트리뷰트 예측 방법을 알 수 있도록, 상기 어트리뷰트 예측부(14003)에서 사용된 어트리뷰트 예측 타입을 pred_type 필드를 이용하여 시그널링하여 수신측으로 전송하는 것을 일 실시예로 한다.
상기 어트리뷰트 예측부(14003)에서 예측된 어트리뷰트 정보(p2, p7)는 결정부(14004)를 통해 잔여 어트리뷰트 추정부(14005)로 출력된다.
상기 결정부(14004)는 재귀적 어트리뷰트 예측의 종료 여부를 결정하기 위한 것으로서, 현재 n 값에서 1을 뺀 값을 n 값으로 설정한 후(n=n-1)(단계 14054), 이때의 n값이 0인지를 확인한다(단계 14055). 본 명세서는 루프 노드 레벨을 재귀적 어트리뷰트 예측의 종료 지점으로 설정한 것을 일 실시예로 하고 있으므로, n 값이 0이면 재귀적 어트리뷰트 예측을 종료하고 상기 어트리뷰트 예측부(14003)에서 예측된 어트리뷰트 정보를 계수 양자화부(40011)로 출력한다. 만일 n 값이 0보다 큰 값이라면 상기 어트리뷰트 예측부(14003)에서 예측된 어트리뷰트 정보는 계수 양자화부(40011)로 출력되지 않는다. 도 21을 예로 들면, 현재 n 값이 2이므로, 2에서 1을 빼면 n 값은 1이 된다. 그러므로, 상기 어트리뷰트 예측부(14003)에서 예측된 어트리뷰트 정보는 계수 양자화부(40011)로 출력되지 않는다.
상기 잔여 어트리뷰트 추정부(14005)는 상기 어트리뷰트 예측부(14003)에서 출력되는 예측된 어트리뷰트 정보를 기반으로 잔여 어트리뷰트 정보를 구하여 계수 양자화부(40011)로 출력한다(단계 14056). 상기 잔여 어트리뷰트 추정부(14005)는 재귀적 어트리뷰트 예측이 이루어지는 레벨마다 각 노드의 잔여 어트리뷰트 정보를 계수 양자화부(40011)로 출력한다.
위에서 현재 리프 노드를 실시예로 설명하고 있으므로, 상기 잔여 어트리뷰트 추정부(14005)는 상기 어트리뷰트 예측부(14003)에서 출력되는 예측된 어트리뷰트 정보를 기반으로 리프 노드의 잔여 어트리뷰트 정보를 도 21의 (d)와 같이 구한다(r0, r5, r6, r7, r'1, r'4, r'5, r'6, r'7). 상기 잔여 어트리뷰트 추정부(14005)는 리프 노드 내 해당 노드의 어트리뷰트 정보(즉 오리지날 어트리뷰트 정보)와 해당 노드의 예측된 어트리뷰트 정보와의 차이를 그 노드의 잔여 어트리뷰트 정보(또는 예측 에러 어트리뷰트 정보라 함)로 정하는 것을 일 실시예로 한다. 예를 들어, 부모 노드(14011)에서 스플릿된 자식 노드들(14021) 중 첫번째 자식 노드의 잔여 어트리뷰트 정보(r0)는 첫번째 노드의 오리지날 어트리뷰트 정보(c0)와 예측된 어트리뷰트 정보(p2)와의 차이로 구해진다. 이러한 과정을 리프 노드 내 occupied 노드들에 대해 각각 수행한다.
하기의 수학식 7은 잔여 어트리뷰트 정보를 구하는 방법의 일 실시예를 수식으로 나타낸 것이다. 수학식 7에서, r l (x,y,z)는 리프 노드 내 occupied 노드 l의 잔여 어트리뷰트 정보, c l (x,y,z)는 노드 l의 오리지날 어트리뷰트 정보, p l (x,y,z)는 노드 l의 예측된 어트리뷰트 정보이다.
[수학식 7]
이때 상기 잔여 어트리뷰트 추정부(14005)에서 오리지날 어트리뷰트 정보와 예측된 어트리뷰트 정보와의 차이는 다양한 타입의 방법을 적용하여 구할 수 있다. 예를 들어, 데이터의 특징, 지역적인 분포 특징, 어트리뷰트 분포 특징, 실시 방법 또는 목적에 따라 다양한 타입의 방법 (e.g., weighted difference, weighted averaged difference, etc)을 사용할 수 있다. 따라서, 본 명세서는 수신측에서 잔여 어트리뷰트 추정 방법을 알 수 있도록, 상기 잔여 어트리뷰트 추정부(14005)에서 사용된 잔여 어트리뷰트 추정 타입을 recon_type 필드를 이용하여 시그널링하여 수신측으로 전송하는 것을 일 실시예로 한다.
도 21의 (c)는 parent 노드 단위로 정의된 이웃 노드에서 리프 노드의 각 occupied 노드들에 어트리뷰트 정보(c0, c5, c6, c7, c'1, c'4, c'5, c'6, c'7)가 매칭된 옥트리 구조의 일 실시예를 보인 도면이고, 도 21의 (d)는 도 21의 (c)에 이웃 노드 검출, 어트리뷰트 예측, 잔여 어트리뷰트 추정을 적용하여 리프 노드의 각 occupied 노드들의 예측된 어트리뷰트 정보(p2, p7)와 잔여 어트리뷰트 정보(r0, r5, r6, r7, r'1, r'4, r'5, r'6, r'7)를 나타낸 옥트리 구조의 일 실시예를 보인 도면이다.
상기 잔여 어트리뷰트 추정부(14005)에서 추정된 잔여 어트리뷰트 정보(r0, r5, r6, r7, r'1, r'4, r'5, r'6, r'7)는 상기 계수 양자화부(40011)로 출력된다.
한편, 상기 결정부(14004)에서 n값이 1이라고 판별되었으므로, 상기 잔여 어트리뷰트 예측부(14005)는 예측된 어트리뷰트 정보 (p2, p7)을 상위 예측 레벨의 노드의 어트리뷰트 값(c''2, c''7)으로 정의하고, 정의된 어트리뷰트 값(c''2, c''7)을 기반으로 이웃 노드 검출부(14002)의 이웃 노드 검출, 어트리뷰트 예측부(14003)의 어트리뷰트 예측, 잔여 어트리뷰트 예측부(14005)의 잔여 어트리뷰트 추정이 다시 수행된다.
즉, 이웃 노드 검출부(14002)는 상기 지오메트리 인코더의 옥트리 분석부(40002)에서 생성된 옥트리 구조 및/또는 지오메트리 리컨스트럭션부(40005)에서 재구성된 옥트리 구조를 입력받고, 입력되는 옥트리 구조를 기반으로 어트리뷰트 인코딩될 상위 예측 레벨 (즉, 레벨 1)의 각 노드에 대해 예측에 이용할 이웃 노드들을 검출한다(단계 14052).
상기 어트리뷰트 예측부(14003)는 상위 예측 레벨의 각 노드별로 검출된 이웃 노드들의 어트리뷰트 정보를 기반으로 각 노드의 어트리뷰트 정보를 예측한다(단계 14053). 마찬가지로, 각 노드에 대한 예측된 어트리뷰트 정보를 각각 구할 수도 있고, 또는 정보량을 줄이기 위해 이웃에 속한 노드들은 동일한 예측된 어트리뷰트 정보를 사용할 수도 있다. 도 21에서는 동일 부모 노드로부터 분할된 8개의 자식 노드들이 이웃에 속한 노드들이 되기 때문에, 동일 부모 노드에게서 분할된 8개의 자식 노드들에 대해 각 노드의 예측된 어트리뷰트 정보는 모두 동일한 값을 갖도록 하는 것을 일 실시예로 한다. 이 경우, 도 21의 (e)에서와 같이 상위 예측 레벨의 예측된 어트리뷰트 정보(p)가 구해진다.
상기 어트리뷰트 예측부(14003)에서 예측된 어트리뷰트 정보(p)는 결정부(14004)를 통해 잔여 어트리뷰트 추정부(14005)로 출력된다.
상기 결정부(14004)는 현재 n 값에서 1을 뺀 값을 n 값으로 설정한 후(n=n-1)(단계 14054), 이때의 n값이 0인지를 확인한다(단계 14055). 현재 n 값이 1이므로, 1에서 1을 빼면 n 값은 0이 된다. 이때, n 값이 0이라는 것은 루프 노드 레벨을 의미하므로, 재귀적 어트리뷰트 예측을 종료한다. 따라서, 상기 어트리뷰트 예측부(14003)에서 예측된 어트리뷰트 정보는 계수 양자화부(40011)로 출력된다.
그리고 잔여 어트리뷰트 추정부(14005)는 상기 어트리뷰트 예측부(14003)에서 출력되는 예측된 어트리뷰트 정보(p)를 기반으로 잔여 어트리뷰트 정보(r''2, r''7)를 구하여 계수 양자화부(40011)로 출력한다(단계 14056).
이러한 과정은 최상위 레벨 (또는 타겟 레벨)에 이를때까지 즉, n=N-2 부터 n=1까지 반복적으로 수행된다.
이렇게 함으로써, 수신측에서는 스케일러블 디코딩이 가능해지게 된다. 즉, 수신측의 디코딩 성능, 디스플레이 성능 등에 따라 모든 예측 레벨에 대해 디코딩을 수행할 수도 있고, 특정 예측 레벨까지만 부분 디코딩을 수행할 수도 있다.
상기 계수 양자화부(40011)는 상기 어트리뷰트 추정부(14003)에서 최종적으로 예측된 어트리뷰트 정보와 상기 잔여 어트리뷰트 추정부(14005)에서 각 레벨마다 추정되어 출력되는 잔여 어트리뷰트 정보를 양자화 계수에 기반하여 양자화한 후 상기 arithmetic 인코딩부(40012)로 출력한다.
이때 상기 계수 양자화부(40011)는 상기 예측된 어트리뷰트 정보와 잔여 어트리뷰트 정보(즉, 예측 에러 어트리뷰트 정보)의 전송 시 효율을 높이기 위해 다음의 수학식 8과 같은 변환을 수행한 후 양자화 과정을 수행하는 것을 일 실시예로 한다.
[수학식 8]
일 실시예로, 예측된 어트리뷰트 정보 및/또는 잔여 어트리뷰트 정보는 DCT(Discrete Cosine Transform), DST(Discrete Sine Transform), wavelet 등과 같은 변환 타입을 기반으로 변환될 수 있다. 본 명세서는 수신측에서 변환 타입을 알 수 있도록, 상기 계수 양자화부(40011)에서 사용된 변환 타입을 transform_type 필드를 이용하여 시그널링하여 수신측으로 전송하는 것을 일 실시예로 한다. 이때 상기 예측된 어트리뷰트 정보 및/또는 잔여 어트리뷰트 정보의 변환은 옵셔널이다.
즉, 상기 계수 양자화부(40011)는 변환이 수행된 또는 변환이 수행되지 않은 예측된 어트리뷰트 정보와 추정된 잔여 어트리뷰트 정보를 양자화 계수(q)에 기반하여 하기의 수학식 9와 같이 양자화한 후 상기 arithmetic 인코딩부(40012)로 출력한다.
[수학식 9]
상기 계수 양자화부(40011)에서 양자화 정도는 양자화 계수 (q)에 의해 결정되며 데이터 종류에 따라 서로 다른 양자화 계수를 사용할 수 있다. 일 실시예로서, 루마/크로마(luma/chroma) 및 예측된 어트리뷰트 정보/잔여 어트리뷰트 정보에 따라 서로 다른 양자화 계수를 사용할 수 있다. 본 명세서는 수신측에서 양자화 방법을 알 수 있도록, 상기 계수 양자화부(40011)에서 사용된 양자화 정보(예, quant_step_size_pred, quant_step_size_res, quant_step_chroma_pred, quant_step_chroma_res)를 시그널링하여 수신측으로 전송하는 것을 일 실시예로 한다.
상기 계수 양자화부(40011)에서 양자화된 예측된 어트리뷰트 정보와 잔여 어트리뷰트 정보는 수신측의 디코더 처리 과정을 고려하여 단계별로 상기 arithmetic 인코딩부(40012)로 출력하는 것을 일 실시예로 한다. 즉, 양자화된 예측된 어트리뷰트 정보를 먼저 상기 아리스메틱 인코딩부(40012)로 전달한 후, 양자화된 잔여 어트리뷰트 정보를 상기 아리스메틱 인코딩부(40012)로 전달한다. 이렇게 함으로써, 수신측에서 디코더의 지연을 방지할 수 있다. 또한 각 단계 안에서는 xyz 축으로 증가하는 순서 (e.g., morton code 순서)로 전달할 수 있으며, 필요한 경우 리오더링(reordering) 과정을 추가할 수 있다.
상기 아리스메틱 인코딩부(40012)는 상기 양자화된 예측된 어트리뷰트 정보를 엔트로피 인코딩한 후 상기 양자화된 잔여 어트리뷰트 정보를 엔트로피 양자화하여 어트리뷰트 비트스트림으로 출력한다. 상기 엔트로피 인코딩은 예를 들어, 지수 골롬(Exponential Golomb), CAVLC(Context-Adaptive Variable Length Coding), CABAC(Context-Adaptive Binary Arithmetic Coding)과 같은 다양한 인코딩 방법을 사용할 수 있다.
본 명세서는 다른 실시예로, 동일 부모 노드로부터 분할된 8개의 자식 노드들 중 occupied 노드가 1개라면, 즉 이웃 노드들이 없다면, 상기 occupied 노드의 어트리뷰트 정보(즉, 색상/반사율 값)를 그대로 상기 아리스메틱 인코딩부(40012)로 출력하여 엔트로피 코딩한다.
도 22는 본 명세서에 따른 포인트 클라우드 비디오 디코더의 다른 실시예를 나타낸다. 즉, 도 22는 도 11의 포인트 클라우드 비디오 디코더의 다른 실시예로서, 옥트리 기반 어트리뷰트 압축 해제부(11011)를 더 포함하고 있다. 상기 옥트리 기반 어트리뷰트 압축 해제부(11011)란 용어는 본 명세서의 이해를 돕기 위해 사용된 일 실시예일 뿐이며, 그 용어는 당업자에 의해 용이하게 변경될 수 있으므로 그 용어는 동등한 의미의 범위 내에서 다른 용어로 지칭될 수 있다.
도 22의 포인트 클라우드 비디오 디코더의 각 구성요소는 하드웨어, 소프트웨어, 프로세서 및/또는 그것들의 조합 등에 의해 수행될 수 있다. 도 22의 포인트 클라우드 비디오 디코더는 본 명세서에서 포인트 클라우드 비디오 디코더와 같은 의미로 사용된다.
도 22를 구성하는 각 블록에 대한 설명 중 설명되지 않은 부분은 도 11의 동일한 부호를 갖는 블록의 설명을 원용하기로 한다.
도 22의 포인트 클라우드 비디오 디코더는 도 18의 포인트 클라우드 비디오 인코더의 역과정을 수행할 수 있다.
상기 포인트 클라우드 비디오 디코더(10006)의 아리스메틱 디코딩부(11000), 옥트리 합성부(11001), 서페이스 오프록시메이션 합성부(11002), 지오메트리 리컨스트럭션부(11003), 및 좌표계 역변환부(11004)를 포함하여 지오메트리 디코더라 지칭할 수 있고, 아리스메틱 디코딩부(11005), 역양자화부(11006), 옥트리 기반 어트리뷰트 압축 해제부(11011), RAHT 역변환부(11007), LOD 생성부(11008), 인버스 리프팅부(11009), 및/또는 컬러 역변환부(11010)를 포함하여 어트리뷰트 디코더라 지칭할 수 있다.
상기 아리스메틱 디코딩부(arithmetic decoding unit, 11000)는 입력된 비트스트림에 포함된 지오메트리 비트스트림을 아리스메틱 방식에 기반하여 엔트로피 디코딩하여 지오메트리에 관한 정보를 획득한다. 상기 지오메트리에 관한 정보는 송신측의 옥트리의 각 노드의 occupancy 코드가 포함되어 있다.
상기 옥트리 합성부(octree synthesis unit, 11001)는 상기 지오메트리에 관한 정보로부터 획득한 각 노드의 occupancy 코드를 기반으로 옥트리를 재구성하는 것을 일 실시예로 한다. 상기 옥트리 합성부(11001)에서 재구성된 옥트리는 상기 서페이스 오프록시메이션 합성부(11002)로 출력된다. 또한 상기 재구성된 옥트리는 상기 옥트리 기반 어트리뷰트 압축 해제부(11011)로 출력될 수 있다.
상기 서페이스 오프록시메이션 합성부(11002)는 상기 아리스메틱 디코딩부(11000)에서 디코딩된 지오메트리 및/또는 상기 옥트리 합성부(11001)에서 재구성된 옥트리에 기반하여 서페이스를 합성하는 것을 일 실시예로 한다.
상기 지오메트리 리컨스트럭션부(geometry reconstruction unit, 11003)는 상기 서페이스 오프록시메이션 합성부(11002)에서 합성된 서페이스 및/또는 상기 아리스메틱 디코딩부(11000)에서 디코딩된 지오메트리에 기반하여 지오메트리를 재구성하는 것을 일 실시예로 한다. 이때 상기 지오메트리 리컨스트럭션부(11003)는 직접 모드가 적용된 경우, point의 위치 정보 값을 직접 가져와서 추가하고, 트리숩 모드가 적용된 경우는 삼각형 재구성(triangle reconstruction), 업-샘플링(up-sampling), 복셀화 과정을 거쳐서 지오메트리를 복원한다. 상기 복원된 지오메트리는 복원된(디코딩된) point cloud picture/frame without (any) attributes를 포함할 수 있다.
상기 지오메트리 리컨스트럭션부(11003)에서 재구성된 지오메트리는 상기 좌표계 역변환부(11004)와 상기 어트리뷰트 디코더의 상기 옥트리 기반 어트리뷰트 압축 해제부(11011)로 출력된다. 또한 재구성된 지오메트리는 RATH 역변환부(11007) 및/또는 LOD 생성부(11008)로도 출력될 수 있다.
상기 좌표계 역변환부(inverse coordinates transformation unit, 11004)는 상기 재구성된 지오메트리에 기반하여 좌표계를 인버스 변환하여 위치들(포지션들, positions)을 획득하는 것을 일 실시예로 한다.
상기 포인트 클라우드 비디오 디코더(10006)의 아리스메틱 디코딩부(11005)는 입력된 비트스트림에 포함된 어트리뷰트 비트스트림을 아리스메틱 방식에 기반하여 엔트로피 디코딩하여 어트리뷰트(attribute)에 관한 정보를 획득한다.
상기 역양자화부(inverse quantization unit, 11006)는 상기 아리스메틱 디코딩부(11005)에서 획득된 어트리뷰트에 관한 정보를 인버스 양자화하는 것을 일 실시예로 한다. 상기 어트리뷰트에 관한 정보는 예측된 어트리뷰트 정보와 잔여 어트리뷰트 정보를 포함하는 것을 일 실시예로 한다. 즉, 상기 역양자화부(11006)는 어트리뷰트 디코딩 과정에서 필요한 경우 역(inverse) 양자화 과정을 수행한다.
상기 역양자화부(11006)는 아래의 수학식 10과 같이 양자화의 역함수를 사용할 수 있다.
[수학식 10]
이때, 송신측의 계수 양자화부(40011)에서 다양한 양자화 방법 또는 데이터 특성에 따라 서로 다른 양자화 계수를 사용하였다면, 수신되는 시그널링 정보에 역양자화 계수(q)가 포함되어 있는 것을 일 실시예로 한다. 상기 계수 양자화부(40011)의 양자화 정도는 양자화 계수 (q)에 의해 결정된다. 그리고, 루마/크로마(luma/chroma) 및 예측된 어트리뷰트 정보/잔여 어트리뷰트 정보와 같이 서로 다른 특성을 갖는 데이터는 서로 다른 양자화 계수를 사용할 수 있다. 이때, 수신된 시그널링 정보는 상기 계수 양자화부(40011)에서 사용된 양자화 계수(예, quant_step_size_pred, quant_step_size_res, quant_step_chroma_pred, quant_step_chroma_res)를 포함하는 것을 일 실시예로 한다.
즉, 상기 역양자화부(11006)는 상기 시그널링 정보에 포함된 양자화 정보를 기반으로 예측된 어트리뷰트 정보 및/또는 잔여 어트리뷰트 정보를 역양자화한다.
또한 송신측에서 예측된 어트리뷰트 정보 및/또는 잔여 어트리뷰트 정보에 대해 변환을 수행하였다면 상기 시그널링 정보에 포함된 transform_type 필드 값을 기반으로 하기 수학식 11과 같이 역변환을 수행한다. 즉, 상기 예측된 어트리뷰트 정보 및/또는 잔여 어트리뷰트 정보는 상기 transform_type 필드 값에 따라 DCT, DST, wavelet 등과 같은 변환 타입을 기반으로 역변환된다.
[수학식 11]
상기 역양자화부(11006)에서 출력되는 어트리뷰트에 관한 정보는 스위칭부(11012)의 스위칭에 의해 상기 옥트리 기반 어트리뷰트 압축 해제부(11011), 상기 RAHT 역변환부(11007), 그리고 상기 LOD 생성부(11008) 중 어느 하나로 제공된다. 본 명세서는 상기 옥트리 기반 어트리뷰트 압축 해제부(110011), 상기 RAHT 역변환부(11007), 그리고 상기 LOD 생성부(11008)/리프팅 역변환부(11009) 중 적어도 하나를 포함하여 어트리뷰트 압축 해제부라 칭하기로 한다. 일 예로, 상기 어트리뷰트 압축 해제부는 상기 옥트리 기반 어트리뷰트 압축 해제부(11011)로만 구성될 수도 있고, 상기 옥트리 기반 어트리뷰트 압축 해제부(11011)와 상기 RAHT 역변환부(11007) 또는 상기 옥트리 기반 어트리뷰트 압축 해제부(11011)와 상기 LOD 생성부(11008)/리프팅 역변환부(11009)로 구성될 수도 있다. 또는 상기 어트리뷰트 압축 해제부는 상기 옥트리 기반 어트리뷰트 압축 해제부(11011), 상기 RAHT 역변환부(11007), 그리고 상기 LOD 생성부(11008)/리프팅 역변환부(11009)로 구성될 수도 있다.
실시예들에 따른 포인트 클라우드 어트리뷰트 디코딩 방식은 옥트리 기반 어트리뷰트 압축 해제를 사용하거나 RAHT 역변환을 사용하거나, LOD생성 및 리프팅 역변환을 사용하거나, 옥트리 기반 어트리뷰트 압축 해제/RAHT/LOD/Lifting 조합에 따른 방식을 사용할 수 있다. 즉, 옥트리 기반 어트리뷰트 압축/RAHT/LOD/Lifting에 대한 역변환 과정을 인코딩시 적용된 방법에 따라서 선택적으로 수행한다.
상기 RAHT 역변환부(11007), 상기 LOD생성부(generate LOD, 11008) 및/또는 상기 인버스 리프팅부(Inverse lifting, 11009)는 도 4의 RAHT변환부(40008), LOD 생성부(40009) 및/또는 리프팅 변환부(40010)에 대응하는 동작의 역과정을 수행하는 것을 일 실시예로 한다.
상기 옥트리 기반 어트리뷰트 압축 해제부(11011)의 상세 동작은 뒤에서 섦명하기로 한다.
상기 어트리뷰트 압축 해제부에서 복원된 어트리뷰트 정보는 컬러 역변환부(11010)로 출력된다. 상기 컬러 역변환부(11010)는 필요한 경우 입력되는 어트리뷰트 정보의 색상 변환을 수행하는 것을 일 실시예로 한다.
지금까지 설명한 바와 같이 상기 포인트 클라우드 비디오 디코더는 도 22의 지오메트리 디코더와 어트리뷰트 디코더를 포함하고, 상기 지오메트리 디코더에서 디코딩되어 출력되는 포지션들과 상기 어트리뷰트 디코더에서 디코딩되어 출력되는 어트리뷰트 정보를 포함하는 포인트 클라우드 콘텐츠는 상기 렌더러(10007)로 출력된다.
상기 렌더러(10007)의 렌더링 과정은 3D 공간상에 Point Cloud 콘텐츠의 데이터를 렌더링하고 디스플레이 하는 과정을 의미한다. 상기 렌더러(10007)는 상기 포인트 클라우드 비디오 디코더(10006)의 디코딩 과정을 통해 디코딩 된 point들의 위치 및 어트리뷰트 정보를 가지고 원하는 렌더링 방식에 따라 렌더링하는 것을 일 실시예로 한다. Point Cloud 콘텐츠의 point들은 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. 사용자는 VR/AR 디스플레이 또는 일반 디스플레이 등을 통하여 렌더링 된 결과의 전부 또는 일부 영역을 볼 수 있다.
그리고 피드백 과정은 디스플레이 과정에서 획득될 수 있는 다양한 피드백 정보들을 송신측으로 전달하거나 수신측의 디코딩에 전달하는 과정을 포함할 수 있다. 상기 피드백 과정은 앞에서 상세히 설명하였으므로 설명의 중복을 피하기 위하여 전술한 내용을 참조하고 여기서는 생략하기로 한다.
상기 옥트리 기반 어트리뷰트 압축 해제부(11011)는 도 19와 도 20의 옥트리 기반 어트리뷰트 압축부(40013)의 역순으로 동작하며, 시그널링 정보를 기반으로 예측된 어트리뷰트 정보와 잔여 어트리뷰트 정보를 이용하여 오리지날 어트리뷰트 정보를 복원한다.
도 23은 실시예들에 따른 옥트리 기반 어트리뷰트 압축 해제부(11011)의 상세 블록도의 예시를 보인 도면이다. 옥트리 기반 어트리뷰트 압축 해제부(11011)는 옥트리 기반으로 이웃 노드를 검출하는 이웃 노드 검출부(neighbor node detection unit, 15001), 검출된 이웃 노드의 정보를 기반으로 해당 노드를 위해 예측된 어트리뷰트 정보를 매핑하는 어트리뷰트 예측부(attribute prediction unit, 15002), 및 해당 노드의 예측된 어트리뷰트 정보와 수신된 잔여 어트리뷰트 정보를 기반으로 어트리뷰트 정보를 재구성하는 어트리뷰트 재구성부(attribute reconstruction unit, 15003)를 포함하는 것을 일 실시예로 한다.
도 24는 실시예들에 따른 옥트리 기반 어트리뷰트 압축 해제부(11011)의 상세 흐름도로서, 초기화 단계(15051), 이웃 노드 검출 단계(15052), 어트리뷰트 예측 단계(15053), 어트리뷰트 재구성 단계(15054), 결정 단계(15055, 15056)를 포함할 수 있다.
도 23은 옥트리 기반 어트리뷰트 압축 해제부(11011)가 하드웨어로 구현되는 예를 보이고 있고, 도 24는 옥트리 기반 어트리뷰트 압축 해제부(11011)가 소프트웨어로 구현되는 예를 보이고 있으나, 이것은 일 실시예이다. 본 명세서에서 옥트리 기반 어트리뷰트 압축 해제부(11011)는 하드웨어, 소프트웨어, 프로세서, 및/또는 그것들의 결합으로 구현될 수 있다. 그러므로, 도 23과 도 24는 함께 설명하기로 한다.
실시예들에 따른 옥트리 기반 어트리뷰트 압축 해제부(11011)의 이웃 노드 검출부(15001)는 옥트리 구조와 예측된 어트리뷰트 정보 그리고 잔여 어트리뷰트 정보를 입력받는다. 상기 옥트리 구조는 상기 옥트리 합성부(11001) 및/또는 지오메트리 리컨스트럭션부(11003)로부터 제공받는 것을 일 실시예로 한다. 상기 예측된 어트리뷰트 정보와 잔여 어트리뷰트 정보는 상기 역양자화부(11006)에서 제공받는 것을 일 실시예로 한다.
본 명세서는 지오메트리 기반이 되는 옥트리 구조의 노드와 어트리뷰트의 특성을 연관지어, 상위 노드의 어트리뷰트 정보로부터 하위 노드의 어트리뷰트 정보를 재귀적으로 추정하는 것을 일 실시예로 한다.
특히, 본 명세서는 송신측에서 재귀적 어트리뷰트 예측이 수행되었으므로, 상기 역양자화부(11006)에서는 재귀적 어트리뷰트 예측의 종료 지점으로 설정된 레벨(예, 루트 노드 레벨)의 예측된 어트리뷰트 정보와 재귀적 어트리뷰트 예측이 이루어지는 예측 레벨별 잔여 어트리뷰트 정보를 출력하는 것을 일 실시예로 한다. 예를 들어, 송신측에서 도 21의 (e)와 같이 재귀적 어트리뷰트 예측이 수행되었다고 가정하면, 루트 노드 레벨(n=0)의 예측된 어트리뷰트 정보(p)와 이 후 두 예측 레벨(즉, n=1, n=2)의 잔여 어트리뷰트 정보(r0, r5, r6, r7, r'1, r'4, r'5, r'6, r'7, r''2, r''7)가 도 25의 (a)와 같이 출력된다. 이때, 수신된 시그널링 정보는 재귀적 어트리뷰트 예측의 시작 지점, 종료 지점 그리고 예측 레벨의 수 등을 식별할 수 있는 정보(예, pred_level_start, pred_level_end, num_pred_level)를 포함하는 것을 일 실시예로 한다.
그리고, 시그널링 정보를 기반으로 이웃 노드 검출부(15001)의 이웃 노드 검출 과정(단계 15052), 어트리뷰트 예측부(15002)의 어트리뷰트 예측 과정(단계 15054), 어트리뷰트 재구성부(15003)의 어트리뷰트 정보 재구성 과정(단계 15055)은 반복 수행되는 것을 일 실시예로 한다.
도 25의 (a)를 예로 들 경우, 예측된 어트리뷰트 정보(p)와 (n=1) 레벨의 잔여 어트리뷰트 정보(r''2, r''7), 그리고 옥트리 구조를 기반으로 이웃 노드 검출 과정, 어트리뷰트 예측 과정, 어트리뷰트 재구성 과정을 수행하여, 도 25의 (b)와 같이 (n=1) 레벨의 어트리뷰트 정보(c''2, c''7)를 추정한다. 추정된 (n=1) 레벨의 어트리뷰트 정보(c''2, c''7)는 예측된 어트리뷰트 정보(p2, p7)로 정의된다. 이어, 정의된 (n=1) 레벨의 예측된 어트리뷰트 정보(p2, p7), (n=2) 레벨의 잔여 어트리뷰트 정보(r0, r5, r6, r7, r'1, r'4, r'5, r'6, r'7), 그리고 옥트리 구조를 기반으로 이웃 노드 검출 과정, 어트리뷰트 예측 과정, 어트리뷰트 재구성 과정을 다시 수행하여 도 25의 (c)와 같이 (n=2) 레벨의 어트리뷰트 정보(c0, c5, c6, c7, c'1, c'4, c'5, c'6, c'7)를 추정(또는 복원)한다.
이러한 과정은 재귀적 어트리뷰트 예측의 시작 지점 정보, 종료 지점 정보, 예측 레벨 정보 (예, pred_level_start, pred_level_end, num_pred_level) 등에 따라 루트 노드 레벨에서 리프 노드 레벨까지 반복 수행될 수도 있고, 루트 노드 레벨부터 리프 노드 레벨이 아닌 중간 레벨까지 반복 수행될 수도 있으며, 루트 노드 레벨이 아닌 중간 레벨부터 리프 노드 레벨까지 반복 수행될 수도 있다. 또는 루트 노드 레벨이 아닌 제1 중간 레벨부터 리프 노드 레벨이 아닌 제2 중간 레벨까지 반복 수행될 수도 있다.
이를 위해 먼저, 상기 옥트리 합성부(11001) 및/또는 지오메트리 리컨스트럭션부(11003)로부터 옥트리 구조를 입력받고, 상기 역양자화부(11006)로부터 예측된 어트리뷰트 정보와 예측 레벨별 잔여 어트리뷰트 정보를 입력받아, 예측 레벨의 개수(N)를 초기화한다(단계 15051). 예측 레벨의 개수(N)는 시그널링 정보에 포함된 num_pred_level 필드를 기반으로 설정될 수도 있다. 도면에는 도시되지 않았지만, 옥트리 기반 어트리뷰트 압축 해제부(11011)는 수신되어 처리된 시그널링 정보도 입력받는 것을 일 실시예로 한다. 상기 초기화 단계(15051)는 이웃 노드 검출부(15001)에서 수행될 수도 있고, 별개의 엘레멘트(또는 컴포넌트)에서 수행될 수도 있다. 도 25의 (a)를 예로 들면, N은 3으로 초기화된다. 그리고 n 값은 1로 설정된다(n=1). 실시예들에 따르면, 재귀적 어트리뷰트 예측의 종료 지점 정보(pred_level_end)에 따라 n 값은 달라질 수 있다. 설정된 n 값과 예측된 어트리뷰트 정보 그리고 예측 레벨별 잔여 어트리뷰트 정보는 이웃 노드 검출부(15001)로 출력된다.
상기 이웃 노드 검출부(15001)는 위치 정보 재구성을 위해 송신측의 이웃 노드 검출부(14001)와 동일한 과정을 수행한다. 즉, 상기 이웃 노드 검출부(15001)는 상기 옥트리 합성부(11001) 및/또는 지오메트리 리컨스트럭션부(11003)에서 제공되는 옥트리 구조를 기반으로 (n=1) 레벨의 각 노드의 이웃 노드들을 검출한다.
본 명세서는 이웃 노드의 범위가 parent 노드 단위인 경우를 일 실시예로 설명한다. 즉, 동일 parent 를 갖는 8개의 자식 노드들을 이웃 노드로 정의한다. 즉, 동일 parent를 갖는 형제 노드(sibling node)가 이웃 노드로 정의된다. 만약 이웃 노드의 범위(또는 단위)에 대한 다른 정의(예를 들어, 다른 크기)를 사용한다면, 수신된 시그널링 정보에 포함된 pred_node_size_log2_minus 필드 값으로 이웃 노드를 검출하기 위한 크기를 추정할 수 있다.
어트리뷰트 예측부(15002)는 이웃 노드 별로 해당 자식 노드를 위한 예측된 어트리뷰트 정보를 상기 어트리뷰트 재구성부(15003)으로 전달한다. 이때 자식 노드별로 예측된 어트리뷰트 정보가 독립적으로 전달될 수 있고, 본 명세서의 실시예와 같이 예측된 어트리뷰트 정보의 대표값(=p)을 이웃 노드에서 동일하게 사용함으로써 예측된 어트리뷰트 정보의 전달에 사용되는 비트율을 낮출 수 있다. 그리고 수신된 시그널링 정보에 포함된 pred_type필드 값으로부터 어트리뷰트 복원을 위해 사용해야하는 어트리뷰트 예측 타입을 알 수 있다.
상기 어트리뷰트 재구성부(15003)는 상기 어트리뷰트 예측부(15003)에서 출력되는 예측된 어트리뷰트 정보(p)와 수신된 (n=1) 레벨의 잔여 어트리뷰트 정보(또는 예측 에러 어트리뷰트 정보라 함)(r''2, r''7)를 기반으로 도 25의 (b)와 같이 어트리뷰트 정보(c''2, c''7)을 복원한다. 실시예들에 따르면, 어트리뷰트 재구성부(15003)는 어트리뷰트를 복원(즉, 재구성)하기 위해 송신측에서 사용한 잔여 어트리뷰트 정보(또는 예측 에러 어트리뷰트 정보라고 함) 생성 방법의 역과정을 수행한다.
본 명세서의 송신측에서 오리지날 어트리뷰트 정보와 예측된 어트리뷰트 정보의 차이로 잔여 어트리뷰트 정보를 생성하였다고 가정하면, 상기 어트리뷰트 재구성부(15003)는 하기 수학식 12에서와 같이 예측된 어트리뷰트 정보와 잔여 어트리뷰트 정보를 더하여 어트리뷰트 정보를 복원한다.
[수학식 12]
그리고 수신된 시그널링 정보에 포함된 recon_type필드 값으로부터 송신측에서 사용된 잔여 어트리뷰트 추정 타입을 알 수 있으므로, 어트리뷰트 복원을 위해 사용해야하는 어트리뷰트 예측 타입을 알 수 있다.
상기 어트리뷰트 재구성부(15003)에서 (n=1) 레벨의 각 노드의 어트리뷰트 정보가 복원되면, n 값을 1 증가시킨 후(n=n+1) (단계 15055), 증가된 n 값이 (N-1) 또는 타겟 레벨보다 큰지를 확인한다(단계 15056). 상기 결정 단계(15055, 15056)는 어트리뷰트 재구성부(15003)에서 수행될 수도 있고, 별개의 엘레멘트(또는 컴포넌트)에서 수행될 수도 있다.
이때 단계 15056에서는 n 값과 N-1 값(N=3)은 2로 동일하므로, 이웃 노드 검출 과정, 어트리뷰트 예측 과정, 어트리뷰트 재구성 과정을 다시 수행하기 위해, 단계 15052로 되돌아간다. 그리고, 상기 어트리뷰트 재구성부(15003)에서 복원된 어트리뷰트 정보(c''2, c''7)는 예측된 어트리뷰트 정보(p2, p7)로 정의된다.
즉, 이웃 노드 검출부(15001)는 상기 옥트리 합성부(11001) 및/또는 지오메트리 리컨스트럭션부(11003)에서 제공되는 옥트리 구조를 기반으로 (n=2) 레벨의 각 노드의 이웃 노드들을 검출한다.
본 명세서는 이웃 노드의 범위가 parent 노드 단위인 경우를 일 실시예로 설명하고 있으므로, 이웃 노드 검출부(15001)는 옥트리 구조에서 (n=2) 레벨의 각 노드에 대해 동일 부모 노드를 갖는 형제 노드를 이웃 노드로 결정한다. 이러한 과정은 동일 부모 노드로부터 분할된 나머지 자식 노드들에 대해서도 동일하게 수행된다.
상기 어트리뷰트 예측부(15002)는 이웃 노드 별로 해당 자식 노드를 위한 예측된 어트리뷰트 정보를 상기 어트리뷰트 재구성부(15003)으로 전달한다. 이때 자식 노드별로 예측된 어트리뷰트 정보가 독립적으로 전달될 수 있고, 본 명세서의 실시예와 같이 예측된 어트리뷰트 정보의 대표값을 이웃 노드에서 동일하게 사용함으로써 예측된 어트리뷰트 정보의 전달에 사용되는 비트율을 낮출 수 있다. 즉, 옥트리의 (n=1) 레벨의 occupied 노드들에는 어트리뷰트 재구성부(15003)에서 정의된 예측된 어트리뷰트 정보(p2, p7)가 맵핑되고, 어트리뷰트 재구성부(15003)로 출력된다. 그리고 수신된 시그널링 정보에 포함된 pred_type필드 값으로부터 어트리뷰트 복원을 위해 사용해야하는 어트리뷰트 예측 타입을 알 수 있다.
상기 어트리뷰트 재구성부(15003)는 상기 어트리뷰트 예측부(15003)에서 출력되는 예측된 어트리뷰트 정보(p2, p7)와 수신된 (n=2) 레벨의 잔여 어트리뷰트 정보(또는 예측 에러 어트리뷰트 정보라 함) (r0, r5, r6, r7, r'1, r'4, r'5, r'6, r'7)를 기반으로 도 25의 (c)와 같이 어트리뷰트 정보(c0, c5, c6, c7, c'1, c'4, c'5, c'6, c'7)을 복원한다. 실시예들에 따르면, 어트리뷰트 재구성부(15003)는 어트리뷰트를 복원(즉, 재구성)하기 위해 송신측에서 사용한 잔여 어트리뷰트 정보(또는 예측 에러 어트리뷰트 정보라고 함) 생성 방법의 역과정을 수행한다.
상기 어트리뷰트 재구성부(15003)에서 (n=2) 레벨의 각 노드의 어트리뷰트 정보가 복원되면, n 값을 1 증가시킨 후(n=n+1) (단계 15055), 증가된 n 값이 (N-1) 또는 타겟 레벨보다 큰지를 확인한다(단계 15056). 상기 결정 단계(15055, 15056)는 어트리뷰트 재구성부(15003)에서 수행될 수도 있고, 별개의 엘레멘트(또는 컴포넌트)에서 수행될 수도 있다.
이때 단계 15056에서는 n 값은 3이고, N-1 값(N=3)은 2이므로, 이는 리프 노드의 어트리뷰트 정보가 복원되었음을 의미한다. 그러므로, 상기 어트리뷰트 재구성부(15003)에서 복원된 어트리뷰트 정보(c0, c5, c6, c7, c'1, c'4, c'5, c'6, c'7)는 컬러 역변환부(11010)로 출력된다.
본 명세서는 전술한 바와 같이, 재귀적 어트리뷰트 추정을 수행할 수 있으므로, 적은 연산량으로 지오메트리 디코딩과 거의 동시에 어트리뷰트 정보를 복원할 수 있게 된다. 따라서 로오-딜레이(low-delay)가 요구되는 송수신 시스템에서 사용 가능할 것으로 기대된다. 즉, 옥트리 기반 어트리뷰트 압축 해제부(11011)는 지오메트리가 리프 노드까지 디코딩되기 전 이전 레벨의 예측된 어트리뷰트 정보와 잔여 어트리뷰트 정보를 알 수 있으므로, 지오메트리 디코딩이 리프 노드까지 완료될 때까지 기다리지 않고 옥트리의 특정 레벨이 디코딩되었을 때 어트리뷰트 정보의 복원을 시작할 수 있다.
또한 디코더의 성능(capacity) 또는 자원 부족 또는 디스플레이 성능 등에 따라 옥트리의 특정 레벨까지만 지오메트리 정보와 어트리뷰트 정보를 부분 디코딩하여 렌덩링할 수도 있고, 리프 노드 레벨까지 지오메트리 정보와 어트리뷰트 정보를 모두 디코딩하여 렌더링할 수도 있다. 이렇게 함으로써, 공간 스케일러비티(spatial scalability) 기능을 제공할 수 있다. 공간 스케일러비티는 포인트 클라우드 데이터가 밀도가 높고(dense) 대역폭(bandwidth)이 낮을 때, 낮은 해상도의 포인트 클라우드를 보내고 처리할 수 있는 기능이다. 또한, 포인트 클라우드 데이터가 밀도가 높고(dense) 전체 옥트리 비스트스림을 전송 받았지만 디코더에서 디코더의 성능(capacity) 또는 자원(resource) 부족, 또는 시나리오상 thumbnail을 우선적으로 빠르게 필요로 하는 경우에 전송받은 전체 옥트리 기반 비트스트림을 모두 디코딩하지 않고 옥트리의 특정 깊이 레벨까지만 디코딩해서 낮은 해상도의 포인트 클라우드를 제공할 수 있는 기능이다.
특히 본 명세서는 pred_level_end 필드 값에 해당하는 예측 레벨에 대해서는 예측된 어트리뷰트 정보를 전달하고, 이후의 예측 레벨에 해당하는 노드에 대해서는 잔여 어트리뷰트 정보를 전달함으로써 각 예측 레벨의 어트리뷰트 정보를 재귀적으로 추정할 수 있도록 할 수 있다. 이 경우 전달되는 정보의 수를 줄임으로써 비트효율을 높일 수 있게 된다.
도 26은 본 명세서의 일 실시예에 따른 옥트리 기반 어트리뷰트 인코딩을 수행하기 위한 흐름도이다.
즉, 포인트 클라우드 데이터 중 지오메트리 정보(예를 들어, XYZ 좌표, phi-theta 좌표 등과 같은 위치 정보)를 이용하여 옥트리 구조를 생성한다(단계 16001). 상기 단계 16001에서 생성된 옥트리 구조를 기반으로 지오메트리 정보를 예측하고(단계 16002), 엔트로피 인코딩하여 지오메트리 비트스트림을 전송한다(단계 16003).
또한 포인트 클라우드 데이터 중 어트리뷰트 정보 (예를 들어, color, reflectance, intensity, grayscale, opacity, medium, material, glossiness 등)와 상기 단계 16001에서 생성된 옥트리 구조는 단계 16004로 제공된다. 단계 16004는 도 18 내지 도 21에서와 같이 옥트리 구조를 기반으로 인코드될 노드의 이웃 노드들을 검출하고 검출된 이웃 노드들의 어트리뷰트 정보를 기반으로 해당 노드의 어트리뷰트 정보를 예측한 후, 상기 예측된 어트리뷰트 정보를 기반으로 잔여 어트리뷰트 정보를 추정하는 과정을 재귀적으로 수행한다. 상기 어트리뷰트 정보의 예측 및 잔여 어트리뷰트 정보의 추정은 어트리뷰트 정보 간 유사성을 추정하여 제거하기 위해서 수행된다. 이를 위해 단계 16004는 인접한 데이터의 공간 분포 특징을 기반으로 어트리뷰트 정보의 예측 및 잔여 어트리뷰트 정보의 추정을 수행한다. 실시예들에 따른 단계 16004의 재귀적 어트리뷰트 예측 과정의 상세 설명은 중복 설명을 피하기 위해 도 18 내지 도 21의 설명을 참조하기로 하고 여기서는 생략한다.
상기 예측된 어트리뷰트 정보와 잔여 어트리뷰트 정보는 전송에 적합한 포맷 또는 압축 효율이 높은 도메인으로 변환한 후(단계 16005), 양자화 계수를 기반으로 양자화한다(단계 16006). 상기 단계 16005는 데이터 종류에 따라 다양한 변환 방법 (예를 들어 DCT 계열 변환, Lifting transform 등)을 이용할 수 있다. 또는 상기 예측된 어트리뷰트 정보와 잔여 어트리뷰트 정보는 변환없이 바로 양자화될 수도 있다. 상기 단계 16006에서 양자화된 예측된 어트리뷰트 정보와 잔여 어트리뷰트 정보를 엔트로피 인코딩하여 어트리뷰트 비트스트림을 출력한다(단계 16007).
도 27은 본 명세서의 일 실시예에 따른 옥트리 기반 어트리뷰트 디코딩을 수행하기 위한 흐름도이다.
수신되는 비트스트림 중 지오메트리 비트스트림을 엔트로피 디코딩하여(단계 17001) 옥트리 구조를 재생성한 후, 재생성된 옥트리 구조를 기반으로 지오메트리 정보를 복원한다(단계 17002).
수신되는 비트스트림 중 어트리뷰트 비트스트림을 엔트로피 디코딩하고(단계 17003), 양자화 계수를 기반으로 역양자화한 후(단계 17003), 역변환을 수행한다(단계 17004). 이때, 역양자화와 역변환 과정은 송신측에서 사용한 양자화, 변환 과정에 따라 다양한 방법이 사용될 수 있다. 만약 송신측에서 변환 과정 없이 데이터를 인코딩한 경우 단계 17004가 수행되지 않는다. 단계 17003에서 역양자화된 또는 단계 17004에서 역변환된 예측된 어트리뷰트 정보와 잔여 어트리뷰트 정보와 단계 17002에서 재생성된 옥트리 구조는 단계 17006으로 제공된다. 단계 17006은 도 22 내지 도 25에서와 같이 재생성된 옥트리 구조를 기반으로 디코드될 노드의 이웃 노드들을 검출하고 검출된 이웃 노드들을 기반으로 예측된 어트리뷰트 정보를 구한 후 수신되는 잔여 어트리뷰트 정보를 더하여 어트리뷰트 정보를 재구성하는 과정을 재귀적으로 수행한다. 실시예들에 따른 단계 17006의 재귀적 어트리뷰트 추정 과정의 상세 설명은 중복 설명을 피하기 위해 도 22 내지 도 25의 설명을 참조하기로 하고 여기서는 생략한다.
한편 본 명세서에서 제안하는 옥트리 기반의 재귀적 어트리뷰트 예측 방법을 사용하는 경우, 디코딩을 위해 다음과 같은 시그널링 정보가 전달될 수 있다.
아래에 정의하는 시그널링 정보(또는 시그널링이라 함)는 비디오 코덱 단의 정보인 parameter set (GPS: geometry parameter set, APS: attribute parameter set, VPS: video parameter set, SPS: sequence parameter set, PPS: picture parameter set, TPS: Tile Parameter Set 등) 단위로 시그널링되어 전송될 수 있다. 또한 slice 혹은 tile 과 같이 각 영상의 코딩 유닛 단위로 시그널링되어 전송될 수도 있다. 어플리케이션에 따라 해당 정보는 파일 포맷, DASH(dynamic adaptive streaming over HTTP), MMT(MPEG media transport) 등의 시스템 단 또는 HDMI(High Definition Multimedia Interface), Display Port, VESA(Video Electronics Standards Association), CTA 등의 유선 인터페이스 단에서도 정의될 수 있다.
본 명세서에 따른 포인트 클라우드 데이터는 실시예들에 따른 시그널링 정보를 포함하는 SPS, GPS, APS, TPS를 포함할 수 있다. 포인트 클라우드 데이터는 하나 또는 하나 이상의 지오메트리 및/또는 어트리뷰트를 포함할 수 있다. 포인트 클라우드 데이터의 지오메트리 및/또는 어트리뷰트는 하나 또는 하나 이상의 슬라이스 단위로 포함될 수 있다. 지오메트리는 지오메트리 슬라이스 헤더 및 지오메트리 슬라이스 데이터의 구조를 가질 수 있다.
실시예들에 따른 방법/장치가 실시예들의 동작을 추가/수행 하기 위해서 관련 정보를 시그널링 할 수 있다. 실시예들에 따른 시그널링 정보는 송신단 또는 수신단 등에서 사용될 수 있다.
도 28 내지 도 32은 본 명세서에 따른 시그널링 정보 및 포인트 클라우드 데이터 전송을 위한 신택스 구조의 실시예들을 보인 도면들이다.
각 약어는 다음을 의미한다. 각 약어는 동등한 의미의 범위 내에서 다른 용어로 지칭될 수 있다.
SPS: Sequence Parameter Set,
GPS: Geometry Parameter Set,
APS: Attribute Parameter Set,
TPS: Tile Parameter Set,
Geom: Geometry bitstream = geometry slice header+ geometry slice data,
Attr: Attrobite bitstream = attribute blick header + attribute brick data.
실시예들에 따른 방법/장치는 옥트리 기반의 어트리뷰트 예측을 위한 시그널링 정보를 APS에 추가하여 시그널링 할 수 있다.
실시예들에 따른 방법/장치는 포인트 클라우드를 영역별로 나누어 처리할 수 있도록 타일, 또는 슬라이스를 제공한다.
따라서, 포인트 클라우드가 슬라이스로 나누어지는 경우, 실시예들에 따른 방법/장치는 각 슬라이스별로 옥트리 기반의 어트리뷰트 예측을 위한 시그널링 정보를 시그널링할 수 있다.
도 28은 본 명세서에 따른 어트리뷰트 파라미터 셋(attribute_paramter_set())의 신택스 구조의 일 실시예를 보인 도면이다.
aps_attr_parameter_set_id 필드는 attribute parameter set 정보를 식별하기 위한 식별자(ID)를 나타낸다.
aps_seq_parameter_set_id 필드는 sequence parameter set 정보를 식별하기 위한 식별자(ID)를 나타낸다.
attr_coding_type 필드는 어트리뷰트 코딩을 위해 사용된 어트리뷰트 코딩 타입을 나타낸다. 어트리뷰트 코딩 타입에 따라서 어트리뷰트 예측 관련 파라미터들이 시그널링될 수 있다. 일 예로, 상기 attr_coding_type 필드 값이 0이면 예측 변환(predicting transform), 1이면 리프팅 변환, 2이면 RAHT 변환, 3이면 옥트리 기반 어트리뷰트 압축을 나타내도록 할 수 있다.
도 28에서 pred_level_start 필드, pred_level_end 필드, num_level_levels 필드, pred_node_size_log2_minus1 필드, pred_type 필드, recon_type 필드, quant_step_size_pred 필드, quant_step_size_res 필드, quant_step_chroma_pred 필드, quant_step_chroma_res 필드, 및 transform_type 필드는 상기 attr_coding_type 필드 값이 3일 때 시그널링되는 정보이다.
상기 pred_level_start 필드는 예측 레벨(prediction level)의 시작 지점을 나타낼 수 있다. 본 명세서의 실시예와 같이 옥트리 구조와 연관성을 가지고 어트리뷰트 인코딩을 수행하는 경우, 옥트리 구조 상에서의 깊이 (루트 노드로 부터 리프 노드 방향으로의 깊이 레벨) 중 어트리뷰트 예측이 시작되는 지점(일반적으로 리프 노드의 깊이)을 알려줄 수 있다.
상기 pred_level_end 필드는 예측 레벨(predicgtion level)의 종료 지점을 나타낼 수 있다. 본 명세서의 실시예와 같이 옥트리 구조와 연관성을 가지고 어트리뷰트 인코딩을 수행하는 경우, 옥트리 구조 상에서의 깊이 (루트 노드로부터 리프 노드 방향으로의 깊이 레벨) 중 어트리뷰트 예측이 종료되는 지점(일반적으로 루트 노드의 깊이)을 알려줄 수 있다. 다른 예로, 잔여 어트리뷰트 정보(residual value)가 전달되는 옥트리 깊이(octree depth) 중 마지막 깊이를 알려줄 수 있다. 또 다른 예로, 예측된 어트리뷰트 정보(predicted value)가 전달되는 옥트리 깊이(octree depth)를 알려줄 수 있다.
상기 num_pred_levels 필드는 예측 레벨의 개수를 나타낸다.
응용 분야에 따라서는 예측 레벨의 시작과 종료 지점뿐 아니라 잔여 어트리뷰트 정보가 제공되는 예측 레벨을 모두 알려줄 수도 있다.
상기 pred_node_size_log2_minus1 필드는 이웃을 구성하는 단위 크기를 나타낸다. 예를 들어 parent 노드 단위로 이웃을 정의하는 경우 pred_node_size_log2_minus1 필드는 제로(0) 값을 갖도록 정의할 수 있다. 이웃 구성 단위가 바뀌게 되면, 어트리뷰트 예측을 위한 예측 범위를 정하는 이웃 노드의 크기(s)는 다음의 수학식 13과 같이 정의된다.
[수학식 13]
응용 분야에 따라 pred_node_size_log2_minus1 필드의 값이 레벨에 따라 다르게 적용될 수 있다.
상기 pred_type 필드는 검출된 이웃 노드들에 맵핑된 어트리뷰트 정보를 기반으로 해당 노드의 어트리뷰트 예측에 사용된 방법의 예측 타입을 나타낸다. 일 예로, average, median filter, weighted mean, attribute, RDO (rate-distortion optimization) 기반 추정, node sampling등 사전 약속에 의해 사용된 예측 방법이 시그널링 될 수 있다. 예를 들어 상기 pred_type 필드 값이 average를 지시하면, 어트리뷰트 예측은 아래의 수학식 14와 같이 수행될 수 있다. 아래 수학식 14에서 (x,y,z)는 기하학적 위치, p는 예측된 어트리뷰트 값, c는 오리지날 어트리뷰트 값, N은 연산에 사용된 노드의 수, [a/b]는 a를 b로 나누었을 때의 몫을 의미한다.
[수학식 14]
상기 recon_type 필드는 예측된 어트리뷰트 정보를 기반으로 잔여 어트리뷰트 정보를 추정하는데 사용된 방법을 나타낸다. 일 예로, Subtraction, weighed subtraction 등의 방법이 사용될 수 있으며, 실제 연산에 사용된 방법이 시그널링 될 수 있다.
상기 quant_step_size_pred 필드, quant_step_size_residual 필드, quant_step_chroma_pred 필드, 그리고 quant_step_chroma_residual 필드는 예측된 어트리뷰트 정보, 잔여 어트리뷰트 정보, 루마/크로마와 같은 데이터 종류 및/또는 데이터 특성에 따라 양자화에 사용된 양자화 계수(q)를 나타낸다.
상기 transform_type 필드는 예측된 어트리뷰트 정보와 잔여 어트리뷰트 정보(즉, 예측 에러 어트리뷰트 정보)의 전송 시 사용된 변환 방법을 나타낸다. 일 예로, DCT, DST, wavelet 등의 변환 방법이 사용될 수 있다.
따라서, 수신측의 역양자화부(11006)에서는 상기 quant_step_size_pred 필드, quant_step_size_residual 필드, quant_step_chroma_pred 필드, 그리고 quant_step_chroma_residual 필드에 시그널링된 양자화 계수를 기반으로 예측된 어트리뷰트 정보 및/또는 잔여 어트리뷰트 정보에 대해 역양자화를 수행하고, 상기 transform_type 필드에 시그널링된 변환 방법을 기반으로 상기 역양자화된 예측된 어트리뷰트 정보 및/또는 잔여 어트리뷰트 정보에 대해 변환을 수행한다.
또한, 수신측의 옥트리 기반 어트리뷰트 압축 해제부(11011)는 옥트리 구조와 pred_level_start 필드, pred_level_end 필드, num_level_levels 필드, pred_node_size_log2_minus1 필드, pred_type 필드, recon_type 필드의 값들을 기반으로 재귀적 어트리뷰트 추정을 수행한다. 즉, n=1부터 n=[N-1 또는 타겟 레벨]까지 모든 레벨들 또는 일부 레벨들에 대해 이웃 노드들을 검출하고 검출된 이웃 노드들을 기반으로 어트리뷰트 정보를 예측한 후 예측된 어트리뷰트 정보와 수신된 잔여 어트리뷰트 정보를 기반으로 어트리뷰트 정보를 재구성하는 과정을 반복 수행하여, 리프 노드 레벨 또는 타겟 레벨의 오큐파이드된 노드들의 어트리뷰트 정보를 추정한다.
도 28의 어트리뷰트 파라미터 셋(attribute_paramter_set())는 aps_extension_present_flag 필드를 더 포함한다. 상기 aps_extension_present_flag 필드 값이 1이면, aps_extension_data 신택스 스트럭쳐가 APS RBSP 신택스 스트럭쳐 내에 존재함을 나타낸다. aps_extension_present_flag필드 값이 0이면, 이 신택스 스트럭쳐가 존재하지 않음을 나타낸다.
도 29는 본 명세서에 따른 제너럴 어트리뷰트 비트스트림(general_attribute_bitstream())의 신택스 구조의 일 실시예를 보인 도면이다.
도 29는 본 명세서에 따른 포인트 클라우드 비디오 인코더(도 4 또는 도 18 참조)에서 옥트리 기반으로 어트리뷰트 인코딩된 어트리뷰트 정보를 슬라이스 단위로 전송하기 위한 제너럴 어트리뷰트 비트스트림의 신택스 구조의 일 실시예이다.
상기 제너럴 어트리뷰트 비트스트림(general_attribute_bitstream())은 attribute_slice_header()와 attribute_slice_data()를 포함한다.
도 30은 도 29의 어트리뷰트 슬라이스 헤더(attribute_slice_header())의 신택스 구조의 일 실시예를 보인 도면이다.
도 30의 어트리뷰트 슬라이스 헤더(attribute_slice_header()는 abh_attr_parameter_set_id 필드, abh_attr_sps_attr_idx 필드, 및 byte_alignment( )를 포함한다.
상기 abh_attr_parameter_set_id 필드는 어트리뷰트 비트스트림과 관련된 정보가 포함된 APS 에 대한 지시자(indicator)를 나타낸다.
상기 abh_attr_sps_attr_idx 필드는 어트리뷰트 디멘젼을 나타내기 위한 인덱스이다. 예를 들어, 상기 abh_attr_sps_attr_idx 필드 값이 0이면, reflectance를 나타내어 어트리뷰트 디멘젼은 1을 나타낼 수 있다. 다른 예로, 상기 abh_attr_sps_attr_idx 필드 값이 1이면, 컬러를 나타내어 어트리뷰트 디멘젼은 3을 나타낼 수 있다.
도 31은 도 29의 어트리뷰트 슬라이스 데이터(attribute_slice_data())의 신택스 구조의 일 실시예를 보인 도면이다.
dimension 필드는 상기 어트리뷰트 슬라이스 헤더 내 abh_attr_sps_attr_idx 필드 값을 기반을 어트리뷰트의 디멘젼을 나타낸다.
또한 어트리뷰트 슬라이스 데이터(attribute_slice_data())는 어트리뷰트 코딩 타입을 나타내는 attr_coding_type 필드 값에 따라 압축된 어트리뷰트 정보를 전송하는 비트스트림 디스크립터를 포함한다.
일 예로, 상기 attr_coding_type 필드 값이 예측 변환을 지시하는 0이면 PredictingWeight_Lifting_bitstream (dimension) 디스크립터를 포함하고, 리프팅 변환을 지시하는 1이면 RAHT_bitstream (dimension) 디스크립터를 포함하며, RAHT 변환을 지시하는 2이면 FixedWeight_Lifting_bitstream (dimension) 디스크립터를 포함한다. 그리고, 상기 attr_coding_type 필드 값이 옥트리 기반 어트리뷰트 압축을 지시하는 3이면, 옥트리 기반으로 예측된 어트리뷰트 정보와 잔여 어트리뷰트 정보를 전송하는 GeometricAttributeCoding_bitstream (dimension) 디스크립터를 포함한다.
도 32는 도 31의 지오메트리 어트리뷰트 코딩 비트스트림 (GeometricAttributeCoding_bitstream (dimension)) 디스크립터의 신택스 구조의 일 실시예를 보인 도면이다.
상기 지오메트리 어트리뷰트 코딩 비트스트림 (GeometricAttributeCoding_bitstream (dimension)) 디스크립터는 어트리뷰트 파라미터 셋에 시그널링되는 예측 레벨의 개수(num_pred_levels 필드)만큼 반복되는 제1 반복문을 포함한다. 상기 제1 반복문은 num_nodes 필드와 num_nodes 필드의 값만큼 반복되는 제2 반복문을 포함한다. 상기 제2 반복문은 디멘젼 필드 값만큼 반복되는 제3 반복문을 포함하는 것을 일 실시예로 한다. 상기 제3 반복문은 value [k] [i] 필드를 포함한다.
상기 num_nodes 필드는 예측 레벨에 따른 노드의 수를 나타낸다.
상기 value 필드는 각 노드에 대해 전달되는 예측 어트리뷰트 정보 또는 잔여 어트리뷰트 정보(또는 예측 에러 어트리뷰트 정보 또는 예측 에러 어트리뷰트 값이라 함)를 나타낸다. 상기 옥트리 기반 어트리뷰트 압축부(40013)에서 예측된 어트리뷰트 정보 및/또는 추정된 잔여 어트리뷰트 정보가 계수 양자화부(40008)에서 변환 및 양자화되고, 아리스메틱 인코딩부(40012)에서 엔트로피 인코딩된 후 상기 value 필드를 통해 전송되는 것을 일 실시예로 한다.
필요한 경우 예측된 어트리뷰트 정보와 잔여 어트리뷰트 정보를 각각 독립적으로 전달 할 수 있으며, 본 명세서의 실시예와 같이 pred_level_end 필드 값에 해당하는 예측 레벨에 대해서는 예측된 어트리뷰트 정보를 전달하고, 이전의 예측 레벨에 해당하는 노드에 대해서는 잔여 어트리뷰트 정보를 전달함으로써 각 예측 레벨의 어트리뷰트 정보를 재귀적으로 추정할 수 있도록 할 수 있다. 이 경우 전달되는 정보의 수를 줄임으로써 비트효율을 높일 수 있게 된다.
이상에서 설명한 바와 같이, 본 명세서를 기반으로 기반으로 포인트 클라우드 데이터를 압축하는 경우 송신 시스템에서는 적은 연산량을 바탕으로 속성 정보를 압축할 수 있다. 특히 본 명세서는 low-delay가 요구되는 송신 시스템에서 활용 가능성이 높을 수 있다. 또한 다양한 성능의 디코더를 대상으로 정보를 압축하는 경우, 각각의 디코더 성능에 맞는 독립된 압축 정보를 생성하거나 저장하는 대신 하나의 비트스트림을 통해 다양한 성능의 수신기를 지원할 수 있기 문에 송신 시스템의 저장 공간 및 비트 효율 측면에서도 장점이 될 수 있다.
그리고 본 명세서를 기반으로 압축된 포인트 클라우드 데이터를 전달 받는 수신 시스템에서는 적은 연산량으로 지오메트리 디코딩과 거의 동시에 어트리뷰트 정보를 복원 함으로써, low-delay가 요구되는 송수신 시스템에서 사용할 수 있다. 또한 속성 정보의 출력 레벨을 선택하는 경우 low computational power를 갖는 수신 시스템에서도 해당 수신 시스템의 성능에 맞는 어트리뷰트 정보를 지연(delay)없이 출력할 수 있게 된다.
예를 들어 어트리뷰트 디코딩 및 재구성을 위한 수신 시스템의 성능 또는 시스템의 요구 사항에 따라 도 33과 같이 서로 다른 결과를 출력할 수 있다. 이 때, 디코딩되거나 재구성 된 각 레벨의 어트리뷰트는 해당 레벨의 옥트리 노드와 매칭되는 어트리뷰트 값으로 사용될 수 있다.
즉, 도 33은 수신 시스템의 성능에 따라 서로 다른 레벨의 지오메트리를 출력할 때의 실시예들을 보인 도면이다. 지오메트리를 옥트리의 상위 레벨에서부터 나타내는 경우, 도 33과 같이 왼쪽에서 오른쪽으로 진행되면서 포인트와 포인트 사이의 정보가 점점 채워지는 형태 혹은 포인트가 점점 분리되는 형태로 나타나고, 최종적으로 리프 노드로 나타낸 것이다. 수신 시스템에서는 본 명세서를 통해 주어지는 시그널링 정보를 통해 수신 시스템의 성능에 따라 도 33의 단계 중 하나의 단계를 선택하여 출력할 수도 있다.
도 34는 수신 시스템의 성능에 따라 서로 다른 레벨의 어트리뷰트를 출력할 때의 실시예들을 보인 도면이다.
도 33과 같이 지오메트리의 해상도를 선택적으로 출력하는 경우, 어트리뷰트에 대해서도 해상도를 선택적으로 출력할 수 있다. 어트리뷰트 정보를 선택적으로 출력하는 경우, 도 34와 같이 오른쪽에서 왼쪽으로 갈수로 어트리뷰트의 디테일이 점점 더해지는 것을 볼 수 있다. 수신 시스템에서는 도 33의 지오메트리에서 선택한 레벨과 동일한 레벨 또는 그에 상응하는 디테일을 갖는 어트리뷰트를 선택하여 출력할 수 있다. 이때, 어트리뷰트는 지오메트리에서 나타내는 옥트리 노드와 매칭이 될 수도 있고, 실제 오큐파이드된 리프 노으의 위치의 어트리뷰트가 매칭될 수도 있다.
전술한 각각의 파트, 모듈 또는 유닛은 메모리(또는 저장 유닛)에 저장된 연속된 수행과정들을 실행하는 소프트웨어, 프로세서, 하드웨어 파트일 수 있다. 전술한 실시예에 기술된 각 단계들은 프로세서, 소프트웨어, 하드웨어 파트들에 의해 수행될 수 있다. 전술한 실시예에 기술된 각 모듈/블락/유닛들은 프로세서, 소프트웨어, 하드웨어로서 동작할 수 있다. 또한, 실시예들이 제시하는 방법들은 코드로서 실행될 수 있다. 이 코드는 프로세서가 읽을 수 있는 저장매체에 쓰여질 수 있고, 따라서 장치(apparatus)가 제공하는 프로세서에 의해 읽혀질 수 있다.
또한 명세서 전체에서, 어떤 부분이 어떤 구성 요소를 “포함”한다고 할 때, 이는 특별히 반대되는 기재가 없는 한 다른 구성 요소를 제외하는 것이 아니라 다른 구성 요소를 더 포함할 수 있는 것을 의미한다. 그리고 명세서에 기재된 “…부”등의 용어는 적어도 하나의 기능이나 동작을 처리하는 단위를 의미하며, 이는 하드웨어나 소프트웨어 또는 하드웨어 및 소프트웨어의 결합으로 구현될 수 있다.
본 명세서는 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 따른 구성요소들은 각각 별도의 칩들로 구현될 수 있다. 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. (In this document, the term "/" and "," should be interpreted to indicate "and/or". For instance, the expression "A/B" may mean "A and/or B". Further, "A, B" may mean "A and/or B". Further, "A/B/C" may mean "at least one of A, B, and/or C". Also, "A, B, C" may mean "at least one of A, B, and/or C.")
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. (Further, in the document, the term "or" should be interpreted to indicate "and/or". For instance, the expression "A or B" may comprise 1) only A, 2) only B, and/or 3) both A and B. in other words, the term "or" in this document should be interpreted to indicate "additionally or alternatively.")
실시예들의 다양한 엘리먼트들은 하드웨어, 소프트웨어, 펌웨어 또는 그것들의 조합에 의해 수행될 수 있다. 실시예들의 다양한 엘리먼트는 하드웨어 회로와 같은 싱글 칩 상에서 수행될 수 있다. 실시예들에 따라, 실시예들은 선택적으로 개별적인 칩들 상에서 수행될 수 있다. 실시예들에 따라, 실시예들의 엘리먼트들 중 적어도 하나는 실시예들에 따른 동작을 수행하는 인스트럭션들을 포함하는 하나 또는 하나 이상의 프로세서 내에서 수행될 수 있다.
제1, 제2 등과 같은 용어는 실시예들의 다양한 엘리먼트들을 설명하기 위해서 사용된다. 이러한 용어는 실시예들의 엘리먼트들의 해석을 제한하지 않는다. 이러한 용어는 하나의 엘리먼트 및 다른 엘리먼트 간의 구별을 위해서 사용된다. 예를 들어, 제1 사용자 인풋 시그널은 제2사용자 인풋 시그널로 지칭될 수 있다. 이와 유사하게, 제2사용자 인풋 시그널은 제1사용자 인풋시그널로 지칭될 수 있다. 이러한 용어는 실시예들의 범위 내에서 해석될 수 있다. 제1사용자 인풋 시그널 및 제2사용자 인풋 시그널은 모두 사용자 인풋 시그널들이고, 문맥 상 명확하게 지칭하지 않는 한 같은 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.
발명의 실시를 위한 형태
발명의 실시를 위한 최선의 형태에서 구체적으로 설명되었다.
본 실시예들의 사상이나 범위를 벗어나지 않고 본 실시예들에서 다양한 변경 및 변형이 가능함은 당업자에게 자명하다. 따라서, 실시예들은 첨부된 청구항 및 그 동등 범위 내에서 제공되는 본 실시예들의 변경 및 변형을 포함하는 것으로 의도된다.
Claims (20)
- 포인트 클라우드 데이터를 획득하는 단계;
상기 포인트 클라우드 데이터에 포함된 지오메트리 정보를 인코딩하는 단계;
상기 포인트 클라우드 데이터에 포함된 어트리뷰트 정보를 인코딩하는 단계; 및
상기 인코딩된 지오메트리 정보와 상기 인코딩된 어트리뷰트 정보를 전송하는 단계를 포함하는 포인트 클라우드 데이터 전송 방법. - 제 1 항에 있어서, 상기 지오메트리 정보를 인코딩하는 단계는
상기 지오메트리 정보를 양자화하는 단계;
상기 양자화된 지오메트리 정보를 기반으로 8진 트리 구조를 갖는 옥트리 구조를 생성하는 단계;
상기 옥트리 구조를 근사화하는 단계;
상기 생성된 옥트리 구조와 상기 근사화된 옥트리 구조를 기반으로 지오메트리 정보를 재구성하는 단계; 및
상기 생성된 옥트리 구조 또는 상기 근사화된 옥트리 구조의 occupancy 코드들을 엔트로피 인코딩하여 지오메트리 비트스트림을 출력하는 단계를 포함하는 포인트 클라우드 데이터 전송 방법. - 제 2 항에 있어서, 상기 어트리뷰트 정보를 인코딩하는 단계는
상기 옥트리 구조와 상기 어트리뷰트 정보를 기반으로 상기 옥트리 구조의 시작 예측 레벨부터 종료 예측 레벨까지 재귀적으로 인코딩할 노드의 이웃 노드들을 검출하고, 검출된 이웃 노드들을 기반으로 어트리뷰트 정보를 예측하고 잔여 어트리뷰트 정보를 추정한 후 상기 종료 예측 레벨의 예측된 어트리뷰트 정보와 상기 종료 예측 레벨의 이전 예측 레벨들의 잔여 어트리뷰트 정보를 출력하는 단계;
상기 출력되는 예측된 어트리뷰트 정보와 상기 출력되는 잔여 어트리뷰트 정보를 양자화 계수를 기반으로 양자화하는 단계; 및
상기 양자화된 예측된 어트리뷰트 정보와 상기 양자화된 추정된 잔여 어트리뷰트 정보를 엔트로피 인코딩하여 어트리뷰트 비트스트림을 전송하는 단계를 포함하는 포인트 클라우드 데이터 전송 방법. - 제 3 항에 있어서, 상기 어트리뷰트 비트스트림은 시그널링 정보를 더 포함하고, 상기 시그널링 정보는 상기 옥트리 구조의 시작 예측 레벨을 식별하기 위한 정보, 상기 옥트리 구조의 종료 예측 레벨을 식별하기 위한 정보, 및 예측 레벨들의 개수를 식별하기 위한 정보 중 적어도 하나를 포함하는 포인트 클라우드 데이터 전송 방법.
- 제 3 항에 있어서, 상기 옥트리 구조의 시작 예측 레벨은 상기 옥트리 구조의 최하위 레이어에 해당하는 리프 노드 레벨이고, 상기 옥트리 구조의 종료 예측 레벨은 상기 옥트리 구조의 최상위 레이어에 해당하는 루트 노드인 포인트 클라우드 데이터 전송 방법.
- 제 3 항에 있어서,
상기 인코딩할 노드의 이웃 노드들은 동일한 예측된 어트리뷰트 정보를 갖도록 하는 포인트 클라우드 데이터 전송 방법. - 포인트 클라우드 데이터를 획득하는 획득부;
상기 포인트 클라우드 데이터에 포함된 지오메트리 정보를 인코딩하는 지오메트리 인코딩부;
상기 포인트 클라우드 데이터에 포함된 어트리뷰트 정보를 인코딩하는 어트리뷰트 인코딩부; 및
상기 인코딩된 지오메트리 정보와 상기 인코딩된 어트리뷰트 정보를 전송하는 트랜스미터를 포함하는 포인트 클라우드 데이터 전송 장치. - 제 7 항에 있어서, 상기 지오메트리 인코딩부는
상기 지오메트리 정보를 양자화하는 양자화부;
상기 양자화된 지오메트리 정보를 기반으로 8진 트리 구조를 갖는 옥트리 구조를 생성하는 옥트리 분석부;
상기 옥트리 구조를 근사화하는 근사화 분석부;
상기 생성된 옥트리 구조와 상기 근사화된 옥트리 구조를 기반으로 지오메트리 정보를 재구성하는 지오메트리 재구성부; 및
상기 생성된 옥트리 구조 또는 상기 근사화된 옥트리 구조의 occupancy 코드들을 엔트로피 인코딩하여 지오메트리 비트스트림을 출력하는 아리스메틱 인코딩부를 포함하는 포인트 클라우드 데이터 전송 장치. - 제 8 항에 있어서, 상기 어트리뷰트 인코딩부는
상기 옥트리 구조와 상기 어트리뷰트 정보를 기반으로 상기 옥트리 구조의 시작 예측 레벨부터 종료 예측 레벨까지 재귀적으로 인코딩할 노드의 이웃 노드들을 검출하고, 검출된 이웃 노드들을 기반으로 어트리뷰트 정보를 예측하고 잔여 어트리뷰트 정보를 추정한 후 상기 종료 예측 레벨의 예측된 어트리뷰트 정보와 상기 종료 예측 레벨의 이전 예측 레벨들의 잔여 어트리뷰트 정보를 출력하는 어트리뷰트 압축부;
상기 출력되는 예측된 어트리뷰트 정보와 상기 출력되는 잔여 어트리뷰트 정보를 양자화 계수를 기반으로 양자화하는 양자화부; 및
상기 양자화된 예측된 어트리뷰트 정보와 상기 양자화된 추정된 잔여 어트리뷰트 정보를 엔트로피 인코딩하여 어트리뷰트 비트스트림을 전송하는 아리스메틱 인코딩부를 포함하는 포인트 클라우드 데이터 전송 장치. - 제 8 항에 있어서, 상기 어트리뷰트 비트스트림은 시그널링 정보를 더 포함하고, 상기 시그널링 정보는 상기 옥트리 구조의 시작 예측 레벨을 식별하기 위한 정보, 상기 옥트리 구조의 종료 예측 레벨을 식별하기 위한 정보, 및 예측 레벨들의 개수를 식별하기 위한 정보 중 적어도 하나를 포함하는 포인트 클라우드 데이터 전송 장치.
- 제 8 항에 있어서, 상기 옥트리 구조의 시작 예측 레벨은 상기 옥트리 구조의 최하위 레이어에 해당하는 리프 노드 레벨이고, 상기 옥트리 구조의 종료 예측 레벨은 상기 옥트리 구조의 최상위 레이어에 해당하는 루트 노드인 포인트 클라우드 데이터 전송 장치.
- 제 8 항에 있어서,
상기 인코딩할 노드의 이웃 노드들은 동일한 예측된 어트리뷰트 정보를 갖도록 하는 포인트 클라우드 데이터 전송 장치. - 포인트 클라우드 데이터 및 시그널링 정보를 수신하는 단계;
상기 포인트 클라우드 데이터에 포함된 지오메트리 정보를 디코딩하는 단계;
상기 포인트 클라우드 데이터에 포함된 어트리뷰트 정보를 디코딩하는 단계; 및
상기 디코딩된 지오메트리 정보와 상기 디코딩된 어트리뷰트 정보를 프로세싱하여 렌더링하는 단계를 포함하는 포인트 클라우드 데이터 수신 방법. - 제 13 항에 있어서,
상기 지오메트리 정보를 디코딩하는 단계는
상기 지오메트리 정보에 포함된 occupancy 코드를 기반으로 옥트리 구조를 재생성하는 단계를 포함하는 포인트 클라우드 데이터 수신 방법. - 제 14 항에 있어서,
상기 어트리뷰트 정보를 디코딩하는 단계는
상기 옥트리 구조의 종료 예측 레벨의 예측된 어트리뷰트 정보, 그리고 상기 옥트리 구조의 종료 예측 레벨의 이전 예측 레벨들의 잔여 어트리뷰트 정보를 기반으로 상기 옥트리 구조의 종료 예측 레벨부터 시작 예측 레벨까지 재귀적으로 디코딩할 노드의 이웃 노드들을 검출하고, 검출된 이웃 노드들을 기반으로 예측된 어트리뷰트 정보와 해당 예측 레벨의 잔여 어트리뷰트 정보를 이용하여 해당 레벨의 어트리뷰트 정보를 복원하는 단계를 포함하는 포인트 클라우드 데이터 수신 방법. - 제 15 항에 있어서, 상기 시그널링 정보는 상기 옥트리 구조의 시작 예측 레벨을 식별하기 위한 정보, 상기 옥트리 구조의 종료 예측 레벨을 식별하기 위한 정보, 및 예측 레벨들의 개수를 식별하기 위한 정보 중 적어도 하나를 포함하는 포인트 클라우드 데이터 수신 방법.
- 제 15 항에 있어서, 상기 옥트리 구조의 시작 예측 레벨은 상기 옥트리 구조의 최하위 레이어에 해당하는 리프 노드 레벨이고, 상기 옥트리 구조의 종료 예측 레벨은 상기 옥트리 구조의 최상위 레이어에 해당하는 루트 노드인 포인트 클라우드 데이터 수신 방법.
- 포인트 클라우드 데이터 및 시그널링 정보를 수신하는 리시버;
상기 포인트 클라우드 데이터에 포함된 지오메트리 정보를 디코딩하는 지오메트리 디코딩부;
상기 포인트 클라우드 데이터에 포함된 어트리뷰트 정보를 디코딩하는 어트리뷰트 디코딩부; 및
상기 디코딩된 지오메트리 정보와 상기 디코딩된 어트리뷰트 정보를 프로세싱하여 렌더링하는 렌더러를 포함하는 포인트 클라우드 데이터 수신 장치. - 제 18 항에 있어서,
상기 지오메트리 디코딩부는 상기 지오메트리 정보에 포함된 occupancy 코드를 기반으로 옥트리 구조를 재생성하고,
상기 어트리뷰트 디코딩부는 상기 옥트리 구조의 종료 예측 레벨의 예측된 어트리뷰트 정보, 그리고 상기 옥트리 구조의 종료 예측 레벨의 이전 예측 레벨들의 잔여 어트리뷰트 정보를 기반으로 상기 옥트리 구조의 종료 예측 레벨부터 시작 예측 레벨까지 재귀적으로 디코딩할 노드의 이웃 노드들을 검출하고, 검출된 이웃 노드들을 기반으로 예측된 어트리뷰트 정보와 해당 예측 레벨의 잔여 어트리뷰트 정보를 이용하여 해당 레벨의 어트리뷰트 정보를 복원하는 포인트 클라우드 데이터 수신 장치. - 제 19 항에 있어서, 상기 시그널링 정보는 상기 옥트리 구조의 시작 예측 레벨을 식별하기 위한 정보, 상기 옥트리 구조의 종료 예측 레벨을 식별하기 위한 정보, 및 예측 레벨들의 개수를 식별하기 위한 정보 중 적어도 하나를 포함하는 포인트 클라우드 데이터 수신 장치.
Applications Claiming Priority (3)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| US201962821435P | 2019-03-20 | 2019-03-20 | |
| US62/821,435 | 2019-03-20 | ||
| PCT/KR2020/003873 WO2020190093A1 (ko) | 2019-03-20 | 2020-03-20 | 포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| KR20210134049A true KR20210134049A (ko) | 2021-11-08 |
Family
ID=72521127
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020217033980A KR20210134049A (ko) | 2019-03-20 | 2020-03-20 | 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) | US20220159312A1 (ko) |
| EP (1) | EP3944625A4 (ko) |
| KR (1) | KR20210134049A (ko) |
| CN (1) | CN113615204B (ko) |
| WO (1) | WO2020190093A1 (ko) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2023182676A1 (ko) * | 2022-03-22 | 2023-09-28 | 현대자동차주식회사 | 메시 및 포인트 클라우드 코딩을 위한 방법 및 장치 |
| WO2023182675A1 (ko) * | 2022-03-21 | 2023-09-28 | 현대자동차주식회사 | 옥트리 기반 삼각형 코딩을 이용하는 메시 압축을 위한 방법 및 장치 |
Families Citing this family (23)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20200393268A1 (en) * | 2019-06-17 | 2020-12-17 | DeepMap Inc. | Storing normals in compressed octrees representing high definition maps for autonomous vehicles |
| US20220286679A1 (en) * | 2019-07-12 | 2022-09-08 | Sony Group Corporation | Information processing device and method |
| WO2021138788A1 (zh) | 2020-01-06 | 2021-07-15 | Oppo广东移动通信有限公司 | 帧内预测方法、装置、编码器、解码器、及存储介质 |
| JP2023525207A (ja) * | 2020-03-24 | 2023-06-15 | オッポ広東移動通信有限公司 | イントラ予測方法、装置、エンコーダ、デコーダ、及び記憶媒体 |
| CN112492385A (zh) * | 2020-09-30 | 2021-03-12 | 中兴通讯股份有限公司 | 点云数据处理方法、装置、存储介质及电子装置 |
| WO2022119208A1 (ko) * | 2020-12-03 | 2022-06-09 | 엘지전자 주식회사 | 포인트 클라우드 데이터 전송 방법, 포인트 클라우드 데이터 전송 장치, 포인트 클라우드 데이터 수신 방법 및 포인트 클라우드 데이터 수신 장치 |
| CN112565794B (zh) * | 2020-12-03 | 2022-10-04 | 西安电子科技大学 | 一种点云孤立点编码、解码方法及装置 |
| WO2022119254A1 (ko) * | 2020-12-04 | 2022-06-09 | 엘지전자 주식회사 | 포인트 클라우드 데이터 전송 방법, 포인트 클라우드 데이터 전송 장치, 포인트 클라우드 데이터 수신 방법 및 포인트 클라우드 데이터 수신 장치 |
| US20240029313A1 (en) * | 2020-12-04 | 2024-01-25 | Lg Electronics Inc. | Point cloud data transmission device, point cloud data transmission method, point cloud data reception device, and point cloud data reception method |
| CN112601066A (zh) * | 2020-12-06 | 2021-04-02 | 上海交通大学 | 数据传输方法、装置、设备和存储介质 |
| WO2022124648A1 (ko) * | 2020-12-09 | 2022-06-16 | 엘지전자 주식회사 | 포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법 |
| JP2024505798A (ja) * | 2020-12-22 | 2024-02-08 | オッポ広東移動通信有限公司 | 点群符号化・復号化方法及びシステム、点群符号器並びに点群復号器 |
| WO2022186651A1 (ko) * | 2021-03-04 | 2022-09-09 | 엘지전자 주식회사 | 포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법 |
| EP4304179A1 (en) * | 2021-03-05 | 2024-01-10 | LG Electronics Inc. | Point cloud data transmission method, point cloud data transmission device, point cloud data reception method, and point cloud data reception device |
| WO2022186675A1 (ko) * | 2021-03-05 | 2022-09-09 | 엘지전자 주식회사 | 포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법 |
| JP2024510315A (ja) * | 2021-03-19 | 2024-03-06 | エルジー エレクトロニクス インコーポレイティド | ポイントクラウドデータ送信装置、ポイントクラウドデータ送信方法、ポイントクラウドデータ受信装置及びポイントクラウドデータ受信方法 |
| WO2022220645A1 (ko) * | 2021-04-15 | 2022-10-20 | 엘지전자 주식회사 | 포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법 |
| CN117242493A (zh) * | 2021-05-27 | 2023-12-15 | Oppo广东移动通信有限公司 | 点云解码、上采样及模型训练方法与装置 |
| CN113852829A (zh) * | 2021-09-01 | 2021-12-28 | 腾讯科技（深圳）有限公司 | 点云媒体文件的封装与解封装方法、装置及存储介质 |
| CN115272591B (zh) * | 2022-05-10 | 2023-09-05 | 泰瑞数创科技(北京)股份有限公司 | 基于三维语义模型的地理实体多形态表达方法 |
| CN115049750B (zh) * | 2022-05-31 | 2023-06-16 | 九识智行(北京)科技有限公司 | 基于八叉树的体素地图生成方法、装置、存储介质及设备 |
| WO2024082145A1 (en) * | 2022-10-18 | 2024-04-25 | Beijing Xiaomi Mobile Software Co., Ltd. | Method for encoding and decoding a point cloud |
| CN115690332B (zh) * | 2022-12-30 | 2023-03-31 | 华东交通大学 | 点云数据处理方法、装置、可读存储介质及电子设备 |
Family Cites Families (18)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US11146821B2 (en) * | 2016-05-25 | 2021-10-12 | Arris Enterprises Llc | JVET coding block structure with asymmetrical partitioning |
| US10694210B2 (en) * | 2016-05-28 | 2020-06-23 | Microsoft Technology Licensing, Llc | Scalable point cloud compression with transform, and corresponding decompression |
| EP3373583A1 (en) * | 2017-03-07 | 2018-09-12 | Thomson Licensing | Quality metric for point clouds |
| US11514613B2 (en) * | 2017-03-16 | 2022-11-29 | Samsung Electronics Co., Ltd. | Point cloud and mesh compression using image/video codecs |
| EP3407607A1 (en) * | 2017-05-24 | 2018-11-28 | Thomson Licensing | Method and device for encoding and reconstructing a point cloud |
| US10897269B2 (en) * | 2017-09-14 | 2021-01-19 | Apple Inc. | Hierarchical point cloud compression |
| US10861196B2 (en) * | 2017-09-14 | 2020-12-08 | Apple Inc. | Point cloud compression |
| US10939129B2 (en) * | 2018-04-10 | 2021-03-02 | Apple Inc. | Point cloud compression |
| WO2019203297A1 (ja) * | 2018-04-19 | 2019-10-24 | パナソニック インテレクチュアル プロパティ コーポレーション オブ アメリカ | 三次元データ符号化方法、三次元データ復号方法、三次元データ符号化装置、及び三次元データ復号装置 |
| CN108833927B (zh) * | 2018-05-03 | 2019-08-16 | 北京大学深圳研究生院 | 一种基于删除量化矩阵中0元素的点云属性压缩方法 |
| CN108632621B (zh) * | 2018-05-09 | 2019-07-02 | 北京大学深圳研究生院 | 一种基于层次划分的点云属性压缩方法 |
| US11017566B1 (en) * | 2018-07-02 | 2021-05-25 | Apple Inc. | Point cloud compression with adaptive filtering |
| US11012713B2 (en) * | 2018-07-12 | 2021-05-18 | Apple Inc. | Bit stream structure for compressed point cloud data |
| US11256964B2 (en) * | 2018-10-11 | 2022-02-22 | Qualcomm Incorporated | Recursive multi-fidelity behavior prediction |
| CN109257604B (zh) * | 2018-11-20 | 2020-11-27 | 山东大学 | 一种基于tmc3点云编码器的颜色属性编码方法 |
| US11107249B2 (en) * | 2019-03-18 | 2021-08-31 | Sony Group Corporation | Point cloud global tetris packing |
| US11627314B2 (en) * | 2019-09-27 | 2023-04-11 | Apple Inc. | Video-based point cloud compression with non-normative smoothing |
| US11620768B2 (en) * | 2020-06-24 | 2023-04-04 | Apple Inc. | Point cloud geometry compression using octrees with multiple scan orders |
-
2020
- 2020-03-20 KR KR1020217033980A patent/KR20210134049A/ko active Search and Examination
- 2020-03-20 CN CN202080022927.9A patent/CN113615204B/zh active Active
- 2020-03-20 US US17/441,146 patent/US20220159312A1/en active Pending
- 2020-03-20 EP EP20773160.5A patent/EP3944625A4/en active Pending
- 2020-03-20 WO PCT/KR2020/003873 patent/WO2020190093A1/ko unknown
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2023182675A1 (ko) * | 2022-03-21 | 2023-09-28 | 현대자동차주식회사 | 옥트리 기반 삼각형 코딩을 이용하는 메시 압축을 위한 방법 및 장치 |
| WO2023182676A1 (ko) * | 2022-03-22 | 2023-09-28 | 현대자동차주식회사 | 메시 및 포인트 클라우드 코딩을 위한 방법 및 장치 |
Also Published As
| Publication number | Publication date |
|---|---|
| US20220159312A1 (en) | 2022-05-19 |
| CN113615204B (zh) | 2024-02-20 |
| EP3944625A1 (en) | 2022-01-26 |
| CN113615204A (zh) | 2021-11-05 |
| WO2020190093A1 (ko) | 2020-09-24 |
| EP3944625A4 (en) | 2022-05-11 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US20220159312A1 (en) | Point cloud data transmission device, point cloud data transmission method, point cloud data reception device, and point cloud data reception method | |
| KR102340238B1 (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 | |
| KR102358759B1 (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 | |
| KR102406845B1 (ko) | 포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법 | |
| KR102609776B1 (ko) | 포인트 클라우드 데이터 처리 방법 및 장치 | |
| US20220159310A1 (en) | Point cloud data transmission device, point cloud data transmission method, point cloud data reception device, and point cloud data reception method | |
| US20220130075A1 (en) | Device and method for processing point cloud data | |
| US20220343548A1 (en) | Point cloud data transmission device, point cloud data transmission method, point cloud data reception device, and point cloud data reception method | |
| JP7451576B2 (ja) | ポイントクラウドデータ処理方法及び装置 | |
| US20220286713A1 (en) | Point cloud data transmission device, point cloud data transmission method, point cloud data reception device and point cloud data reception method | |
| EP4171039A1 (en) | Point cloud data transmission device, point cloud data transmission method, point cloud data reception device and point cloud data reception method | |
| US11601488B2 (en) | Device and method for transmitting point cloud data, device and method for processing point cloud data | |
| US20230290006A1 (en) | Point cloud data transmission device, point cloud data transmission method, point cloud data reception device, and point cloud data reception method | |
| US20230334703A1 (en) | Point cloud data transmission device, point cloud data transmission method, point cloud data reception device, and point cloud data reception method | |
| US20220337872A1 (en) | Point cloud data transmission device, point cloud data transmission method, point cloud data reception device, and point cloud data reception method | |
| US20240155157A1 (en) | Point cloud data transmission device, point cloud data transmission method, point cloud data reception device and point cloud data reception method | |
| US20230377203A1 (en) | Point cloud data transmission device, point cloud data transmission method, point cloud data reception device, and point cloud data reception method | |
| KR102294613B1 (ko) | 포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법 | |
| US20220327742A1 (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 | |
| US20240020885A1 (en) | Point cloud data transmission method, point cloud data transmission device, point cloud data reception method, and point cloud data reception device | |
| US20240029312A1 (en) | Point cloud data transmission method, point cloud data transmission device, point cloud data reception method, and point cloud data reception device | |
| EP4373098A1 (en) | Point cloud data transmission device, point cloud data transmission method, point cloud data reception device, and point cloud data reception method |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A201 | Request for examination |