WO2021246843A1 - 포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법 - Google Patents

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

Info

Publication number
WO2021246843A1
WO2021246843A1 PCT/KR2021/007094 KR2021007094W WO2021246843A1 WO 2021246843 A1 WO2021246843 A1 WO 2021246843A1 KR 2021007094 W KR2021007094 W KR 2021007094W WO 2021246843 A1 WO2021246843 A1 WO 2021246843A1
Authority
WO
WIPO (PCT)
Prior art keywords
point cloud
information
cloud data
prediction
geometry
Prior art date
Application number
PCT/KR2021/007094
Other languages
English (en)
French (fr)
Inventor
오현묵
오세진
Original Assignee
엘지전자 주식회사
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 엘지전자 주식회사 filed Critical 엘지전자 주식회사
Priority to US18/008,007 priority Critical patent/US20230239501A1/en
Publication of WO2021246843A1 publication Critical patent/WO2021246843A1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
    • 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
    • H04N19/103—Selection of coding mode or of prediction mode
    • 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
    • H04N19/119—Adaptive subdivision aspects, e.g. subdivision of a picture into rectangular or non-rectangular coding blocks
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/10—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding
    • H04N19/134—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the element, parameter or criterion affecting or controlling the adaptive coding
    • H04N19/136—Incoming video signal characteristics or properties
    • 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
    • H04N19/503—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using predictive coding involving temporal prediction
    • H04N19/51—Motion estimation or motion compensation
    • H04N19/56—Motion estimation with initialisation of the vector search, e.g. estimating a good candidate to initiate a search
    • 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
    • H04N19/96—Tree coding, e.g. quad-tree coding
    • 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

Definitions

  • Embodiments relate to a method and apparatus for processing point cloud content.
  • the point cloud content is content expressed as a point cloud, which is a set of points (points) belonging to a coordinate system representing a three-dimensional space (space or volume).
  • Point cloud content can represent three-dimensional media, and includes VR (Virtual Reality), AR (Augmented Reality), MR (Mixed Reality), XR (Extended Reality), and autonomous driving. It is used to provide various services such as services. However, tens of thousands to hundreds of thousands of point data are needed to express point cloud content. Therefore, a method for efficiently processing a large amount of point data is required.
  • An object of the present invention is to provide a point cloud data transmission apparatus, a transmission method, a point cloud data reception apparatus, and a reception method for efficiently transmitting and receiving a point cloud in order to solve the above-described problems.
  • An object of the present invention is to provide a point cloud data transmission apparatus, a transmission method, a point cloud data reception apparatus, and a reception method for solving latency and encoding/decoding complexity.
  • a technical problem according to the embodiments is a geometry-point cloud compression (Geometry-point cloud compression, G-PCC) point cloud data transmission apparatus for efficiently transmitting and receiving a bitstream, a transmission method, an apparatus for receiving point cloud data, and a reception method is to provide
  • G-PCC geometry-point cloud compression
  • a technical problem according to the embodiments is to transmit/receive the point cloud data by compressing the point cloud data by applying a prediction-based coding method, thereby efficiently compressing the point cloud data, the transmission method, and the point cloud data receiving device and to provide a receiving method.
  • a technical task according to the embodiments is to provide a point cloud data transmission apparatus and transmission method suitable for low latency applications by using a prediction tree structure for geometry and attribute coding of point cloud data at the same time. .
  • a technical task according to the embodiments is to provide an apparatus and method for receiving point cloud data that are suitable for low latency applications by using a prediction tree structure for geometry and attribute decoding of point cloud data at the same time.
  • a method for transmitting point cloud data may include encoding the point cloud data and transmitting the encoded point cloud data and signaling data.
  • the encoding may include dividing the point cloud data into a plurality of compression units, aligning the point cloud data in each compression unit by compression unit, and generating a prediction tree based on the sorted point cloud data in the compression unit.
  • An embodiment comprising the steps of generating and compressing the point cloud data in the compression unit by performing prediction based on the prediction tree.
  • the dividing step divides the points of the point cloud data into a plurality of compression units by performing clustering based on at least one of the similarity of the geometric information and the similarity of the attribute information of the points of the point cloud data. .
  • the aligning step aligns the points of the point cloud data in each compression unit based on at least one of the similarity of the geometry information or the similarity of the attribute information of the points of the point cloud data in each compression unit as an embodiment.
  • the prediction tree is generated based on at least one of the similarity of the geometric information and the similarity of the attribute information of the points of the point cloud data arranged in each compression unit as an embodiment.
  • the compressing includes predicting the geometry information and attribute information of the point cloud data based on the prediction tree to generate residual information on the geometry information and residual information on the attribute information, and According to an embodiment, different weights are given to residual information and residual information for the attribute information.
  • the compressing includes applying the same predictive coding parameter to the geometry information and the attribute information when predicting the geometry information and the attribute information of the point cloud data based on the prediction tree.
  • the compressing step when the prediction of the geometry information and the attribute information of the point cloud data is performed based on the prediction tree, different prediction coding parameters are applied to the geometry information and the attribute information as an embodiment. .
  • An apparatus for transmitting point cloud data may include an encoder for encoding point cloud data and a transmitter for transmitting the encoded point cloud data and signaling data.
  • the encoder generates a prediction tree based on a divider that divides the point cloud data into a plurality of compression units, an aligner that aligns the point cloud data in each compression unit by compression unit, and the point cloud data aligned in the compression unit
  • it includes a prediction tree generating unit to perform prediction based on the prediction tree, and a compression unit for compressing the point cloud data in the compression unit.
  • the divider divides the points of the point cloud data into a plurality of compression units by performing clustering based on at least one of similarity of geometric information or similarity of attribute information of points of the point cloud data.
  • the sorting unit aligns the points of the point cloud data in each compression unit based on at least one of the similarity of the geometry information of the points of the point cloud data in each compression unit or the similarity of the attribute information.
  • the prediction tree generator generates a prediction tree based on at least one of a similarity of geometric information or similarity of attribute information of points of point cloud data aligned within each compression unit.
  • the compression unit generates residual information on the geometry information and residual information on the attribute information by predicting the geometry information and attribute information of the point cloud data based on the prediction tree, and residual information on the geometry information and giving different weights to the residual information of the attribute information as an embodiment.
  • the compression unit predicts the geometry information and the attribute information of the point cloud data based on the prediction tree
  • the same prediction coding parameter is applied to the geometry information and the attribute information as an embodiment.
  • the compression unit When the compression unit predicts the geometry information and the attribute information of the point cloud data based on the prediction tree, the compression unit applies different prediction coding parameters to the geometry information and the attribute information as an embodiment.
  • a method for receiving point cloud data includes receiving point cloud data and signaling data, decoding the point cloud data based on the signaling data, and the decoded point cloud based on the signaling data It may include rendering the data.
  • the decoding may include generating a prediction tree within a compression unit based on the signaling data, and performing prediction based on the prediction tree to restore point cloud data within the compression unit.
  • the reconstructing includes performing prediction by applying the same prediction coding parameters as the prediction tree to the geometry information and attribute information of the point cloud data to reconstruct the geometry information and the attribute information.
  • the reconstructing includes performing prediction by applying prediction coding parameters different from the prediction tree to the geometry information and attribute information of the point cloud data to reconstruct the geometry information and the attribute information.
  • a point cloud data receiving apparatus includes a receiver configured to receive point cloud data and signaling data, a decoder for decoding the point cloud data based on the signaling data, and the decoded point cloud data based on the signaling data It can include a renderer that renders the .
  • the decoder may include a prediction tree generation unit that generates a prediction tree in a compression unit based on the signaling data, and a restoration unit that performs prediction based on the prediction tree to restore point cloud data in the compression unit. as an example.
  • the restoration unit performs prediction by applying the same prediction coding parameters as the prediction tree to the geometry information and attribute information of the point cloud data to restore the geometry information and the attribute information.
  • the restoration unit performs prediction by applying prediction coding parameters different from the prediction tree to the geometry information and attribute information of the point cloud data to restore the geometry information and the attribute information.
  • the point cloud data transmission method, the transmission device, the point cloud data reception method, and the reception device may provide a quality point cloud service.
  • the point cloud data transmission method, the transmission device, the point cloud data reception method, and the reception device may achieve various video codec schemes.
  • the point cloud data transmission method, the transmission device, the point cloud data reception method, and the reception device may provide universal point cloud content such as an autonomous driving service.
  • the point cloud data transmission method, the transmission device, the point cloud data reception method, and the reception device perform spatial adaptive division of the point cloud data for independent encoding and decoding of the point cloud data, thereby improving parallel processing and It may provide scalability.
  • a point cloud data transmission method, a transmission device, a point cloud data reception method, and a reception device perform encoding and decoding by dividing the point cloud data into tiles and/or slice units, and signaling data necessary for this. It can improve the encoding and decoding performance of the cloud.
  • the point cloud data transmission method, the transmission device, the point cloud data reception method, and the reception device use a prediction-based point cloud compression method, thereby providing a high speed for an environment requiring low delay or low latency. can provide encoding and decoding of
  • the point cloud data transmission method, the transmission device, the point cloud data reception method, and the reception device simultaneously compress the geometry and the attribute for each point, thereby dramatically reducing the execution time required to separately use the geometry and attribute compression. It works.
  • the encoding time can be shortened by using a single prediction tree structure for both geometry and attribute compression, and compression efficiency can also be increased by considering both geometry and attributes when constructing the prediction tree.
  • FIG. 1 shows a system for providing a point cloud (Point Cloud) content according to embodiments.
  • FIG. 2 shows a process for providing Point Cloud content according to embodiments.
  • FIG. 3 shows a configuration of a Point Cloud capture device arrangement according to embodiments.
  • FIG. 4 illustrates a Point Cloud Video Encoder according to embodiments.
  • FIG. 5 illustrates voxels in a 3D space according to example embodiments.
  • FIG. 6 shows an example of an octree and an occupancy code according to embodiments.
  • FIG. 7 shows an example of a neighbor node pattern according to embodiments.
  • FIG. 8 shows an example of a Point configuration of Point Cloud contents for each LOD according to embodiments.
  • FIG 9 shows an example of a point configuration of Point Cloud contents for each LOD according to embodiments.
  • FIG. 10 shows an example of a block diagram of a point cloud video decoder according to embodiments.
  • FIG. 11 shows an example of a point cloud video decoder according to embodiments.
  • FIG. 12 shows components for Point Cloud video encoding of a transmitter according to embodiments.
  • FIG. 13 shows components for Point Cloud video decoding of a receiver according to embodiments.
  • FIG. 14 shows an example of a structure capable of interworking with a point cloud data method/device according to embodiments.
  • 15 is a flowchart illustrating a process of encoding point cloud data based on a prediction tree according to embodiments.
  • 16 is a diagram illustrating an example of obtaining a cluster according to embodiments.
  • 17A and 17B are diagrams illustrating examples of a prediction tree configuration according to embodiments.
  • FIG. 18 shows an example of a prediction tree structure generated in consideration of geometry and/or attributes according to embodiments.
  • FIG. 19 shows an example of a bitstream structure of point cloud data for transmission/reception according to embodiments.
  • FIG. 20 shows another example of a bitstream structure of point cloud data for transmission/reception according to embodiments.
  • 21 is a diagram illustrating an example of a syntax structure of a sequence parameter set according to embodiments.
  • 22 is a diagram illustrating another example of a syntax structure of a sequence parameter set according to embodiments.
  • FIG. 23 is a diagram illustrating an example of a syntax structure of predictive_coding_method() according to embodiments.
  • 24 is a diagram illustrating an example of a syntax structure of a geometry parameter set according to embodiments.
  • 25 is a diagram illustrating an example of a syntax structure of an attribute parameter set according to embodiments.
  • 26 is a diagram illustrating an example of a syntax structure of a geometry slice bitstream ( ) according to embodiments.
  • FIG. 27 is a diagram illustrating an example of a syntax structure of a geometry slice header according to embodiments.
  • FIG. 28 is a diagram illustrating an example of a syntax structure of geometry slice data according to embodiments.
  • 29 is a diagram illustrating an example of a syntax structure of an attribute slice bitstream () according to embodiments.
  • FIG. 30 is a diagram illustrating an example of a syntax structure of an attribute slice header according to embodiments.
  • 31 is a diagram illustrating an example of a syntax structure of attribute slice data according to embodiments.
  • 32 is a diagram illustrating an example of a syntax structure of a geometry-attribute slice bitstream ( ) according to embodiments.
  • 33 is a diagram illustrating an example of a syntax structure of a geometry-attribute slice header according to embodiments.
  • 34 is a diagram illustrating an example of a syntax structure of geometry-attribute slice data according to embodiments.
  • 35 is a diagram illustrating another example of a point cloud transmission apparatus according to embodiments.
  • 36 is a diagram illustrating an example of a detailed block diagram of a point cloud video encoder according to embodiments.
  • FIG. 37 is a flowchart illustrating an example of a point cloud video encoding method according to embodiments.
  • 38 is a diagram illustrating another example of a point cloud receiving apparatus according to embodiments.
  • 39 is a diagram illustrating an example of a detailed block diagram of a point cloud video decoder according to embodiments.
  • FIG. 40 is a flowchart illustrating an example of a point cloud video decoding method according to embodiments.
  • 41 is a flowchart of a method for transmitting point cloud data according to embodiments.
  • FIG. 42 is a flowchart of a method for receiving point cloud data according to embodiments.
  • FIG. 1 shows an example of a point cloud content providing system according to embodiments.
  • the point cloud content providing system shown in FIG. 1 may include a transmission device 10000 and a reception device 10004 .
  • the transmitting device 10000 and the receiving device 10004 are capable of wired/wireless communication in order to transmit/receive point cloud data.
  • the transmission device 10000 may secure, process, and transmit a point cloud video (or point cloud content).
  • the transmitting device 10000 is a fixed station, a base transceiver system (BTS), a network, an artificial intelligence (AI) device and/or system, a robot, an AR/VR/XR device and/or a server and the like.
  • the transmission device 10000 uses a radio access technology (eg, 5G NR (New RAT), LTE (Long Term Evolution)) to communicate with a base station and/or other wireless devices; It may include robots, vehicles, AR/VR/XR devices, mobile devices, home appliances, Internet of Things (IoT) devices, AI devices/servers, and the like.
  • 5G NR New RAT
  • LTE Long Term Evolution
  • Transmission device 10000 is a point cloud video acquisition unit (Point Cloud Video Acquisition unit, 10001), a point cloud video encoder (Point Cloud Video Encoder, 10002) and / or a transmitter (Transmitter (or Communication module), 10003) contains
  • the point cloud video acquisition unit 10001 acquires the point cloud video through processing such as capturing, synthesizing, or generating.
  • the point cloud video is point cloud content expressed as a point cloud that is a set of points located in a three-dimensional space, and may be referred to as point cloud video data or the like.
  • a point cloud video according to embodiments may include one or more frames. One frame represents a still image/picture. Accordingly, the point cloud video may include a point cloud image/frame/picture, and may be referred to as any one of a point cloud image, a frame, and a picture.
  • the point cloud video encoder 10002 encodes the obtained point cloud video data.
  • the point cloud video encoder 10002 may encode point cloud video data based on point cloud compression coding.
  • Point cloud compression coding may include Geometry-based Point Cloud Compression (G-PCC) coding and/or Video based Point Cloud Compression (V-PCC) coding or next-generation coding.
  • G-PCC Geometry-based Point Cloud Compression
  • V-PCC Video based Point Cloud Compression
  • the point cloud video encoder 10002 may output a bitstream including encoded point cloud video data.
  • the bitstream may include not only the encoded point cloud video data, but also signaling information related to encoding of the point cloud video data.
  • the transmitter 10003 transmits a bitstream including encoded point cloud video data.
  • the bitstream according to the embodiments is encapsulated into a file or segment (eg, a streaming segment) and transmitted through various networks such as a broadcasting network and/or a broadband network.
  • the transmission device 10000 may include an encapsulation unit (or an encapsulation module) that performs an encapsulation operation.
  • the encapsulation unit may be included in the transmitter 10003 .
  • the file or segment may be transmitted to the receiving device 10004 through a network or stored in a digital storage medium (eg, USB, SD, CD, DVD, Blu-ray, HDD, SSD, etc.).
  • the transmitter 10003 may communicate with the receiving device 10004 (or a receiver 10005) through wired/wireless communication through networks such as 4G, 5G, and 6G. Also, the transmitter 10003 may perform a necessary data processing operation according to a network system (eg, a communication network system such as 4G, 5G, 6G, etc.). Also, the transmission device 10000 may transmit encapsulated data according to an on demand method.
  • a network system eg, a communication network system such as 4G, 5G, 6G, etc.
  • the transmission device 10000 may transmit encapsulated data according to an on demand method.
  • the receiving device 10004 includes a receiver (Receiver, 10005), a point cloud video decoder (Point Cloud Video Decoder, 10006), and/or a renderer (Renderer, 10007).
  • the receiving device 10004 uses a radio access technology (eg, 5G NR (New RAT), LTE (Long Term Evolution)) to communicate with a base station and/or other wireless devices, a device or a robot , vehicles, AR/VR/XR devices, portable devices, home appliances, Internet of Things (IoT) devices, AI devices/servers, and the like.
  • 5G NR New RAT
  • LTE Long Term Evolution
  • the receiver 10005 receives a bitstream including point cloud video data or a file/segment in which the bitstream is encapsulated from a network or a storage medium.
  • the receiver 10005 may perform a necessary data processing operation according to a network system (eg, a communication network system such as 4G, 5G, or 6G).
  • the receiver 10005 may output a bitstream by decapsulating the received file/segment.
  • the receiver 10005 may include a decapsulation unit (or a decapsulation module) for performing a decapsulation operation.
  • the decapsulation unit may be implemented as an element (or component) separate from the receiver 10005 .
  • the point cloud video decoder 10006 decodes a bitstream including point cloud video data.
  • the point cloud video decoder 10006 may decode the point cloud video data according to an encoded manner (eg, a reverse process of the operation of the point cloud video encoder 10002 ). Accordingly, the point cloud video decoder 10006 may decode the point cloud video data by performing point cloud decompression coding, which is a reverse process of the point cloud compression.
  • Point cloud decompression coding includes G-PCC coding.
  • the renderer 10007 renders the decoded point cloud video data.
  • the renderer 10007 may render the decoded point cloud video data according to a viewport or the like.
  • the renderer 10007 may output point cloud content by rendering audio data as well as point cloud video data.
  • the renderer 10007 may include a display for displaying the point cloud content.
  • the display may not be included in the renderer 10007 and may be implemented as a separate device or component.
  • the feedback information is information for reflecting the interactivity with the user who consumes the point cloud content, and includes user information (eg, head orientation information, viewport information, etc.).
  • user information eg, head orientation information, viewport information, etc.
  • the feedback information is provided by the content transmitting side (eg, the transmission device 10000) and/or the service provider can be passed on to According to embodiments, the feedback information may be used by the receiving device 10004 as well as the transmitting device 10000 or may not be provided.
  • the head orientation information may refer to information about a user's head position, direction, angle, movement, and the like.
  • the reception apparatus 10004 may calculate viewport information based on head orientation information.
  • the viewport information is information on the area of the point cloud video that the user is looking at (ie, the area the user is currently viewing). That is, the viewport information is information on a region that the user is currently viewing in the point cloud video.
  • the viewport or viewport area may mean an area that the user is viewing in the point cloud video.
  • a viewpoint is a point at which a user views a point cloud video, and may mean a central point of the viewport area.
  • the viewport is an area centered on the viewpoint, and the size, shape, etc. occupied by the area may be determined by the Field Of View (FOV).
  • FOV Field Of View
  • the reception device 10004 may extract viewport information based on a vertical or horizontal FOV supported by the device in addition to the head orientation information.
  • the receiving device 10004 performs a gaze analysis, etc. based on the head orientation information and/or viewport information to determine the user's point cloud video consumption method, the point cloud video area where the user gazes, the gaze time, and the like. can be checked
  • the receiving device 10004 may transmit feedback information including the result of the gaze analysis to the transmitting device 10000 .
  • a device such as a VR/XR/AR/MR display may extract a viewport area based on a user's head position/direction, a vertical or horizontal FOV supported by the device, and the like.
  • the head orientation information and the viewport information may be referred to as feedback information, signaling information, or metadata.
  • Feedback information may be obtained during rendering and/or display.
  • Feedback information may be secured by one or more sensors included in the receiving device 10004 .
  • the feedback information may be secured by the renderer 10007 or a separate external element (or device, component, etc.).
  • a dotted line in FIG. 1 shows a process of transmitting the feedback information secured by the renderer 10007 .
  • the feedback information may be not only transmitted to the transmitting side, but also consumed at the receiving side. That is, the point cloud content providing system may process (encode/decode/render) the point cloud data based on the feedback information.
  • the point cloud video decoder 10006 and the renderer 10007 use feedback information, that is, head orientation information and/or viewport information to preferentially decode and render only the point cloud video for the region currently being viewed by the user. can
  • the receiving device 10004 may transmit feedback information to the transmitting device 10000 .
  • the transmission device 10000 (or the point cloud video encoder 10002 ) may perform an encoding operation based on the feedback information. Therefore, the point cloud content providing system does not process (encode / decode) all point cloud data, but efficiently processes necessary data (for example, point cloud data corresponding to the user's head position) based on the feedback information, and the user can provide point cloud content to
  • the transmitting apparatus 10000 may be referred to as an encoder, a transmitting device, a transmitter, a transmitting system, etc.
  • the receiving apparatus 10004 may be referred to as a decoder, a receiving device, a receiver, a receiving system, or the like.
  • Point cloud data (processed in a series of acquisition/encoding/transmission/decoding/rendering) processed in the point cloud content providing system of FIG. 1 according to embodiments may be referred to as point cloud content data or point cloud video data.
  • the point cloud content data may be used as a concept including metadata or signaling information related to the point cloud data.
  • the elements of the point cloud content providing system shown in FIG. 1 may be implemented by hardware, software, a processor and/or a combination thereof.
  • FIG. 2 is a block diagram illustrating an operation of providing point cloud content according to embodiments.
  • the block diagram of FIG. 2 shows the operation of the point cloud content providing system described in FIG. 1 .
  • the point cloud content providing system may process point cloud data based on point cloud compression coding (eg, G-PCC).
  • point cloud compression coding eg, G-PCC
  • the point cloud content providing system may acquire a point cloud video (20000).
  • a point cloud video is expressed as a point cloud belonging to a coordinate system representing a three-dimensional space.
  • a point cloud video according to embodiments may include a Ply (Polygon File format or the Stanford Triangle format) file.
  • the acquired point cloud video may include one or more Ply files.
  • the Ply file contains point cloud data such as the point's geometry and/or attributes. Geometry includes positions of points.
  • the position of each point may be expressed as parameters (eg, values of each of the X-axis, Y-axis, and Z-axis) representing a three-dimensional coordinate system (eg, a coordinate system including XYZ axes).
  • the attribute includes attributes of points (eg, texture information of each point, color (YCbCr or RGB), reflectance (r), transparency, etc.).
  • a point has one or more attributes (or properties).
  • one point may have one attribute of color, and may have two attributes of color and reflectance.
  • the geometry may be referred to as positions, geometry information, geometry data, and the like, and the attribute may be referred to as attributes, attribute information, attribute data, and the like.
  • the point cloud content providing system receives points from information (eg, depth information, color information, etc.) related to the point cloud video acquisition process. Cloud data can be obtained.
  • the point cloud content providing system may encode the point cloud data (20001).
  • the point cloud content providing system may encode point cloud data based on point cloud compression coding.
  • the point cloud data may include the geometry and attributes of the point.
  • the point cloud content providing system may output a geometry bitstream by performing geometry encoding for encoding the geometry.
  • the point cloud content providing system may output an attribute bitstream by performing attribute encoding for encoding an attribute.
  • the point cloud content providing system may perform attribute encoding based on geometry encoding.
  • the geometry bitstream and the attribute bitstream according to the embodiments may be multiplexed and output as one bitstream.
  • the bitstream according to embodiments may further include signaling information related to geometry encoding and attribute encoding.
  • the point cloud content providing system may transmit the encoded point cloud data (20002).
  • the encoded point cloud data may be expressed as a geometry bitstream and an attribute bitstream.
  • the encoded point cloud data may be transmitted in the form of a bitstream together with signaling information related to encoding of the point cloud data (eg, signaling information related to geometry encoding and attribute encoding).
  • the point cloud content providing system may encapsulate the bitstream for transmitting the encoded point cloud data and transmit it in the form of a file or segment.
  • the point cloud content providing system (eg, the receiving device 10004 or the receiver 10005) according to the embodiments may receive a bitstream including the encoded point cloud data. Also, the point cloud content providing system (eg, the receiving device 10004 or the receiver 10005) may demultiplex the bitstream.
  • the point cloud content providing system may decode the encoded point cloud data (for example, a geometry bitstream, an attribute bitstream) transmitted as a bitstream. have.
  • the point cloud content providing system (for example, the receiving device 10004 or the point cloud video decoder 10005) may decode the point cloud video data based on signaling information related to encoding of the point cloud video data included in the bitstream. have.
  • the point cloud content providing system (eg, the receiving device 10004 or the point cloud video decoder 10005) may decode the geometry bitstream to restore positions (geometry) of the points.
  • the point cloud content providing system may restore attributes of points by decoding an attribute bitstream based on the restored geometry.
  • the point cloud content providing system (eg, the receiving device 10004 or the point cloud video decoder 10005) may reconstruct the point cloud video based on positions and decoded attributes according to the reconstructed geometry.
  • the point cloud content providing system may render the decoded point cloud data (20004).
  • the point cloud content providing system eg, the receiving device 10004 or the renderer 10007) may render the geometry and attributes decoded through the decoding process according to various rendering methods.
  • the points of the point cloud content may be rendered as a vertex having a certain thickness, a cube having a specific minimum size centered at the vertex position, or a circle centered at the vertex position. All or part of the rendered point cloud content is provided to the user through a display (eg, VR/AR display, general display, etc.).
  • the point cloud content providing system (eg, the reception device 10004) according to the embodiments may secure the feedback information (20005).
  • the point cloud content providing system may encode and/or decode the point cloud data based on the feedback information. Since the operation of the feedback information and point cloud content providing system according to the embodiments is the same as the feedback information and operation described with reference to FIG. 1 , a detailed description thereof will be omitted.
  • FIG 3 shows an example of a point cloud video capture process according to embodiments.
  • FIG. 3 shows an example of a point cloud video capture process of the point cloud content providing system described with reference to FIGS. 1 and 2 .
  • the point cloud content is an object located in various three-dimensional spaces (eg, a three-dimensional space representing a real environment, a three-dimensional space representing a virtual environment, etc.) and/or a point cloud video representing the environment (images and/or videos) are included.
  • one or more cameras eg, an infrared camera capable of securing depth information, color information corresponding to depth information
  • the point cloud content providing system according to the embodiments may extract a shape of a geometry composed of points in a three-dimensional space from depth information, and extract an attribute of each point from color information to secure point cloud data.
  • An image and/or an image according to embodiments may be captured based on at least one of an inward-facing method and an outward-facing method.
  • the left side of FIG. 3 shows an inward-pacing scheme.
  • the inward-pacing method refers to a method in which one or more cameras (or camera sensors) located surrounding the central object capture the central object.
  • the inward-facing method provides a 360-degree image of a point cloud content that provides a user with a 360-degree image of a core object (for example, a 360-degree image of an object (e.g., a core object such as a character, player, object, actor, etc.) to the user. It can be used to create VR/AR content).
  • the right side of FIG. 3 shows an outward-pacing scheme.
  • the outward-pacing method refers to a method in which one or more cameras (or camera sensors) positioned surrounding the central object capture the environment of the central object rather than the central object.
  • the outward-pacing method may be used to generate point cloud content (eg, content representing an external environment that may be provided to a user of an autonomous vehicle) for providing a surrounding environment that appears from a user's point of view.
  • point cloud content eg, content representing an external environment that may be provided to a user of an autonomous vehicle
  • the point cloud content may be generated based on a capture operation of one or more cameras.
  • the point cloud content providing system may perform calibration of one or more cameras in order to set a global coordinate system before the capture operation.
  • the point cloud content providing system may generate the point cloud content by synthesizing the image and/or image captured by the above-described capture method and an arbitrary image and/or image.
  • the capture operation described with reference to FIG. 3 may not be performed.
  • the point cloud content providing system may perform post-processing on the captured image and/or the image. That is, the point cloud content providing system removes an unwanted area (eg, a background), recognizes a space where captured images and/or images are connected, and fills in a spatial hole if there is one. can
  • the point cloud content providing system may generate one point cloud content by performing coordinate system transformation on points of the point cloud video secured from each camera.
  • the point cloud content providing system may perform coordinate system transformation of points based on the position coordinates of each camera. Accordingly, the point cloud content providing system may generate content representing one wide range or may generate point cloud content having a high density of points.
  • FIG. 4 shows an example of a point cloud video encoder according to embodiments.
  • the point cloud video encoder controls the point cloud data (eg, positions of points and / or attributes) and perform an encoding operation.
  • the point cloud content providing system may not be able to stream the corresponding content in real time. Accordingly, the point cloud content providing system may reconfigure the point cloud content based on a maximum target bitrate in order to provide it according to a network environment.
  • the point cloud video encoder may perform geometry encoding and attribute encoding. Geometry encoding is performed before attribute encoding.
  • a point cloud video encoder may include a Transformation Coordinates unit 40000, a Quantization unit 40001, an Octtree Analysis unit 40002, and a Surface Approximation unit.
  • Analysis unit, 40003 arithmetic encoder (Arithmetic Encode, 40004), geometry reconstruction unit (Geometry Reconstruction unit, 40005), color transformation unit (Color Transformation unit, 40006), attribute transformation unit (Attribute Transformation unit, 40007), RAHT (Region Adaptive Hierarchical Transform) transform unit 40008, LOD generation unit (LOD Generation unit, 40009), lifting transform unit (Lifting Transformation unit) 40010, coefficient quantization unit (Coefficient Quantization unit, 40011) and / or Aris and an Arithmetic Encoder (40012).
  • the coordinate system transformation unit 40000, the quantization unit 40001, the octree analysis unit 40002, the surface approxy analysis unit 40003, the arithmetic encoder 40004, and the geometry reconstruction unit 40005 perform geometry encoding. can do.
  • Geometry encoding according to embodiments may include octree geometry coding, direct coding, trisoup geometry encoding, and entropy encoding. Direct coding and trisup geometry encoding are applied selectively or in combination. Also, geometry encoding is not limited to the above example.
  • the coordinate system conversion unit 40000 receives the positions and converts them into a coordinate system.
  • the positions may be converted into position information in a three-dimensional space (eg, a three-dimensional space expressed in an XYZ coordinate system, etc.).
  • Location information in 3D space may be referred to as geometry information.
  • the quantizer 40001 quantizes the geometry.
  • the quantization unit 40001 may quantize the points based on the minimum position values of all points (eg, the minimum values on each axis with respect to the X-axis, Y-axis, and Z-axis).
  • the quantization unit 40001 performs a quantization operation to find the nearest integer value by multiplying the difference between the minimum position value and the position value of each point by a preset quantization scale value, and then rounding down or rounding it up. Accordingly, one or more points may have the same quantized position (or position value).
  • the quantizer 40001 according to embodiments performs voxelization based on quantized positions to reconstruct quantized points.
  • Voxelization refers to a minimum unit expressing position information in a three-dimensional space.
  • Points of point cloud content (or 3D point cloud video) according to embodiments may be included in one or more voxels.
  • the quantizer 40001 may match groups of points in a 3D space to voxels.
  • one voxel may include only one point.
  • one voxel may include one or more points.
  • a position of a center point of a corresponding voxel may be set based on positions of one or more points included in one voxel.
  • attributes of all positions included in one voxel may be combined and assigned to a corresponding voxel.
  • the octree analyzer 40002 performs octree geometry coding (or octree coding) to represent voxels in an octree structure.
  • the octree structure represents points matched to voxels based on the octal tree structure.
  • the surface appropriation analyzer 40003 may analyze and approximate the octree.
  • Octree analysis and approximation is a process of analyzing to voxelize a region including a plurality of points in order to efficiently provide octree and voxelization.
  • the arithmetic encoder 40004 entropy encodes the octree and/or the approximated octree.
  • the encoding method includes an arithmetic encoding method.
  • the encoding results in a geometry bitstream.
  • Color transform unit 40006 performs attribute encoding.
  • one point may have one or more attributes. Attribute encoding according to embodiments is equally applied to attributes of one point. However, when one attribute (eg, color) includes one or more elements, independent attribute encoding is applied to each element.
  • Attribute encoding includes color transform coding, attribute transform coding, region adaptive hierarchical transform (RAHT) coding, interpolation-based hierarchical nearest-neighbor prediction-Prediction Transform coding, and interpolation-based hierarchical nearest -neighbor prediction with an update/lifting step (Lifting Transform)) may include coding.
  • RAHT region adaptive hierarchical transform
  • coding interpolation-based hierarchical nearest-neighbor prediction-Prediction Transform coding
  • Lifting Transform interpolation-based hierarchical nearest -neighbor prediction with an update/lifting step
  • attribute encoding is not limited to the above-described example.
  • the color conversion unit 40006 performs color conversion coding for converting color values (or textures) included in attributes.
  • the color converter 40006 may convert the format of color information (eg, convert RGB to YCbCr).
  • the operation of the color converter 40006 according to embodiments may be optionally applied according to color values included in the attributes.
  • the geometry reconstruction unit 40005 reconstructs (decompresses) an octree and/or an approximated octree.
  • the geometry reconstruction unit 40005 reconstructs an octree/voxel based on a result of analyzing the distribution of points.
  • the reconstructed octree/voxel may be referred to as a reconstructed geometry (or a reconstructed geometry).
  • the attribute transform unit 40007 performs an attribute transform that transforms attributes based on positions to which geometry encoding has not been performed and/or a reconstructed geometry. As described above, since the attributes are dependent on the geometry, the attribute transform unit 40007 may transform the attributes based on the reconstructed geometry information. For example, the attribute conversion unit 40007 may convert an attribute of a point at the position based on the position value of the point included in the voxel. As described above, when the position of the center point of a voxel is set based on the positions of one or more points included in one voxel, the attribute conversion unit 40007 converts attributes of the one or more points. When the tri-soup geometry encoding is performed, the attribute conversion unit 40007 may convert the attributes based on the tri-soup geometry encoding.
  • the attribute conversion unit 40007 is an average value of attributes or attribute values (eg, color of each point, reflectance, etc.) of neighboring points within a specific position/radius from the position (or position value) of the central point of each voxel. can be calculated to perform attribute transformation.
  • the attribute conversion unit 40007 may apply a weight according to the distance from the center point to each point when calculating the average value.
  • each voxel has a position and a computed attribute (or attribute value).
  • the attribute transform unit 40007 may search for neighboring points existing within a specific position/radius from the position of the center point of each voxel based on the K-D tree or morton code.
  • the K-D tree is a binary search tree and supports a data structure that can manage points based on location so that Nearest Neighbor Search-NNS is possible quickly.
  • the Morton code is generated by representing the coordinate values (eg (x, y, z)) representing the three-dimensional positions of all points as bit values and mixing the bits. For example, if the coordinate value indicating the position of the point is (5, 9, 1), the bit value of the coordinate value is (0101, 1001, 0001).
  • the attribute transform unit 40007 may align the points based on the Morton code value and perform a shortest neighbor search (NNS) through a depth-first traversal process. After the attribute transformation operation, if the nearest neighbor search (NNS) is required in another transformation process for attribute coding, a K-D tree or a Molton code is used.
  • NSS shortest neighbor search
  • the converted attributes are input to the RAHT conversion unit 40008 and/or the LOD generation unit 40009.
  • the RAHT converter 40008 performs RAHT coding for predicting attribute information based on the reconstructed geometry information.
  • the RAHT transform unit 40008 may predict attribute information of a node at an upper level of the octree based on attribute information associated with a node at a lower level of the octree.
  • the LOD generator 40009 generates a Level of Detail (LOD).
  • LOD Level of Detail
  • the LOD according to the embodiments indicates the detail of the point cloud content, and the smaller the LOD value, the lower the detail of the point cloud content, and the higher the LOD value, the higher the detail of the point cloud content. Points may be classified according to LOD.
  • the lifting transform unit 40010 performs lifting transform coding that transforms the attributes of the point cloud based on weights. As described above, lifting transform coding may be selectively applied.
  • the coefficient quantizer 40011 quantizes the attribute-coded attributes based on coefficients.
  • the arithmetic encoder 40012 encodes the quantized attributes based on arithmetic coding.
  • the elements of the point cloud video encoder of FIG. 4 are not shown in the figure, but include one or more processors or integrated circuits configured to communicate with one or more memories included in the point cloud content providing apparatus. may be implemented in hardware, software, firmware, or a combination thereof.
  • the one or more processors may perform at least any one or more of the operations and/or functions of the elements of the point cloud video encoder of FIG. 4 described above.
  • the one or more processors may also operate or execute a set of software programs and/or instructions for performing the operations and/or functions of the elements of the point cloud video encoder of FIG. 4 .
  • One or more memories in accordance with embodiments may include high speed random access memory, non-volatile memory (eg, one or more magnetic disk storage devices, flash memory devices, or other non-volatile solid state memory devices (such as solid-state memory devices).
  • FIG. 5 illustrates an example of a voxel according to embodiments.
  • voxel 5 is an octree structure that recursively subdivides a bounding box defined by two poles (0,0,0) and (2 d , 2 d , 2 d ).
  • An example of a voxel generated through One voxel includes at least one or more points.
  • a voxel may estimate spatial coordinates from a positional relationship with a voxel group.
  • voxels have attributes (such as color or reflectance) like pixels of a 2D image/image.
  • a detailed description of the voxel is the same as that described with reference to FIG. 4 and thus will be omitted.
  • FIG. 6 shows an example of an octree and an occupancy code according to embodiments.
  • the point cloud content providing system (point cloud video encoder 10002) or the octree analysis unit 40002 of the point cloud video encoder) in order to efficiently manage the area and/or position of voxels Performs octree geometry coding (or octree coding) based on octree structure.
  • the upper part of FIG. 6 shows the octree structure.
  • the three-dimensional space of the point cloud content according to the embodiments is expressed by axes (eg, X-axis, Y-axis, and Z-axis) of the coordinate system.
  • the octree structure is created by recursively subdividing a bounding box defined by two poles (0,0,0) and (2 d , 2 d , 2 d ). . 2d may be set to a value constituting the smallest bounding box surrounding all points of the point cloud content (or point cloud video).
  • d represents the depth of the octree.
  • the d value is determined according to Equation 1 below.
  • (x int n , y int n , z int n ) represents positions (or position values) of quantized points.
  • the entire 3D space may be divided into eight spaces according to the division.
  • Each divided space is expressed as a cube with six faces.
  • each of the eight spaces is again divided based on the axes of the coordinate system (eg, the X-axis, the Y-axis, and the Z-axis). Therefore, each space is further divided into 8 small spaces.
  • the divided small space is also expressed as a cube with six faces. This division method is applied until a leaf node of the octree becomes a voxel.
  • the lower part of FIG. 6 shows the occupancy code of the octree.
  • the occupancy code of the octree is generated to indicate whether each of the eight divided spaces generated by dividing one space includes at least one point.
  • one occupanci code is expressed by eight child nodes.
  • Each child node represents an occupancies of the divided space, and each child node has a value of 1 bit. Therefore, the occupanci code is expressed as an 8-bit code. That is, if at least one point is included in the space corresponding to the child node, the corresponding node has a value of 1. If the space corresponding to the child node does not contain a point (empty), the node has a value of 0. Since the occupanci code shown in FIG.
  • a point cloud video encoder (eg, arithmetic encoder 40004 ) according to embodiments may entropy encode the occupanci code.
  • point cloud video encoders can intra/inter-code occupanci codes.
  • the receiving apparatus (eg, the receiving apparatus 10004 or the point cloud video decoder 10006) according to embodiments reconstructs an octree based on the occupanci code.
  • the point cloud video encoder (eg, the octree analyzer 40002) may perform voxelization and octree coding to store positions of points.
  • the points in the 3D space are not always evenly distributed, there may be a specific area where there are not many points. Therefore, it is inefficient to perform voxelization on the entire 3D space. For example, if there are few points in a specific area, there is no need to perform voxelization up to the corresponding area.
  • the point cloud video encoder does not perform voxelization on the above-described specific region (or a node other than the leaf node of the octree), but directly codes the positions of points included in the specific region (Direct coding). coding) can be performed. Coordinates of direct coding points according to embodiments are called direct coding mode (DCM).
  • the point cloud video encoder may perform trisoup geometry encoding for reconstructing positions of points in a specific region (or node) based on voxels based on a surface model. .
  • Tri-Soop geometry encoding is a geometry encoding that expresses the representation of an object as a series of triangle meshes.
  • the point cloud video decoder can generate a point cloud from the mesh surface.
  • Direct coding and trisup geometry encoding according to embodiments may be selectively performed.
  • direct coding and trisup geometry encoding according to embodiments may be performed in combination with octree geometry coding (or octree coding).
  • the option to use a direct mode for applying direct coding must be activated, and a node to which direct coding is to be applied is not a leaf node, but is less than a threshold within a specific node. points must exist. Also, the total number of points to be subjected to direct coding should not exceed a preset limit value. If the above condition is satisfied, the point cloud video encoder (eg, arithmetic encoder 40004) according to embodiments may entropy-code positions (or position values) of points.
  • the point cloud video encoder (for example, the surface approximation analyzer 40003) according to the embodiments determines a specific level of the octree (when the level is smaller than the depth d of the octree), and from that level, using the surface model It is possible to perform tri-soup geometry encoding, which reconstructs the position of a point in the node region based on voxels (tri-soup mode).
  • the point cloud video encoder according to the embodiments may designate a level to which tri-top geometry encoding is to be applied. For example, if the specified level is equal to the depth of the octree, the point cloud video encoder will not operate in tri-soup mode.
  • the point cloud video encoder may operate in the tri-soup mode only when the specified level is smaller than the depth value of the octree.
  • a three-dimensional cube region of nodes of a specified level according to embodiments is called a block.
  • One block may include one or more voxels.
  • a block or voxel may correspond to a brick.
  • the geometry is represented as a surface.
  • a surface according to embodiments may intersect each edge of the block at most once.
  • a vertex existing along an edge is detected when there is at least one occupied voxel adjacent to the edge among all blocks sharing the edge.
  • An ocupided voxel means a voxel including a point. The position of the vertex detected along the edge is the average position along the edge of all voxels of all voxels adjacent to the edge among all blocks sharing the edge.
  • the point cloud video encoder When a vertex is detected, the point cloud video encoder according to the embodiments performs an edge start point (x, y, z) and an edge direction vector ( x, y, z), vertex position values (relative position values within the edge) can be entropy-coded.
  • the point cloud video encoder eg, the geometry reconstruction unit 40005
  • the point cloud video encoder performs triangle reconstruction, up-sampling, and voxelization processes. can be performed to create reconstructed geometry (reconstructed geometry).
  • Vertices located on the edge of a block determine the surface that passes through the block.
  • the surface according to embodiments is a non-planar polygon.
  • the triangle reconstruction process reconstructs the surface represented by a triangle based on the starting point of the edge, the direction vector of the edge, and the position value of the vertex.
  • the triangle reconstruction process is as shown in Equation 2 below. 1 Calculate the centroid value of each vertex, 2 Perform 3 square on the values obtained by subtracting the center value from each vertex value, and obtain the sum of all the values.
  • the minimum value of the added value is obtained, and the projection process is performed along the axis with the minimum value. For example, if the x element is the minimum, each vertex is projected on the x-axis with respect to the center of the block and projected on the (y, z) plane. If the value that comes out when projecting on the (y, z) plane is (ai, bi), the ⁇ value is obtained through atan2(bi, ai), and the vertices are aligned based on the ⁇ value. Table 1 below shows combinations of vertices for generating a triangle according to the number of vertices. Vertices are sorted in order from 1 to n.
  • the first triangle may be composed of 1st, 2nd, and 3rd vertices among the aligned vertices
  • the second triangle may be composed of 3rd, 4th, and 1st vertices among the aligned vertices.
  • the upsampling process is performed to voxelize the triangle by adding points along the edge of the triangle. Create additional points based on the upsampling factor and the width of the block. The additional points are called refined vertices.
  • the point cloud video encoder may voxel the refined vertices. Also, the point cloud video encoder may perform attribute encoding based on the voxelized position (or position value).
  • FIG. 7 shows an example of a neighbor node pattern according to embodiments.
  • the point cloud video encoder may perform entropy coding based on context adaptive arithmetic coding.
  • the point cloud content providing system or the point cloud video encoder 10002 of FIG. 2 or the point cloud video encoder or arithmetic encoder 40004 of FIG. 4 can directly entropy code the occupanci code have.
  • the point cloud content providing system or point cloud video encoder performs entropy encoding (intra encoding) based on the occupanci code of the current node and the occupancies of neighboring nodes, or entropy encoding (inter encoding) can be performed.
  • a frame according to embodiments means a set of point cloud videos generated at the same time. Compression efficiency of intra encoding/inter encoding according to embodiments may vary depending on the number of referenced neighboring nodes.
  • a point cloud video encoder determines occupancy of neighboring nodes of each node of an octree and obtains a neighbor pattern value.
  • the neighbor node pattern is used to infer the occupancies pattern of the corresponding node.
  • the left side of FIG. 7 shows a cube corresponding to a node (a cube located in the center) and six cubes (neighboring nodes) that share at least one face with the cube.
  • the nodes shown in the figure are nodes of the same depth (depth).
  • the numbers shown in the figure represent the weights (1, 2, 4, 8, 16, 32, etc.) associated with each of the six nodes. Each weight is sequentially assigned according to the positions of neighboring nodes.
  • the right side of FIG. 7 shows the neighboring node pattern values.
  • the neighbor node pattern value is the sum of values multiplied by the weights of the ocupided neighbor nodes (neighbor nodes with points). Therefore, the neighbor node pattern values range from 0 to 63. When the neighbor node pattern value is 0, it indicates that there is no node (ocupid node) having a point among the neighboring nodes of the corresponding node. When the neighbor node pattern value is 63, it indicates that all of the neighboring nodes are ocupid nodes. As shown in the figure, since neighboring nodes to which weights 1, 2, 4, and 8 are assigned are ocupided nodes, the neighboring node pattern value is 15, which is the sum of 1, 2, 4, and 8.
  • the point cloud video encoder may perform coding according to the value of the neighboring node pattern (eg, when the value of the neighboring node pattern is 63, performing 64 types of coding). According to embodiments, the point cloud video encoder may change the neighbor node pattern value (eg, based on a table changing 64 to 10 or 6) to reduce coding complexity.
  • the encoded geometry is reconstructed (decompressed).
  • the geometry reconstruction operation may include changing the arrangement of the direct coded points (eg, placing the direct coded points in front of the point cloud data).
  • tri-soap geometry encoding is applied, the geometry reconstruction process is triangular reconstruction, upsampling, and voxelization. Since the attribute is dependent on the geometry, attribute encoding is performed based on the reconstructed geometry.
  • the point cloud video encoder may reorganize the points by LOD.
  • the figure shows the point cloud content corresponding to the LOD.
  • the left side of the drawing shows the original point cloud content.
  • the second figure from the left of the figure shows the distribution of points with the lowest LOD, and the rightmost figure of the figure shows the distribution of points with the highest LOD. That is, the points of the lowest LOD are sparsely distributed, and the points of the highest LOD are tightly distributed. That is, as the LOD increases according to the direction of the arrow indicated at the bottom of the drawing, the interval (or distance) between the points becomes shorter.
  • a point cloud content providing system or a point cloud video encoder (for example, the point cloud video encoder 10002 of FIG. 2, the point cloud video encoder of FIG. 4, or the LOD generator 40009) ) can create LODs.
  • the LOD is created by reorganizing the points into a set of refinement levels according to a set LOD distance value (or set of Euclidean Distance).
  • the LOD generation process is performed not only in the point cloud video encoder but also in the point cloud video decoder.
  • FIG. 9 shows examples (P0 to P9) of points of point cloud content distributed in a three-dimensional space.
  • the original order of FIG. 9 indicates the order of points P0 to P9 before LOD generation.
  • the LOD based order of FIG. 9 indicates the order of points according to the LOD generation. Points are rearranged by LOD. Also, the high LOD includes points belonging to the low LOD.
  • LOD0 includes P0, P5, P4 and P2.
  • LOD1 includes the points of LOD0 and P1, P6 and P3.
  • LOD2 includes points of LOD0, points of LOD1, and P9, P8 and P7.
  • the point cloud video encoder may perform LOD-based predictive transform coding, lifting transform coding, and RAHT transform coding selectively or in combination.
  • a point cloud video encoder may generate predictors for points and perform LOD-based predictive transform coding to set a predictive attribute (or predictive attribute value) of each point. That is, N predictors may be generated for N points.
  • the prediction attribute (or attribute value) is a weight calculated based on the distance to each neighboring point in the attributes (or attribute values, for example, color, reflectance, etc.) of neighboring points set in the predictor of each point (or the weight value) is set as the average value of the multiplied value.
  • the point cloud video encoder for example, the coefficient quantization unit 40011
  • Quantization and inverse quantization may be performed on the attribute, residual attribute value, attribute prediction residual value, prediction error attribute value, etc.) Quantization process of the transmitting device performed on the residual attribute value is shown in Table 2.
  • the inverse quantization process of the receiving device performed on the quantized residual attribute values as shown in Table 2 is shown in Table 3.
  • the point cloud video encoder (eg, arithmetic encoder 40012 ) may entropy the quantized and dequantized residual attribute values as described above when there are neighboring points to the predictor of each point. can be coded. 1) Create an array QW (QuantizationWeight) that stores the weight values of each point. The initial value of all elements of QW is 1.0. A value obtained by multiplying the QW value of the predictor index of the neighboring node registered in the predictor by the weight of the predictor of the current point is added.
  • QW QuantizationWeight
  • the weights calculated for all predictors are additionally multiplied by the weights stored in the QW corresponding to the predictor index, and the calculated weights are cumulatively added to the update weight array as the indexes of neighboring nodes.
  • the value obtained by multiplying the calculated weight by the attribute value of the index of the neighbor node is accumulated and summed.
  • a predicted attribute value is calculated by additionally multiplying an attribute value updated through the lift update process by a weight updated through the lift prediction process (stored in QW).
  • a point cloud video encoder eg, the coefficient quantization unit 40011
  • a point cloud video encoder eg, arithmetic encoder 40012 ) entropy codes the quantized attribute values.
  • the point cloud video encoder (for example, the RAHT transform unit 40008) according to the embodiments may perform RAHT transform coding for estimating the attributes of the nodes of the upper level by using the attribute associated with the node at the lower level of the octree. have.
  • RAHT transform coding is an example of attribute intra coding with octree backward scan.
  • the point cloud video encoder according to the embodiments scans the entire area from the voxel, and repeats the merging process up to the root node while merging the voxels into a larger block at each step.
  • the merging process according to the embodiments is performed only for the ocupid node. A merging process is not performed on an empty node, and a merging process is performed on a node immediately above the empty node.
  • Equation 3 represents the RAHT transformation matrix.
  • g lx,y,z represents the average attribute value of voxels in level l.
  • g lx,y,z can be calculated from g l+1 2x,y,z and g l+1 2x+1,y,z.
  • g l-1 x,y,z is a low-pass value and is used in the merging process at the next higher level.
  • h l-1 x,y,z are high-pass coefficients, and the high-pass coefficients in each step are quantized and entropy-coded (eg, encoding of the arithmetic encoder 40012 ).
  • the root node is generated as shown in Equation 4 below through the last g 1 0,0,0 and g 1 0,0,1 .
  • the gDC value is also quantized and entropy-coded like the high-pass coefficient.
  • FIG. 10 shows an example of a point cloud video decoder according to embodiments.
  • the point cloud video decoder shown in FIG. 10 is an example of the point cloud video decoder 10006 described in FIG. 1 , and may perform the same or similar operations to the operation of the point cloud video decoder 10006 described in FIG. 1 .
  • the point cloud video decoder may receive a geometry bitstream and an attribute bitstream included in one or more bitstreams.
  • the point cloud video decoder includes a geometry decoder and an attribute decoder.
  • the geometry decoder outputs decoded geometry by performing geometry decoding on the geometry bitstream.
  • the attribute decoder outputs decoded attributes by performing attribute decoding on the attribute bitstream based on the decoded geometry.
  • the decoded geometry and decoded attributes are used to reconstruct the point cloud content (decoded point cloud).
  • FIG. 11 shows an example of a point cloud video decoder according to embodiments.
  • the point cloud video decoder illustrated in FIG. 11 is a detailed example of the point cloud video decoder illustrated in FIG. 10 , and may perform a decoding operation that is a reverse process of the encoding operation of the point cloud video encoder illustrated in FIGS. 1 to 9 .
  • the point cloud video decoder may perform geometry decoding and attribute decoding. Geometry decoding is performed before attribute decoding.
  • a point cloud video decoder may include an arithmetic decoder 11000 , an octree synthesis unit 11001 , a surface approximation synthesis unit 11002 , and a geometry reconstruction unit (geometry reconstruction unit 11003), coordinates inverse transformation unit 11004, arithmetic decoder 11005, inverse quantization unit 11006, RAHT transformation unit 11007, LOD generation a LOD generation unit 11008 , an inverse lifting unit 11009 , and/or a color inverse transformation unit 11010 .
  • the arithmetic decoder 11000 , the octree synthesizer 11001 , the surface op-proximation synthesizer 11002 , the geometry reconstruction unit 11003 , and the coordinate system inverse transformation unit 11004 may perform geometry decoding.
  • Geometry decoding according to embodiments may include direct decoding and trisoup geometry decoding. Direct decoding and tri-soup geometry decoding are optionally applied. Also, the geometry decoding is not limited to the above example, and is performed as a reverse process of the geometry encoding described with reference to FIGS. 1 to 9 .
  • the arithmetic decoder 11000 decodes the received geometry bitstream based on arithmetic coding.
  • the operation of the arithmetic decoder 11000 corresponds to the reverse process of the arithmetic encoder 40004 .
  • the octree synthesizer 11001 may generate an octree by obtaining an occupanci code from a decoded geometry bitstream (or information about a geometry secured as a result of decoding).
  • a detailed description of the occupanci code is the same as described with reference to FIGS. 1 to 9 .
  • the surface op-proximation synthesizing unit 11002 may synthesize a surface based on a decoded geometry and/or a generated octree when trisupe geometry encoding is applied.
  • the geometry reconstruction unit 11003 may reconstruct a geometry based on the surface and/or the decoded geometry. As described with reference to FIGS. 1 to 9 , direct coding and tri-soup geometry encoding are selectively applied. Accordingly, the geometry reconstruction unit 11003 directly brings and adds position information of points to which direct coding is applied. In addition, when tri-soap geometry encoding is applied, the geometry reconstruction unit 11003 may perform a reconstruction operation of the geometry reconstruction unit 40005, for example, triangle reconstruction, up-sampling, and voxelization to restore the geometry. have. Specific details are the same as those described with reference to FIG. 6 and thus will be omitted.
  • the reconstructed geometry may include a point cloud picture or frame that does not include attributes.
  • the coordinate system inverse transform unit 11004 may obtain positions of points by transforming the coordinate system based on the restored geometry.
  • the arithmetic decoder 11005, the inverse quantization unit 11006, the RAHT transform unit 11007, the LOD generator 11008, the inverse lifting unit 11009, and/or the inverse color transform unit 11010 are the attributes described with reference to FIG. decoding can be performed.
  • Attribute decoding according to embodiments includes Region Adaptive Hierarchical Transform (RAHT) decoding, Interpolation-based hierarchical nearest-neighbor prediction-Prediction Transform decoding, and interpolation-based hierarchical nearest-neighbor prediction with an update/lifting step (Lifting Transform)) decoding may be included.
  • RAHT Region Adaptive Hierarchical Transform
  • Interpolation-based hierarchical nearest-neighbor prediction-Prediction Transform decoding Interpolation-based hierarchical nearest-neighbor prediction-Prediction Transform decoding
  • interpolation-based hierarchical nearest-neighbor prediction with an update/lifting step (Lifting Transform)) decoding may be included.
  • the arithmetic decoder 11005 decodes an attribute bitstream by arithmetic coding.
  • the inverse quantization unit 11006 inverse quantizes the decoded attribute bitstream or information on the attribute secured as a result of decoding, and outputs inverse quantized attributes (or attribute values). Inverse quantization may be selectively applied based on attribute encoding of the point cloud video encoder.
  • the RAHT transformation unit 11007, the LOD generation unit 11008, and/or the inverse lifting unit 11009 may process the reconstructed geometry and dequantized attributes. As described above, the RAHT conversion unit 11007, the LOD generation unit 11008, and/or the inverse lifting unit 11009 may selectively perform a corresponding decoding operation according to the encoding of the point cloud video encoder.
  • the color inverse transform unit 11010 performs inverse transform coding for inverse transforming color values (or textures) included in decoded attributes.
  • the operation of the color inverse transform unit 11010 may be selectively performed based on the operation of the color transform unit 40006 of the point cloud video encoder.
  • the elements of the point cloud video decoder of FIG. 11 are not shown in the figure, but include one or more processors or integrated circuits configured to communicate with one or more memories included in the point cloud content providing system. may be implemented in hardware, software, firmware, or a combination thereof.
  • the one or more processors may perform at least any one or more of the operations and/or functions of the elements of the point cloud video decoder of FIG. 11 described above. Also, the one or more processors may operate or execute a set of software programs and/or instructions for performing operations and/or functions of the elements of the point cloud video decoder of FIG. 11 .
  • the transmission device shown in FIG. 12 is an example of the transmission device 10000 of FIG. 1 (or the point cloud video encoder of FIG. 4 ).
  • the transmitting apparatus shown in FIG. 12 may perform at least any one or more of the same or similar operations and methods to the operations and encoding methods of the point cloud video encoder described with reference to FIGS. 1 to 9 .
  • the transmission apparatus includes a data input unit 12000 , a quantization processing unit 12001 , a voxelization processing unit 12002 , an occupancy code generation unit 12003 , a surface model processing unit 12004 , and an intra/ Inter-coding processing unit 12005, arithmetic coder 12006, metadata processing unit 12007, color conversion processing unit 12008, attribute conversion processing unit (or attribute conversion processing unit) 12009, prediction/lifting/RAHT conversion It may include a processing unit 12010 , an arithmetic coder 12011 , and/or a transmission processing unit 12012 .
  • the data input unit 12000 receives or acquires point cloud data.
  • the data input unit 12000 may perform the same or similar operation and/or acquisition method to the operation and/or acquisition method of the point cloud video acquisition unit 10001 (or the acquisition process 20000 described in FIG. 2 ).
  • the coder 12006 performs geometry encoding. Since the geometry encoding according to the embodiments is the same as or similar to the geometry encoding described with reference to FIGS. 1 to 9 , a detailed description thereof will be omitted.
  • the quantization processing unit 12001 quantizes a geometry (eg, a position value or a position value of points).
  • the operation and/or quantization of the quantization processing unit 12001 is the same as or similar to the operation and/or quantization of the quantization unit 40001 described with reference to FIG. 4 .
  • a detailed description is the same as that described with reference to FIGS. 1 to 9 .
  • the voxelization processing unit 12002 voxelizes position values of quantized points.
  • the voxelization processing unit 12002 may perform the same or similar operations and/or processes to those of the quantization unit 40001 described with reference to FIG. 4 and/or the voxelization process. A detailed description is the same as that described with reference to FIGS. 1 to 9 .
  • the octree occupancy code generator 12003 performs octree coding on the positions of voxelized points based on the octree structure.
  • the octree occupancy code generator 12003 may generate an occult code.
  • the octree occupancy code generator 12003 may perform the same or similar operations and/or methods to those of the point cloud video encoder (or the octree analyzer 40002) described with reference to FIGS. 4 and 6 . .
  • a detailed description is the same as that described with reference to FIGS. 1 to 9 .
  • the surface model processing unit 12004 may perform tri-supply geometry encoding for reconstructing positions of points in a specific region (or node) based on voxels based on a surface model.
  • the fore surface model processing unit 12004 may perform the same or similar operations and/or methods to those of the point cloud video encoder (eg, the surface appropriation analyzer 40003) described with reference to FIG. 4 .
  • a detailed description is the same as that described with reference to FIGS. 1 to 9 .
  • the intra/inter coding processing unit 12005 may perform intra/inter coding of point cloud data.
  • the intra/inter coding processing unit 12005 may perform the same or similar coding to the intra/inter coding described with reference to FIG. 7 . A detailed description is the same as that described in FIG. 7 .
  • the intra/inter coding processing unit 12005 may be included in the arithmetic coder 12006 .
  • the arithmetic coder 12006 entropy encodes an octree and/or an approximated octree of point cloud data.
  • the encoding method includes an arithmetic encoding method.
  • the arithmetic coder 12006 performs the same or similar operations and/or methods as the operations and/or methods of the arithmetic encoder 40004 .
  • the metadata processing unit 12007 processes metadata related to point cloud data, for example, a setting value, and provides it to necessary processing such as geometry encoding and/or attribute encoding. Also, the metadata processing unit 12007 according to embodiments may generate and/or process signaling information related to geometry encoding and/or attribute encoding. Signaling information according to embodiments may be encoded separately from geometry encoding and/or attribute encoding. Also, signaling information according to embodiments may be interleaved.
  • the color conversion processing unit 12008, the attribute conversion processing unit 12009, the prediction/lifting/RAHT conversion processing unit 12010, and the arithmetic coder 12011 perform attribute encoding. Since the attribute encoding according to the embodiments is the same as or similar to the attribute encoding described with reference to FIGS. 1 to 9 , a detailed description thereof will be omitted.
  • the color conversion processing unit 12008 performs color conversion coding for converting color values included in the attributes.
  • the color conversion processing unit 12008 may perform color conversion coding based on the reconstructed geometry.
  • the description of the reconstructed geometry is the same as described with reference to FIGS. 1 to 9 .
  • the same or similar operation and/or method to the operation and/or method of the color conversion unit 40006 described with reference to FIG. 4 is performed. A detailed description will be omitted.
  • the attribute transformation processing unit 12009 performs an attribute transformation for transforming attributes based on positions where geometry encoding has not been performed and/or a reconstructed geometry.
  • the attribute transformation processing unit 12009 performs the same or similar operations and/or methods to those of the attribute transformation unit 40007 described in FIG. 4 . A detailed description will be omitted.
  • the prediction/lifting/RAHT transform processing unit 12010 may code the transformed attributes in any one or a combination of RAHT coding, LOD-based predictive transform coding, and lifting transform coding.
  • the prediction/lifting/RAHT transformation processing unit 12010 performs at least one or more of the same or similar operations to the operations of the RAHT transformation unit 40008, the LOD generation unit 40009, and the lifting transformation unit 40010 described with reference to FIG. 4 . do.
  • descriptions of LOD-based predictive transform coding, lifting transform coding, and RAHT transform coding are the same as those described with reference to FIGS. 1 to 9 , detailed descriptions thereof will be omitted.
  • the arithmetic coder 12011 may encode coded attributes based on arithmetic coding.
  • the arithmetic coder 12011 performs the same or similar operations and/or methods as the operations and/or methods of the arithmetic encoder 40012 .
  • the transmission processing unit 12012 transmits each bitstream including the encoded geometry and/or encoded attribute and metadata information, or converts the encoded geometry and/or the encoded attribute and metadata information into one It can be transmitted by composing it as a bitstream.
  • the bitstream may include one or more sub-bitstreams.
  • the bitstream includes a sequence parameter set (SPS) for sequence-level signaling, a geometry parameter set (GPS) for signaling of geometry information coding, an attribute parameter set (APS) for signaling of attribute information coding, and a tile It may include signaling information and slice data including TPS (Tile Parameter Set or tile inventory) for level signaling.
  • Slice data may include information about one or more slices.
  • One slice according to embodiments may include one geometry bitstream (Geom0 0 ) and one or more attribute bitstreams (Attr0 0 , Attr1 0 ).
  • the TPS may include information about each tile (eg, coordinate value information and height/size information of a bounding box, etc.) for one or more tiles.
  • a geometry bitstream may include a header and a payload.
  • the header of the geometry bitstream according to the embodiments may include identification information (geom_parameter_set_id), a tile identifier (geom_tile_id), a slice identifier (geom_slice_id) of a parameter set included in GPS, and information about data included in a payload. have.
  • the metadata processing unit 12007 may generate and/or process signaling information and transmit it to the transmission processing unit 12012 .
  • elements performing geometry encoding and elements performing attribute encoding may share data/information with each other as dotted line processing.
  • the transmission processing unit 12012 may perform the same or similar operation and/or transmission method to the operation and/or transmission method of the transmitter 10003 . Since the detailed description is the same as that described with reference to FIGS. 1 to 2 , a detailed description thereof will be omitted.
  • FIG. 13 is an example of a receiving apparatus according to embodiments.
  • the receiving device shown in FIG. 13 is an example of the receiving device 10004 of FIG. 1 (or the point cloud video decoder of FIGS. 10 and 11 ).
  • the receiving apparatus shown in FIG. 13 may perform at least any one or more of the same or similar operations and methods to the operations and decoding methods of the point cloud video decoder described with reference to FIGS. 1 to 11 .
  • the reception apparatus includes a reception unit 13000 , a reception processing unit 13001 , an arithmetic decoder 13002 , an Occupancy code-based octree reconstruction processing unit 13003 , and a surface model processing unit (triangle reconstruction). , up-sampling, voxelization) 13004, inverse quantization processing unit 13005, metadata parser 13006, arithmetic decoder 13007, inverse quantization processing unit 13008, prediction It may include a /lifting/RAHT inverse transformation processing unit 13009 , an inverse color transformation processing unit 13010 , and/or a renderer 13011 .
  • Each component of decoding according to embodiments may perform a reverse process of a component of encoding according to embodiments.
  • the receiver 13000 receives point cloud data.
  • the receiver 13000 may perform the same or similar operation and/or reception method to the operation and/or reception method of the receiver 10005 of FIG. 1 . A detailed description will be omitted.
  • the reception processing unit 13001 may acquire a geometry bitstream and/or an attribute bitstream from the received data.
  • the reception processing unit 13001 may be included in the reception unit 13000 .
  • the arithmetic decoder 13002 , the occupancy code-based octree reconstruction processing unit 13003 , the surface model processing unit 13004 , and the inverse quantization processing unit 13005 may perform geometry decoding. Since the geometry decoding according to the embodiments is the same as or similar to the geometry decoding described with reference to FIGS. 1 to 10 , a detailed description thereof will be omitted.
  • the arithmetic decoder 13002 may decode a geometry bitstream based on arithmetic coding.
  • the arithmetic decoder 13002 performs the same or similar operations and/or coding to the operations and/or coding of the arithmetic decoder 11000 .
  • the occupancy code-based octree reconstruction processing unit 13003 may reconstruct the octopus by obtaining an occupanci code from a decoded geometry bitstream (or information about a geometry secured as a result of decoding).
  • the occupancy code-based octree reconstruction processing unit 13003 performs the same or similar operations and/or methods to those of the octree synthesis unit 11001 and/or the octree generation method.
  • the surface model processing unit 13004 may decode a trichop geometry based on the surface model method and reconstruct a geometry related thereto (eg, triangle reconstruction, up-sampling, voxelization) based on the surface model method, when trisoop geometry encoding is applied. can be performed.
  • the surface model processing unit 13004 performs the same or similar operations to those of the surface op-proximation synthesis unit 11002 and/or the geometry reconstruction unit 11003 .
  • the inverse quantization processing unit 13005 may inverse quantize the decoded geometry.
  • the metadata parser 13006 may parse metadata included in the received point cloud data, for example, a setting value.
  • the metadata parser 13006 may pass the metadata to geometry decoding and/or attribute decoding. A detailed description of the metadata is the same as that described with reference to FIG. 12 , and thus will be omitted.
  • the arithmetic decoder 13007, the inverse quantization processing unit 13008, the prediction/lifting/RAHT inverse transformation processing unit 13009, and the inverse color transformation processing unit 13010 perform attribute decoding. Since the attribute decoding is the same as or similar to the attribute decoding described with reference to FIGS. 1 to 10 , a detailed description thereof will be omitted.
  • the arithmetic decoder 13007 may decode an attribute bitstream by arithmetic coding.
  • the arithmetic decoder 13007 may perform decoding of the attribute bitstream based on the reconstructed geometry.
  • the arithmetic decoder 13007 performs the same or similar operations and/or coding to the operations and/or coding of the arithmetic decoder 11005 .
  • the inverse quantization processing unit 13008 may inverse quantize the decoded attribute bitstream.
  • the inverse quantization processing unit 13008 performs the same or similar operations and/or methods to those of the inverse quantization unit 11006 and/or the inverse quantization method.
  • the prediction/lifting/RAHT inverse transform processing unit 13009 may process the reconstructed geometry and inverse quantized attributes.
  • the prediction/lifting/RAHT inverse transform processing unit 13009 performs the same or similar operations and/or decodings as the operations and/or decodings of the RAHT transform unit 11007, the LOD generation unit 11008 and/or the inverse lifting unit 11009 and/or At least any one or more of the decodings are performed.
  • the color inverse transform processing unit 13010 according to embodiments performs inverse transform coding for inverse transforming color values (or textures) included in decoded attributes.
  • the color inverse transform processing unit 13010 performs the same or similar operation and/or inverse transform coding to the operation and/or inverse transform coding of the color inverse transform unit 11010 .
  • the renderer 13011 may render point cloud data.
  • FIG. 14 illustrates an example of a structure capable of interworking with a method/device for transmitting and receiving point cloud data according to embodiments.
  • the structure of FIG. 14 is a server 17600, a robot 17100, an autonomous vehicle 17200, an XR device 17300, a smartphone 17400, a home appliance 17500, and/or a head-mount display (HMD) 17700). At least one of them represents a configuration connected to the cloud network 17000 .
  • the robot 17100 , the autonomous driving vehicle 17200 , the XR device 17300 , the smartphone 17400 , or the home appliance 17500 are referred to as devices.
  • the XR device 17300 may correspond to a point cloud compressed data (PCC) device according to embodiments or may be linked with a PCC device.
  • PCC point cloud compressed data
  • the cloud network 17000 may constitute a part of the cloud computing infrastructure or may refer to a network existing in the cloud computing infrastructure.
  • the cloud network 17000 may be configured using a 3G network, a 4G or Long Term Evolution (LTE) network, or a 5G network.
  • LTE Long Term Evolution
  • the server 17600 includes at least one of a robot 17100 , an autonomous vehicle 17200 , an XR device 17300 , a smartphone 17400 , a home appliance 17500 , and/or an HMD 17700 , and a cloud network 17000 . It is connected through and may help at least a part of the processing of the connected devices 17100 to 17700 .
  • a Head-Mount Display (HMD) 17700 represents one of the types in which an XR device and/or a PCC device according to embodiments may be implemented.
  • the HMD-type device according to the embodiments includes a communication unit, a control unit, a memory unit, an I/O unit, a sensor unit, and a power supply unit.
  • the devices 17100 to 17500 illustrated in FIG. 14 may be linked/coupled with the point cloud data transmission/reception device according to the above-described embodiments.
  • XR / PCC device 17300 is PCC and / or XR (AR + VR) technology is applied, HMD (Head-Mount Display), HUD (Head-Up Display) provided in the vehicle, television, mobile phone, smart phone, It may be implemented as a computer, a wearable device, a home appliance, a digital signage, a vehicle, a stationary robot, or a mobile robot.
  • HMD Head-Mount Display
  • HUD Head-Up Display
  • the XR/PCC device 17300 analyzes 3D point cloud data or image data acquired through various sensors or from an external device to generate position data and attribute data for 3D points in the surrounding space or real objects. Information can be obtained and the XR object to be output can be rendered and output. For example, the XR/PCC apparatus 17300 may output an XR object including additional information on the recognized object to correspond to the recognized object.
  • the autonomous vehicle 17200 may be implemented as a mobile robot, a vehicle, an unmanned aerial vehicle, etc. by applying PCC technology and XR technology.
  • the autonomous driving vehicle 17200 to which the XR/PCC technology is applied may mean an autonomous driving vehicle equipped with a means for providing an XR image or an autonomous driving vehicle subject to control/interaction within the XR image.
  • the autonomous driving vehicle 17200 which is the target of control/interaction in the XR image, is distinguished from the XR device 17300 and may be interlocked with each other.
  • the autonomous vehicle 17200 provided with means for providing an XR/PCC image may obtain sensor information from sensors including a camera, and output an XR/PCC image generated based on the acquired sensor information.
  • the autonomous vehicle 17200 may provide an XR/PCC object corresponding to a real object or an object in the screen to the occupant by outputting an XR/PCC image with a HUD.
  • the XR/PCC object when the XR/PCC object is output to the HUD, at least a portion of the XR/PCC object may be output to overlap the real object to which the passenger's gaze is directed.
  • the XR/PCC object when the XR/PCC object is output to a display provided inside the autonomous vehicle, at least a portion of the XR/PCC object may be output to overlap the object in the screen.
  • the autonomous vehicle 17200 may output XR/PCC objects corresponding to objects such as a lane, other vehicles, traffic lights, traffic signs, two-wheeled vehicles, pedestrians, and buildings.
  • VR Virtual Reality
  • AR Augmented Reality
  • MR Magnetic Reality
  • PCC Point Cloud Compression
  • VR technology is a display technology that provides objects or backgrounds in the real world only as CG images.
  • AR technology refers to a technology that shows a virtual CG image on top of a real object image.
  • MR technology is similar to the aforementioned AR technology in that it shows virtual objects by mixing and combining them in the real world.
  • real objects and virtual objects made of CG images are clear, and virtual objects are used in a form that complements real objects, whereas in MR technology, virtual objects are regarded as having the same characteristics as real objects. distinct from technology. More specifically, for example, a hologram service to which the aforementioned MR technology is applied.
  • VR, AR, and MR technologies are sometimes called XR (extended reality) technologies rather than clearly distinguishing them. Accordingly, the embodiments of the present specification are applicable to all of VR, AR, MR, and XR technologies.
  • encoding/decoding based on PCC, V-PCC, and G-PCC technology may be applied.
  • the PCC method/apparatus according to the embodiments may be applied to a vehicle providing an autonomous driving service.
  • a vehicle providing an autonomous driving service is connected to a PCC device to enable wired/wireless communication.
  • the point cloud compressed data (PCC) transceiver receives/processes AR/VR/PCC service-related content data that can be provided together with the autonomous driving service when connected to a vehicle to enable wired/wireless communication. can be transmitted to the vehicle.
  • the point cloud data transceiver may receive/process AR/VR/PCC service-related content data according to a user input signal input through the user interface device and provide it to the user.
  • a vehicle or a user interface device may receive a user input signal.
  • a user input signal according to embodiments may include a signal indicating an autonomous driving service.
  • point cloud data is composed of a set of points, and each point may have a geometry (or called geometry information) and an attribute (or called attribute information).
  • the geometry information is three-dimensional position information (xyz) of each point. That is, the position of each point is expressed by parameters on a coordinate system representing a three-dimensional space (eg, parameters (x, y, z) of three axes representing the space, such as the X-axis, Y-axis, and Z-axis).
  • the attribute information means the color (RGB, YUV, etc.) of the point, reflectance, normal vectors, transparency, etc.
  • Point cloud data transmission apparatus may perform low-latency coding according to the content characteristics of the point cloud data. For example, if the point cloud data is data captured in real time from LiDAR or 3D map data transmitted in real time, the point cloud data transmission device minimizes delay and transmits the point cloud data to have high compression efficiency. need to be dealt with
  • the decoding process of the point cloud data receives the encoded geometry bitstream and the attribute bitstream, decodes the geometry information based on octree, trichop, or prediction, and attributes based on the geometry information reconstructed through the decoding process. It consists of the process of decoding information.
  • Prediction-based geometry information compression is performed by defining a prediction structure for point cloud data.
  • This structure is expressed as a predictive tree having vertices (vertices) associated with each point of the point cloud data.
  • the prediction tree may include a root vertex (referred to as a root vertex or a root point) and a leaf vertex (referred to as a leaf vertex or a leaf point), and points below the root point may have at least one or more children, and in the direction of the leaf point The depth increases.
  • Each point can be predicted from parent nodes in the prediction tree.
  • each point has various prediction modes (eg no prediction, delta prediction, etc.) based on point positions of a parent, grand-parent, grand-grandparent, etc. of the corresponding point. (delta prediction), linear prediction (linear prediction), parallelogram predictor (parallelogram predictor, etc.) may be applied and predicted.
  • prediction-based coding performs prediction based on neighbor (neighbor) point information for point cloud data. And, since this prediction-based coding does not perform step-by-step scanning of all points, there is no need to wait for all point cloud data to be captured, and it is possible to encode the captured point cloud data progressively, resulting in low-latency processing It is suitable for point cloud data content that requires
  • prediction-based coding has an advantage in that the coding speed is fast.
  • the attribute encoding since the coding of the attribute information is started after the encoding of the geometry information (ie, information on the point position), a delay occurs due to this. And this delay is an obstacle that prevents us from fully utilizing the high speed, which is the advantage of prediction-based geometry coding. That is, if geometry compression and attribute compression are performed as consecutive separate modules, there is a disadvantage in that it takes a long time to perform. In particular, there was a limit to shortening the execution time by performing attribute compression based on the geometry compression result.
  • This document uses the prediction tree structure used for prediction-based coding for geometry and attribute coding at the same time, thereby eliminating the delay factor existing between geometry compression and attribute compression.
  • the following describes a method of simultaneously coding geometry information and attribute information based on the prediction tree structure.
  • a method of generating a prediction tree in consideration of the proximity between geometry information and attribute information in order to remove a delay element existing between geometry coding and attribute coding and selecting an optimal prediction mode will be described.
  • the encoding and decoding methods of point cloud data described in this document can be used not only in the field of application to maximize the low-latency effect of prediction-based compression, but also in the field of general point cloud attribute compression.
  • the prediction tree generation method described in this document can be used independently for data compression.
  • 15 is a flowchart illustrating a process of encoding point cloud data based on a prediction tree according to embodiments.
  • the prediction-based point cloud data encoding process of FIG. 15 may be performed by the point cloud video encoder of FIGS. 1, 2, 4, 12, or 35 . 1, 2, 4, 12, or 35 the point cloud video encoder of one or more processors (One or more processors) and one or more processors and electrical for the encoding of the point cloud data, It may include one or more memories that are communicatively coupled with.
  • the one or more processors may be configured as one or more physically separated hardware processors, a combination of software/hardware, or a single hardware processor.
  • One or more processors according to embodiments may be electrically and communicatively coupled with.
  • the one or more memories may be configured as one or more physically separated memories or one memory.
  • One or more memories according to embodiments may store one or more programs for processing point cloud data.
  • the prediction-based point cloud data decoding process of the receiving device corresponding to the prediction-based point cloud data encoding of FIG. 15 is the point cloud video of FIGS. 1, 2, 11, 13, or 38 This can be done in the decoder.
  • 1, 2, 11, 13, or 38 of the point cloud video decoder is one or more processors (One or more processors) and one or more processors and electrical for decoding the point cloud data, It may include one or more memories that are communicatively coupled with.
  • the one or more processors may be configured as one or more physically separated hardware processors, a combination of software/hardware, or a single hardware processor.
  • One or more processors according to embodiments may be electrically and communicatively coupled with.
  • the one or more memories may be configured as one or more physically separated memories or one memory.
  • One or more memories according to embodiments may store one or more programs for processing point cloud data.
  • the point cloud data input for prediction-based point cloud data encoding is divided into a compression unit (or referred to as a prediction unit or a constant unit) (step 50001), and the point cloud data is aligned within the compression unit.
  • a prediction tree structure is created (step 50003).
  • prediction of geometry information and attribute information of the point cloud data is performed (step 50004), and residual information (or prediction error) obtained based on the predicted geometry information and attribute information
  • transform and quantization is applied (step 50005), it is entropy encoded (step 50006).
  • the geometry information and the attribute information are simultaneously considered in each step, or information suitable for the characteristics of each step is considered first.
  • a prediction tree that considers both geometry information and attribute information can be constructed, and the geometry and attribute information per point can be simultaneously compressed.
  • a compression unit or referred to as a prediction unit
  • alignment of the point cloud data, construction of a prediction tree, and prediction are performed within the compression unit. That is, encoding of the point cloud data is performed for each compression unit.
  • one or more of various methods may be combined to configure or divide the point cloud data into a compression unit (or referred to as a prediction unit).
  • a compression unit or referred to as a prediction unit.
  • composing the entire point cloud data as a single compression unit composing a compression unit by collecting geographically adjacent points on XYZ coordinates, or arranging point cloud data in a certain order
  • a compression unit can be configured by dividing cloud data, a compression unit can be configured with a LoD unit, or a compression unit can be configured by collecting similar points in a radius/azimuth/elevation unit on a cylindrical coordinate system.
  • the greater the similarity of the parent-child of the prediction tree the better the prediction performance, so that less residual information is generated.
  • a compression unit is formed by collecting similar points.
  • a compression unit may be configured by collecting similar points in units of a certain number of points (e.g., 512, 1024, etc.).
  • a certain number of points e.g., 512, 1024, etc.
  • the following clustering may be used to consider features of geometry information and/or attribute information when forming a compression unit between points with high similarity.
  • clustering refers to a process of dividing points into several clusters (or referred to as clusters or subgroups) when points are given.
  • the centroid of the i-th cluster is ci and the set of points belonging to the i-th cluster is Si
  • the degree of cohesion of the j-th point (pj) in the cluster Si is maximized (that is, the difference between points in each cluster). to minimize) can be obtained as in Equation 5 below.
  • denotes a distance between vectors, and may be typically defined as an L1 norm or an L2 norm.
  • the center within the cluster Si may be obtained based on the average of coordinate values of points belonging to Si.
  • a weighted norm in which a weight is applied to a specific element may be used.
  • the Manhattan distance calculation method or Euclidean (referred to as Euclidean or Euclidean) distance calculation method is used.
  • the Manhattan distance is called the L1 distance
  • the Euclidean distance is called the L2 distance.
  • a norm corresponding to the Manhattan distance is called a Manhattan norm or an L1 norm
  • a Euclidean space can be defined using the Euclidean distance
  • a norm corresponding to this distance is called a Euclidean norm or an L2 norm.
  • the norm is a method (function) to measure the length or magnitude of a vector.
  • the distance between the two clusters may be defined as the distance between the two centroids.
  • Equation 7 Si that minimizes the overall dispersion V can be found.
  • the j-th point pj included in the cluster Si may be defined as follows according to the characteristics of the information to be considered.
  • xyz denotes geometry information on the XYZ axis
  • rgb or YCbCr denotes color attribute information
  • R denotes reflectivity attribute information.
  • a form in which geometry information or attribute information is transformed may be used or additional attribute information (normal, material, etc.) may be used.
  • 16 is a diagram illustrating an example of obtaining a cluster according to embodiments.
  • clusters S1 and S2 are constructed such that the sum of distances between the points of cluster S1 and the center c1 is minimized, and the sum of distances between points of cluster S2 and the center c2 is minimized. becomes In addition, clusters S1 and S2 are obtained so that the distance between the center c1 of the cluster S1 and the center c2 of the cluster S2 is maximized.
  • the clusters S1 and S2 are obtained so that the attribute similarity between the points of the cluster S1 and the center c1 is maximized and the attribute similarity between the points of the cluster S2 and the center c2 is maximized.
  • clusters S1 and S2 are obtained so that the attribute similarity between the center c1 of the cluster S1 and the center c2 of the cluster S2 is minimized.
  • the attribute similarity is maximized while the sum of the distances between the points of the cluster S1 and the center c1 is minimized, and the sum of the distances between the points of the cluster S2 and the center c2 Clusters S1 and S2 are obtained so that attribute similarity is maximized while this is minimized.
  • clusters S1 and S2 are obtained so that the distance between the center c1 of the cluster S1 and the center c2 of the cluster S2 is maximized and the attribute similarity is minimized.
  • the number of points included in each cluster may be the same or different for each cluster.
  • the number of points included in each cluster may be preset (eg, 512, 1024, etc.).
  • a cluster means a compression unit (or a prediction unit).
  • Sort point cloud data with geometry and attributes taken into account (step 50002)
  • the points of the input point cloud data are divided into compression units (or called prediction units) in consideration of geometry and/or attributes
  • the points of the point cloud data are sorted for each compression unit.
  • the number of points of the point cloud data included in each compression unit may be the same or different for each compression unit, or may be preset.
  • points of the point cloud data may be arranged in a predetermined order. That is, in predictive coding, since prediction is performed based on similarity between adjacent points and residual information (or referred to as a prediction error) is transmitted, compression efficiency can be increased when similar points are adjacently disposed.
  • the points of the point cloud data in the corresponding compression unit may be arranged in the Morton code order or the Hilbert code order, or radius, azimuth, and elevation in the cylindrical coordinate system. These similar points can be grouped together.
  • attributes neighbor search may be performed after aligning points of point cloud data in a corresponding compression unit in a direction in which reflectance increases.
  • the points of the point cloud data in the corresponding compression unit are arranged in a direction in which luma increases, or in a direction that increases according to the order of green, blue, and red. You can sort the points of the point cloud data in the compression unit, or sort the colors in molton code order. That is, when the attribute information is considered, points of the point cloud data in the corresponding compression unit may be sorted based on the similarity of the attribute information.
  • an alignment method may be determined in consideration of a clustering method. For example, when clustering is performed based on geometry information, the alignment may be performed in consideration of attribute information. That is, by arranging the point cloud data clustered mainly on the geometry according to the attribute similarity, it is possible to increase the compression efficiency of the geometry information and the attribute information. As another example, when clustering is performed based on attribute information, the alignment may be performed in consideration of geometry information.
  • clustering may be performed on the point cloud data in consideration of both the geometry information and the attribute information, and the clustered point cloud data may be arranged in consideration of both the geometry information and the attribute information.
  • a prediction tree may be constructed in each compression unit.
  • a prediction tree may be constructed using a method of generating a geometry or attribute prediction tree structure. Through this, since the same structure can be used for compression of geometry information and compression of attribute information during point cloud compression, it is possible to obtain the effect of reducing complexity in a low-latency environment. According to other embodiments, a prediction tree may be constructed by simultaneously considering the compression target geometry information and attribute information.
  • 17A and 17B are diagrams illustrating examples of a prediction tree configuration according to embodiments.
  • the prediction tree may be constructed through a process of giving a parent-child relationship between the points closest in position to a certain point.
  • P5 is set as the root and P0 closest to P5 can be set as a child of P5.
  • P4 is closest to P0, P4 can be set as a child of P0. Accordingly, the relationship can be in the order of P5 - P0 - P4 - P2, and the relationship of grand-grandparent - grandparent - parent - child can be defined based on P2. Also, in order to find an adjacent point, a nearest neighbor search method may be used based on the Euclidean distance.
  • the parent-child relationship may be different in the prediction tree. For example, for points P0, P4, and P2 that are positionally adjacent to the root P5, assuming that P4 has the highest similarity of the attribute component, the child of P5 can be P4 as shown in FIG. 17(b). have. Also, assuming that the attributes of P0 and P2 are more similar to P4 than P5, P0 and P2 can be registered as children of P4.
  • the prediction tree structure may vary according to criteria for determining the distance and/or similarity between points in the compression unit.
  • the parent may be defined through a neighbor search within a compression unit (or a prediction unit).
  • a neighbor may be defined as at least one point having high attribute and geometric similarity. For example, when a geometric difference and an attribute difference between points are defined as in Equation 8 below, a point that minimizes them may be defined as a neighbor point.
  • Equation 8 g i and a i represent geometry information and attribute information of an i-th point (ie, a neighboring point), and g p , a p represent geometry information and attribute information of the current point.
  • w a is an adjacent attribute weight and has a value between 0 and 1, and the prediction tree configuration changes according to the adjacent attribute weight.
  • attribute similarity is considered relatively more important than geometric similarity, so points with similar attributes can become neighbors.
  • geometrical similarity is considered relatively more important than attribute similarity in the process of constructing the prediction tree, so the probability that a point that is adjacent to a location becomes a neighbor increases.
  • a prediction tree as shown in FIG. 18 may be configured by setting a parent-child relationship with respect to points in a neighboring relationship.
  • FIG. 18 shows an example of a prediction tree structure generated in consideration of geometry and/or attributes according to embodiments.
  • the final prediction tree has a compression target point (a specific point among a set of point clouds having relationships such as parent, grandparent, grand-grandparent, etc. as in FIG. 18) as a child, and a prediction target A point is defined as a parent, and may be composed of a parent-child sequence. For example, assuming that point 50013 is a point to be compressed, point 50012 becomes a parent of point 50013, point 50011 becomes a grandparent, and point 50010 becomes a great-grandparent.
  • a point that is the first start of compression is set as a root vertex.
  • the point 50011 becomes a child having the root vertex (ie, the root point) 50010 as a parent.
  • the point 50011 has the highest similarity to the root point 50010 based on geometry and/or attributes.
  • a point (or vertex) having a plurality of children may exist in the prediction tree.
  • the number of children may be limited to a certain number (eg, 3) or may be unlimited. For example, it is shown that point (or vertex) 50014 has three children, and point (vertex) 50015 has two children.
  • prediction tree mode information for identifying a method of constructing a prediction tree may be signaled in signaling information and delivered to a receiving device. For example, if the prediction tree mode information (predictive_tree_mode) is 0, a prediction tree is constructed considering only geometry information, if it is 1, a prediction tree is constructed considering only attribute information, and if 2, both geometry information and attribute information are considered. It may indicate that a prediction tree has been constructed.
  • the signaling information may be a sequence parameter set, a geometry parameter set, an attribute parameter set, and a tile parameter set (or referred to as a tile inventory).
  • the prediction tree mode information may be included in a slice carrying residual information (or referred to as a prediction error) and transmitted to the receiving device.
  • the prediction tree mode information may be referred to as information related to point cloud compression or information included in information related to point cloud compression.
  • Prediction tree-based point (geometry and attributes) prediction (step 50004)
  • step 50003 when a prediction tree is generated in consideration of geometry and/or attributes, a point to be compressed is predicted.
  • point prediction may use various prediction methods based on a geometry and an attribute prediction tree structure.
  • prediction type information for identifying a prediction method used for point prediction may be signaled in signaling information and delivered to a receiving device.
  • the signaling information may be SPS, GPS, APS, and TPS (or referred to as a tile inventory).
  • the prediction type information may be included in a slice carrying residual information (or referred to as a prediction error) and transmitted to the receiving device.
  • the prediction method may be transmitted for each point or may be transmitted for every predetermined unit such as a prediction unit.
  • the prediction type information may be referred to as information related to point cloud compression or information included in information related to point cloud compression.
  • a value of prediction type information when a value of prediction type information (prediction type) is 0, it indicates a prediction method using a prediction mode, if 1, indicates a prediction method using a neighbor attribute average, and if 2, a relationship between neighboring points is used. It indicates that it is a prediction method, and a value of 3 may indicate that it is a prediction method that transmits a coefficient for a relationship between neighboring points.
  • prediction type information when a value of prediction type information (prediction type) is 0, it indicates a prediction method using a prediction mode, if 1, indicates a prediction method using a neighbor attribute average, and if 2, a relationship between neighboring points is used. It indicates that it is a prediction method, and a value of 3 may indicate that it is a prediction method that transmits a coefficient for a relationship between neighboring points.
  • Points may be predicted using a prediction mode on a prediction tree constructed based on the similarity of at least one of geometry information and attribute information.
  • the prediction may be performed considering both the geometry and the attribute, the prediction may be performed considering only the geometry, and the prediction may be performed considering only the attribute. Also, when prediction is performed in consideration of both the geometry and the attribute, a greater weight may be given to the geometry or a greater weight may be given to the attribute.
  • P(n) is defined as the point to be compressed on the prediction tree, that is, the n-th point
  • P(n-1) is the parent point (or vertex) of the n-th point
  • P(n) -2) is the grandparent point of the nth point
  • P(n-3) is the nth point’s great-grandparent (grand-grandparent or great-grandparent) point
  • P(n-4) is the nth point’s great-grandparent point.
  • the prediction error (E) for each prediction mode can be defined as in Equation 9 below.
  • the set (selected) prediction mode information (pred_mode) and coefficient information (eg, a, b, etc.) at this time may be signaled to the signaling information and/or the slice and transmitted to the receiving device.
  • the signaling information may include parameter sets, a header of a slice carrying corresponding residual information, and the like.
  • Equation 10 is an example of an equation for obtaining prediction information for each prediction mode.
  • the prediction mode of the point (P(n)) selected by applying Equation 9 is prediction mode 2 (mode 2)
  • the prediction error Res(n) of the point P(n) to be compressed is the prediction selected through Equations 9 and 10 from the geometry information and/or attribute information of the point P(n). It can be obtained by subtracting the prediction information (P'(n)) of the mode.
  • the point P(n) to be compressed may be defined as follows according to the purpose. That is, when only geometry information is considered, the prediction mode of the point P(n) to be compressed can be obtained only for the geometry information through Equations 9 and 10. In addition, when only attribute information is considered, the prediction mode of the point P(n) to be compressed can be obtained only for the attribute information through Equations 9 and 10. In addition, when both the geometry information and the attribute information are considered, the prediction mode of the compression target point P(n) may be obtained for the geometry information and the attribute information through Equations 9 and 10, respectively. In this case, the prediction mode of the geometry information and the prediction mode of the attribute information for the compression target point P(n) may be the same or different.
  • different weights may be considered for the geometry information and the attribute information as follows.
  • P(n) [w g x n , w g y n , w g z n , w a Y n , w a Cb n , w a Cr n , w a R n ]
  • w g and w a exist in the range of 0 to 1, and the sum of all weights is 1.
  • an independent weight may be used for each of the geometry and attribute elements as follows.
  • P(n) [x n , y n , z n , Y n , Cb n , Cr n , R n ] ⁇ [w x , w y , w z , w Y , w Cb , w Cr , w R ]
  • the prediction error E g of the geometry information and the prediction error E a of the attribute information may be obtained based on different prediction modes.
  • the prediction error E g may be determined based on prediction mode 2 for the geometry information
  • the prediction error E a may be determined based on the prediction mode 5 for the attribute information.
  • the L1 norm and the L2 norm may be used differently for the geometry information and the attribute information.
  • the prediction error E g of the geometry information is obtained based on the Euclidean distance
  • the Euclidean distance in the color space is obtained as shown in Equation 12 below. (Euclidean distance) or a method of measuring color difference in a uniform color space (eg, CIELa*b*) such as deltaE can be used to obtain the prediction error E a of the attribute information.
  • prediction mode indication information for indicating whether geometry information and attribute information are compressed in the same way may be signaled in signaling information and delivered to the receiving device. For example, if the prediction mode indication information geom_attr_same_prediction_mode_flag is 1, it may indicate that the geometry information and the attribute information use the same prediction tree and use the same prediction coding parameter. When the prediction mode indication information geom_attr_same_prediction_mode_flag is 0, it may indicate that the geometry information and the attribute information use the same prediction tree but different prediction coding parameters.
  • the prediction mode indication information can be 0.
  • the prediction mode indication information geom_attr_same_prediction_mode_flag may be referred to as information related to point cloud compression or information included in information related to point cloud compression.
  • a method previously designated for the above various prediction mode determination methods is converted into a predetermined unit (eg, a compression unit (or prediction unit), a slice unit, a coding block unit, a frame unit, N units, etc.) Can be used/signaled.
  • a prediction mode in which an error is minimized at every point may be signaled. If the prediction mode is transmitted in a predetermined unit, a process of finding a prediction method that minimizes the total sum of prediction errors per point within a predetermined unit may be added.
  • predetermined values can be used/signaled for the prediction coefficients a and b (coeff_a, coeff_b), and the method for minimizing the prediction error for every point is signaled or defined as a function that is inversely proportional to the distance between points.
  • the prediction of the geometry information and the prediction of the attribute information are independently performed, the above method may be applied to the geometry information and the attribute information, respectively.
  • the signaled information may be referred to as information related to point cloud compression or information included in information related to point cloud compression.
  • the point P(n) to be compressed is determined through the average of neighboring attribute information. predictable.
  • the number (num_neighbors) of the neighbor attributes to be used for the average of the neighbor attribute information may be signaled in the signaling information and/or the slice and delivered to the receiving device.
  • the child attribute (ie, P(n)) may be predicted based on the average of the number of neighbor attribute information (num_neighbors).
  • the average may use a distance-based weight as in Equation 13 below.
  • the attribute information of the point P(n) to be compressed may be predicted using a tendency of the attribute information.
  • a tendency of attribute information may be predicted through linear regression with respect to a distribution of neighboring attribute information.
  • information (num_attr_parents_minus1) for indicating the number of parents used for attribute prediction and index information (parent_index) for indicating a point used for prediction repeatedly by the number of parents are signaling information and/or slice may be signaled to and delivered to the receiving device.
  • the prediction coefficients a and b may be directly transmitted to the receiving device or estimated by the receiving device.
  • avg ⁇ A(p) ⁇ used for prediction may represent the average of attribute information centered on the current point as shown in Equation 14 below.
  • the coefficient for the tendency of the point P(n) to be compressed may be directly transmitted to the receiving device.
  • the same coefficient may be applied to num_same_coeff_pred_points points after the current point. This has the effect of reducing the bits required to transmit the coefficients by using similar coefficients as in Equation 15 when points having similar attribute information are gathered together when constructing the prediction tree.
  • information for indicating the number of points corresponding to prediction using the same coefficient for a certain point and coefficient information (coeff_c1, coeff_c2) at this time are signaling information and/or slice may be signaled to and delivered to the receiving device.
  • a prediction method in which an error is minimized at every point may be signaled. If the prediction method is delivered in a predetermined unit, a process of finding a prediction method that minimizes the total sum of prediction errors per point within a predetermined unit may be added.
  • the prediction coefficient may be defined as a function inversely proportional to the distance between points or by using/signaling a predetermined value for a and b, or signaling a method for minimizing an error at every point.
  • the signaled information may be referred to as information related to point cloud compression or information included in information related to point cloud compression.
  • data may be further reduced through normalization in an environment in which data loss is permitted.
  • different quantization values may be applied according to groups (or referred to as compression units or prediction units). And this method can be used for the purpose of preventing errors from being transmitted by applying a small normalization value to data that is referenced a lot.
  • a quantization weight may be applied according to the number of times a group is referenced.
  • the quantization weight Q( ) may be defined to be inversely proportional to the number of group references as follows.
  • Quant[x] FLOOR[Res(n) / Q(referred number of prediction group)]
  • a quantization weight Q( ) may be applied according to the number of times a point is referenced in a predictive coding process. At this time, when it is defined that the point is in the relationship between the adjacent point and the parent, grandparent, and great-grandparent and is used in the process of generating the prediction tree described in step 50003 described above, the quantization weight Q( ) is inversely proportional to the number of references of the point as follows. can be defined to
  • Quant[x] FLOOR[Res(n) / Q(referred number of vertex) ]
  • the quantization weight Q( ) may be applied according to the order in which the vertices are coded from the root. At this time, when defining the number of parent-child relationships from the current vertex to the root (or a vertex serving as a constant reference) as the vertex distance, the localization weight Q( ) is defined to be proportional to the vertex distance as follows. can do.
  • Quant[x] FLOOR[Res(n) / Q(vertex distance from root) ]
  • the quantization weight Q( ) may be applied differently according to the number of child nodes.
  • the quantization weight can be defined to be inversely proportional to the number of children as follows.
  • Quant[x] FLOOR[Res(n) / Q(number of children) ]
  • One or more of the quantization weights described above may be used in combination.
  • duplicate information between prediction error (or residual information) values may be reduced through transformation.
  • a lifting transform may be used as an example of a transform that can be used according to embodiments.
  • the entropy-coded and output bitstream is in the form of a geometry-attribute bitstream including both compressed geometry information and attribute information. That is, if geometry information and attribute information are simultaneously compressed and entropy-encoded based on the prediction tree structure, the bitstream output from the point cloud video encoder of any one of FIGS. 1, 2, 4, 12, and 35 is compressed. It is in the form of a geometry-attribute (geom-attr) bitstream that includes both geometric information and attribute information.
  • FIG. 19 shows an example of a bitstream structure of point cloud data for transmission/reception according to embodiments. That is, as a bitstream structure when the geometry information is first compressed and then the attribute information is compressed based on the reconstructed geometry information, the geometry bitstream including the compressed geometry information and the attribute bitstream including the compressed attribute information Each of these is an example.
  • FIG. 20 shows another example of a bitstream structure of point cloud data for transmission/reception according to embodiments. That is, it is a bitstream structure when geometry information and attribute information are simultaneously compressed based on the prediction tree structure, and is an example in which the compressed geometry information and attribute information are included in one geometry-attribute bitstream.
  • bitstream output from the point cloud video encoder of any one of 1, 2, 4, 12, and 35 may be in the form of FIG. 19 or 20 or FIG. 19 and FIG. 20 may be combined.
  • the bitstream includes a Sequence Parameter Set (SPS) for sequence-level signaling, a Geometry Parameter Set (GPS) for signaling of geometry information coding, and one or more Attribute Parameter Sets (APS) for signaling of attribute information coding, APS 0 , APS 1 ), a tile inventory (or TPS) for tile-level signaling, and one or more slices (slice 0 to slice n) may be included.
  • SPS Sequence Parameter Set
  • GPS Geometry Parameter Set
  • APS Attribute Parameter Sets
  • TPS tile inventory
  • slices slice 0 to slice n
  • a bitstream of point cloud data may include one or more tiles, and each tile may be a group of slices including one or more slices (slice 0 to slice n).
  • the tile inventory may include information about each tile (eg, coordinate value information and height/size information of a tile bounding box, etc.) for one or more tiles.
  • the SPS includes an identifier (seq_parameter_set_id) for identifying the corresponding SPS
  • the GPS includes an identifier (geom_parameter_set_id) for identifying the corresponding GPS and an identifier (seq_parameter_set_id) indicating an active SPS to which the corresponding GPS belongs.
  • the APS may include an identifier (attr_parameter_set_id) for identifying the corresponding APS and an identifier (seq_parameter_set_id) indicating an active SPS to which the corresponding APS belongs.
  • each slice may include one geometry bitstream (Geom0) and/or one or more attribute bitstreams (Attr0, Attr1).
  • slice 0 may include one geometry bitstream Geom0 0 and one or more attribute bitstreams Attr0 0 and Attr1 0 .
  • each slice may include one geometry-attribute bitstream (Geom-attr0).
  • slice 0 may include one geometry bitstream Geom-attr0.
  • the geometry bitstream may include a geometry slice header (geom_slice_header) and geometry slice data (geom_slice_data).
  • a geometry slice header may include an identifier (geom_parameter_set_id) of an active GPS to be referenced in a corresponding slice.
  • the geometry slice header may further include an identifier (geom_slice_id) for identifying a corresponding slice and/or an identifier (geom_tile_id) for identifying a corresponding tile.
  • the geometry slice data may include a geometry bitstream belonging to a corresponding slice.
  • the attribute bitstream may include an attribute slice header (attr_slice_header) and attribute slice data (attr_slice_data).
  • the attribute slice header may include an identifier (attr_parameter_set_id) of an active APS to be referenced in a corresponding slice and an identifier (geom_slice_id) for identifying a geometry slice related to the corresponding slice.
  • the attribute slice data may include an attribute bitstream belonging to a corresponding slice.
  • the geometry-attribute bitstream may include a geometry-attribute slice header (geom_attr_slice_header) and geometry-attribute slice data (geom_attr_slice_data).
  • the geometry-attribute slice header may include an identifier of an active GPS (geom_parameter_set_id) and/or an identifier of an active APS (attr_parameter_set_id) to be referenced in a corresponding slice.
  • the geometry-attribute slice header may further include an identifier (geom_attr_slice_id) for identifying a corresponding slice and/or an identifier (tile_id) for identifying a corresponding tile.
  • the geometry-attribute slice data may include a geometry-attribute bitstream belonging to a corresponding slice.
  • parameters necessary for encoding the point cloud data may be newly defined in a parameter set and/or a corresponding slice of the point cloud data. For example, it may be added to an attribute parameter set (APS) when encoding attribute information is performed, and to a tile and/or slice when performing tile-based encoding.
  • APS attribute parameter set
  • the bitstream of the point cloud data provides a tile or a slice so that the point cloud data can be divided into regions and processed.
  • Each region of the bitstream according to embodiments may have different importance levels. Accordingly, when the point cloud data is divided into tiles, a different filter (encoding method) and a different filter unit may be applied to each tile. Also, when the point cloud data is divided into slices, different filters and different filter units may be applied to each slice.
  • the transmitting apparatus and the receiving apparatus may transmit and receive a bitstream in a high-level syntax structure for selective transmission of attribute information in the divided area when the point cloud data is divided into areas and compressed.
  • the transmitting apparatus transmits the point cloud data according to the structure of the bitstream as shown in FIGS. 19 and/or 20, so that different encoding operations can be applied according to importance, and the quality is good. It is possible to provide a way to use the encoding method in an important area. In addition, it can support efficient encoding and transmission according to the characteristics of point cloud data and provide attribute values according to user requirements.
  • the receiving device receives the point cloud data according to the structure of the bitstream as shown in FIGS. 19 and/or 20, so that complex decoding (filtering) of the point cloud data is performed according to the processing capacity of the receiving device. ) method, different filtering (decoding method) can be applied for each area (area divided into tiles or slices). Accordingly, it is possible to ensure better image quality in an area important to the user and an appropriate latency on the system.
  • a field which is a term used in syntaxes of the present specification to be described later, may have the same meaning as a parameter or an element.
  • SPS sequence parameter set
  • SPS may include a field main_profile_compatibility_flag, unique_point_positions_constraint_flag field, level_idc field, sps_seq_parameter_set_id field, sps_bounding_box_present_flag field, sps_source_scale_factor_numerator_minus1 field, sps_source_scale_factor_denominator_minus1 field, sps_num_attribute_sets field, log2_max_frame_idx field, axis_coding_order field, sps_bypass_stream_enabled_flag field, and sps_extension_flag field.
  • the main_profile_compatibility_flag field may indicate whether the bitstream conforms to the main profile. For example, when the value of the main_profile_compatibility_flag field is 1, it may indicate that the bitstream conforms to the main profile. For example, when the value of the main_profile_compatibility_flag field is 0, it may indicate that the bitstream conforms to a profile other than the main profile.
  • each point cloud frame referenced by the current SPS When the value of the unique_point_positions_constraint_flag field is 1, in each point cloud frame referenced by the current SPS, all output points may have unique positions. When the value of the unique_point_positions_constraint_flag field is 0, in any point cloud frame referenced by the current SPS, two or more output points may have the same position. For example, slices and other points within a frame may overlap, even if all points are unique in each slice. In that case, the value of the unique_point_positions_constraint_flag field is set to zero.
  • the level_idc field indicates a level to which the bitstream follows.
  • the sps_seq_parameter_set_id field provides an identifier for the SPS referenced by other syntax elements (provides an identifier for the SPS for reference by other syntax elements).
  • the sps_bounding_box_present_flag field indicates whether a bounding box exists in the SPS. For example, if the value of the sps_bounding_box_present_flag field is 1, the bounding box exists in the SPS, and if 0, it indicates that the size of the bounding box is undefined.
  • the SPS may further include the sps_bounding_box_offset_x field, the sps_bounding_box_offset_y field, the sps_bounding_box_offset_z field, the sps_bounding_box_offset_log2_boundingscale field, the sps_width_bounding_box_size field, the sps_width_bounding_box_size field, the sps_width_bounding_box_size field, and more.
  • the sps_bounding_box_offset_x field indicates an x offset of a source bounding box in Cartesian coordinates. If the x offset of the source bounding box does not exist, the value of the sps_bounding_box_offset_x field is 0.
  • the sps_bounding_box_offset_y field indicates a y offset of a source bounding box in a Cartesian coordinate system. If the y offset of the source bounding box does not exist, the value of the sps_bounding_box_offset_y field is 0.
  • the sps_bounding_box_offset_z field indicates a z offset of a source bounding box in a Cartesian coordinate system. If the z offset of the source bounding box does not exist, the value of the sps_bounding_box_offset_z field is 0.
  • the sps_bounding_box_offset_log2_scale field indicates a scale factor for scaling quantized x, y, and z source bounding box offsets.
  • the sps_bounding_box_size_width field indicates the width of the source bounding box in the Cartesian coordinate system. If the width of the source bounding box does not exist, the value of the sps_bounding_box_size_width field may be 1.
  • the sps_bounding_box_size_height field indicates the height of the source bounding box in the Cartesian coordinate system. If the height of the source bounding box does not exist, the value of the sps_bounding_box_size_height field may be 1.
  • the sps_bounding_box_size_depth field indicates the depth of the source bounding box in the Cartesian coordinate system. When the depth of the source bounding box does not exist, the value of the sps_bounding_box_size_depth field may be 1.
  • the sps_source_scale_factor_numerator_minus1 plus 1 represents the scale factor numerator of the source point cloud.
  • the sps_source_scale_factor_denominator_minus1 plus 1 represents a scale factor denominator of the source point cloud.
  • the sps_num_attribute_sets field indicates the number of coded attributes in the bitstream (indicates the number of coded attributes in the bitstream).
  • the SPS according to the embodiments includes a loop that is repeated as much as the value of the sps_num_attribute_sets field.
  • i is initialized to 0, is increased by 1 each time the loop is executed, and the loop is repeated until the value of i becomes the value of the sps_num_attribute_sets field.
  • This loop may include an attribute_dimension_minus1[i] field and an attribute_instance_id[i] field.
  • the attribute_dimension_minus1[i] plus 1 indicates the number of components of the i-th attribute.
  • the attribute_instance_id[i] field indicates an instance identifier of the i-th attribute.
  • an attribute_secondary_bitdepth_minus1[i] field, an attribute_cicp_colour_primaries[i] field, an attribute_cicp_transfer_characteristics[i] field, an attribute_cicp_matrix_coeffs[i] field, an attribute_cicp_matrix_coeffs[i] field, and ] field may be further included.
  • the attribute_secondary_bitdepth_minus1[i] plus 1 represents a bit depth for the second component of the i-th attribute signal(s).
  • the attribute_cicp_colour_primaries[i] field indicates chromaticity coordinates of color attribute source primaries of the i-th attribute.
  • the attribute_cicp_transfer_characteristics[i] field is a reference opto-electronic transfer characteristic as a source input linear optical intensity having a nominal real-valued range between 0 and 1 of the i-th attribute. function) or inverse of the reference opto-electronic transfer characteristic function as a function of output linear optical intensity (attribute_cicp_transfer_characteristics[i] either indicates the reference opto-electronic transfer characteristic function of the color attribute as a function of a source input linear optical intensity with a nominal real-valued range of 0 to 1 or indicates the inverse of the reference electro-optical transfer characteristic function as a function of an output linear optical intensity).
  • the attribute_cicp_matrix_coeffs[i] field describes a matrix coefficient used for deriving luma and chroma signals from green, blue, and red (or the three primary colors of Y, Z, and X) of the i-th attribute. (describes the matrix coefficients used in deriving luma and chroma signals from the green, blue, and red, or Y, Z, and X primaries.)
  • the attribute_cicp_video_full_range_flag[i] field is a black level, luma and chroma signal derived from E'Y, E'PB and E'PR or E'R, E'G and E'B real-value component signals of the i-th attribute. indicates the range of
  • the known_attribute_label_flag[i] field indicates whether a know_attribute_label[i] field or an attribute_label_four_bytes[i] field is signaled for the i-th attribute. For example, if the value of the known_attribute_label_flag[i] field is 0, the known_attribute_label[i] field is signaled for the i-th attribute, and if the value of the known_attribute_label_flag[i] field is 1, attribute_label_four_bytes[i] for the i-th attribute ] field is signaled.
  • the known_attribute_label[i] field indicates the type of the i-th attribute. For example, if the value of the known_attribute_label[i] field is 0, the i-th attribute indicates color, if the value of the known_attribute_label[i] field is 1, the i-th attribute indicates reflectance, and the known_attribute_label[i] field If the value of is 2, it may indicate that the i-th attribute is a frame index.
  • the value of the known_attribute_label[i] field is 4, it indicates that the i-th attribute is transparency, and if the value of the known_attribute_label[i] field is 5, it indicates that the i-th attribute is normals.
  • the attribute_label_four_bytes[i] field indicates a known attribute type with a 4-byte code.
  • the i-th attribute is color, if 1, the i-th attribute is reflectance, if 2, the i-th attribute is a frame index, If it is 4, it may indicate that the i-th attribute is transparency, and if it is 5, it may indicate that the i-th attribute is normals.
  • the log2_max_frame_idx field indicates the number of bits used to signal a frame_idx syntax variable.
  • the sps_bypass_stream_enabled_flag field When the value of the sps_bypass_stream_enabled_flag field is 1, it may indicate that the bypass coding mode is used to read the bitstream. As another example, when the value of the sps_bypass_stream_enabled_flag field is 0, it may indicate that the bypass coding mode is not used to read the bitstream.
  • the sps_extension_flag field indicates whether the sps_extension_data syntax structure exists in the corresponding SPS syntax structure. For example, if the value of the sps_extension_present_flag field is 1, it indicates that the sps_extension_data syntax structure exists in this SPS syntax structure, and if 0, it does not exist.
  • the SPS according to embodiments may further include a sps_extension_data_flag field when the value of the sps_extension_flag field is 1.
  • the sps_extension_data_flag field may have any value.
  • SPS sequence_parameter_set()
  • information related to point cloud compression may include a predictive_coding_per_point_flag field.
  • the value of the predictive_coding_per_point_flag field When the value of the predictive_coding_per_point_flag field is 1, it may indicate that geometry information and attribute information are compressed together (or simultaneously) with predictive coding. When the value of the predictive_coding_per_point_flag field is 0, it may indicate that the geometry information and the attribute information are compressed, respectively. That is, when the value of the predictive_coding_per_point_flag field is 1, it may indicate that geometry information and attribute information are simultaneously compressed based on the prediction tree described in FIG. 15 . And, when the value of the predictive_coding_per_point_flag field is 0, it may indicate that geometry information is first compressed and attribute information is compressed based on the reconstructed geometry information.
  • the information related to point cloud compression may further include a predictive_tree_mode field, a geom_attr_same_prediction_mode_flag field, and a same_predictive_method_flag field.
  • the predictive_tree_mode field may indicate a method of constructing a prediction tree. For example, if the value of the predictive_tree_mode field is 0, it is a prediction tree configuration that considers only geometry information, if 1, it is a prediction tree configuration that considers only attribute information, and if 2, it is a prediction tree that considers both (or simultaneously) geometry and attributes configuration can be indicated.
  • the value of the geom_attr_same_prediction_mode_flag field is 1, it may indicate that the geometry information and the attribute information are compressed in the same way. In this case, it is possible to use the same prediction tree and use the same prediction coding parameters.
  • the value of the geom_attr_same_prediction_mode_flag field is 0, it may indicate that a prediction tree having the same geometry information and attribute information is used but different parameters are used.
  • the value of the same_predictive_method_flag field is 1, it may indicate that the same prediction method is used in a sequence.
  • the information related to point cloud compression may further include a prediction_type field and predictive_coding_method(prediction_type).
  • the prediction_type field may indicate a prediction method of attribute information. For example, if the value of the prediction_type field is 0, it indicates a method of delivering an attribute prediction mode, if 1, indicates a method of predicting through the average of neighboring points, and if 2, the attribute tendency based on a plurality of parents It indicates the method of prediction through
  • the predictive_coding_method may further include additional information related to attribute compression according to a value of the prediction_type field.
  • the predictive_coding_method when the predictive_coding_method (prediction_type) is signaled to a sequence parameter set (sps), it indicates that the same prediction method is used for all sequences.
  • the predictive_coding_method when the predictive_coding_method (prediction_type) is signaled to a tile parameter set, a geometry parameter set, and an attribute parameter set (or frame parameter set), it indicates that the same prediction method is used for the current frame.
  • the predictive_coding_method (prediction_type) when the predictive_coding_method (prediction_type) is signaled in the slice header, it may indicate that the same prediction method is used in the slice, and different methods may be signaled according to each point.
  • the information related to the point cloud compression of FIG. 22 may be included in any location of the SPS of FIG. 21 .
  • FIG. 23 is a diagram illustrating an example of a syntax structure of predictive_coding_method (prediction_type) according to embodiments.
  • predictive_coding_method may be included in at least one of SPS, GPS, APS, TPS, a frame parameter set, and a slice.
  • the predictive_coding_method may further include information related to attribute compression according to a value of the prediction_type field.
  • the information related to attribute compression may further include a pred_mode field, a coeff_a field, and a coeff_b field.
  • the pred_mode field indicates a prediction mode used in a method of compressing attribute information.
  • the coeff_a field and the coeff_b field may indicate related prediction coefficient values (eg, a, b) used in a method of compressing attribute information.
  • information related to attribute compression may further include a num_neighbors field.
  • the num_neighbors field may indicate the number of neighbor points used for the average of neighbor attributes. According to embodiments, the number of points in the root direction from the parent of the prediction target point may have a meaning.
  • information related to attribute compression may further include a num_parents_minus1 field.
  • the number of parents used for prediction of attribute information may be indicated.
  • a point_index field may be further included as much as the value of the num_parents_minus1 field.
  • the parent_index field indicates an index for indicating a point used for prediction.
  • the information related to attribute compression may further include a num_same_coeff_pred_points field, a coeff_c1 field, and a coeff_c2 field.
  • the num_same_coeff_pred_ponts field may indicate the number of points corresponding to prediction using the same coefficient for a certain point.
  • the coeff_c1 and coeff_c2 fields may indicate values of corresponding coefficients when prediction is performed using the same coefficient for a certain point.
  • GPS is a diagram illustrating an embodiment of a syntax structure of a geometry parameter set (geometry_parameter_set()) (GPS) according to the present specification.
  • GPS may include information on a method of encoding geometry information of point cloud data included in one or more slices.
  • GPS is gps_geom_parameter_set_id field, gps_seq_parameter_set_id field, gps_box_present_flag field, unique_geometry_points_flag field, geometry_planar_mode_flag field, geometry_angular_mode_flag field, neighbour_context_restriction_flag field, inferred_direct_coding_mode_enabled_flag field, bitwise_occupancy_coding_flag field, adjacent_child_contextualization_enabled_flag field, log2_neighbour_avail_boundary field, log2_intra_pred_max_node_size field, log2_trisoup_node_size field, geom_scaling_enabled_flag field, gps_implicit_geom_partition_flag field, and a gps_extension_flag field.
  • the gps_geom_parameter_set_id field provides an identifier of a GPS referenced by other syntax elements.
  • the gps_seq_parameter_set_id field indicates the value of the seq_parameter_set_id field for the corresponding active SPS (gps_seq_parameter_set_id specifies the value of sps_seq_parameter_set_id for the active SPS).
  • the gps_box_present_flag field indicates whether additional bounding box information is provided in a geometry slice header referring to the current GPS. For example, if the value of the gps_box_present_flag field is 1, it may indicate that additional bounding box information is provided in the geometry slice header referring to the current GPS. Accordingly, when the value of the gps_box_present_flag field is 1, the GPS may further include a gps_gsh_box_log2_scale_present_flag field.
  • the gps_gsh_box_log2_scale_present_flag field indicates whether the gps_gsh_box_log2_scale field is signaled in each geometry slice header referring to the current GPS. For example, if the value of the gps_gsh_box_log2_scale_present_flag field is 1, it may indicate that the gps_gsh_box_log2_scale field is signaled in each geometry slice header referring to the current GPS.
  • the gps_gsh_box_log2_scale_present_flag field is 0, the gps_gsh_box_log2_scale field is not signaled in each geometry slice header referring to the current GPS, and a common scale for all slices is signaled in the gps_gsh_box_log2_scale field of the current GPS. can do.
  • the GPS may further include a gps_gsh_box_log2_scale field.
  • the gps_gsh_box_log2_scale field indicates a common scale factor of a bounding box origin for all slices currently referring to GPS.
  • the unique_geometry_points_flag field indicates whether all output points have unique positions in one slice in all slices currently referring to GPS. For example, if the value of the unique_geometry_points_flag field is 1, it indicates that all output points have unique positions in one slice in all slices currently referring to GPS. When the value of the unique_geometry_points_flag field is 0, it indicates that two or more output points can have the same positions in one slice in all slices currently referring to GPS (equal to 1 indicates that in all slices that refer to the current GPS, all output points have unique positions within a slice.
  • the geometry_planar_mode_flag field indicates whether the planar coding mode is activated. For example, if the value of the geometry_planar_mode_flag field is 1, the planar coding mode is active, and if 0, it may indicate that the planar coding mode is not active.
  • the GPS may further include a geom_planar_mode_th_idcm field, a geom_planar_mode_th[1] field, and a geom_planar_mode_th[2] field.
  • the geom_planar_mode_th_idcm field may indicate a threshold value of activation for the direct coding mode.
  • the geom_planar_mode_th[i] field specifies a threshold of activation for the planar coding mode together with the i-th most probable direction for an efficient planar coding mode for i in the range of 0-2 (for i in the rang 0) ...specifies the value of the threshold of activation for planar coding mode along the i-th most probable direction for the planar coding mode to be efficient).
  • the geometry_angular_mode_flag field indicates whether an angular coding mode is active. For example, if the value of the geometry_angular_mode_flag field is 1, the angular coding mode is active, and if 0, it may indicate that the angular coding mode is not active.
  • the GPS further includes an implicit_qtbt_angular_max_node_min_diff_toangular_max_to_split_head_position[0] field, lidar_head_position[1] field, lidar_head_position[2] field, number_lasers field, planar_buffer_disabled field, implicit_qtbt_angular_max_node_min_diff_log2_to_split_z can
  • the lidar_head_position[0] field, lidar_head_position[1] field, and lidar_head_position[2] field may represent (X, Y, Z) coordinates of the lidar head in a coordinate system with the internal axes. .
  • the number_lasers field indicates the number of lasers used for the angular coding mode.
  • the GPS according to the embodiments includes a loop that is repeated as many as the value of the number_lasers field.
  • i is initialized to 0, increases by 1 each time the loop is executed, and the loop is repeated until the value of i becomes the value of the number_lasers field.
  • This loop may include a laser_angle[i] field and a laser_correction[i] field.
  • the laser_angle[i] field represents the tangent of the elevation angle of the i-th laser with respect to the horizontal plane defined by the 0th and 1st internal axes.
  • the laser_correction[i] field indicates, along a second internal axis, correction of the i-th laser position related to the lidar_head_position[2] field.
  • planar_buffer_disabled field If the value of the planar_buffer_disabled field is 1, it indicates that tracking the closest nodes using the buffer is not used in the process of coding the planar mode flag and plane position in the planar mode. If the value of the planar_buffer_disabled field is 0, it indicates that tracking closest nodes using a buffer is used.
  • the implicit_qtbt_angular_max_node_min_dim_log2_to_split_z field indicates a log2 value of a node size in which a horizontal split of nodes is more preferred than a vertical split.
  • the implicit_qtbt_angular_max_diff_to_split_z field represents a maximum vertical log2 value with respect to a horizontal node size ratio allowed for a node.
  • neighbor_context_restriction_flag field When the value of the neighbor_context_restriction_flag field is 0, it indicates that the geometry node occupancy of the current node is coded with contexts determined from neighboring nodes located inside the parent node of the current node.
  • the value of the neighbor_context_restriction_flag field is 1, it indicates that the geometry node occupancy of the current node is coded with contents determined from neighboring nodes located outside or inside the parent node of the current node (neighbor_context_restriction_flag equal to 0 indicates that geometry node occupancy) of the current node is coded with the contexts determined from neighbouring nodes which is located inside the parent node of the current node. inside or outside the parent node of the current node).
  • the inferred_direct_coding_mode_enabled_flag field indicates whether a direct_mode_flag field exists in a corresponding geometry node syntax. For example, if the value of the inferred_direct_coding_mode_enabled_flag field is 1, it indicates that the direct_mode_flag field is present in the corresponding geometry node syntax. For example, if the value of the inferred_direct_coding_mode_enabled_flag field is 0, it indicates that the direct_mode_flag field does not exist in the corresponding geometry node syntax.
  • the bitwise_occupancy_coding_flag field indicates whether the geometry node occupancy is encoded using bitwise contextualization of the syntax element occupancy map. For example, if the value of the bitwise_occupancy_coding_flag field is 1, it indicates that the geometry node occupancy_map is encoded using bitwise contextualization of the syntax element occupancy_map. For example, if the value of the bitwise_occupancy_coding_flag field is 0, it indicates that the geometry node occupancy_byte is encoded using the directory-encoded syntax element occupancy_byte.
  • the adjacent_child_contextualization_enabled_flag field indicates whether adjacent children of neighboring octree nodes are used for bitwise occupancy contextualization. For example, if the value of the adjacent_child_contextualization_enabled_flag field is 1, it indicates that adjacent children of neighboring octree nodes are used for bitwise occupancy contextualization. For example, if the value of the adjacent_child_contextualization_enabled_flag field is 0, it indicates that children of neighboring octree nodes are not used for bitwise occupancy contextualization.
  • the log2_neighbour_avail_boundary field indicates a value of NeighbAvailBoundary, a variable used in a decoding process. For example, if the value of the neighbor_context_restriction_flag field is 1, NeighbAvailabilityMask may be set to 1. For example, when the value of the neighbor_context_restriction_flag field is 0, NeighbAvailabilityMask may be set to 1 ⁇ log2_neighbour_avail_boundary.
  • the log2_intra_pred_max_node_size field indicates the size of an octree node eligible for intra prediction during occupancies.
  • log2_trisoup_node_size field indicates a variable TrisoupNodeSize as the size of triangle nodes (log2_trisoup_node_size specifies the variable TrisoupNodeSize as the size of the triangle nodes).
  • the geom_scaling_enabled_flag field indicates whether a scaling process for geometry positions is applied during a geometry slice decoding process. For example, if the value of the geom_scaling_enabled_flag field is 1, it indicates that a scaling process for geometry positions is applied during a geometry slice decoding process. If the value of the geom_scaling_enabled_flag field is 0, it indicates that the geometry positions do not require scaling.
  • the geom_base_qp field indicates a base value of a geometry position quantization parameter.
  • the gps_implicit_geom_partition_flag field indicates whether the implicit geometry partition is enabled for the sequence or slice. For example, if the value of the gps_implicit_geom_partition_flag field is 1, it indicates that the implicit geometry partition is enabled for the sequence or slice, and if 0, indicates that it is disabled (equal to 1 specifies that the implicit geometry partition is enabled for the gps_implicit_geom_partition_flag equal to 0 specifies that the implicit geometry partition is disabled for the sequence or slice).
  • the gps_implicit_geom_partition_flag field If the value of the gps_implicit_geom_partition_flag field is 1, the following two fields, that is, the gps_max_num_implicit_qtbt_before_ot field and the gps_min_size_implicit_qtbt field, are signaled.
  • the gps_max_num_implicit_qtbt_before_ot field indicates the maximum number of implicit QT and BT partitions before OT partitions (specifies the maximal number of implicit QT and BT partitions before OT partitions). Then, the variable K is initialized as follows by the gps_max_num_implicit_qtbt_before_ot field.
  • K gps_max_num_implicit_qtbt_before_ot.
  • the gps_min_size_implicit_qtbt field indicates the minimum size of implicit QT and BT partitions (specifies the minimal size of implicit QT and BT partitions). Then, the variable M is initialized by the gps_min_size_implicit_qtbt field as follows.
  • the gps_extension_flag field indicates whether a gps_extension_data syntax structure exists in the corresponding GPS syntax structure. For example, if the value of the gps_extension_flag field is 1, it indicates that the gps_extension_data syntax structure exists in the corresponding GPS syntax. For example, if the value of the gps_extension_flag field is 0, it indicates that the gps_extension_data syntax structure does not exist in the corresponding GPS syntax.
  • GPS according to embodiments may further include a gps_extension_data_flag field when the value of the gps_extension_flag field is 1.
  • the gps_extension_data_flag field may have any value. Its presence and value do not affect decoder conformance to profiles.
  • APS attribute parameter set
  • APS may include information on a method of encoding attribute information of point cloud data included in one or more slices.
  • APS may include an aps_attr_parameter_set_id field, aps_seq_parameter_set_id field, attr_coding_type field, aps_attr_initial_qp field, aps_attr_chroma_qp_offset field, aps_slice_qp_delta_present_flag field, and aps_extension_extension_extension_extension_extension_extension_extension field.
  • the aps_attr_parameter_set_id field indicates an identifier of an APS for reference by other syntax elements.
  • the aps_seq_parameter_set_id field indicates a value of sps_seq_parameter_set_id for an active SPS.
  • the attr_coding_type field indicates a coding type for an attribute.
  • the coding type may indicate predicting weight lifting, if it is 1, the coding type may indicate RAHT, and if 2, it may indicate fixed weight lifting. .
  • the aps_attr_initial_qp field indicates the initial value of the variable slice quantization parameter (SliceQp) for each slice referring to the APS (specifies the initial value of the variable SliceQp for each slice referring to the APS).
  • the aps_attr_chroma_qp_offset field specifies the offsets to the initial quantization parameter signaled by the syntax aps_attr_initial_qp (aps_attr_initial_qp).
  • the aps_slice_qp_delta_present_flag field indicates whether the ash_attr_qp_delta_luma and ash_attr_qp_delta_chroma syntax elements are present in the corresponding attribute slice header (ASH).
  • aps_slice_qp_delta_present_flag field indicates that the ash_attr_qp_delta_luma and ash_attr_qp_delta_chroma syntax elements are present in the corresponding attribute slice header (ASH) (equal to 1 specifies that the ash_qp_delta_present and the chroma elements are equal to 1 specifies that the ash_qattr_qp_delta syntax) .
  • aps_slice_qp_delta_present_flag field 0 when the value of the aps_slice_qp_delta_present_flag field is 0, it indicates that the ash_attr_qp_delta_luma and ash_attr_qp_delta_chroma syntax elements are not present in the corresponding attribute slice header (ASH).
  • the value of the attr_coding_type field is 0 or 2
  • lifting_num_pred_nearest_neighbors_minus1 field, lifting_search_range_minus1 field, and a lifting_neighbor_bias[k] field may be further included.
  • the lifting_num_pred_nearest_neighbors_minus1 field plus 1 indicates the maximum number of nearest neighbors to be used for prediction. According to embodiments, the value of NumPredNearestNeighbours is set equal to lifting_num_pred_nearest_neighbours.
  • the lifting_search_range_minus1 field plus 1 indicates a search range used to determine nearest neighbors to be used for prediction and to build distance-based levels of detail (LOD) (lifting_search_range_minus1 plus 1 specifies the search range used to determine nearest neighbors to be used for prediction and to build distance-based levels of detail).
  • the lifting_neighbor_bias[k] field specifies a bias used to weight the k-th components in the calculation of the Euclidean distance between two points as part of the nearest neighbor derivation process. components in the calculation of the euclidean distance between two points as part of the nearest neighbor derivation process).
  • the APS may further include a lifting_scalability_enabled_flag field when the value of the attr_coding_type field is 2, that is, when the coding type indicates fixed weight lifting.
  • the lifting_scalability_enabled_flag field indicates whether the attribute decoding process allows the pruned octree decode result for input geometry points. For example, if the value of the lifting_scalability_enabled_flag field is 1, it indicates that the attribute decoding process allows the pruned octree decode result for the input geometry points. ). If the value of the lifting_scalability_enabled_flag field is 0, it indicates that the attribute decoding process requires the complete octree decode result for the input geometry points.
  • the APS may further include a lifting_num_detail_levels_minus1 field when the value of the lifting_scalability_enabled_flag field is false.
  • the lifting_num_detail_levels_minus1 field indicates the number of LODs for attribute coding (specifies the number of levels of detail for the attribute coding).
  • the APS may further include a lifting_lod_regular_sampling_enabled_flag field.
  • the lifting_lod_regular_sampling_enabled_flag field indicates whether levels of detail (LODs) are created by the regular sampling strategy. For example, if the value of the lifting_lod_regular_sampling_enabled_flag field is 1, it indicates that the LOD is created using the regular sampling strategy. For example, if the value of the lifting_lod_regular_sampling_enabled_flag field is 0, it indicates that a distance_based sampling strategy is used instead (The lifting_lod_regular_sampling_enabled_flag equal to 1 specifies levels of detail are built by using a regular sampling strategy. The lifting_lod_regular_sampling_flag equal to) to 0 specifies that a distance-based sampling strategy is used instead).
  • LODs levels of detail
  • the APS may further include a repetition statement that is repeated as much as the value of the lifting_num_detail_levels_minus1 field.
  • the index (idx) is initialized to 0, increased by 1 each time the loop is executed, and the loop is repeated until the index (idx) becomes larger than the value of the lifting_num_detail_levels_minus1 field.
  • the lifting_sampling_period_minus2 [idx] field plus 2 indicates the sampling period for the LOD idx (specifies the sampling period for the level of detail idx).
  • the lifting_sampling_distance_squared_scale_minu1 [idx] field plus 1 specifies the scale factor for the derivation of the square of the sampling distance for the level of detail idx ).
  • the lifting_sampling_distance_squared_offset [idx] field indicates an offset for derivation of the square of the sampling distance for LOD idx (specifies the offset of the derivation of the square of the sampling distance for the level of detail idx).
  • the APS according to the embodiments may further include a lifting_adaptive_prediction_threshold field, a lifting_intra_lod_prediction_num_layers field, a lifting_max_num_direct_predictors field, and an inter_component_prediction_enabled_flag field when the value of the attr_coding_type field is 0, that is, when the coding type is predicting weight lifting.
  • the lifting_adaptive_prediction_threshold field specifies the threshold to enable adaptive prediction.
  • the lifting_intra_lod_prediction_num_layers field specifies the number of LOD layer where decoded points in the same LOD layer could be referred to generate prediction value of target point). For example, if the value of the lifting_intra_lod_prediction_num_layers field is the value of the LevelDetailCount, it indicates that the target point can refer to decoded points in the same LOD layer for all LOD layers (The lifting_intra_lod_prediction_num_layers field equal to LevelDetailCount indicates that target point could refer decoded points in the same LOD layer for all LOD layers).
  • the lifting_intra_lod_prediction_num_layers field indicates that the target point cannot refer to decoded points in the same LOD layer for arbitrary LOD layers (The lifting_intra_lod_prediction_num_layers field equal to 0 indicates that target point could not refer decoded points in the same LoD layer for any LoD layers).
  • the lifting_max_num_direct_predictors field indicates the maximum number of predictors to be used for direct prediction. The value of the lifting_max_num_direct_predictors field is in the range of 0 to LevelDetailCount.
  • the inter_component_prediction_enabled_flag field indicates whether a primary component of a multi-component attribute is used to predict reconstructed values of non-primary components. For example, if the value of the inter_component_prediction_enabled_flag field is 1, it indicates that the primary component of the multi-component attribute is used to predict the reconstructed values of non-primary components (specifies that the primary component of a multi component attribute is used to predict the reconstructed value of non-primary components). If the value of the inter_component_prediction_enabled_flag field is 0, it indicates that all attribute components are independently reconstructed (specifies that all attribute components are reconstructed independently).
  • the APS may further include a raht_prediction_enabled_flag field when the value of the attr_coding_type field is 1, that is, when the attribute coding type is RAHT.
  • the raht_prediction_enabled_flag field indicates whether transform weight prediction from the neighbor points is enabled in the RAHT decoding process. For example, if the value of the raht_prediction_enabled_flag field is 1, it indicates that transform weight prediction from the neighbor points is enabled in the RAHT decoding process, and if 0, it is disabled.
  • the APS may further include a raht_prediction_threshold0 field and a raht_prediction_threshold1 field.
  • the raht_prediction_threshold0 field indicates a threshold value for terminating transform weight prediction from the neighbor points.
  • the raht_prediction_threshold1 field indicates a threshold value for skipping transform weight prediction from the neighbor points.
  • the aps_extension_flag field indicates whether an aps_extension_data syntax structure exists in the corresponding APS syntax structure. For example, if the value of the aps_extension_flag field is 1, it indicates that the aps_extension_data syntax structure exists in the corresponding APS syntax structure. For example, if the value of the aps_extension_flag field is 0, it indicates that the aps_extension_data syntax structure does not exist in the corresponding APS syntax structure.
  • the APS according to embodiments may further include an aps_extension_data_flag field when the value of the aps_extension_flag field is 1.
  • the aps_extension_data_flag field may have any value. Its presence and value do not affect decoder conformance to profiles.
  • the APS according to embodiments may further include information related to LoD-based attribute compression.
  • 26 is a diagram illustrating an embodiment of a syntax structure of a geometry slice bitstream () according to the present specification.
  • a geometry slice bitstream (geometry_slice_bitstream ()) may include a geometry slice header (geometry_slice_header()) and geometry slice data (geometry_slice_data()).
  • FIG. 27 is a diagram showing an embodiment of a syntax structure of a geometry slice header (geometry_slice_header()) according to the present specification.
  • a bitstream transmitted by a transmitting device may include one or more slices.
  • Each slice may include a geometry slice and an attribute slice.
  • a geometry slice includes a geometry slice header (GSH).
  • the attribute slice includes an attribute slice header (ASH, Attribute Slice Header).
  • the geometry slice header (geometry_slice_header()) may include a gsh_geometry_parameter_set_id field, a gsh_tile_id field, a gsh_slice_id field, a frame_idx field, a gsh_num_points field, and a byte_alignment() field.
  • the value of the gps_box_present_flag field included in the geometry parameter set (GPS) is true (eg, 1)
  • the value of the gps_gsh_box_log2_scale_present_flag field is true (eg, 1)
  • it may further include a gsh_box_log2_scale field, a gsh_box_origin_x field, a gsh_box_origin_y field, and a gsh_box_origin_z field.
  • the gsh_geometry_parameter_set_id field indicates a value of gps_geom_parameter_set_id of the active GPS (gsh_geometry_parameter_set_id specifies the value of the gps_geom_parameter_set_id of the active GPS).
  • the gsh_tile_id field indicates an identifier of a corresponding tile referenced by a corresponding geometry slice header (GSH).
  • the gsh_slice_id indicates an identifier of a corresponding slice for reference by other syntax elements.
  • the frame_idx field indicates log2_max_frame_idx + 1 least significant bits of a conceptual frame number counter. Consecutive slices with differing values of frame_idx form parts of different output point cloud frames. Consecutive slices with identical values of frame_idx without an intervening frame boundary marker data unit form parts of the same output point cloud frame).
  • the gsh_num_points field indicates the maximum number of coded points in a corresponding slice. According to embodiments, it is a requirement of bitstream conformance that gsh_num_points is greater than or equal to the number of decoded points in the slice).
  • the gsh_box_log2_scale field indicates a scaling factor of a bounding box origin for a corresponding slice.
  • the gsh_box_origin_x field indicates the x value of the bounding box origin scaled by the value of the gsh_box_log2_scale field.
  • the gsh_box_origin_y field indicates a y value of the bounding box origin scaled by the value of the gsh_box_log2_scale field.
  • the gsh_box_origin_z field indicates the z value of the bounding box origin scaled by the value of the gsh_box_log2_scale field.
  • slice_origin_x the variables slice_origin_x, slice_origin_y, and slice_origin_z may be derived as follows.
  • slice_origin_x gsh_box_origin_x ⁇ originScale
  • slice_origin_y gsh_box_origin_y ⁇ originScale
  • slice_origin_z gsh_box_origin_z ⁇ originScale
  • the geometry slice header (geometry_slice_header( )) according to embodiments may further include a gsh_log2_max_nodesize_x field, a gsh_log2_max_nodesize_y_minus_x field, and a gsh_log2_geom_nodesize_flag field, and a gsh_log2_geom_nodesize_flag field. If false (ie, 1), it may further include a gsh_log2_max_nodesize field.
  • the gsh_log2_max_nodesize_x field indicates the bounding box size in the x dimension, that is, MaxNodesizeXLog2 used in the decoding process as follows (specifies the bounding box size in the x dimension, i.e., MaxNodesizeXLog2 that is used in the decoding process).
  • MaxNodeSizeXLog2 gsh_log2_max_nodesize_x
  • MaxNodeSizeX 1 ⁇ MaxNodeSizeXLog2
  • the gsh_log2_max_nodesize_y_minus_x field indicates the bounding box size in the y dimension, that is, MaxNodesizeYLog2 used in the decoding process as follows (specifies the bounding box size in the y dimension, i.e., MaxNodesizeYLog2 that is used in the decoding process).
  • MaxNodeSizeYLog2 gsh_log2_max_nodesize_y_minus_x + MaxNodeSizeXLog2.
  • MaxNodeSizeY 1 ⁇ MaxNodeSizeYLog2.
  • the gsh_log2_max_nodesize_z_minus_y field indicates a bounding box size in the z dimension, that is, MaxNodesizeZLog2 used in the decoding process as follows (specifies the bounding box size in the z dimension, i.e., MaxNodesizeZLog2 that is used in the decoding process).
  • MaxNodeSizeZLog2 gsh_log2_max_nodesize_z_minus_y + MaxNodeSizeYLog2
  • MaxNodeSizeZ 1 ⁇ MaxNodeSizeZLog2
  • the gsh_log2_max_nodesize field is obtained as follows.
  • gsh_log2_max_nodesize max ⁇ MaxNodeSizeXLog2, MaxNodeSizeYLog2, MaxNodeSizeZLog2 ⁇
  • the gsh_log2_max_nodesize field indicates the size of the root geometry octree node when the value of the gps_implicit_geom_partition_flag field is 0.
  • MaxNodeSize 1 ⁇ gsh_log2_max_nodesize
  • MaxGeometryOctreeDepth gsh_log2_max_nodesizelog2_trisoup_node_size
  • the geometry slice header (geometry_slice_header()) may further include a geom_slice_qp_offset field and a geom_octree_qp_offsets_enabled_flag field when the value of the geom_scaling_enabled_flag field is true.
  • the geom_slice_qp_offset field indicates an offset to the base geometry quantisation parameter geom_base_qp.
  • the geom_octree_qp_offsets_enabled_flag field indicates whether a geom_octree_qp_ofsets_depth field exists in a corresponding geometry slice header. For example, if the value of the geom_octree_qp_offsets_enabled_flag field is 1, it indicates that the geom_octree_qp_ofsets_depth field is present in the corresponding geometry slice header, and if 0, it does not exist.
  • the geom_octree_qp_offsets_depth field indicates a depth of a geometry octree.
  • the geometry slice data (geometry_slice_data( )) may transmit a geometry bitstream belonging to a corresponding slice.
  • the geometry slice data (geometry_slice_data( )) may include a first iteration that is repeated by the value of MaxGeometryOctreeDepth. In this case, it is assumed that the depth is initialized to 0, is increased by 1 each time the loop is executed, and the first loop is repeated until the depth becomes the value of MaxGeometryOctreeDepth.
  • the first iteration may include a second iteration that is repeated by the value of NumNodesAtDepth. At this time, it is assumed that nodeidx is initialized to 0, increases by 1 each time the loop is executed, and the second loop is repeated until nodeidx becomes the value of NumNodesAtDepth.
  • MaxGeometryOctreeDepth represents the maximum value of the depth of the geometry octree
  • NumNodesAtDepth[depth] represents the number of nodes to be decoded at the corresponding depth.
  • NodeX[depth][nodeIdx], NodeY[depth][nodeIdx], NodeZ[depth][nodeIdx] represent the x, y, z coordinates of the Idx-th node in decoding order at a given depth. Transmits the geometry bitstream of the corresponding node of the corresponding depth through geometry_node(depth, nodeIdx, xN, yN, zN).
  • the geometry slice data (geometry_slice_data( )) according to embodiments may further include geometry_trisoup_data(). That is, if the size of the triangle nodes is greater than 0, the trishine geometry-encoded geometry bitstream is transmitted through geometry_trisoup_data().
  • 29 is a diagram illustrating an embodiment of a syntax structure of an attribute slice bitstream () according to the present specification.
  • the attribute slice bitstream (attribute_slice_bitstream()) may include an attribute slice header (attribute_slice_header()) and attribute slice data (attribute_slice_data()).
  • FIG. 30 is a diagram illustrating an embodiment of a syntax structure of an attribute slice header (attribute_slice_header()) according to the present specification.
  • the attribute slice header (attribute_slice_header( )) may include an ash_attr_parameter_set_id field, an ash_attr_sps_attr_idx field, an ash_attr_geom_slice_id field, an ash_attr_layer_qp_delta_present_flag field, and an ash_attr_deltapresent_flag field, and an ash_attr_deltagion_present_flag field.
  • the attribute slice header (attribute_slice_header()) according to embodiments further includes an ash_attr_qp_delta_luma field, and the value of the attribute_dimension_minus_sps_attr_idx] field is 0 [ash_attr_idx] If greater than, the attribute slice header may further include an ash_attr_qp_delta_chroma field.
  • the ash_attr_parameter_set_id field indicates a value of the aps_attr_parameter_set_id field of the currently active APS.
  • the ash_attr_sps_attr_idx field indicates an attribute set in the current active SPS.
  • the ash_attr_geom_slice_id field indicates a value of the gsh_slice_id field of the current geometry slice header.
  • the ash_attr_qp_delta_luma field indicates a luma delta quantization parameter (qp) derived from an initial slice qp in an active attribute parameter set.
  • the ash_attr_qp_delta_chroma field indicates a chroma delta quantization parameter (qp) derived from an initial slice qp in an active attribute parameter set.
  • InitialSliceQpY aps_attrattr_initial_qp + ash_attr_qp_delta_luma
  • InitialSliceQpC aps_attrattr_initial_qp + aps_attr_chroma_qp_offset+ ash_attr_qp_delta_chroma
  • the ash_attr_layer_qp_delta_present_flag field indicates whether an ash_attr_layer_qp_delta_luma field and an ash_attr_layer_qp_delta_chroma field exist in the corresponding attribute slice header (ASH) for each layer. For example, if the value of the ash_attr_layer_qp_delta_present_flag field is 1, it indicates that the ash_attr_layer_qp_delta_luma field and the ash_attr_layer_qp_delta_chroma field exist in the corresponding attribute slice header, and if 0, it does not exist.
  • the attribute slice header may further include an ash_attr_num_layer_qp_minus1 field.
  • the geometry slice header may include as many loops as the value of NumLayerQp. In this case, it is assumed that i is initialized to 0, increases by 1 each time the loop is executed, and the loop is repeated until the value of i becomes the value of NumLayerQp. This loop contains the ash_attr_layer_qp_delta_luma[i] field.
  • the loop may further include an ash_attr_layer_qp_delta_chroma[i] field.
  • the ash_attr_layer_qp_delta_luma field indicates a luma delta quantization parameter (qp) from the InitialSliceQpY in each layer.
  • the ash_attr_layer_qp_delta_chroma field indicates a chroma delta quantization parameter (qp) from the InitialSliceQpC in each layer.
  • SliceQpY[i] InitialSliceQpY + ash_attr_layer_qp_delta_luma[i]
  • SliceQpC[i] InitialSliceQpC + ash_attr_layer_qp_delta_chroma[i]
  • the attribute slice header (attribute_slice_header()) according to embodiments indicates that ash_attr_region_qp_delta, region bounding box origin, and size exist in the current attribute slice header. If the value of the ash_attr_region_qp_delta_present_flag field is 0, it indicates that the ash_attr_region_qp_delta, region bounding box origin, and size do not exist in the current attribute slice header.
  • the attribute slice header may further include a field ash_attr_qp_region_box_origin_x, ash_attr_qp_region_box_origin_y field, ash_attr_qp_region_box_origin_z field, ash_attr_qp_region_box_width field, ash_attr_qp_region_box_height field, ash_attr_qp_region_box_depth field, and ash_attr_region_qp_delta field.
  • the ash_attr_qp_region_box_origin_x field indicates the x offset of the region bounding box related to slice_origin_x (indicates the x offset of the region bounding box relative to slice_origin_x).
  • the ash_attr_qp_region_box_origin_y field indicates the y offset of the region bounding box related to slice_origin_y (indicates the y offset of the region bounding box relative to slice_origin_y).
  • the ash_attr_qp_region_box_origin_z field indicates the z offset of the region bounding box related to slice_origin_z (indicates the z offset of the region bounding box relative to slice_origin_z).
  • the ash_attr_qp_region_box_size_width field indicates the width of a region bounding box.
  • the ash_attr_qp_region_box_size_height field indicates the height of a region bounding box.
  • the ash_attr_qp_region_box_size_depth field indicates the depth of a region bounding box.
  • the ash_attr_region_qp_delta field indicates delta qp from SliceQpY[i] and SliceQpC[i] of the region specified by the ash_attr_qp_region_box field.
  • the attribute slice header according to embodiments may further include information related to LoD-based attribute compression.
  • Attribute slice data (attribute_slice_data()) according to embodiments may transmit an attribute bitstream belonging to a corresponding slice.
  • Attribute slice data may include an attribute or data related to an attribute in relation to some or all of the point clouds.
  • the zerorun field indicates the number of 0 prior to predIndex or residual (specifies the number of 0 prior to predIndex or residual).
  • the predIndex[i] field represents a predictor index for decoding the i-th point value of the attribute.
  • the value of the predIndex[i] field has a range from 0 to the value of the max_num_predictors field.
  • 32 is a diagram illustrating an embodiment of a syntax structure of a geometry-attribute slice bitstream () according to the present specification.
  • a geometry-attribute slice bitstream (geom_attr_slice_bitstream ()) may include a geometry-attribute slice header (gemo_attr_slice_header()) and geometry-attribute slice data (geom_attr_slice_data()).
  • FIG. 33 is a diagram illustrating an embodiment of a syntax structure of a geometry-attribute slice header (gemo_attr_slice_header()) according to the present specification.
  • a geometry-attribute slice header (geom_attr_slice_header()) may include a num_chunk field, and may include a num_point field that is repeated as many as the value of the num_chunk field.
  • the num_chunk field may indicate the number of chunks (ie, predicted coding units or compression units or clusters) included in a corresponding slice.
  • the num_point field may indicate the number of points included per chunk.
  • the geometry-attribute slice data geom_attr_slice_data( ) may transmit a geometry-attribute bitstream belonging to a corresponding slice.
  • the geometry-attribute slice data (geom_attr_slice_data()) is repeated as many as the value of the num_chunk field when the value of the aps_pred_attr_enable_flag field included in the attribute parameter set or the value of the predictive_coding_per_point_flag field included in the sequence parameter set is 1
  • a first loop is included, and the first loop includes a second loop that is repeated by the value of the num_point field.
  • the aps_pred_attr_enable_flag field or predictive_coding_per_point_flag field may indicate whether geometry information and attribute information are simultaneously compressed based on predictive coding.
  • the second loop may include a children_count[i][j] field, a prediction_type[i][j] field, a predictive_coding_method(prediction_type[i][j]) field, and a geom_attr_same_prediction_mode_flag[i][j] field.
  • the children_count[i][j] field may indicate the number of children of the j-th point (ie, the current point) of the i-th chunk.
  • the prediction_type[i][j] field may indicate a prediction method of attribute information of the j-th point (ie, the current point) of the i-th chunk. For example, if the value of the prediction_type field is 0, it indicates a method of delivering an attribute prediction mode, if 1, indicates a method of predicting through the average of neighboring points, and if 2, the attribute tendency based on a plurality of parents It indicates the method of prediction through
  • the predictive_coding_method(prediction_type[i][j]) may further include additional information related to attribute compression of the j-th point (ie, the current point) of the i-th chunk according to the value of the prediction_type[i][j] field. have.
  • prediction_type[i][j] Detailed information included in the predictive_coding_method (prediction_type[i][j]) will be referred to with reference to FIG. 23, and will be omitted herein.
  • the value of the geom_attr_same_prediction_mode_flag[i][j] field it may indicate that geometry information and attribute information of the j-th point (ie, the current point) of the i-th chunk are compressed in the same way. In this case, it is possible to use the same prediction tree and use the same prediction coding parameters.
  • the value of the geom_attr_same_prediction_mode_flag[i][j] field is 0, it may indicate that a prediction tree having the same geometry information and attribute information of the j-th point (ie, the current point) of the i-th chunk is used but different parameters are used.
  • the second loop may further include an attr_parent_index[i][j] field and an attr_prediction_type[i][j] field.
  • the attr_parent_index [i][j] field may indicate the location of the parent when a separate parent is used to predict attribute information of the j-th point of the i-th chunk. In this case, the same tree structure as that of the geometric information may be used, but a case in which a different parent is used may be indicated.
  • the attr_prediction_type [i][j] field may indicate a prediction method when attribute information of the j-th point of the i-th chunk is compressed using a separate prediction coding method.
  • the second loop may further include predictive_coding_method(attr_prediction_type[i][j]).
  • the predictive_coding_method(attr_prediction_type[i][j]) may further include additional information related to attribute compression according to a value of the attr_prediction_type[i][j] field.
  • the second iteration may further include residual[i][j][k].
  • the residual[i][j][k] may represent geometry information of the k-th dimension of the j-th point of the i-th chunk and residual information (ie, prediction error) of attribute information.
  • each component according to the embodiments may correspond to hardware, software, a processor, and/or a combination thereof.
  • this embodiment describes a method of compressing attribute information of point cloud data, the method described herein may be applied to geometric information compression and other compression methods.
  • FIG. 35 is a diagram illustrating another example of a point cloud transmission apparatus according to embodiments.
  • the elements of the point cloud transmission apparatus shown in FIG. 35 may be implemented by hardware, software, a processor, and/or a combination thereof.
  • the point cloud transmission apparatus may include a point cloud video encoder 51001 , a signaling processing unit 51002 , and a transmission processing unit 51005 .
  • the point cloud video encoder 51001 is a part of the operation described in the point cloud video encoder 10002 of FIG. 1 , the encoding 20001 of FIG. 2 , the point cloud video encoder of FIG. 4 , and the point cloud video encoder of FIG. 12 , or can do the whole thing.
  • the point cloud video encoder 51001 may simultaneously compress geometry information and attribute information based on a prediction tree. For details, reference will be made to the description of FIGS. 15 to 18 .
  • the signaling processing unit 51002 generates and/or processes signaling information required to simultaneously compress the geometry information and the attribute information based on the prediction tree, and provides the point cloud video encoder 51001 and/or the transmission processing unit 51003. can Alternatively, the signaling processing unit 51002 may receive the signaling information generated by the point cloud video encoder 51001 and/or the transmission processing unit 51001 . The signaling processing unit 51002 may provide information fed back from the receiving device (eg, head orientation information and/or viewport information to the point cloud video encoder 51001 and/or the transmission processing unit 51003 ).
  • signaling information may be signaled and transmitted in units of parameter sets (SPS: sequence parameter set, GPS: geometry parameter set, APS: attribute parameter set, TPS: Tile Parameter Set (or tile inventory), etc.). Also, it may be signaled and transmitted in units of coding units of each image, such as a slice or a tile.
  • SPS sequence parameter set
  • GPS geometry parameter set
  • APS attribute parameter set
  • TPS Tile Parameter Set (or tile inventory), etc.
  • coding units of each image such as a slice or a tile.
  • the signaling processing unit 51002 signals the above-described point cloud compression-related information to at least SPS, GPS, TPS, APS, or geometry-attribute slices to signal the point cloud video encoder 51001 and/or the transmission processing unit. (51003) can be provided. Since the information related to the point cloud compression has been described in detail with reference to FIGS. 22, 23, 33, and 34, it is omitted here.
  • the method/apparatus according to the embodiments may signal related information to add/perform the operations of the embodiments.
  • the signaling information according to the embodiments may be used in a transmitting apparatus and/or a receiving apparatus.
  • the transmission processing unit 51003 may perform the same or similar operation and/or transmission method as the operation and/or transmission method of the transmission processing unit 12012 of FIG. 12 , the operation and/or the transmission method of the transmitter 1003 of FIG. 1 .
  • the same or similar operation and/or transmission method as the transmission method may be performed.
  • FIG. 1 or FIG. 12 For a detailed description, reference will be made to the description of FIG. 1 or FIG. 12 and will be omitted herein.
  • the transmission processing unit 51003 multiplexes the geometry-attribute bitstream output from the point cloud video encoder 51001 and the signaling bitstream output from the signaling processing unit 51002 into one bitstream, and then transmits it as it is or as a file or It can be transmitted after being encapsulated in segments, etc.
  • the file is in an ISOBMFF file format.
  • the file or segment may be transmitted to a receiving device or stored in a digital storage medium (eg, USB, SD, CD, DVD, Blu-ray, HDD, SSD, etc.).
  • the transmission processing unit 51005 may communicate with a receiving device through wired/wireless communication through networks such as 4G, 5G, 6G, and the like.
  • the transmission processing unit 51005 may perform a necessary data processing operation according to a network system (eg, a communication network system such as 4G, 5G, or 6G).
  • the transmission processing unit 51005 may transmit the encapsulated data according to the on demand method.
  • FIG. 36 is a diagram illustrating an example of a detailed block diagram of a point cloud video encoder 51001 according to embodiments.
  • the elements of the point cloud video encoder shown in FIG. 36 may be implemented by hardware, software, a processor, and/or a combination thereof.
  • the point cloud video encoder 51001 includes a geometry quantization unit 53001, a recoloring unit 53002, a clustering and aligning unit 53003, a prediction tree generation unit 53004, a compression unit 53005, It may include an attribute transform unit 53006 , a quantization unit 53007 , and an entropy coding unit 53007 .
  • the clustering and aligning unit 53003 may be divided into a clustering unit and an aligning unit.
  • the clustering unit may be referred to as a divider.
  • the execution order of each block may be changed, some blocks may be omitted, and some blocks may be newly added.
  • the geometry quantization unit 53001 and the recoloring unit 53002 are optional and may be omitted.
  • the geometry quantization unit 53001 may quantize geometry information. For example, the quantization unit 53001 may quantize the points based on the minimum position values of all points (eg, the minimum values on each axis with respect to the X-axis, Y-axis, and Z-axis).
  • the recoloring unit 53002 may perform attribute transformation for transforming attributes based on positions to which geometry encoding has not been performed and/or reconstructed geometry.
  • the clustering and aligning unit 53003 clusters the points of the input point cloud data based on geometry information and/or attribute information of the points of the input point cloud data into a plurality of compression units. into groups (eg, clusters). Then, as described in step 50002 of FIG. 15 , the points of the point cloud data are sorted for each compression unit in consideration of geometry information and/or attribute information of each point within the compression unit. For a detailed description, reference will be made to the description of FIG. 15 .
  • the prediction tree generation unit 53004 may construct a prediction tree within each compression unit.
  • a prediction tree may be constructed using a method of generating a geometry or attribute prediction tree structure. Through this, since the same structure can be used for compression of geometry information and compression of attribute information during point cloud compression, it is possible to obtain the effect of reducing complexity in a low-latency environment.
  • a prediction tree may be constructed by simultaneously considering the compression target geometry information and attribute information. For a detailed description of the generation of the prediction tree, reference will be made to the description of FIG. 15 .
  • the compression unit 53005 predicts a compression target point.
  • the prediction tree generation unit 53004 When the prediction tree generation unit 53004 generates a prediction tree in consideration of geometry and/or attributes, the compression unit 53005 predicts a compression target point.
  • the description of FIG. 15 For a detailed description of the prediction performance of the point and the acquisition of residual information, reference will be made to the description of FIG. 15 .
  • geometry information and/or attribute information may be considered according to the purpose of constructing the prediction tree, and this information may be signaled through the predictive_tree_mode field.
  • the predictive_tree_mode field may be transmitted while being included in at least a sequence parameter set or a geometry-attribute slice.
  • a prediction method may be determined for a parent-child relationship defined through the prediction tree, and residual information (ie, prediction error) may be estimated by the determined method.
  • residual information ie, prediction error
  • the method used for prediction may be informed through the prediction_type field, and the pred_mode field, coeff_a field, coeff_b field, num_neighbors field, num_parents_minus1 field, point_index field, and num_same_coeff_pred_points field, which are signals related according to the value of the prediction_type field, are transmitted to the receiving device. can be transmitted.
  • predictive_tree_mode field predictive_coding_per_point_flag field, geom_attr_same_prediction_mode_flag field, prediction_type field, pred_mode field, coeff_a field, coeff_b field, num_neighbors field, num_parents_minus1 field, point_index field, num_pred_points field related to point cloud compression information, such as num_predame_coeff field, are called.
  • information related to point cloud compression may include the above fields.
  • since the above fields have been described in detail with reference to FIGS. 22, 23, 33, and 34, they are omitted here.
  • the prediction mode (pred_mode) selected by the compression unit 53005 may be included in the predictive_coding_method of FIG. 23 and transmitted to the receiving device.
  • the predictive_coding_method may be included in at least one of SPS, APS, GPS, TPS, or a geometry-attribute slice.
  • the prediction error (or residual information) of the geometry information and the attribute information obtained by the compression unit 53005 is transformed into the compressed domain by the attribute transformation unit 53006 and then quantized by the quantization unit 53007.
  • an error that may occur in the receiving device can be reduced by updating the quantized value during prediction. Since the update of the quantized value has been described in detail above, it is omitted here.
  • the quantized residual information is entropy-coded by the entropy coding unit 53008 and output in the form of a geometry-attribute bitstream.
  • FIG. 37 is a flowchart illustrating an example of a method of compressing geometry information and attribute information based on a prediction tree according to embodiments.
  • a clustering operation of tying points with high relevance to input point cloud data is performed (step 55001).
  • the points of the input point cloud data are divided into a plurality of clusters (that is, referred to as compression units or chunks).
  • compression units or chunks For a detailed description, reference will be made to the description of FIG. 15 .
  • the points of the point cloud data are sorted in consideration of the geometry information and/or attribute information of each point within the compression unit (step 55002). For a detailed description, reference will be made to the description of FIG. 15 .
  • a method of bundling related points based on geometric similarity may be used, and each bundle may be configured as a chunk (referred to as a chunk or a compression unit or a prediction unit).
  • the points of the point cloud data in the compression unit are sorted based on the attribute similarity. That is, by arranging the point cloud data clustered based on the geometry based on the attribute, the geometric similarity and the attribute similarity are simultaneously considered, so that it is possible to increase the compression efficiency of the geometry information and the attribute information.
  • a prediction tree structure is constructed using the aligned points (step 55003).
  • a prediction tree may be constructed using a method of generating a geometry or attribute prediction tree structure. Through this, since the same structure can be used for compression of geometry information and compression of attribute information during point cloud compression, it is possible to obtain the effect of reducing complexity in a low-latency environment.
  • a prediction tree may be constructed by simultaneously considering geometry information and attribute information between parent and child. Accordingly, it is possible to increase the geometry and attribute compression efficiency even when a single prediction tree is used.
  • step 55004 it is checked whether prediction mode indication information (geom_attr_same_prediction_mode_flag) for indicating whether geometry information and attribute information are compressed in the same way is 1 (step 55004). For example, if the prediction mode indication information geom_attr_same_prediction_mode_flag is 1, it may indicate that the geometry information and the attribute information use the same prediction tree and use the same prediction coding parameter. When the prediction mode indication information geom_attr_same_prediction_mode_flag is 0, it may indicate that the geometry information and the attribute information use the same prediction tree but different prediction coding parameters.
  • prediction mode indication information geom_attr_same_prediction_mode_flag it may indicate that the geometry information and the attribute information use the same prediction tree but different prediction coding parameters.
  • step 55004 If it is confirmed in step 55004 that the prediction mode indication information geom_attr_same_prediction_mode_flag is 1, the process proceeds to step 55005 and a prediction mode that minimizes an error is selected in consideration of geometry and attribute information.
  • step 55004 If it is confirmed in step 55004 that the prediction mode indication information geom_attr_same_prediction_mode_flag is 0, the process proceeds to step 55007 to select a prediction mode that independently minimizes errors with respect to geometry and attributes.
  • Residual information (ie, prediction error) of the geometry and attributes is obtained based on the prediction mode selected in step 55005 or step 55007 (step 55006).
  • Residual information (ie, prediction error) of the geometry information and attribute information obtained in step 55006 is transformed into a compressed domain and then quantized (step 55008).
  • an error that may occur in the receiving device can be reduced by updating the quantized value during prediction. Since the update of the quantized value has been described in detail above, it is omitted here.
  • the quantized residual information is entropy-coded and output in the form of a geometry-attribute bitstream (step 55009).
  • FIG. 37 Parts not described or omitted in FIG. 37 will be referred to the description of FIG. 15 .
  • FIG. 38 is a diagram illustrating another example of a point cloud receiving apparatus according to embodiments.
  • the elements of the point cloud receiving apparatus shown in FIG. 38 may be implemented by hardware, software, a processor, and/or a combination thereof.
  • the point cloud reception apparatus may include a reception processing unit 61001 , a signaling processing unit 61003 , a point cloud video decoder 61005 , and a post-processor 61005 .
  • the reception processing unit 61001 may receive one bitstream, or may receive a geometry-attribute bitstream and a signaling bitstream, respectively.
  • the reception processing unit 61001 may decapsulate the received file and/or segment and output it as a bitstream.
  • the reception processing unit 61001 When one bitstream is received (or decapsulated), the reception processing unit 61001 according to embodiments demultiplexes a geometry-attribute bitstream and a signaling bitstream from one bitstream, and demultiplexes the signaling bit
  • the stream may be output to the signaling processing unit 61003 and the geometry-attribute bitstream may be output to the point cloud video decoder 61005 .
  • the reception processing unit 61001 When the geometry-attribute bitstream and the signaling bitstream are received (or decapsulated) respectively, the reception processing unit 61001 according to the embodiments transmits the signaling bitstream to the signaling processing unit 61003, and the geometry-attribute bitstream is a point cloud. may be transmitted to the video decoder 61005 .
  • the signaling processing unit 61003 parses and processes information included in signaling information, for example, SPS, GPS, APS, TPS, metadata, etc. from the input signaling bitstream to a point cloud video decoder 61005 and/or a post-processing unit (61007) can be provided.
  • the signaling information included in the geometry-attribute slice header may also be parsed in advance by the signaling processing unit 61003 before decoding the corresponding slice data.
  • the signaling processing unit 61003 parses and processes at least information related to point cloud compression signaled to at least SPS, GPS, APS, TPS, or geometry-attribute slices to the point cloud video decoder 61005 and/or after It may be provided to the processing unit 61007 .
  • the point cloud video decoder 61005 performs the reverse process of the point cloud video encoder 51001 of FIG. 35 based on the signaling information for the compressed geometry-attribute bitstream to restore geometry and attributes.
  • the point cloud video decoder 61005 may perform some or all of the operations described in the point cloud video decoder of FIG. 1 , the decoding of FIG. 2 , the point cloud video decoder of FIG. 11 , and the point cloud video decoder of FIG. 13 . .
  • the post-processing unit 61007 reconstructs and displays/renders the point cloud data based on the geometry information (ie, positions) and attribute information restored and output by the point cloud video decoder 61005. have.
  • FIG. 39 is a diagram illustrating an example of a detailed block diagram of a point cloud video decoder 61005 according to embodiments.
  • the elements of the attribute decoder shown in FIG. 39 may be implemented by hardware, software, a processor and/or a combination thereof.
  • the point cloud video decoder 61005 may include an entropy decoding unit 63001, an inverse quantization unit 63002, an inverse transform unit 63003, a prediction unit 63004, and a reconstruction unit 63005.
  • the execution order of each block may be changed, some blocks may be omitted, and some blocks may be newly added.
  • the point cloud video decoder 61005 restores geometry information and attribute information by performing the reverse process of the point cloud video encoder 51001 of the transmitting device. That is, the entropy decoding unit 63001 entropy-decodes residual information (ie, prediction error) of the geometry and attribute information included in the bitstream input through the reception processing unit 61001 .
  • the entropy-decoded residual information is inverse quantized by the inverse quantization unit 63002, and the inverse process of the attribute transformation unit 53006 is performed in the inverse transform unit 63003 and then output to the prediction unit 63004.
  • the prediction unit 63004 determines the prediction tree structure according to the signaling information and/or the parent_index field or point order included in the corresponding slice, and performs prediction based on information related to point cloud compression, such as the pred_mode field and prediction_type, to make prediction. output the information. Then, the reconstruction unit 63005 reconstructs the geometry information and the attribute information by using the predicted information and the restored residual information.
  • the prediction unit 63004 does not perform a prediction group (or prediction unit) information generation process due to the use of the same prediction tree for both geometry and attribute information, prediction and restoration execution time may be greatly reduced. In particular, the low-latency effect can be significant due to the use of the same tree structure as for geometric prediction for attribute prediction.
  • 40 is a flowchart illustrating an example of a method of reconstructing geometry information and attribute information based on a prediction tree according to embodiments.
  • residual information (ie, prediction error) of geometry and attribute information included in an input bitstream is entropy-decoded (step 65001).
  • Inverse quantization and inverse transformation are performed on the entropy-decoded residual information to restore residual information (ie, prediction error) for each point (step 65002).
  • the prediction tree structure is identified according to the signaling information and/or the parent_index field or point order included in the corresponding slice, and prediction is performed based on information related to point cloud compression such as the pred_mode field and prediction_type to output prediction information (step 65003).
  • the parent of the current point may be found based on signaling information and/or information related to point cloud compression signaled to the slice and a correlated data search method.
  • the value of the predictive_coding_per_point_flag field is 1, it can be seen that the prediction tree is used together for the geometry and the attribute, and it can be seen that the geometry and the attribute can be restored for every point.
  • predicted information is found using the parent and related points.
  • a point is reconstructed by reconstructing geometry information and attribute information using the predicted information and the reconstructed residual information (step 65004).
  • 41 is a flowchart of a method for transmitting point cloud data according to embodiments.
  • a method of transmitting point cloud data includes the steps of obtaining point cloud data (71001), encoding the point cloud data (71002), and transmitting the encoded point cloud data and signaling information (71003).
  • the bitstream including the encoded point cloud data and signaling information may be encapsulated into a file and transmitted.
  • step 71001 of acquiring the point cloud data some or all of the operation of the point cloud video acquiring unit 10001 of FIG. 1 may be performed, or a part or all of the operation of the data input unit 12000 of FIG. 12 is performed. You may.
  • Encoding the point cloud data 71002 includes the point cloud video encoder 10002 of FIG. 1 , the encoding 20001 of FIG. 2 , the point cloud video encoder of FIG. 4 , the point cloud video encoder of FIG. 12 , the point of FIG. 35 . Some or all of the operations of the cloud video encoder may be performed.
  • geometry information and attribute information may be simultaneously compressed based on the prediction tree.
  • signaling information may be SPS, GPS, APS, TPS, metadata, etc.
  • the geometry-attribute slice header may also be referred to as signaling information.
  • the information related to the point cloud compression may be signaled to at least one of SPS, GPS, APS, TPS, or a geometry-attribute slice. Since the detailed description of the information related to the point cloud compression has been described above, it will be omitted herein.
  • FIG. 42 is a flowchart of a method for receiving point cloud data according to embodiments.
  • a method for receiving point cloud data includes receiving encoded point cloud data and signaling information (81001), decoding the point cloud data based on the signaling information (81002), and the decoded point cloud data rendering 81003 .
  • the step 81001 of receiving the point cloud data and signaling information includes the receiver 10005 of FIG. 1 , the jinson 20002 or decoding 20003 of FIG. 2 , the receiver 13000 of FIG. 13 or the reception processing unit (13001) can be carried out.
  • the signaling information may be SPS, GPS, APS, TPS, metadata, etc.
  • the geometry-attribute slice header may also be referred to as signaling information.
  • At least one of SPS, GPS, APS, TPS, or a geometry-attribute slice header may include information related to point cloud compression. Since the detailed description of the information related to the point cloud compression has been described above, it will be omitted herein.
  • Decoding the point cloud data 81002 may include the point cloud video decoder 10006 of FIG. 1 , the decoding 20003 of FIG. 2 , the point cloud video decoder of FIG. 11 , and the point cloud video decoder of FIG. 13 . , some or all of the operation of the point cloud video decoder 61005 of FIG. 38 may be performed.
  • point cloud data may be restored based on the restored (or reconstructed) geometry information and attribute information and rendered according to various rendering methods.
  • the points of the point cloud content may be rendered as a vertex having a certain thickness, a cube having a specific minimum size centered at the corresponding vertex position, or a circle centered at the vertex position. All or part of the rendered point cloud content is provided to the user through a display (eg, VR/AR display, general display, etc.).
  • Rendering the point cloud data according to embodiments (81003) may be performed by the renderer 10007 of FIG. 1 , the rendering 20004 of FIG. 2 , or the renderer 13011 of FIG. 13 .
  • the point cloud data transmission method and the transmission apparatus according to the embodiments based on the predictive coding operation according to the above-described embodiments, efficiently compress the point cloud data within a short time, signal it, and transmit it to the reception device can Similarly, the receiving method and the receiving apparatus according to the embodiments have an effect of efficiently reconstructing geometry data and/or attribute data based on signaling information.
  • Each of the above-described parts, modules or units may be software, processor, or hardware parts that execute consecutive execution processes stored in a memory (or storage unit). Each of the steps described in the above embodiment may be performed by a processor, software, or hardware parts. Each module/block/unit described in the above embodiment may operate as a processor, software, or hardware. Also, the methods presented by the embodiments may be implemented as code. This code may be written to a processor-readable storage medium, and thus may be read by a processor provided by an apparatus.
  • unit means a unit that processes at least one function or operation, which may be implemented as hardware or software or a combination of hardware and software.
  • Various components of the apparatus of the embodiments may be implemented by hardware, software, firmware, or a combination thereof.
  • Various components of the embodiments may be implemented in one chip, for example, one hardware circuit.
  • Each of the components according to the embodiments may be implemented as separate chips.
  • At least one or more of the components of the device according to the embodiments may be composed of one or more processors capable of executing one or more programs, and the one or more programs operate/ Any one or more operations/methods of the method may be performed, or may include instructions for performing the method.
  • Executable instructions for performing the method/acts of the apparatus according to the embodiments may be stored in non-transitory CRM or other computer program products configured for execution by one or more processors, or one or more may be stored in temporary CRM or other computer program products configured for execution by processors.
  • the memory according to the embodiments may be used as a concept including not only volatile memory (eg, RAM, etc.) but also non-volatile memory, flash memory, PROM, and the like. Also, it may be implemented in the form of a carrier wave, such as transmission through the Internet.
  • the processor-readable recording medium is distributed in a computer system connected through a network, so that the processor-readable code can be stored and executed in a distributed manner.
  • Various elements of the embodiments may be implemented by hardware, software, firmware, or a combination thereof.
  • Various elements of the embodiments may be implemented on a single chip, such as a hardware circuit.
  • embodiments may optionally be performed on separate chips.
  • at least one of the elements of the embodiments may be performed within one or more processors including instructions for performing an operation according to the embodiments.
  • first, second, etc. may be used to describe various components of the embodiments. However, interpretation of various components according to the embodiments should not be limited by the above terms. These terms are only used to distinguish one component from another. it is only For example, the first user input signal may be referred to as a second user input signal. Similarly, the second user input signal may be referred to as a first user input signal. Use of these terms should be interpreted as not departing from the scope of the various embodiments. Although both the first user input signal and the second user input signal are user input signals, they do not mean the same user input signals unless the context clearly indicates otherwise.

Landscapes

  • Engineering & Computer Science (AREA)
  • Multimedia (AREA)
  • Signal Processing (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Graphics (AREA)
  • Geometry (AREA)
  • Software Systems (AREA)
  • Compression Or Coding Systems Of Tv Signals (AREA)

Abstract

실시예들에 따른 포인트 클라우드 데이터 전송 방법은, 포인트 클라우드 데이터를 인코딩하는 단계와 상기 인코딩된 포인트 클라우드 데이터와 시그널링 데이터를 전송하는 단계를 포함하며, 상기 인코딩하는 단계는, 상기 포인트 클라우드 데이터를 복수개의 압축 단위들로 나누는 단계, 압축 단위별로, 각 압축 단위 내 포인트 클라우드 데이터를 정렬하는 단계, 상기 압축 단위 내 정렬된 포인트 클라우드 데이터를 기반으로 예측 트리를 생성하는 단계, 및 상기 예측 트리를 기반으로 예측을 수행하여 상기 압축 단위 내 포인트 클라우드 데이터를 압축하는 단계를 포함할 수 있다.

Description

포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법
실시예들은 포인트 클라우드 콘텐트(Point Cloud Content)를 처리하는 방법 및 장치에 대한 것이다.
포인트 클라우드 콘텐트는 3차원 공간(space or volume)을 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.
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) 비트스트림을 효율적으로 송수신하기 위한 포인트 클라우드 데이터 전송 장치, 전송 방법, 포인트 클라우드 데이터 수신 장치 및 수신 방법을 제공하는데 있다.
실시예들에 따른 기술적 과제는, 예측 기반 코딩 방법을 적용하여 포인트 클라우드 데이터를 압축하여 송/수신하도록 함으로써, 포인트 클라우드 데이터를 효율적으로 압축하는 포인트 클라우드 데이터 전송 장치, 전송 방법, 포인트 클라우드 데이터 수신 장치 및 수신 방법을 제공하는데 있다.
실시예들에 따른 기술적 과제는, 예측 트리 구조를 포인트 클라우드 데이터의 지오메트리 및 어트리뷰트 코딩에 동시에 사용함으로써, 저지연(low latency) 응용 분야에 적합하도록 하는 포인트 클라우드 데이터 전송 장치 및 전송 방법을 제공하는데 있다.
실시예들에 따른 기술적 과제는, 예측 트리 구조를 포인트 클라우드 데이터의 지오메트리 및 어트리뷰트 디코딩에 동시에 사용함으로써, 저지연(low latency) 응용 분야에 적합하도록 하는 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 송신 방법은, 포인트 클라우드 데이터를 인코딩하는 단계와 상기 인코딩된 포인트 클라우드 데이터와 시그널링 데이터를 전송하는 단계를 포함할 수 있다.
상기 인코딩하는 단계는 상기 포인트 클라우드 데이터를 복수개의 압축 단위들로 나누는 단계, 압축 단위별로, 각 압축 단위 내 포인트 클라우드 데이터를 정렬하는 단계, 상기 압축 단위 내 정렬된 포인트 클라우드 데이터를 기반으로 예측 트리를 생성하는 단계, 및 상기 예측 트리를 기반으로 예측을 수행하여 상기 압축 단위 내 포인트 클라우드 데이터를 압축하는 단계를 포함하는 것을 일 실시예로 한다.
상기 나누는 단계는 상기 포인트 클라우드 데이터의 포인트들의 지오메트리 정보의 유사성 또는 어트리뷰트 정보의 유사성 중 적어도 하나를 기반으로 클러스터링을 수행하여 상기 포인트 클라우드 데이터의 포인트들을 복수개의 압축 단위들로 나누는 것을 일 실시예로 한다.
상기 정렬하는 단계는 각 압축 단위 내 포인트 클라우드 데이터의 포인트들의 지오메트리 정보의 유사성 또는 어트리뷰트 정보의 유사성 중 적어도 하나를 기반으로 각 압축 단위 내 포인트 클라우드 데이터의 포인트들을 정렬하는 것을 일 실시예로 한다.
상기 예측 트리를 생성하는 단계는 각 압축 단위 내 정렬된 포인트 클라우드 데이터의 포인트들의 지오메트리 정보의 유사성 또는 어트리뷰트 정보의 유사성 중 적어도 하나를 기반으로 예측 트리를 생성하는 것을 일 실시예로 한다.
상기 압축하는 단계는 상기 예측 트리를 기반으로 상기 포인트 클라우드 데이터의 지오메트리 정보와 어트리뷰트 정보의 예측을 수행하여 상기 지오메트리 정보에 대한 잔여 정보와 상기 어트리뷰트 정보에 대한 잔여 정보를 생성하며, 상기 지오메트리 정보에 대한 잔여 정보와 상기 어트리뷰트 정보에 대한 잔여 정보에 서로 다른 가중치를 부여하는 것을 일 실시예로 한다.
상기 압축하는 단계는 상기 예측 트리를 기반으로 상기 포인트 클라우드 데이터의 지오메트리 정보와 어트리뷰트 정보의 예측을 수행할 때, 상기 지오메트리 정보와 상기 어트리뷰트 정보에 동일한 예측 코딩 파라미터를 적용하는 것을 일 실시예로 한다.
상기 압축하는 단계는 상기 예측 트리를 기반으로 상기 포인트 클라우드 데이터의 지오메트리 정보와 어트리뷰트 정보의 예측을 수행할 때, 상기 지오메트리 정보와 상기 어트리뷰트 정보에 서로 다른 예측 코딩 파라미터를 적용하는 것을 일 실시예로 한다.
실시예들에 따른 포인트 클라우드 데이터 송신 장치는 포인트 클라우드 데이터를 인코딩하는 인코더와 상기 인코딩된 포인트 클라우드 데이터와 시그널링 데이터를 전송하는 전송부를 포함할 수 있다.
상기 인코더는 상기 포인트 클라우드 데이터를 복수개의 압축 단위들로 나누는 디바이더, 압축 단위별로, 각 압축 단위 내 포인트 클라우드 데이터를 정렬하는 정렬부, 상기 압축 단위 내 정렬된 포인트 클라우드 데이터를 기반으로 예측 트리를 생성하는 예측 트리 생성부, 및 상기 예측 트리를 기반으로 예측을 수행하여 상기 압축 단위 내 포인트 클라우드 데이터를 압축하는 압축부를 포함하는 것을 일 실시예로 한다.
상기 디바이더는 상기 포인트 클라우드 데이터의 포인트들의 지오메트리 정보의 유사성 또는 어트리뷰트 정보의 유사성 중 적어도 하나를 기반으로 클러스터링을 수행하여 상기 포인트 클라우드 데이터의 포인트들을 복수개의 압축 단위들로 나누는 것을 일 실시예로 한다.
상기 정렬부는 각 압축 단위 내 포인트 클라우드 데이터의 포인트들의 지오메트리 정보의 유사성 또는 어트리뷰트 정보의 유사성 중 적어도 하나를 기반으로 각 압축 단위 내 포인트 클라우드 데이터의 포인트들을 정렬하는 것을 일 실시예로 한다.
상기 예측 트리 생성부는 각 압축 단위 내 정렬된 포인트 클라우드 데이터의 포인트들의 지오메트리 정보의 유사성 또는 어트리뷰트 정보의 유사성 중 적어도 하나를 기반으로 예측 트리를 생성하는 것을 일 실시예로 한다.
상기 압축부는 상기 예측 트리를 기반으로 상기 포인트 클라우드 데이터의 지오메트리 정보와 어트리뷰트 정보의 예측을 수행하여 상기 지오메트리 정보에 대한 잔여 정보와 상기 어트리뷰트 정보에 대한 잔여 정보를 생성하며, 상기 지오메트리 정보에 대한 잔여 정보와 상기 어트리뷰트 정보에 대한 잔여 정보에 서로 다른 가중치를 부여하는 것을 일 실시예로 한다.
상기 압축부는 상기 예측 트리를 기반으로 상기 포인트 클라우드 데이터의 지오메트리 정보와 어트리뷰트 정보의 예측을 수행할 때, 상기 지오메트리 정보와 상기 어트리뷰트 정보에 동일한 예측 코딩 파라미터를 적용하는 것을 일 실시예로 한다.
상기 압축부는 상기 예측 트리를 기반으로 상기 포인트 클라우드 데이터의 지오메트리 정보와 어트리뷰트 정보의 예측을 수행할 때, 상기 지오메트리 정보와 상기 어트리뷰트 정보에 서로 다른 예측 코딩 파라미터를 적용하는 것을 일 실시예로 한다.
실시예들에 따른 포인트 클라우드 데이터 수신 방법은, 포인트 클라우드 데이터와 시그널링 데이터를 수신하는 단계, 상기 시그널링 데이터를 기반으로 상기 포인트 클라우드 데이터를 디코딩하는 단계, 및 상기 시그널링 데이터를 기반으로 상기 디코딩된 포인트 클라우드 데이터를 렌더링하는 단계를 포함할 수 있다.
상기 디코딩하는 단계는, 상기 시그널링 데이터를 기반으로 압축 단위 내 예측 트리를 생성하는 단계, 및 상기 예측 트리를 기반으로 예측을 수행하여 상기 압축 단위 내 포인트 클라우드 데이터를 복원하는 단계를 포함하는 것을 일 실시예로 한다.
상기 복원하는 단계는 상기 포인트 클라우드 데이터의 지오메트리 정보와 어트리뷰트 정보에 상기 예측 트리와 동일한 예측 코딩 파라미터를 적용하여 예측을 수행하여 상기 지오메트리 정보와 상기 어트리뷰트 정보를 복원하는 것을 일 실시예로 한다.
상기 복원하는 단계는 상기 포인트 클라우드 데이터의 지오메트리 정보와 어트리뷰트 정보에 상기 예측 트리와 서로 다른 예측 코딩 파라미터를 적용하여 예측을 수행하여 상기 지오메트리 정보와 상기 어트리뷰트 정보를 복원하는 것을 일 실시예로 한다.
실시예들에 따른 포인트 클라우드 데이터 수신 장치는 포인트 클라우드 데이터와 시그널링 데이터를 수신하는 수신부, 상기 시그널링 데이터를 기반으로 상기 포인트 클라우드 데이터를 디코딩하는 디코더, 및 상기 시그널링 데이터를 기반으로 상기 디코딩된 포인트 클라우드 데이터를 렌더링하는 렌더러를 포함할 수 있다.
상기 디코더는, 상기 시그널링 데이터를 기반으로 압축 단위 내 예측 트리를 생성하는 예측 트리 생성부, 및 상기 예측 트리를 기반으로 예측을 수행하여 상기 압축 단위 내 포인트 클라우드 데이터를 복원하는 복원부를 포함하는 것을 일 실시예로 한다.
상기 복원부는 상기 포인트 클라우드 데이터의 지오메트리 정보와 어트리뷰트 정보에 상기 예측 트리와 동일한 예측 코딩 파라미터를 적용하여 예측을 수행하여 상기 지오메트리 정보와 상기 어트리뷰트 정보를 복원하는 것을 일 실시예로 한다.
상기 복원부는 상기 포인트 클라우드 데이터의 지오메트리 정보와 어트리뷰트 정보에 상기 예측 트리와 서로 다른 예측 코딩 파라미터를 적용하여 예측을 수행하여 상기 지오메트리 정보와 상기 어트리뷰트 정보를 복원하는 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 포인트 클라우드 데이터의 독립적 인코딩 및 디코딩을 위해 포인트 클라우드 데이터의 공간 적응적 분할을 수행함으로써, 병렬 처리의 향상 및 스케일러비티(scalability)를 제공할 수 있다.
실시예들에 따른 포인트 클라우드 데이터 송신 방법, 송신 장치, 포인트 클라우드 데이터 수신 방법, 수신 장치는 포인트 클라우드 데이터를 타일 및/또는 슬라이스 단위로 분할하여 인코딩 및 디코딩을 수행하고 이를 위해 필요한 데이터를 시그널링함으로써 포인트 클라우드의 인코딩 및 디코딩 성능을 향상시킬 수 있다.
실시예들에 따른 포인트 클라우드 데이터 송신 방법, 송신 장치, 포인트 클라우드 데이터 수신 방법, 수신 장치는 예측 기반 포인트 클라우드 압축 방법을 사용함으로써, 저지연(low delay 또는 low latency)가 요구되는 환경에 대해 빠른 속도의 인코딩과 디코딩을 제공할 수 있다.
실시예들에 따른 포인트 클라우드 데이터 송신 방법, 송신 장치, 포인트 클라우드 데이터 수신 방법, 수신 장치는 포인트 마다 지오메트리 및 어트리뷰를 동시에 압축함으로써 지오메트리 및 어트리뷰트 압축을 별도로 사용하는데 필요했던 수행 시간을 획기적으로 단축시키는 효과가 있다. 특히 하나의 예측 트리 구조를 지오메트리 및 어트리뷰트 압축에 모두 사용함으로써 인코딩 시간의 단축 효과를 가져올 수 있으며, 예측 트리 구성 시 지오메트리와 어트리뷰트를 모두 고려함으로써 압축 효율도 증가시킬 수 있다. 또한, 정보의 일부분 만을 사용하는 스케일러블 코딩(scalable coding) 응용 분야에 대해 포인트 단위로 스케일러빌러티(scalability)를 조정할 수 있다는 장점이 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 포인트 클라우드 데이터 방법/장치와 연동 가능한 구조의 예시를 나타낸다.
도 15는 실시예들에 따른 예측 트리 기반으로 포인트 클라우드 데이터를 인코딩하는 과정을 도시한 흐름도이다.
도 16은 실시예들에 따른 클러스터를 구하는 예시를 보인 도면이다.
도 17의 (a)와 도 17의 (b)는 실시예들에 따른 예측 트리 구성의 예시들을 보인 도면이다.
도 18은 실시예들에 따른 지오메트리 및/또는 어트리뷰트를 고려하여 생성된 예측 트리 구조의 예시를 보인다.
도 19는 실시예들에 따른 송/수신을 위한 포인트 클라우드 데이터의 비트스트림 구조의 예시를 나타낸다.
도 20은 실시예들에 따른 송/수신을 위한 포인트 클라우드 데이터의 비트스트림 구조의 다른 예시를 나타낸다.
도 21는 실시예들에 따른 시퀀스 파라미터 세트의 신택스 구조의 예시를 보인 도면이다.
도 22는 실시예들에 따른 시퀀스 파라미터 세트의 신택스 구조의 다른 예시를 보인 도면이다.
도 23은 실시예들에 따른 predictive_coding_method()의 신택스 구조의 예시를 보인 도면이다.
도 24는 실시예들에 따른 지오메트리 파라미터 세트의 신택스 구조의 예시를 보인 도면이다.
도 25는 실시예들에 따른 어트리뷰트 파라미터 세트의 신택스 구조의 예시를 보인 도면이다.
도 26은 실시예들에 따른 지오메트리 슬라이스 비트스트림()의 신택스 구조의 예시를 보인 도면이다.
도 27은 실시예들에 따른 지오메트리 슬라이스 헤더의 신택스 구조의 예시를 보인 도면이다.
도 28은 실시예들에 따른 지오메트리 슬라이스 데이터의 신택스 구조의 예시를 보인 도면이다.
도 29는 실시예들에 따른 어트리뷰트 슬라이스 비트스트림()의 신택스 구조의 예시를 보인 도면이다.
도 30은 실시예들에 따른 어트리뷰트 슬라이스 헤더의 신택스 구조의 예시를 보인 도면이다.
도 31은 실시예들에 따른 어트리뷰트 슬라이스 데이터의 신택스 구조의 예시를 보인 도면이다.
도 32는 실시예들에 따른 지오메트리-어트리뷰트 슬라이스 비트스트림()의 신택스 구조의 예시를 보인 도면이다.
도 33은 실시예들에 따른 지오메트리-어트리뷰트 슬라이스 헤더의 신택스 구조의 예시를 보인 도면이다.
도 34는 실시예들에 따른 지오메트리-어트리뷰트 슬라이스 데이터의 신택스 구조의 예시를 보인 도면이다.
도 35는 실시예들에 따른 포인트 클라우드 송신 장치의 또 다른 예시를 보인 도면이다.
도 36은 실시예들에 따른 포인트 클라우드 비디오 인코더의 상세 블록도의 예시를 보인 도면이다.
도 37은 실시예들에 따른 포인트 클라우드 비디오 인코딩 방법의 예시를 보인 흐름도이다.
도 38은 실시예들에 따른 포인트 클라우드 수신 장치의 또 다른 예시를 보인 도면이다.
도 39는 실시예들에 따른 포인트 클라우드 비디오 디코더의 상세 블록도의 예시를 보인 도면이다.
도 40은 실시예들에 따른 포인트 클라우드 비디오 디코딩 방법의 예시를 보인 흐름도이다.
도 41은 실시예들에 따른 포인트 클라우드 데이터 송신 방법의 흐름도를 나타낸다.
도 42는 실시예들에 따른 포인트 클라우드 데이터 수신 방법의 흐름도를 나타낸다.
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(Artificial 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. 일 실시예로, 렌더러(10007)는 디코딩된 포인트 클라우드 비디오 데이터를 뷰포트 등에 따라 렌더링할 수 있다. 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 정보를 의미할 수 있다. 실시예들에 따른 수신 장치(10004)는 헤드 오리엔테이션 정보를 기반으로 뷰포트 정보를 계산할 수 있다. 뷰포트 정보는 사용자가 바라보고 있는 포인트 클라우드 비디오의 영역(즉, 사용자가 현재 보고 있는 영역)에 대한 정보이다. 즉, 뷰포트 정보는 사용자가 현재 포인트 클라우드 비디오 내에서 보고 있는 영역에 대한 정보이다. 다시 말해, 뷰포트 또는 뷰포트 영역은 사용자가 포인트 클라우드 비디오에서 보고 있는 영역을 의미할 수 있다. 그리고 시점(viewpoint)은 사용자가 포인트 클라우드 비디오에서 보고 있는 지점으로서, 뷰포트 영역의 정중앙 지점을 의미할 수 있다. 즉, 뷰포트는 시점을 중심으로 한 영역으로서, 그 영역이 차지하는 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 헤드 오리엔테이션 정보 및/또는 뷰포트 정보를 기반으로 게이즈 분석 (Gaze Analysis) 등을 수행하여 사용자의 포인트 클라우드 비디오 소비 방식, 사용자가 응시하는 포인트 클라우드 비디오 영역, 응시 시간 등을 확인할 수 있다. 실시예들에 따라 수신 장치(10004)는 게이즈 분석 결과를 포함하는 피드백 정보를 송신 장치(10000)로 전송할 수 있다. 실시예들에 따르면, VR/XR/AR/MR 디스플레이 등의 장치는 사용자의 머리 위치/방향, 장치가 지원하는 수직(vertical) 또는 수평(horizontal) FOV 등에 근거하여 뷰포트 영역을 추출할 수 있다. 실시예들에 따르면, 헤드 오리엔테이션 정보와 뷰포트 정보는 피드백 정보 또는 시그널링 정보 또는 메타데이터라 칭할 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. 상기 피드백 정보는 송신측으로 전달되는 것뿐만 아니라, 수신측에서 소비될 수도 있다. 즉, 포인트 클라우드 콘텐트 제공 시스템은 피드백 정보를 기반으로 포인트 클라우드 데이터를 처리(인코딩/디코딩/렌더링)할 수 있다. 예를 들어, 포인트 클라우드 비디오 디코더(10006)와 렌더러(10007)는 피드백 정보 즉, 헤드 오리엔테이션 정보 및/또는 뷰포트 정보를 이용하여 현재 사용자가 보고 있는 영역에 대한 포인트 클라우드 비디오만 우선적으로 디코딩 및 렌더링할 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 들면XYZ 좌표계로 표현되는 3차원 공간 등)의 위치 정보로 변환될 수 있다. 실시예들에 따른 3차원 공간의 위치 정보는 지오메트리 정보로 지칭될 수 있다.
실시예들에 따른 양자화부(40001)는 지오메트리를 양자화한다. 예를 들어, 양자화부(40001)는 전체 포인트들의 최소 위치 값(예를 들면 X축, Y축, Z축 에 대하여 각축상의 최소 값)을 기반으로 포인트들을 양자화 할 수 있다. 양자화부(40001)는 최소 위치 값과 각 포인트의 위치 값의 차이에 기 설정된 양자 스케일(quantization 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 Hierarchical Transform) 코딩, 예측 변환(Interpolation-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 값을 z, 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 (2d, 2d, 2d) 으로 정의되는 바운딩 박스(cubical axis-aligned bounding box)를 재귀적으로 분할(recursive 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 (2d, 2d, 2d) 으로 정의되는 바운딩 박스(cubical axis-aligned bounding box)를 재귀적으로 분할(recursive 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 (xint n, yint n, zint n)는 양자화된 포인트들의 포지션들(또는 포지션 값들)을 나타낸다.
[수학식 1]
Figure PCTKR2021007094-appb-img-000001
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 다이렉트 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(
Figure PCTKR2021007094-appb-img-000002
x,
Figure PCTKR2021007094-appb-img-000003
y,
Figure PCTKR2021007094-appb-img-000004
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]
Figure PCTKR2021007094-appb-img-000005
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,…, n
n Triangles
3 (1,2,3)
4 (1,2,3), (3,4,1)
5 (1,2,3), (3,4,5), (5,1,3)
6 (1,2,3), (3,4,5), (5,6,1), (1,3,5)
7 (1,2,3), (3,4,5), (5,6,7), (7,1,3), (3,5,7)
8 (1,2,3), (3,4,5), (5,6,7), (7,8,1), (1,3,5), (5,7,1)
9 (1,2,3), (3,4,5), (5,6,7), (7,8,9), (9,1,3), (3,5,7), (7,9,3)
10 (1,2,3), (3,4,5), (5,6,7), (7,8,9), (9,10,1), (1,3,5), (5,7,9), (9,1,5)
11 (1,2,3), (3,4,5), (5,6,7), (7,8,9), (9,10,11), (11,1,3), (3,5,7), (7,9,11), (11,3,7)
12 (1,2,3), (3,4,5), (5,6,7), (7,8,9), (9,10,11), (11,12,1), (1,3,5), (5,7,9), (9,11,1), (1,5,9)
업샘플링 과정은 삼각형의 엣지를 따라서 중간에 점들을 추가하여 복셀화 하기 위해서 수행된다. 업샘플링 요소 값(upsampling factor)과 블록의 너비를 기준으로 추가 점들을 생성한다. 추가점은 리파인드 버텍스(refined vertices)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. 도 7의 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(quantization) 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.
int PCCQuantization(int value, int quantStep) {
if( value >=0) {
return floor(value / quantStep + 1.0 / 3.0);
} else {
return -floor(-value / quantStep + 1.0 / 3.0);
}
}
int PCCInverseQuantization(int value, int quantStep) {
if( quantStep ==0) {
return value;
} else {
return value * quantStep;
}
}
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 잔여(residual) 어트리뷰트 값을 엔트로피 코딩 할 수 있다. 1) 각 포인트의 가중치 값을 저장하는 배열 QW(QuantizationWeight)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. glx,y,z 는 레벨 l에서의 복셀들의 평균 어트리뷰트 값을 나타낸다. glx,y,z는 gl+1 2x,y,z와 gl+1 2x+1,y,z로부터 계산될 수 있다. gl 2x,y,z 와 gl 2x+1,y,z 의 가중치를 w1=wl 2x,y,z과 w2=wl 2x+1,y,z 이다.
[수학식 3]
Figure PCTKR2021007094-appb-img-000006
gl-1 x,y,z는 로-패스(low-pass) 값으로, 다음 상위 레벨에서의 병합 과정에서 사용된다. hl-1 x,y,z은 하이패스 계수(high-pass coefficients)이며, 각 스텝에서의 하이패스 계수들은 양자화되어 엔트로피 코딩 된다(예를 들면 아리스메틱 인코더(40012)의 인코딩). 가중치는 wl-1 x,y,z = wl 2x,y,z + wl 2x+1,y,z로 계산된다. 루트 노드는 마지막 g1 0,0,0 과 g1 0,0,1을 통해서 다음의 수학식 4와 같이 생성된다.
[수학식 4]
Figure PCTKR2021007094-appb-img-000007
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 리컨스트럭션부(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 Hierarchical Transform) 디코딩, 예측 변환(Interpolation-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), 예측/리프팅/RAHT 변환 처리부(12010), 아리스메틱 (Arithmetic) 코더(12011) 및/또는 전송 처리부(12012)를 포함할 수 있다.
실시예들에 따른 데이터 입력부(12000)는 포인트 클라우드 데이터를 수신 또는 획득한다. 데이터 입력부(12000)는 포인트 클라우드 비디오 획득부(10001)의 동작 및/또는 획득 방법(또는 도2에서 설명한 획득과정(20000))과 동일 또는 유사한 동작 및/또는 획득 방법을 수행할 수 있다.
데이터 입력부(12000), 양자화 처리부(12001), 복셀화 처리부(12002), 옥트리 오큐판시 코드 (Occupancy code) 생성부(12003), 표면 모델 처리부(12004), 인트라/인터 코딩 처리부(12005), Arithmetic 코더(12006)는 지오메트리 인코딩을 수행한다. 실시예들에 따른 지오메트리 인코딩은 도 1 내지 도 9에서 설명한 지오메트리 인코딩과 동일 또는 유사하므로 구체적인 설명은 생략한다.
실시예들에 따른 양자화 처리부(12001)는 지오메트리(예를 들면 포인트들의 위치값, 또는 포지션값)을 양자화한다. 양자화 처리부(12001)의 동작 및/또는 양자화는 도 4에서 설명한 양자화부(40001)의 동작 및/또는 양자화와 동일 또는 유사하다. 구체적인 설명은 도 1 내지 도 9에서 설명한 바와 동일하다.
실시예들에 따른 복셀화 처리부(12002)는 양자화된 포인트들의 포지션 값을 복셀화한다. 복셀화 처리부(120002)는 도 4에서 설명한 양자화부(40001)의 동작 및/또는 복셀화 과정과 동일 또는 유사한 동작 및/또는 과정을 수행할 수 있다. 구체적인 설명은 도 1 내지 도 9에서 설명한 바와 동일하다.
실시예들에 따른 옥트리 오큐판시 코드 생성부(12003)는 복셀화된 포인트들의 포지션들을 옥트리 구조를 기반으로 옥트리 코딩을 수행한다. 옥트리 오큐판시 코드 생성부(12003)는 오큐판시 코드를 생성할 수 있다. 옥트리 오큐판시 코드 생성부(12003)는 도 4 및 도 6에서 설명한 포인트 클라우드 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), 예측/리프팅/RAHT 변환 처리부(12010), 아리스메틱 (Arithmetic) 코더(12011)는 어트리뷰트 인코딩을 수행한다. 실시예들에 따른 어트리뷰트 인코딩은 도 1 내지 도 9에서 설명한 어트리뷰트 인코딩과 동일 또는 유사하므로 구체적인 설명은 생략한다.
실시예들에 따른 색상 변환 처리부(12008)는 어트리뷰트들에 포함된 색상값을 변환하는 색상 변환 코딩을 수행한다. 색상 변환 처리부(12008)는 재구성된 지오메트리를 기반으로 색상 변환 코딩을 수행할 수 있다. 재구성된 지오메트리에 대한 설명은 도 1 내지 도 9에서 설명한 바와 동일하다. 또한 도 4에서 설명한 컬러 변환부(40006)의 동작 및/또는 방법과 동일 또는 유사한 동작 및/또는 방법을 수행한다. 구체적인 설명은 생략한다.
실시예들에 따른 어트리뷰트 변환 처리부(12009)는 지오메트리 인코딩이 수행되지 않은 포지션들 및/또는 재구성된 지오메트리를 기반으로 어트리뷰트들을 변환하는 어트리뷰트 변환을 수행한다. 어트리뷰트 변환 처리부(12009)는 도 4에 설명한 어트리뷰트 변환부(40007)의 동작 및/또는 방법과 동일 또는 유사한 동작 및/또는 방법을 수행한다. 구체적인 설명은 생략한다. 실시예들에 따른 예측/리프팅/RAHT 변환 처리부(12010)는 변환된 어트리뷰트들을 RAHT 코딩, LOD 기반의 예측 변환 코딩 및 리프팅 변환 코딩 중 어느 하나 또는 조합하여 코딩할 수 있다. 예측/리프팅/RAHT 변환 처리부(12010)는 도 4에서 설명한 RAHT 변환부(40008), LOD 생성부(40009) 및 리프팅 변환부(40010)의 동작들과 동일 또는 유사한 동작들 중 적어도 하나 이상을 수행한다. 또한 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(40012)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 또는 tile inventory)를 포함하는 시그널링 정보 및 슬라이스 데이터를 포함할 수 있다. 슬라이스 데이터는 하나 또는 그 이상의 슬라이스들에 대한 정보를 포함할 수 있다. 실시예들에 따른 하나의 슬라이스는 하나의 지오메트리 비트스트림(Geom00) 및 하나 또는 그 이상의 어트리뷰트 비트스트림들(Attr00, Attr10)을 포함할 수 있다. 실시예들에 따른 TPS(또는 타일 인벤토리)는 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), 예측/리프팅/RAHT 역변환 처리부(13009), 색상 역변환 처리부(13010) 및/또는 렌더러(13011)를 포함할 수 있다. 실시예들에 따른 디코딩의 각 구성요소는 실시예들에 따른 인코딩의 구성요소의 역과정을 수행할 수 있다.
실시예들에 따른 수신부(13000)는 포인트 클라우드 데이터를 수신한다. 수신부(13000)는 도 1의 리시버(10005)의 동작 및/또는 수신 방법과 동일 또는 유사한 동작 및/또는 수신 방법을 수행할 수 있다. 구체적인 설명은 생략한다.
실시예들에 따른 수신 처리부(13001)는 수신한 데이터로부터 지오메트리 비트스트림 및/또는 어트리뷰트 비트스트림을 획득할 수 있다. 수신 처리부(13001)는 수신부(13000)에 포함될 수 있다.
아리스메틱 디코더(13002), 오큐판시 코드 기반 옥트리 재구성 처리부(13003), 표면 모델 처리부(13004) 및 인버스 양자화 처리부(13005)는 지오메트리 디코딩을 수행할 수 있다. 실시예들에 따른 지오메트리 디코딩은 도 1 내지 도 10에서 설명한 지오메트리 디코딩과 동일 또는 유사하므로 구체적인 설명은 생략한다.
실시예들에 따른 아리스메틱 디코더(13002)는 지오메트리 비트스트림을 아리스메틱 코딩을 기반으로 디코딩할 수 있다. 아리스메틱 디코더(13002)는 아리스메틱 디코더(11000)의 동작 및/또는 코딩과 동일 또는 유사한 동작 및/또는 코딩을 수행한다.
실시예들에 따른 오큐판시 코드 기반 옥트리 재구성 처리부(13003)는 디코딩된 지오메트리 비트스트림으로부터 (또는 디코딩 결과 확보된 지오메트리에 관한 정보)로부터 오큐판시 코드를 획득하여 옥트리를 재구성할 수 있다. 오큐판시 코드 기반 옥트리 재구성 처리부(13003)는 옥트리 합성부(11001)의 동작 및/또는 옥트리 생성 방법과 동일 또는 유사한 동작 및/또는 방법을 수행한다. 실시예들에 따른 표면 모델 처리부(13004)는 트라이숩 지오메트리 인코딩이 적용된 경우, 표면 모델 방식에 기반하여 트라이숩 지오메트리 디코딩 및 이와 관련된 지오메트리 리컨스트럭션(예를 들면 삼각형 재구성, 업-샘플링, 복셀화)을 수행할 수 있다. 표면 모델 처리부(13004)는 서페이스 오프록시메이션 합성부(11002) 및/또는 지오메트리 리컨스트럭션부(11003)의 동작과 동일 또는 유사한 동작을 수행한다.
실시예들에 따른 인버스 양자화 처리부(13005)는 디코딩된 지오메트리를 인버스 양자화할 수 있다.
실시예들에 따른 메타데이터 파서(13006)는 수신한 포인트 클라우드 데이터에 포함된 메타데이터, 예를 들어 설정 값 등을 파싱할 수 있다. 메타데이터 파서(13006)는 메타데이터를 지오메트리 디코딩 및/또는 어트리뷰트 디코딩에 전달할 수 있다. 메타데이터에 대한 구체적인 설명은 도 12에서 설명한 바와 동일하므로 생략한다.
아리스메틱 디코더(13007), 인버스 양자화 처리부(13008), 예측/리프팅/RAHT 역변환 처리부(13009) 및 색상 역변환 처리부(13010)는 어트리뷰트 디코딩을 수행한다. 어트리뷰트 디코딩는 도 1 내지 도 10에서 설명한 어트리뷰트 디코딩과 동일 또는 유사하므로 구체적인 설명은 생략한다.
실시예들에 따른 아리스메틱 디코더(13007)는 어트리뷰트 비트스트림을 아리스메틱 코딩으로 디코딩할 수 있다. 아리스메틱 디코더(13007)는 재구성된 지오메트리를 기반으로 어트리뷰트 비트스트림의 디코딩을 수행할 수 있다. 아리스메틱 디코더(13007)는 아리스메틱 디코더(11005)의 동작 및/또는 코딩과 동일 또는 유사한 동작 및/또는 코딩을 수행한다.
실시예들에 따른 인버스 양자화 처리부(13008)는 디코딩된 어트리뷰트 비트스트림을 인버스 양자화할 수 있다. 인버스 양자화 처리부(13008)는 역양자화부(11006)의 동작 및/또는 역양자화 방법과 동일 또는 유사한 동작 및/또는 방법을 수행한다.
실시예들에 따른 예측/리프팅/RAHT 역변환 처리부(13009)는 재구성된 지오메트리 및 역양자화된 어트리뷰트들을 처리할 수 있다. 예측/리프팅/RAHT 역변환 처리부(13009)는 RAHT 변환부(11007), LOD생성부(11008) 및/또는 인버스 리프팅부(11009)의 동작들 및/또는 디코딩들과 동일 또는 유사한 동작들 및/또는 디코딩들 중 적어도 어느 하나 이상을 수행한다. 실시예들에 따른 색상 역변환 처리부(13010)는 디코딩된 어트리뷰트들에 포함된 컬러 값(또는 텍스쳐)을 역변환하기 위한 역변환 코딩을 수행한다. 색상 역변환 처리부(13010)는 컬러 역변환부(11010)의 동작 및/또는 역변환 코딩과 동일 또는 유사한 동작 및/또는 역변환 코딩을 수행한다. 실시예들에 따른 렌더러(13011)는 포인트 클라우드 데이터를 렌더링할 수 있다.
도 14는 실시예들에 따른 포인트 클라우드 데이터 송수신 방법/장치와 연동 가능한 구조의 예시를 나타낸다.
도 14의 구조는 서버(17600), 로봇(17100), 자율 주행 차량(17200), XR 장치(17300), 스마트폰(17400), 가전(17500) 및/또는 HMD(Head-Mount Display, 17700) 중에서 적어도 하나 이상이 클라우드 네트워크(17000)와 연결된 구성을 나타낸다. 로봇(17100), 자율 주행 차량(17200), XR 장치(17300), 스마트폰(17400) 또는 가전(17500) 등은 장치라 호칭된다. 또한, XR 장치(17300)는 실시예들에 따른 포인트 클라우드 압축 데이터 (PCC) 장치에 대응되거나 PCC장치와 연동될 수 있다.
클라우드 네트워크(17000)는 클라우드 컴퓨팅 인프라의 일부를 구성하거나 클라우드 컴퓨팅 인프라 안에 존재하는 네트워크를 의미할 수 있다. 여기서, 클라우드 네트워크(17000)는 3G 네트워크, 4G 또는 LTE(Long Term Evolution) 네트워크 또는 5G 네트워크 등을 이용하여 구성될 수 있다.
서버(17600)는 로봇(17100), 자율 주행 차량(17200), XR 장치(17300), 스마트폰(17400), 가전(17500) 및/또는 HMD(17700) 중에서 적어도 하나 이상과 클라우드 네트워크(17000)을 통하여 연결되고, 연결된 장치들(17100 내지 17700)의 프로세싱을 적어도 일부를 도울 수 있다.
HMD (Head-Mount Display)(17700)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(17100 내지 17500)의 다양한 실시 예들을 설명한다. 여기서, 도 14에 도시된 장치(17100 내지 17500)는 상술한 실시예들에 따른 포인트 클라우드 데이터 송수신 장치와 연동/결합될 수 있다.
<PCC+XR>
XR/PCC 장치(17300)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(17300)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(17300)는 인식된 물체에 대한 추가 정보를 포함하는 XR 객체를 해당 인식된 물체에 대응시켜 출력할 수 있다.
<PCC+자율주행+XR>
자율 주행 차량(17200)은 PCC 기술 및 XR 기술이 적용되어, 이동형 로봇, 차량, 무인 비행체 등으로 구현될 수 있다.
XR/PCC 기술이 적용된 자율 주행 차량(17200)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(17200)은 XR 장치(17300)와 구분되며 서로 연동될 수 있다.
XR/PCC영상을 제공하는 수단을 구비한 자율 주행 차량(17200)은 카메라를 포함하는 센서들로부터 센서 정보를 획득하고, 획득한 센서 정보에 기초하여 생성된 XR/PCC 영상을 출력할 수 있다. 예컨대, 자율 주행 차량(17200)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(17200)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.
도 1 내지 도 14에서 설명한 것처럼, 포인트 클라우드 데이터는 포인트들의 집합으로 구성되며, 각 포인트는 지오메트리(또는 지오메트리 정보라 호칭한다)와 어트리뷰트(또는 어트리뷰트 정보라 호칭한다)를 가질 수 있다. 지오메트리 정보는 각 포인트의 3차원 위치 정보(xyz)이다. 즉, 각 포인트의 위치는 3차원 공간을 나타내는 좌표계상의 파라미터들(예를 들면 공간을 나타내는 3개의 축인 X축, Y축 및 Z축의 파라미터들 (x,y,z))로 표현된다. 그리고, 어트리뷰트 정보는 그 포인트의 색상(RGB, YUV 등), 반사도(reflectance), 법선(normal vectors), 투명도(transparency) 등을 의미한다.
실시예들에 따른 포인트 클라우드 데이터 송신 장치는 포인트 클라우드 데이터의 콘텐트 특성에 따라 저지연 (low-latency) 코딩을 수행할 수 있다. 예를 들면 포인트 클라우드 데이터가 LiDAR 로부터 실시간으로 캡쳐된 데이터 이거나 실시간으로 전송된 3차원 맵 데이터(3D Map Data)인 경우, 포인트 클라우드 데이터 송신 장치는 지연을 최소화하고 높은 압축 효율을 갖도록 포인트 클라우드 데이터를 처리할 필요가 있다.
실시예들에 따르면, 포인트 클라우드 데이터의 인코딩 과정은 옥트리, 트라이숩 또는 예측 기반으로 지오메트리 정보를 압축하고, 압축을 통해 변경된 위치 정보들로 재구성 된 지오메트리(reconstructed geometry=디코딩된 지오메트리) 정보를 기반으로 어트리뷰트 정보를 압축하는 과정으로 이루어진다. 또한, 포인트 클라우드 데이터의 디코딩 과정은, 인코딩된 지오메트리 비트스트림(bitstream)과 어트리뷰트 비트스트림을 전송 받아서 옥트리, 트라이숩 또는 예측 기반으로 지오메트리 정보를 디코딩하고 디코딩 과정을 통해 재구성된 지오메트리 정보를 기반으로 어트리뷰트 정보를 복호화하는 과정으로 이루어진다.
실시예들에 따른 옥트리 기반 또는 트라이숩 기반의 지오메트리 정보 압축은 도 4 내지 도 13에서 상세히 설명하였으므로, 여기서는 생략한다.
실시예들에 따른 예측 기반의 지오메트리 정보 압축은 포인트 클라우드 데이터에 대해 예측 구조(prediction structure)를 정의하여 수행된다. 이러한 구조는 포인트 클라우드 데이터의 각 포인트와 연관된 버텍스(vertex, 꼭지점)를 갖는 예측 트리(predictive tree)로 표현된다. 예측 트리는 루트 버텍스(root vertex 또는 루트 포인트라 함) 및 리프 버텍스(leaf vertex 또는 리프 포인트라 함)을 포함할 수 있으며, 루트 포인트 이하의 포인트들은 적어도 하나 이상의 자식을 가질 수 있고, 리프 포인트 방향으로 깊이(depth)가 증가한다. 각 포인트는 예측 트리 내의 부모 노드들로부터 예측할 수 있다. 실시예들에 따르면, 각 포인트는, 해당 포인트의 부모(parent), 조부모 (grand-parent), 증조부모(grand-grandparent) 등의 포인트 위치들을 기반으로 다양한 예측 모드(예를 들면 예측 없음, 델타 예측(delta prediction), 리니어 예측(linear prediction), 평행사변형(parallelogram predictor)등) 중 하나가 적용되어 예측될 수 있다.
이와 같이, 예측 기반의 코딩은 포인트 클라우드 데이터에 대해 이웃(neighbor, 주변부) 포인트 정보를 기반으로 예측을 수행한다. 그리고, 이러한 예측 기반의 코딩은 전체 포인트들에 대한 단계적인 스캐닝을 수행하지 않으므로 모든 포인트 클라우드 데이터가 캡쳐되기를 기다릴 필요가 없고, 점차적으로(progressive) 캡쳐된 포인트 클라우드 데이터를 인코딩할 수 있어 저지연 처리가 필요한 포인트 클라우드 데이터 콘텐트에 적합하다.
따라서, 예측 기반의 코딩은 코딩 속도가 빠르다는 장점이 있다. 하지만, 어트리뷰트 인코딩을 수행할 때 지오메트리 정보(즉, 포인트 위치에 대한 정보)의 인코딩 후 어트리뷰트 정보의 코딩이 시작되므로, 이로 인해 딜레이가 발생한다. 그리고 이러한 딜레이는 예측 기반 지오메트리 코딩의 장점인 빠른 속도를 충분히 활용하지 못하게 하는 방해 요소가 된다. 즉, 지오메트리 압축과 어트리뷰트 압축을 연속된 별도의 모듈로 수행하게 되면, 수행 시간이 오래 걸리는 단점이 있다. 특히 지오메트리 압축 결과를 기반으로 어트리뷰트 압축을 수행함으로써 수행 시간을 단축하는데 한계가 있었다.
본 문서는 예측 기반 코딩에 사용된 예측 트리 구조를 지오메트리 및 어트리뷰트 코딩에 동시에 사용함으로써, 지오메트리 압축과 어트리뷰트 압축 사이에 존재하는 지연 요소를 제거할 수 있다.
다음은 예측 트리 구조를 기반으로 지오메트리 정보와 어트리뷰트 정보를 동시에 코딩하는 방법에 대해 기술한다. 특히, 지오메트리 코딩과 어트리뷰트 코딩 사이에 존재하는 지연 요소를 제거하기 위해 지오메트리 정보와 어트리뷰트 정보의 인접성을 고려하여 예측 트리를 생성하고, 최적의 예측 모드를 선정하는 방법에 대해서 기술한다. 본 문서에서 기술하는 포인트 클라우드 데이터의 인코딩 및 디코딩 방법은 예측 기반 압축의 저지연 효과를 극대화 하기 위한 응용 분야에 사용할 수 있을 뿐만 아니라, 일반적인 포인트 클라우드 어트리뷰트 압축 분야에도 적용할 수 있다. 또한 본 문서에서 기술하는 예측 트리 생성 방법은 데이터 압축에 독립적으로 사용될 수 있다.
도 15는 실시예들에 따른 예측 트리 기반으로 포인트 클라우드 데이터를 인코딩하는 과정을 도시한 흐름도이다.
실시예들에 따르면, 도 15의 예측 기반의 포인트 클라우드 데이터 인코딩 과정은 도 1, 도 2, 도 4, 도 12, 또는 도 35의 포인트 클라우드 비디오 인코더에서 수행될 수 있다. 도 1, 도 2, 도 4, 도 12, 또는 도 35의 포인트 클라우드 비디오 인코더는 포인트 클라우드 데이터의 인코딩을 위해 하나 또는 그 이상의 프로세서들(One or more processors) 및 하나 또는 그 이상의 프로세서들과 전기적, 통신적으로 연결된(coupled with) 하나 또는 그 이상의 메모리들(One or more memories)을 포함할 수 있다. 그리고 하나 또는 그 이상의 프로세서들은 물리적으로 분리된 하나 또는 그 이상의 하드웨어 프로세스들로 구성되거나, 소프트웨어/하드웨어의 결합 또는 하나의 하드웨어 프로세서로 구성될 수 있다. 실시예들에 따른 하나 또는 그 이상의 프로세서들은 전기적, 통신적으로 연결(coupled with)될 수 있다. 또한 하나 또는 그 이상의 메모리들은 물리적으로 분리된 하나 또는 그 이상의 메모리들 또는 하나의 메모리로 구성될 수 있다. 실시예들에 따른 하나 또는 그 이상의 메모리들은 포인트 클라우드 데이터 처리를 위한 하나 또는 그 이상의 프로그램들을 저장할 수 있다.
실시예들에 따르면, 도 15의 예측 기반의 포인트 클라우드 데이터 인코딩에 대응되는 수신 장치의 예측 기반의 포인트 클라우드 데이터 디코딩 과정은 도 1, 도 2, 도 11, 도 13, 또는 도 38의 포인트 클라우드 비디오 디코더에서 수행될 수 있다. 도 1, 도 2, 도 11, 도 13, 또는 도 38의 포인트 클라우드 비디오 디코더는 포인트 클라우드 데이터의 디코딩을 위해 하나 또는 그 이상의 프로세서들(One or more processors) 및 하나 또는 그 이상의 프로세서들과 전기적, 통신적으로 연결된(coupled with) 하나 또는 그 이상의 메모리들(One or more memories)을 포함할 수 있다. 그리고 하나 또는 그 이상의 프로세서들은 물리적으로 분리된 하나 또는 그 이상의 하드웨어 프로세스들로 구성되거나, 소프트웨어/하드웨어의 결합 또는 하나의 하드웨어 프로세서로 구성될 수 있다. 실시예들에 따른 하나 또는 그 이상의 프로세서들은 전기적, 통신적으로 연결(coupled with)될 수 있다. 또한 하나 또는 그 이상의 메모리들은 물리적으로 분리된 하나 또는 그 이상의 메모리들 또는 하나의 메모리로 구성될 수 있다. 실시예들에 따른 하나 또는 그 이상의 메모리들은 포인트 클라우드 데이터 처리를 위한 하나 또는 그 이상의 프로그램들을 저장할 수 있다.
실시예들에 따르면, 예측 기반의 포인트 클라우드 데이터 인코딩을 위해 입력되는 포인트 클라우드 데이터는 압축 단위(또는 예측 단위 또는 일정 단위라 함)로 나누어지고(단계 50001), 압축 단위 내에서 포인트 클라우드 데이터는 정렬(sorting)된 후(단계 50002), 예측 트리 구조가 생성된다(단계 50003). 그리고 생성된 예측 트리 구조를 기반으로 포인트 클라우드 데이터의 지오메트리 정보와 어트리뷰트 정보의 예측이 수행되고(단계 50004), 예측된 지오메트리 정보와 어트리뷰트 정보를 기반으로 획득된 잔여(residual) 정보(또는 예측 에러라고 함)에 대해 변환 및 양자화(transform and quantization)가 적용된 후(단계 50005), 엔트로피 인코딩된다(단계 50006).
실시예들에 따르면, 지오메트리 정보와 어트리뷰트 정보 모두를 동시에 고려하여 예측 기반 압축을 수행할 때, 각 단계에서 지오메트리 정보와 어트리뷰트 정보를 동시에 고려하거나 또는 각 단계의 특성에 맞는 정보를 우선적으로 고려함으로써 최종적으로 지오메트리 정보와 어트리뷰트 정보를 동시에 고려한 예측 트리를 구성하고, 포인트 당 지오메트리와 어트리뷰트 정보를 동시에 압축할 수 있다.
다음은 도 15의 각 단계에 대한 상세 설명이다.
지오메트리와 어트리뷰트를 고려한 데이터 압축 단위 구성(단계 50001)
실시예들에 따르면, 입력되는 포인트 클라우드 데이터를 압축 단위(또는 예측 단위라 함)로 나눈 후, 압축 단위 내에서 포인트 클라우드 데이터의 정렬, 예측 트리 구성 및 예측이 수행된다. 즉, 압축 단위별로 포인트 클라우드 데이터의 인코딩이 수행된다.
실시예들에 따르면, 다양한 방법들 중 하나 이상을 조합하여 포인트 클라우드 데이터를 압축 단위(또는 예측 단위라 함)로 구성하거나 나눌 수 있다. 예를 들어, 전체 포인트 클라우드 데이터를 하나의 압축 단위로 구성하거나, XYZ 좌표 상에서 지역적으로 인접한 포인트들을 모아서 압축 단위를 구성하거나, 일정 순서(order)로 포인트 클라우드 데이터를 정렬한 후에 일정 숫자 단위로 포인트 클라우드 데이터를 나누어 압축 단위를 구성하거나, LoD 단위로 압축 단위를 구성하거나, 원통형 좌표계 상에서 radius/azimuth/elevation 단위로 유사한 포인트들을 모아서 압축 단위를 구성할 수 있다. 이때, 예측 트리의 부모-자식(parent-child)의 유사성이 클수록 예측 성능이 우수하게 되어 잔여 정보가 적게 생성된다. 따라서 본 문서는 유사한 포인트들을 모아서 압축 단위를 구성하는 것을 일 실시예로 한다. 예를 들어 일정 숫자의 포인트 단위 (e.g., 512개, 1024개 등)로 유사한 포인트들을 모아 압축 단위를 구성할 수 있다. 그런데, 입력되는 포인트들의 순서를 기반으로 압축 단위를 구성하는 경우와 몰톤(Morton) 코드로 정렬된 포인트들을 기반으로 압축 단위를 구성하는 경우는 동일한 예측 기반 압축을 사용하더라도 압축 효율에 큰 차이를 보일 수 있다.
실시예들에 따르면, 유사성이 높은 포인트들끼리 압축 단위를 구성할 때 지오메트리 정보 및/또는 어트리뷰트 정보의 특징을 고려하기 위해 다음과 같은 클러스터링(clustering)을 사용할 수 있다.
실시예들에 따르면, 클러스터링(또는 군집화라 함)은 포인트들이 주어졌을 때, 포인트들을 몇 개의 클러스터(또는 군집 또는 부분 그룹이라 함)들로 나누는 과정을 의미한다.
예를 들어 i 번째 클러스터의 중심(centroid)을 ci, i번째 클러스터에 속하는 포인트들의 집합을 Si라고 할 때, 클러스터 Si 내의 j번째 포인트(pj)의 응집도를 최대화(즉, 각 클러스터 내의 포인트 간의 차이를 최소화)시키는 Si를 하기의 수학식 5와 같이 구할 수 있다. 이때, ||는 벡터 사이의 거리를 의미하며, 대표적으로는 L1 norm 또는 L2 norm으로 정의할 수 있다. 그리고, 클러스터 Si 내에서 중심은 Si에 속한 포인트들의 좌표값의 평균을 기반으로 구할 수 있다. 실시예들에 따르면, Si를 구하기 위해, 특정 엘레먼트에 대해 가중치를 두는 가중치 노름(weighted norm)을 사용할 수 있다.
[수학식 5]
Figure PCTKR2021007094-appb-img-000008
일반적으로 2점 사이의 거리를 계산할 때 맨하탄(Manhattan) 거리 계산법 또는 유클리드(Euclidean 또는 유클리디안이라 함) 거리 계산법이 사용되는데, 맨하탄 거리를 L1 거리라 칭하고, 유클리드 거리를 L2 거리라 칭한다. 그리고, 맨하탄 거리에 대응하는 노름(norm)을 맨하탄 노름 또는 L1 노름이라 칭하고, 유클리드 거리를 사용하여 유클리드 공간을 정의할 수 있으며, 이 거리에 대응하는 노름(norm)을 유클리드 노름 또는 L2 노름이라 칭한다. 노름은 벡터의 길이 또는 크기를 측정하는 방법(함수)이다.
그리고, 두 클러스터 사이의 거리는 두 중심(centroid) 사이의 거리로 정의할 수 있다.
그러므로 다음의 수학식 6과 같이 각 클러스터 간의 거리(Dij)가 커질수록 클러스터 간의 구분은 더 명확해질 수 있다. 여기서, ci는 i 번째 클러스터의 중심(centroid)을 나타내고, cj는 j번째 클러스터의 중심을 나타낸다.
[수학식 6]
Figure PCTKR2021007094-appb-img-000009
즉, 포인트들을 복수개의 클러스터들로 구분할 때, 클러스터 내 포인트들간의 거리는 최소화하고, 서로 다른 클러스터 내 포인트들간의 거리는 최대화하는 것이 바람직하다.
이를 위해 하기의 수학식 7에서와 같이 전체 분산 V를 최소화 하는 Si 를 찾을 수 있다.
[수학식 7]
Figure PCTKR2021007094-appb-img-000010
이때, 고려하는 정보의 특성에 따라서 클러스터 Si에 포함되는 j번째 포인트(pj)는 다음과 같이 정의될 수 있다.
지오메트리 정보를 고려하는 경우: pj = [xj, yj, zj]
어트리뷰트 정보를 고려하는 경우: pj = [rj, gj, bj, Rj]
지오메트리 정보와 어트리뷰트 정보를 모두 고려하는 경우:pj = [xj, yj, zj, rj, gj, bj, Rj]
위에서 xyz는 XYZ축에 대한 지오메트리 정보를, rgb 또는 YCbCr 은 컬러 어트리뷰트 정보를 R은 반사도 어트리뷰트 정보를 의미한다. 실시예들에 따르면, 지오메트리 정보 또는 어트리뷰트 정보가 변환(transform) 된 형태를 사용하던지 또는 추가적인 어트리뷰트 정보 (normal, material 등)를 사용할 수도 있다.
예를 들어, 지오메트리 정보와 어트리뷰트 정보를 모두 고려하는 경우라면, Si에 속하는 j번째 포인트(Pj)를 결정할 때, j번째 포인트의 지오메트리 정보와 어트리뷰트 정보를 모두 고려하여 결정함을 의미한다.
도 16은 실시예들에 따른 클러스터를 구하는 예시를 보인 도면이다.
만약 2개의 클러스터들이 있는 경우 도 16과 같이 각각의 클러스터 내의 응집도를 최대화 하는 S1, S2를 구할 수 있다.
예를 들어, 지오메트리 정보만을 고려하는 경우, 클러스터 S1의 포인트들과 중심 c1과의 거리 합이 최소가 되고, 클러스터 S2의 포인트들과 중심 c2와의 거리의 합이 최소가 되도록 클러스터 S1과 S2가 구해진다. 이에 더하여, 클러스터 S1의 중심 c1과 클러스터 S2의 중심 c2와의 거리는 최대가 되도록 클러스터 S1과 S2가 구해진다.
다른 예로, 어트리뷰트 정보만을 고려하는 경우, 클러스터 S1의 포인트들과 중심 c1과의 어트리뷰트 유사성이 최대가 되고, 클러스터 S2의 포인트들과 중심 c2와의 어트리뷰트 유사성이 최대가 되도록 클러스터 S1과 S2가 구해진다. 이에 더하여, 클러스터 S1의 중심 c1과 클러스터 S2의 중심 c2와의 어트리뷰트 유사성은 최소가 되도록 클러스터 S1과 S2가 구해진다.
또 다른 예로, 지오메트리 정보와 어트리뷰트 정보를 모두 고려하는 경우, 클러스터 S1의 포인트들과 중심 c1과의 거리 합이 최소가 되면서 어트리뷰트 유사성이 최대가 되고, 클러스터 S2의 포인트들과 중심 c2와의 거리의 합이 최소가 되면서 어트리뷰트 유사성이 최대가 되도록 클러스터 S1과 S2가 구해진다. 이에 더하여, 클러스터 S1의 중심 c1과 클러스터 S2의 중심 c2와의 거리는 최대가 되고 어트리뷰트 유사성은 최소가 되도록 클러스터 S1과 S2가 구해진다.
실시예들에 따르면, 각 클러스터에 포함되는 포인트들의 개수는 클러스터마다 동일할 수도 있고 다를 수도 있다. 또한, 각 클러스터에 포함되는 포인트들의 개수는 미리 설정될 수도 있다(예, 512개, 1024개 등).
실시예들에 따르면, 클러스터는 압축 단위(또는 예측 단위)를 의미한다.
지오메트리와 어트리뷰트를 고려한 포인트 클라우드 데이터 정렬(단계 50002)
전술한 바와 같이 입력되는 포인트 클라우드 데이터의 포인트들이 지오메트리 및/또는 어트리뷰트를 고려하여 압축 단위(또는 예측 단위라 함)로 나누어지면, 압축 단위 별로 포인트 클라우드 데이터의 포인트들을 정렬(sorting)한다. 이때 각 압축 단위에 포함되는 포인트 클라우드 데이터의 포인트들의 개수는 압축 단위마다 동일하거나 다를 수 있으며 또한, 미리 설정될 수도 있다.
즉, 압축 단위에 대해 예측 압축 효율을 높이기 위한 방법으로써 포인트 클라우드 데이터의 포인트들을 일정 순서에 따라 정렬해줄 수 있다. 즉, 예측 코딩에서는 인접한 포인트들 간의 유사성을 기반으로 예측을 하고 잔여 정보(또는 예측 에러라 함)를 전송하기 때문에 유사한 포인트들을 인접하게 배치하는 경우 압축 효율이 증가하는 효과를 얻을 수 있다.
예를 들어, 지오메트리 정보를 고려하는 경우 몰톤 코드(Morton code) 순서 또는 힐버트 코드(Hilbert code) 순서로 해당 압축 단위 내 포인트 클라우드 데이터의 포인트들을 정렬할 수도 있고 또는, 원통형 좌표계 상에서 radius, azimuth, elevation이 유사한 포인트끼리 모아줄 수 있다.
다른 예로, 어트리뷰트 정보 중 반사도(reflectance)를 고려하는 경우, 반사도가 증가하는 방향으로 해당 압축 단위 내 포인트 클라우드 데이터의 포인트들을 정렬한 후 어트리뷰트 이웃 서치(attribute neighbor search)를 수행할 수 있다.
또 다른 예로, 어트리뷰트 정보 중 컬러를 고려하는 경우, 루마(luma)가 증가하는 방향으로 해당 압축 단위 내 포인트 클라우드 데이터의 포인트들을 정렬하거나, 또는 그린, 블루, 레드의 순서에 따라 증가하는 방향으로 해당 압축 단위 내 포인트 클라우드 데이터의 포인트들을 정렬하거나, 또는 컬러를 몰톤 코드 순서로 정렬할 수 있다. 즉, 어트리뷰트 정보를 고려하는 경우, 어트리뷰트 정보의 유사도를 기반으로 해당 압축 단위 내 포인트 클라우드 데이터의 포인트들을 정렬할 수 있다.
이와 같이 각 압축 단위 내에서 포인트 클라우드 데이터를 정렬할 때, 지오메트리 정보와 어트리뷰트 정보를 동시에 고려하는 경우 포인트 클라우드 데이터(xyzrgb)를 몰톤 코드 순서, 힐버트 코드 순서에 따라 정렬할 수 있다. 실시예들에 따르면, 클러스터링 방법을 고려하여 정렬 방법을 결정할 수 있다. 예를 들어, 지오메트리 정보를 기반으로 클러스터링을 수행하는 경우, 어트리뷰트 정보를 고려하여 정렬할 수 있다. 즉, 지오메트리 위주로 클러스터링된 포인트 클라우드 데이터를 어트리뷰트 유사성에 따라 배치함으로써, 지오메트리 정보와 어트리뷰트 정보의 압축 효율을 증가시킬 수 있다. 다른 예로, 어트리뷰트 정보를 기반으로 클러스터링을 수행하는 경우, 지오메트리 정보를 고려하여 정렬할 수 있다. 즉, 어트리뷰트 위주로 클러스터링된 포인트 클라우드 데이터를 거리 기준으로 정렬함으로써, 지오메트리 정보와 어트리뷰트 정보의 압축 효율을 증가시킬 수 있다. 또 다른 예로, 지오메트리 정보와 어트리뷰트 정보를 모두 고려하여 포인트 클라우드 데이터에 대한 클러스터링을 수행하고, 클러스터링된 포인트 클라우드 데이터를 지오메트리 정보와 어트리뷰트 정보를 모두 고려하여 정렬할 수도 있다.
지오메트리와 어트리뷰트 인접성 기반 예측 트리 생성(단계 50003)
단계 50002에서 각 압축 단위 내에서 포인트 클라우드 데이터의 포인트들의 정렬이 수행되고 나면, 각 압축 단위 내에서 예측 트리를 구성할 수 있다.
실시예들에 따르면, 지오메트리 또는 어트리뷰트 예측 트리 구조 생성 방법을 사용하여 예측 트리를 구성할 수 있다. 이를 통해 포인트 클라우드 압축 시 지오메트리 정보의 압축과 어트리뷰트 정보의 압축에 동일한 구조를 사용할 수 있으므로, 저지연 환경에서 복잡도를 줄이는 효과를 얻을 수 있다. 다른 실시예들에 따르면, 압축 대상이 되는 지오메트리 정보와 어트리뷰트 정보를 동시에 고려하여 예측 트리를 구성할 수 있다.
도 17의 (a)와 도 17의 (b)는 실시예들에 따른 예측 트리 구성의 예시들을 보인 도면이다.
실시예들에 따르면, 예측 트리는 일정 포인트에 대해 위치 상으로 가장 인접한 포인트 간에 부모-자식(parent-child)의 관계를 부여하는 과정을 통해 구성될 수 있다.
예를 들어, 도 17의 (a)와 같이 임의의 압축 단위 내에 4개의 포인트들(P0, P2, P4, P5)이 존재하고, P5는 P0와 가장 근접하다고 가정할 때, P5를 루트로 설정하고 P5와 가장 인접한 P0를 P5의 자식으로 설정할 수 있다. 그리고 P4는 P0과 가장 근접하다고 가정하면, P4는 P0의 자식으로서 설정할 수 있다. 이에 따라 P5 - P0 - P4 - P2의 순서로 관계를 가질 수 있으며, P2 를 기준으로 grand-grandparent - grandparent - parent - child의 관계를 정의할 수 있다. 또한 인접 포인트를 찾기 위해서 유클리디안 거리(Euclidean distance)를 기반으로 가장 가까운 이웃 찾기(nearest neighbor search) 방법을 사용할 수 있다.
한편, 어트리뷰트 정보를 고려하여 예측 트리를 생성한다면, 예측 트리에서 부모-자식 관계가 달라질 수 있다. 예를 들어, 루트 P5 와 위치 상으로 인접한 포인트들 P0, P4, P2 에 대해, 어트리뷰트 성분의 유사성은 P4가 가장 높다고 가정하면, 도 17의 (b)에서와 같이 P5의 자식은 P4가 될 수 있다. 또한 P0와 P2의 어트리뷰트가 P5 보다 P4와 유사하다고 가정하면, P0와 P2는 P4의 자식으로 등록될 수 있다.
이와 같이, 예측 트리를 구성할 때 압축 단위 내 포인트들간의 거리 및/또는 유사성을 판단하는 기준에 따라 예측 트리 구조가 달라질 수 있다.
실시예들에 따르면, 지오메트리 정보와 어트리뷰트 정보를 동시에 고려하여 예측 트리를 구성하게 되면, 지오메트리 정보와 어트리뷰트 정보의 압축 성능을 향상시킬 수 있게 된다. 이때, 부모(Parent)는 압축 단위(또는 예측 단위라 함) 내에서 이웃 서치(neighbor search)를 통해 정의할 수 있다. 실시예들에 따르면, 이웃(neighbor)은 어트리뷰트 및 지오메트리 유사성이 높은 적어도 하나의 포인트로 정의할 수 있다. 예를 들어, 포인트들 사이의 지오메트리 차이 및 어트리뷰트 차이를 아래의 수학식 8과 같이 정의할 때, 이를 최소화하는 포인트를 이웃 포인트(neighbor point)로 정의할 수 있다.
[수학식 8]
Figure PCTKR2021007094-appb-img-000011
수학식 8에서, gi, ai는 i 번째 포인트(즉, 이웃 포인트)의 지오메트리 정보와 어트리뷰트 정보를 나타내고, gp, ap는 현재 포인트의 지오메트리 정보와 어트리뷰트 정보를 나타낸다. wa는 인접 어트리뷰트 가중치로 0~1 사이의 값을 가지는데, 인접 어트리뷰트 가중치에 따라 예측 트리 구성이 달라지게 된다. wa가 1에 가까운 경우 지오메트리 유사성보다 어트리뷰트 유사성을 상대적으로 중요하게 고려하므로, 어트리뷰트가 비슷한 포인트가 이웃이 될 수 있다. 반대로 wa가 0에 가까운 경우 예측 트리 구성 과정에서 어트리뷰트 유사성보다 지오메트리 유사성을 상대적으로 중요하게 고려하므로 위치 상으로 인접한 포인트가 이웃이 될 가능성이 커진다.
그리고, 이웃 관계에 있는 포인트들에 대해서 부모-자식(parent-child)의 관계를 설정하여 도 18과 같은 예측 트리를 구성할 수 있다.
도 18은 실시예들에 따른 지오메트리 및/또는 어트리뷰트를 고려하여 생성된 예측 트리 구조의 예시를 보인다.
즉, 최종적인 예측 트리는 압축 대상이 되는 포인트 (도 18에서와 같이 부모, 조부모(grandparent), 증조부모(grand-grandparent) 등의 관계를 갖는 포인트 클라우드 집합 중 특정 포인트)를 자식으로, 예측 대상이 되는 포인트를 부모로 정의하고, 부모-자식의 연속으로 구성될 수 있다. 예를 들어, 포인트(50013)를 압축 대상이 되는 포인트라고 가정하면, 포인트(50012)는 포인트(50013)의 부모가 되고, 포인트(50011)는 조부모가 되며, 포인트(50010)는 증조부모가 된다.
실시예들에 따르면, 예측 트리 구성시, 압축의 처음 시작이 되는 포인트를 루트 버텍스로 설정한다. 그리고 포인트(50011)는 루트 버텍스(즉, 루트 포인트)(50010)를 부모로 삼는 자식이 된다. 실시예들에 따르면, 포인트(50011)는 지오메트리 및/또는 어트리뷰트를 기반으로 루트 포인트(50010)와 유사성이 가장 높다고 가정할 수 있다. 실시예들에 따르면, 예측 트리는 복수개의 자식들을 갖는 포인트(또는 버텍스)가 존재할 수 있다. 실시예들에 따르면, 자식들의 개수는 일정 개수(예를 들어, 3)로 한정되거나 무제한일 수 있다. 예를 들어, 포인트(또는 버텍스)(50014)는 3개의 자식을 가지고 있고, 포인트(버텍스)(50015)는 2개의 자식을 가지고 있음을 보인다.
실시예들에 따르면, 예측 트리의 구성 방법을 식별하기 위한 예측 트리 모드 정보(predictive_tree_mode)가 시그널링 정보에 시그널링되어 수신 장치로 전달될 수 있다. 예를 들어, 상기 예측 트리 모드 정보(predictive_tree_mode)가 0이면 지오메트리 정보만을 고려하여 예측 트리가 구성되고, 1이면 어트리뷰트 정보만을 고려하여 예측 트리가 구성되며, 2이면 지오메트리 정보와 어트리뷰트 정보가 모두 고려되어 예측 트리가 구성되었음을 지시할 수 있다. 실시예들에 따르면, 상기 시그널링 정보는 시퀀스 파라미터 세트, 지오메트리 파라미터 세트, 어트리뷰트 파라미터 세트, 및 타일 파라미터 세트(또는 타일 인벤토리라 함) 등이 될 수 있다. 실시예들에 따르면, 상기 예측 트리 모드 정보(predictive_tree_mode)는 잔여 정보(또는 예측 에러라 함)를 캐리하는 슬라이스에 포함되어 수신 장치로 전달될 수 있다. 실시예들에 따르면, 상기 예측 트리 모드 정보(predictive_tree_mode)는 포인트 클라우드 압축에 관련된 정보 또는 포인트 클라우드 압축에 관련된 정보에 포함되는 정보라 칭할 수 있다.
예측 트리 기반 포인트 (지오메트리 및 어트리뷰트) 예측(단계 50004)
단계 50003에서 전술한 바와 같이 지오메트리 및/또는 어트리뷰트를 고려하여 예측 트리를 생성하면, 압축 대상이 되는 포인트의 예측을 수행한다.
실시예들에 따르면, 포인트 예측은 지오메트리 및 어트리뷰트 예측 트리 구조를 기반으로 다양한 예측 방법을 사용할 수 있다. 실시예들에 따르면, 포인트 예측을 위해 사용된 예측 방법을 식별하기 위한 예측 타입 정보(prediction type)는 시그널링 정보에 시그널링되어 수신 장치로 전달될 수 있다. 실시예들에 따르면, 상기 시그널링 정보는 SPS, GPS, APS, 및 TPS (또는 타일 인벤토리라 함) 등이 될 수 있다. 실시예들에 따르면, 상기 예측 타입 정보(prediction type)는 잔여 정보(또는 예측 에러라 함)를 캐리하는 슬라이스에 포함되어 수신 장치로 전달될 수 있다. 실시예들에 따르면, 예측 방법은 각 포인트마다 전달되거나, 예측 단위와 같은 일정 단위마다 전달될 수 있다. 실시예들에 따르면, 상기 예측 타입 정보(prediction type)는 포인트 클라우드 압축에 관련된 정보 또는 포인트 클라우드 압축에 관련된 정보에 포함되는 정보라 칭할 수 있다.
실시예들에 따르면, 예측 타입 정보(prediction type)의 값이 0이면 예측 모드를 사용하는 예측 방법을 나타내고, 1이면 이웃 어트리뷰트 평균을 사용하는 예측 방법을 나타내고, 2이면 이웃 포인트들간의 관계를 이용하는 예측 방법임을 나타내며, 3이면 이웃 포인트들 간의 관계에 대한 계수를 전달하는 예측 방법임을 나타낼 수 있다. 그리고, 상기 예측 타입 정보에 할당되는 값의 의미, 순서, 삭제, 추가 등은 당업자에 의해 용이하게 변경될 수 있으므로, 본 문서는 위의 실시예로 한정되지 않을 것이다.
다음은 포인트 예측 특히, 어트리뷰트 정보의 예측을 위해 사용되는 다양한 예측 방법들을 설명한다.
예측 모드를 사용하는 경우 (Prediction type = 0)
지오메트리 정보와 어트리뷰트 정보 중 적어도 하나의 유사성을 기반으로 구성된 예측 트리 상에서 예측 모드(prediction mode)를 사용하여 포인트들의 예측을 진행할 수있다. 압축 대상이 되는 포인트의 예측을 수행함에 있어서 지오메트리와 어트리뷰트를 모두 고려하여 예측을 수행할 수도 있고, 지오메트리만 고려하여 예측을 수행할 수도 있으며, 어트리뷰트만 고려하여 예측을 수행할 수도 있다. 또한, 지오메트리와 어트리뷰트를 모두 고려하여 예측을 수행하는 경우에는 지오메트리에 더 큰 가중치를 부여할 수도 있고, 어트리뷰트에 더 큰 가중치를 부여할 수도 있다.
예를 들어, P(n)를 예측 트리 상에서 압축 대상이 되는 포인트 즉, n번째 포인트로 정의하고, P(n-1)을 n 번째 포인트의 부모(parent) 포인트(또는 버텍스), P(n-2)를 n 번째 포인트의 조부모(grandparent) 포인트, P(n-3)를 n 번째 포인트의 증조부모(grand-grandparent 또는 great-grandparent) 포인트, P(n-4)를 n 번째 포인트의 고조부모(grand-grand grandparent 또는 great-great grandparent) 포인트로 정의할 때 예측 모드별 예측 에러(E)는 다음의 수학식 9와 같이 정의할 수 있다. 예를 들어, 포인트 (P(n))에 대해 하기 수학식 9의 예측 모드들을 각각 적용하여 7개의 예측 에러 값들(E)을 계산하고, 계산된 7개의 예측 에러 값들 중 가장 작은 예측 에러 값을 갖는 예측 모드를 포인트 (P(n))의 예측 모드로 설정할 수 있다. 예를 들어, 7개의 예측 에러 값들 중 두번째 식을 적용하여 구한 예측 에러 값(E = |[P(n) - P(n -1)] - a * [P(n -1) - P(n -2)] - b|)이 가장 작은 값(즉, 에러를 최소화하는 값)이라면, 포인트 (P(n))의 예측 모드는 예측 모드 2(mode 2)를 설정(또는 선택)할 수 있다. 그리고 설정(선택)된 예측 모드 정보(pred_mode)와 이때의 계수 정보(예를 들어, a, b 등)는 시그널링 정보 및/또는 슬라이스에 시그널링되어 수신 장치로 전송될 수 있다. 상기 시그널링 정보는 파라마티 세트들, 해당 잔여 정보를 캐리하는 슬라이스의 헤더 등을 포함할 수 있다.
[수학식 9]
Figure PCTKR2021007094-appb-img-000012
하기의 수학식 10은 예측 모드별 예측 정보를 구하는 식의 예시들이다. 예를 들어, 수학식 9을 적용하여 선택된 포인트 (P(n))의 예측 모드가 예측 모드 2(mode 2)라면, 예측 모드 2에 해당하는 예측 정보(P'(n))는 수학식 10의 두번째 식(P'(n) = (a+1) * P(n-1) - a * P(n-2) + b )을 적용하여 구할 수 있다. 즉, 위의 수학식 9에 대해 에러를 최소화하는 P'(n)는 하기 수학식 10과 같이 예측할 수 있다.
[수학식 10]
Figure PCTKR2021007094-appb-img-000013
실시예들에 따르면, 압축 대상이 되는 포인트 P(n)의 예측 에러(Res(n))는 포인트 (P(n))의 지오메트리 정보 및/또는 어트리뷰트 정보에서 수학식 9와 10을 통해 선택된 예측 모드의 예측 정보(P'(n))을 뺌으로써 획득할 수 있다.
실시예들에 따르면, 압축 대상이 되는 포인트 P(n)은 목적에 따라 다음과 같이 정의할 수 있다. 즉, 지오메트리 정보만 고려되는 경우, 압축 대상이 되는 포인트 P(n)의 예측 모드는 수학식 9와 10을 통해 지오메트리 정보에 대해서만 구해질 수 있다. 그리고, 어트리뷰트 정보만 고려되는 경우, 압축 대상이 되는 포인트 P(n)의 예측 모드는 수학식 9와 10을 통해 어트리뷰트 정보에 대해서만 구해질 수 있다. 이에 더하여, 지오메트리 정보와 어트리뷰트 정보가 모두 고려되는 경우, 압축 대상이 되는 포인트 P(n)의 예측 모드는 수학식 9와 10을 통해 지오메트리 정보와 어트리뷰트 정보에 대해 각각 구해질 수 있다. 이때, 압축 대상이 되는 포인트 P(n)에 대한 지오메트리 정보의 예측 모드와 어트리뷰트 정보의 예측 모드는 같을 수도 있고 다를 수도 있다.
지오메트리를 고려하는 경우: P(n)=g(n)=[xn, yn, zn]
어트리뷰트를 고려하는 경우: P(n)=a(n)=[rn, gn, bn, Rn]
지오메트리와 어트리뷰트를 모두 고려하는 경우: P(n)=[xn, yn, zn, Yn, Cbn, Crn, Rn]
실시예들에 따르면, 지오메트리 정보와 어트리뷰트 정보를 동시에 고려하는 경우 아래와 같이 지오메트리 정보와 어트리뷰트 정보에 대해 서로 다른 가중치를 고려할 수 있다.
지오메트리 정보와 어트리뷰트 정보에 대해 가중치를 다르게 고려하는 경우: P(n)=[wgxn, wgyn, wgzn, waYn, wa Cbn, waCrn, waRn]
이때, wg와 wa는 0~1 의 범위에서 존재하며, 모든 가중치(weight)의 합은 1이다.
보다 일반적인 형태로 지오메트리와 어트리뷰트 엘레먼트 각각에 대해 아래와 같이 독립적인 가중치(weight)를 사용할 수도 있다.
지오메트리 정보와 어트리뷰트 정보에 대해 가중치를 다르게 고려하는 경우: P(n)=[xn, yn, zn, Yn, Cbn, Crn, Rn]×[wx, wy, wz, wY, wCb, wCr, wR]
실시예들에 따르면, 지오메트리 정보의 예측 에러와 어트리뷰트 정보의 예측 에러에 대해 각각의 가중치를 가지고 동시에 고려하는 경우 다음의 수학식 11과 같이 지오메트리 정보의 예측 에러와 어트리뷰트 정보의 예측 에러의 가중치 합으로 압축 대상이 되는 포인트 P(n)의 예측 에러(즉, 잔여 정보)를 정의할 수 있다.
[수학식 11]
Figure PCTKR2021007094-appb-img-000014
이때, 지오메트리 정보의 예측 에러 Eg와 어트리뷰트 정보의 예측 에러 Ea는 서로 다른 예측 모드를 기반으로 획득될 수 있다. 예를 들어, 수학식 9와 10을 통해 지오메트리 정보에 대해서는 예측 모드 2를 기반으로 예측 에러 Eg가 결정되고, 어트리뷰트 정보에 대해서는 예측 모드 5를 기반으로 예측 에러 Ea가 결정될 수도 있다. 다른 실시예로, L1 norm과 L2 norm을 지오메트리 정보와 어트리뷰트 정보에 대해 다르게 사용할 수도 있다. 예를 들어, 지오메트리 정보에 대해서는 유클리디안 거리(Euclidean distance) 기반으로 지오메트리 정보의 예측 에러 Eg를 구하고, 어트리뷰트 정보에 대해서는 하기의 수학식 12와 같이 컬러 공간(color space)의 유클리디안 거리(Euclidean distance)를 구하거나 또는 deltaE와 같이 유니폼 컬러 공간 (예, CIELa*b*)에서 컬러 차이를 측정하는 방법을 사용하여 어트리뷰트 정보의 예측 에러 Ea를 구할 수 있다.
[수학식 12]
Figure PCTKR2021007094-appb-img-000015
실시예들에 따르면, 지오메트리 정보와 어트리뷰트 정보가 동일한 방법으로 압축되었는지 여부를 지시하기 위한 예측 모드 지시 정보(geom_attr_same_prediction_mode_flag)가 시그널링 정보에 시그널링되어 수신 장치로 전달될 수 있다. 예를 들어, 상기 예측 모드 지시 정보(geom_attr_same_prediction_mode_flag)가 1이면 지오메트리 정보와 어트리뷰트 정보가 동일한 예측 트리를 사용하고 동일한 예측 코딩 파라미터를 사용함을 지시할 수 있다. 상기 예측 모드 지시 정보(geom_attr_same_prediction_mode_flag)가 0이면 지오메트리 정보와 어트리뷰트 정보가 동일한 예측 트리를 사용하나 서로 다른 예측 코딩 파라미터를 사용함을 지시할 수 있다. 예를 들어, 동일한 예측 트리를 사용하면서 지오메트리 정보에 대해서는 예측 모드 2를 기반으로 예측 에러가 결정되고, 어트리뷰트 정보에 대해서는 예측 모드 5를 기반으로 예측 에러가 결정되었다면, 상기 예측 모드 지시 정보(geom_attr_same_prediction_mode_flag)는 0이 될 수 있다. 실시예들에 따르면, 상기 예측 모드 지시 정보(geom_attr_same_prediction_mode_flag)는 포인트 클라우드 압축에 관련된 정보 또는 포인트 클라우드 압축에 관련된 정보에 포함되는 정보라 칭할 수 있다.
실시예들에 따르면, 위와 같은 다양한 예측 모드 결정 방법에 대해 미리 지정된 방법을 일정 단위 (예를 들어, 압축 단위(또는 예측 단위), 슬라이스 단위, 코딩 블록 단위, 프레임 단위, N개 단위 등) 로 사용/시그널링할 수 있다. 또한, 매 포인트 마다 에러가 최소화 되는 예측 모드(pred_mode)를 시그널링 할 수 있다. 만일 일정 단위로 예측 모드를 전달하는 경우, 일정 단위 내에서 포인트 당 예측 에러의 총 합을 최소화 하는 예측 방법을 찾는 과정이 추가될 수 있다. 또한 예측 계수 a, b (coeff_a, coeff_b)에 대해서도 미리 정해진 값을 사용/시그널링할 수 있고, 매 포인트 마다 예측 에러가 최소화 되는 방법에 대해 시그널링 하거나 또는 포인트들 사이의 거리에 반비례 하는 함수로 정의할 수 있다. 만약 지오메트리 정보의 예측과 어트리뷰트 정보의 예측을 독립적으로 진행하는 경우, 위의 방법을 지오메트리 정보와 어트리뷰트 정보에 대해 각각 적용할 수 있다. 실시예들에 따르면, 상기 시그널링되는 정보는 포인트 클라우드 압축에 관련된 정보 또는 포인트 클라우드 압축에 관련된 정보에 포함된 정보라 칭할 수 있다.
이웃 어트리뷰트 평균을 사용하는 경우 (Prediction_type = 1)
실시예들에 따라, 단계 50002에서 포인트 클라우드 데이터의 포인트들이 정렬될 때, 압축 단위 내에서 유사 포인트들끼리 정렬되어 있다고 가정하면, 압축 대상이 되는 포인트 P(n)는 이웃 어트리뷰트 정보의 평균을 통해 예측할 수 있다. 실시예들에 따라, 이웃 어트리뷰트 정보의 평균에 사용할 이웃 어트리뷰트의 개수(num_neighbors)는 시그널링 정보 및/또는 슬라이스에 시그널링되어 수신 장치로 전달될 수 있다. 그리고, 부모를 시작으로 이웃 어트리뷰트 정보의 개수(num_neighbors) 만큼의 어트리뷰트 정보의 평균을 기반으로 자식 어트리뷰트(즉, P(n))를 예측할 수 있다. 실시예들에 따르면, 평균은 하기의 수학식 13과 같이 거리 기반 가중치(weight)를 사용할 수도 있다. 여기서, P'(n)는 압축 대상이 되는 포인트 P(n)의 예측 정보이다. 그러므로, 압축 대상이 되는 포인트 P(n)의 예측 에러(또는 잔여 정보, Res(n))는 P(n)에서 P'(n)를 뺌에 의해 획득된다(=P(n)- P'(n)).
[수학식 13]
Figure PCTKR2021007094-appb-img-000016
이웃 포인트 간 관계를 이용하는 경우 (prediction_type = 2)
실시예들에 따라, 압축 대상이 되는 포인트 P(n)의 어트리뷰트 정보는 어트리뷰트 정보의 경향성을 이용하여 예측할 수 있다. 실시예들에 따르면, 이웃 어트리뷰트 정보의 분포에 대해 선형 회귀(linear regression)를 통해 어트리뷰트 정보의 경향성을 예측할 수 있다.
실시예들에 따르면, 어트리뷰트 예측에 사용되는 부모들의 개수를 나타내기 위한 정보(num_attr_parents_minus1)와 부모들의 개수만큼 반복되어 예측에 사용되는 포인트를 지칭하기 위한 인덱스 정보(parent_index)가 시그널링 정보 및/또는 슬라이스에 시그널링되어 수신 장치로 전달될 수 있다. 그리고 예측 계수 a, b는 직접 수신 장치로 전달하거나, 수신 장치에서 추정할 수 있다. 이때 예측에 사용되는 avg{A(p)}는 하기의 수학식 14와 같이 현재 포인트를 중심으로 하는 어트리뷰트 정보의 평균을 나타낼 수 있다. 여기서, P'(n)는 압축 대상이 되는 포인트 P(n)의 예측 정보이다. 그러므로, 압축 대상이 되는 포인트 P(n)의 예측 에러(또는 잔여 정보, Res(n))는 P(n)에서 P'(n)를 뺌에 의해 획득된다(=P(n)- P'(n)).
[수학식 14]
Figure PCTKR2021007094-appb-img-000017
이웃 포인트 간 관계에 대한 계수를 전달하는 경우 (prediction_type = 3)
실시예들에 따르면, 압축 대상이 되는 포인트 P(n)의 경향성에 대한 계수를 직접 수신 장치로 전달할 수 있다. 이때, 현재의 포인트 이후의 num_same_coeff_pred_points 개의 포인트들에 대해 동일한 계수를 적용할 수 있다. 이는 예측 트리를 구성할 때 어트리뷰트 정보가 유사한 포인트들이 함께 모여있는 경우 수학식 15와 같이 유사한 계수를 사용하게 함으로써 계수를 전달하는데 필요한 비트를 줄이는 효과가 있다.
실시예들에 따르면, 일정 포인트에 대해서 동일 계수를 사용하여 예측에 해당하는 경우 해당되는 포인트의 개수를 나타내기 위한 정보(num_same_coeff_pred_ponts)와 이때의 계수 정보(coeff_c1, coeff_c2)가 시그널링 정보 및/또는 슬라이스에 시그널링되어 수신 장치로 전달될 수 있다.
아래 수학식 15에서, P'(n)는 압축 대상이 되는 포인트 P(n)의 예측 정보이다. 그러므로, 압축 대상이 되는 포인트 P(n)의 예측 에러(또는 잔여 정보, Res(n))는 P(n)에서 P'(n)를 뺌에 의해 획득된다(=P(n)- P'(n)).
[수학식 15]
Figure PCTKR2021007094-appb-img-000018
실시예들에 따르면, 위와 같은 다양한 예측 방법에 대해 미리 지정된 방법을 일정 단위 (e.g., 압축 단위(또는 예측 단위), 슬라이스 단위, 코딩 블록 단위, 프레임 단위, N개 단위 등)로 사용/시그널링 하거나 또는 매 포인트 마다 에러가 최소화 되는 예측 방법에 대해 시그널링 할 수 있다. 만일 일정 단위로 예측 방법을 전달하는 경우 일정 단위 내에서 포인트 당 예측 에러의 총 합을 최소화 하는 예측 방법을 찾는 과정이 추가될 수 있다. 또한 예측 계수는 a, b 에 대해서도 미리 정해진 값을 사용/시그널링하거나 또는 매 포인트 마다 에러가 최소화 되는 방법에 대해 시그널링 하거나 또는 포인트들 사이의 거리에 반비례 하는 함수로 정의할 수 있다. 실시예들에 따르면, 상기 시그널링되는 정보는 포인트 클라우드 압축에 관련된 정보 또는 포인트 클라우드 압축에 관련된 정보에 포함된 정보라 칭할 수 있다.
변환 및 양자화(단계 50005)
실시예들에 따르면, 압축 대상이 되는 포인트 P(n)의 어트리뷰트 정보 및/또는 지오메트리 정보와 전술한 방법들 중 적어도 하나를 적용하여 획득한 예측 정보 P'(n)와의 차값인 예측 에러(Res(n)=P(n) - P'(n))를 수신 장치로 전달함으로써 코딩 효율을 높일 수 있다.
실시예들에 따르면, 데이터 손실이 허용되는 환경인 경우 정규화를 통해 데이터를 더 줄일 수 있다. 이때, 그룹(또는 압축 단위 또는 예측 단위라 함)에 따라 서로 다른 양자화 값을 적용할 수 있다. 그리고 이러한 방법은 많이 참조되는 데이터에 대해서는 작은 정규화 값을 적용함으로써 에러가 전달되는 것을 막기 위한 목적으로 사용할 수 있다.
예를 들어, 그룹 간의 참조가 가능한 경우 그룹이 참조되는 회수에 따라 양자화 가중치(quantization weight)를 적용할 수 있다. 이때, 양자화 가중치 Q()는 하기와 같이 그룹의 참조 회수에 반비례 하도록 정의할 수 있다.
Quant[x] = FLOOR[Res(n) / Q(referred number of prediction group)]
또 다른 예로써, 예측 코딩 과정에서 포인트가 참조되는 회수에 따라 양자화 가중치 Q()를 적용할 수 있다. 이때, 해당 포인트가 인접 포인트와 부모, 조부모, 증조부모의 관계에 있으며 전술한 단계 50003에서 기술하는 예측 트리 생성 과정에서 사용된다고 정의할 때, 양자화 가중치 Q()는 하기와 같이 포인트의 참조 회수에 반비례 하도록 정의할 수 있다.
Quant[x] = FLOOR[Res(n) / Q(referred number of vertex) ]
또 다른 예로써, 버텍스가 루트로부터 코딩되는 순서에 따라 양자화 가중치 Q()를 적용할 수 있다. 이때, 현재 버텍스로부터 루트 (또는 일정 기준이 되는 버텍스)까지의 부모-자식 관계의 수를 버텍스 거리(vertex distance)라고 정의할 때, 앙자화 가중치 Q()는 하기와 같이 버텍스 거리에 비례하도록 정의할 수 있다.
Quant[x] = FLOOR[Res(n) / Q(vertex distance from root) ]
또 다른 예로써, 자식 노드의 숫자에 따라 양자화 가중치 Q()를 다르게 적용할 수 있다. 이 경우 양자화 가중치는 하기와 같이 자식의 수에 반비례 하도록 정의할 수 있다.
Quant[x] = FLOOR[Res(n) / Q(number of children) ]
위에서 기술된 양자화 가중치는 하나 이상을 복합적으로 사용할 수도 있다. 또한 데이터 손실이 허용되는 환경인 경우 변환(transform)을 통해 예측 에러(또는 잔여 정보) 값 사이의 중복된 정보를 줄일 수 있다. 실시예들에 따라 사용할 수 있는 변환의 예로 리프팅 변환(lifting transform)이 사용될 수 있다.
전술한 바와 같이 예측 에러 값에 대해 변환 및/또는 양자화가 수행된 후, 양자화된 예측 에러 값에 대해 엔트로피 코딩을 수행하여 비트스트림을 출력할 수 있다. 그리고, 엔트로피 코딩되어 출력되는 비트스트림은 압축된 지오메트리 정보와 어트리뷰트 정보가 모두 포함된 지오메트리-어트리뷰트 비트스트림 형태인 것을 일 실시예로 한다. 즉, 예측 트리 구조를 기반으로 지오메트리 정보와 어트리뷰트 정보가 동시에 압축 및 엔트로피 인코딩되면, 도 1, 도 2, 도 4, 도 12, 도 35 중 어느 하나의 포인트 클라우드 비디오 인코더에서 출력되는 비트스트림은 압축된 지오메트리 정보와 어트리뷰트 정보를 모두 포함하는 지오메트리-어트리뷰트(geom-attr) 비트스트림 형태가 된다.
도 19는 실시예들에 따른 송/수신을 위한 포인트 클라우드 데이터의 비트스트림 구조의 예시를 나타낸다. 즉, 지오메트리 정보가 먼저 압축되고 나서, 재구성된 지오메트리 정보를 기반으로 어트리뷰트 정보가 압축될 때의 비트스트림 구조로서, 압축된 지오메트리 정보를 포함하는 지오메트리 비트스트림과 압축된 어트리뷰트 정보를 포함하는 어트리뷰트 비트스트림이 각각 존재하는 예이다.
도 20은 실시예들에 따른 송/수신을 위한 포인트 클라우드 데이터의 비트스트림 구조의 다른 예시를 나타낸다. 즉, 예측 트리 구조를 기반으로 지오메트리 정보와 어트리뷰트 정보가 동시에 압축될 때의 비트스트림 구조로서, 압축된 지오메트리 정보와 어트리뷰트 정보가 하나의 지오메트리-어트리뷰트 비트스트림에 포함되는 예이다.
실시예들에 따르면, 1, 도 2, 도 4, 도 12, 도 35 중 어느 하나의 포인트 클라우드 비디오 인코더에서 출력되는 비트스트림은 도 19의 형태 또는 도 20의 형태일 수도 있고 또는 도 19와 도 20이 결합된 형태일 수도 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 하나 이상의 APS(Attribute Parameter Set, APS0, APS1), 타일 레벨의 시그널링을 위한 타일 인벤토리(또는 TPS라 함), 하나 이상의 슬라이스들(slice 0 ~ slice n)를 포함할 수 있다. 즉, 실시예들에 따른 포인트 클라우드 데이터의 비트스트림은 하나 이상의 타일들을 포함할 수 있으며, 각 타일은 하나 이상의 슬라이스들(slice 0 ~ slice n)를 포함하는 슬라이스들의 그룹일 수 있다. 실시예들에 따른 타일 인벤토리(즉, TPS)는 하나 이상의 타일들에 대하여 각 타일에 관한 정보(예를 들면 tile bounding box의 좌표값 정보 및 높이/크기 정보 등)를 포함할 수 있다. 실시예들에 따른 SPS는 해당 SPS를 식별하기 위한 식별자(seq_parameter_set_id)를 포함하고, GPS는 해당 GPS를 식별하기 위한 식별자(geom_parameter_set_id)와 해당 GPS가 속해있는 액티브 SPS(Active SPS)를 가리키는 식별자(seq_parameter_set_id)를 포함하며, APS는 해당 APS를 식별하기 위한 식별자(attr_parameter_set_id)와 해당 APS가 속해있는 액티브 SPS(Active SPS)를 가리키는 식별자(seq_parameter_set_id)를 포함할 수 있다.
실시예들에 따르면, 각 슬라이스는 하나의 지오메트리 비트스트림(Geom0) 및/또는 하나 이상의 어트리뷰트 비트스트림들(Attr0, Attr1)을 포함할 수 있다. 예를 들어, 슬라이스 0(slice 0)는 하나의 지오메트리 비트스트림(Geom00) 및 하나 이상의 어트리뷰트 비트스트림들(Attr00, Attr10)을 포함할 수 있다. 실시예들에 따르면, 각 슬라이스는 하나의 지오메트리-어트리뷰트 비트스트림(Geom-attr0)를 포함할 수 있다. 예를 들어, 슬라이스 0(slice 0)는 하나의 지오메트리 비트스트림(Geom-attr0)를 포함할 수 있다.
실시예들에 따르면, 지오메트리 비트스트림은 지오메트리 슬라이스 헤더(geom_slice_header)와 지오메트리 슬라이스 데이터(geom_slice_data)로 구성될 수 있다. 실시예들에 따른 지오메트리 슬라이스 헤더는 해당 슬라이스에서 참조할 액티브 GPS의 식별자(geom_parameter_set_id)를 포함할 수 있다. 지오메트리 슬라이스 헤더는 해당 슬라이스를 식별하기 위한 식별자(geom_slice_id) 및/또는 해당 타일을 식별하기 위한 식별자(geom_tile_id)를 더 포함할 수 있다. 지오메트리 슬라이스 데이터는 해당 슬라이스에 속한 지오메트리 비트스트림을 포함할 수 있다.
실시예들에 따르면, 어트리뷰트 비트스트림은 어트리뷰트 슬라이스 헤더(attr_slice_header)와 어트리뷰트 슬라이스 데이터(attr_slice_data)로 구성될 수 있다. 실시예들에 따른 어트리뷰트 슬라이스 헤더는 해당 슬라이스에서 참조할 액티브 APS의 식별자(attr_parameter_set_id)와 해당 슬라이스와 관련된 지오메트리 슬라이스를 식별하기 위한 식별자(geom_slice_id)를 포함할 수 있다. 어트리뷰트 슬라이스 데이터는 해당 슬라이스에 속한 어트리뷰트 비트스트림을 포함할 수 있다.
실시예들에 따르면, 지오메트리-어트리뷰트 비트스트림은 지오메트리-어트리뷰트 슬라이스 헤더(geom_attr_slice_header)와 지오메트리-어트리뷰트 슬라이스 데이터(geom_attr_slice_data)로 구성될 수 있다. 실시예들에 따른 지오메트리-어트리뷰트 슬라이스 헤더는 해당 슬라이스에서 참조할 액티브 GPS의 식별자(geom_parameter_set_id) 및/또는 액티브 APS의 식별자(attr_parameter_set_id)를 포함할 수 있다. 또한, 지오메트리-어트리뷰트 슬라이스 헤더는 해당 슬라이스를 식별하기 위한 식별자(geom_attr_slice_id) 및/또는 해당 타일을 식별하기 위한 식별자(tile_id)를 더 포함할 수 있다. 지오메트리-어트리뷰트 슬라이스 데이터는 해당 슬라이스에 속한 지오메트리-어트리뷰트 비트스트림을 포함할 수 있다.
실시예들에 따르면, 포인트 클라우드 데이터의 인코딩에 필요한 파라미터들은 포인트 클라우드 데이터의 파라미터 세트(parameter set) 및/또는 해당 슬라이스에 새로 정의될 수 있다. 예를 들어, 어트리뷰트 정보의 인코딩을 수행할 때에는 어트리뷰트 파라미터 세트(APS)에, 타일 기반의 인코딩을 수행할 때에는 타일 및/또는 슬라이스에 추가할 수 있다.
실시예들에 따르면, 포인트 클라우드 데이터의 비트스트림은 포인트 클라우드 데이터를 영역별로 나누어 처리할 수 있도록 타일 또는 슬라이스를 제공한다. 실시예들에 따른 비트스트림의 각각의 영역은 서로 다른 중요도를 가질 수 있다. 따라서, 포인트 클라우드 데이터가 타일들로 나누어지는 경우, 각 타일별로 다른 필터(인코딩 방법), 다른 필터 유닛을 적용할 수 있다. 또한 포인트 클라우드 데이터가 슬라이스들로 나누어지는 경우, 각 슬라이스별로 다른 필터, 다른 필터 유닛을 적용할 수 있다.
실시예들에 따른 송신 장치 및 수신 장치는 포인트 클라우드 데이터를 영역들로 분할하여 압축시, 분할된 영역 내 어트리뷰트 정보들의 선택적 전송을 위해 하이 레벨 신택스 구조로 비트스트림을 전송 및 수신할 수 있다.
실시예들에 따른 송신 장치는, 도 19 및/또는 도 20과 같은 비트스트림의 구조에 따라 포인트 클라우드 데이터를 전송함으로써, 중요도에 따라서 다른 인코딩 동작을 적용할 수 있게 하고, 품질(quality)이 좋은 인코딩 방법을 중요한 영역에 사용할 수 있는 방안을 제공할 수 있다. 또한 포인트 클라우드 데이터의 특성에 따른 효율적인 인코딩 및 전송을 지원하고 사용자의 요구사항에 따른 어트리뷰트 값을 제공할 수 있다.
실시예들에 따른 수신 장치는, 도 19 및/또는 도 20과 같은 비트스트림의 구조에 따라 포인트 클라우드 데이터를 수신함으로써, 수신 장치의 처리능력(capacity)에 따라서 포인트 클라우드 데이터 전체에 복잡한 디코딩(필터링) 방법을 사용하는 대신 영역별로 (타일 또는 슬라이스로 나누어진 영역) 서로 다른 필터링(디코딩 방법)을 적용할 수 있게 된다. 따라서, 사용자에게 중요한 영역에 더 좋은 화질과 시스템 상으로 적절한 레이턴시(latency)을 보장할 수 있다.
이후 설명되는 본 명세서의 신택스들에서 사용되는 용어인 필드는 파라미터 또는 엘리먼트와 동일한 의미를 가질 수 있다.
도 21은 본 명세서에 따른 시퀀스 파라미터 세트(seq_parameter_set())(SPS)의 신택스 구조의 일 실시예를 보인 도면이다. SPS는 포인트 클라우드 데이터 비트스트림의 시퀀스 정보를 포함할 수 있다.
실시예들에 따른 SPS는 main_profile_compatibility_flag 필드, unique_point_positions_constraint_flag 필드, level_idc 필드, sps_seq_parameter_set_id 필드, sps_bounding_box_present_flag 필드, sps_source_scale_factor_numerator_minus1 필드, sps_source_scale_factor_denominator_minus1 필드, sps_num_attribute_sets 필드, log2_max_frame_idx 필드, axis_coding_order 필드, sps_bypass_stream_enabled_flag 필드, 및 sps_extension_flag 필드를 포함할 수 있다.
상기 main_profile_compatibility_flag 필드는 그 비트스트림이 메인 프로파일을 따르는지 여부를 지시할 수 있다. 예를 들어, 상기 main_profile_compatibility_flag 필드의 값이 1이면, 그 비트스트림이 메인 프로파일을 따른다는 것(the bitstream conforms to the main profile)을 나타낼 수 있다. 예를 들어, 상기 main_profile_compatibility_flag 필드의 값이 0이면, 그 비트스트림이 메인 프로파일 외의 프로파일을 따른다는 것을 나타낼 수 있다.
상기 unique_point_positions_constraint_flag 필드의 값이 1이면, 현재 SPS가 참조하는 각 포인트 클라우드 프레임에서, 모든 출력 포인트들은 유니크한 포지션들을 가질수 있다. 상기 unique_point_positions_constraint_flag 필드의 값이 0이면, 현재 SPS가 참조하는 임의의 포인트 클라우드 프레임에서, 2개 이상의 출력 포인트들이 같은 포지션(the same position)을 가질 수 있다. 예를 들어, 모든 포인트들이 각 슬라이스들에서 유니크할지라도, 프레임 내 슬라이스들과 다른 포인트들은 오버랩할 수 있다. 그 경우에, unique_point_positions_constraint_flag 필드의 값은 0으로 셋트된다.
상기 level_idc 필드는 그 비트스트림이 따르는 레벨을 나타낸다.
상기 sps_seq_parameter_set_id 필드는 다른 신택스 엘레먼트들에 의해 참조되는 SPS에 대한 식별자를 제공한다(provides an identifier for the SPS for reference by other syntax elements).
상기 sps_bounding_box_present_flag 필드는 바운딩 박스가 상기 SPS에 존재하는지 여부를 지시한다. 예를 들어, 상기 sps_bounding_box_present_flag 필드의 값이 1이면, 바운딩 박스가 상기 SPS에 존재하고, 0이면 바운딩 박스의 사이즈가 정의되지 않음(undefined)을 나타낸다.
실시예들에 따르면, SPS는 상기 sps_bounding_box_present_flag 필드의 값이 1이면, sps_bounding_box_offset_x 필드, sps_bounding_box_offset_y 필드, sps_bounding_box_offset_z 필드, sps_bounding_box_offset_log2_scale 필드, sps_bounding_box_size_width 필드, sps_bounding_box_size_height 필드, 및 sps_bounding_box_size_depth 필드를 더 포함할 수 있다.
상기 sps_bounding_box_offset_x 필드는 직교 좌표계(Cartesian coordinates)에서 소스 바운딩 박스의 x 오프셋을 나타낸다. 소스 바운딩 박스의 x 오프셋이 존재하지 않으면, 상기 sps_bounding_box_offset_x 필드의 값은 0이다.
상기 sps_bounding_box_offset_y 필드는 직교 좌표계에서 소스 바운딩 박스의 y 오프셋을 나타낸다. 소스 바운딩 박스의 y 오프셋이 존재하지 않으면, 상기 sps_bounding_box_offset_y 필드의 값은 0이다.
상기 sps_bounding_box_offset_z 필드는 직교 좌표계에서 소스 바운딩 박스의 z 오프셋을 나타낸다. 소스 바운딩 박스의 z 오프셋이 존재하지 않으면, 상기 sps_bounding_box_offset_z 필드의 값은 0이다.
상기 sps_bounding_box_offset_log2_scale 필드는 양자화된 x, y, z 소스 바운딩 박스 옵셋들을 스케일하기 위한 스케일 펙터를 나타낸다.
상기 sps_bounding_box_size_width 필드는 직교 좌표계에서 소스 바운딩 박스의 폭을 나타낸다. 소스 바운딩 박스의 폭이 존재하지 않으면, 상기 sps_bounding_box_size_width 필드의 값은 1일 수 있다.
상기 sps_bounding_box_size_height 필드는 직교 좌표계에서 소스 바운딩 박스의 높이를 나타낸다. 소스 바운딩 박스의 높이가 존재하지 않으면, 상기 sps_bounding_box_size_height 필드의 값은 1일 수 있다.
상기 sps_bounding_box_size_depth 필드는 직교 좌표계에서 소스 바운딩 박스의 깊이를 나타낸다. 소스 바운딩 박스의 깊이가 존재하지 않으면, 상기 sps_bounding_box_size_depth 필드의 값은 1일 수 있다.
상기 sps_source_scale_factor_numerator_minus1 plus 1은 소스 포인트 클라우드의 스케일 팩터 분자 (numerator)를 나타낸다.
상기 sps_source_scale_factor_denominator_minus1 plus 1은 소스 포인트 클라우드의 스케일 팩터 분모 (denominator)를 나타낸다.
상기 sps_num_attribute_sets 필드는 해당 비트스트림 내 코딩된 어트리뷰트들의 개수를 나타낸다(indicates the number of coded attributes in the bitstream).
실시예들에 따른 SPS는 상기 sps_num_attribute_sets 필드의 값만큼 반복되는 반복문을 포함한다. 이때 i는 0으로 초기화되고, 반복문이 수행될 때마다 1씩 증가하며, i값이 상기 sps_num_attribute_sets 필드의 값이 될때까지 반복문이 반복되는 것을 일 실시예로 한다. 이 반복문은 attribute_dimension_minus1[i] 필드와 attribute_instance_id[i] 필드를 포함할 수 있다. 상기 attribute_dimension_minus1[i] plus 1은 i번째 어트리뷰트의 컴포넌트들의 수를 나타낸다.
상기 attribute_instance_id[i] 필드는 i번째 어트리뷰트의 인스턴스 식별자를 나타낸다.
실시예들에 따르면, 상기 반복문은 상기 attribute_dimension_minus1[i] 필드의 값이 1보다 크면, attribute_secondary_bitdepth_minus1[i] 필드, attribute_cicp_colour_primaries[i] 필드, attribute_cicp_transfer_characteristics[i] 필드, attribute_cicp_matrix_coeffs[i] 필드, 및 attribute_cicp_video_full_range_flag[i] 필드를 더 포함할 수 있다.
상기 attribute_secondary_bitdepth_minus1[i] plus 1은 i번째 어트리뷰트 신호(들)의 제2 컴포넌트를 위한 비트깊이(bitdepth)를 나타낸다.
상기 attribute_cicp_colour_primaries[i] 필드는 i번째 어트리뷰트의 컬러 어트리뷰트 소스 프라이머리들의 색도(chromaticity coordinates)를 나타낸다.
상기 attribute_cicp_transfer_characteristics[i] 필드는 i번째 어트리뷰트의 0에서 1사이의 노미널 real-valued 범위를 갖는 소스 입력 리니어 옵티컬 강도(input linear optical intensity)로서 참조 광-전자 전달 특성 함수(reference opto-electronic transfer characteristic function)를 지시하거나 또는 출력 리니어 옵티컬 강도(output linear optical intensity)의 함수로서 참조 전자-광 전달 특성 함수(reference opto-electronic transfer characteristic function)의 역(inverse)을 나타낸다(attribute_cicp_transfer_characteristics[i] either indicates the reference opto-electronic transfer characteristic function of the colour attribute as a function of a source input linear optical intensity with a nominal real-valued range of 0 to 1 or indicates the inverse of the reference electro-optical transfer characteristic function as a function of an output linear optical intensity).
상기 attribute_cicp_matrix_coeffs[i] 필드는 i번째 어트리뷰트의 녹색, 청색 및 적색 (또는 Y, Z, X의 삼원색)으로부터 루마(luma)와 채도(chroma) 신호들을 도출하는데(deriving) 사용된 매트릭스 계수를 설명한다(describes the matrix coefficients used in deriving luma and chroma signals from the green, blue, and red, or Y, Z, and X primaries.)
상기 attribute_cicp_video_full_range_flag[i] 필드는 i번째 어트리뷰트의 E'Y, E'PB 및 E'PR 또는 E'R, E'G 및 E'B 실제-값 컴포넌트 신호들로부터 도출되는 블랙 레벨과 루마 및 채도 신호의 범위를 나타낸다.
상기 known_attribute_label_flag[i] 필드는 i번째 어트리뷰트를 위해 know_attribute_label[i] 필드 또는 attribute_label_four_bytes[i] 필드가 시그널링되는지를 나타낸다. 예를 들어, 상기 known_attribute_label_flag[i] 필드의 값이 0이면, i번째 어트리뷰트를 위해 known_attribute_label[i] 필드가 시그널링되고, 상기 known_attribute_label_flag[i] 필드의 값이 1이면, i번째 어트리뷰트를 위해 attribute_label_four_bytes[i] 필드가 시그널링됨을 나타낸다.
상기 known_attribute_label[i] 필드는 i번째 어트리뷰트의 타입을 나타낸다. 예를 들어, 상기 known_attribute_label[i] 필드의 값이 0이면 i번째 어트리뷰트는 컬러임을 나타내고, 상기 known_attribute_label[i] 필드의 값이 1이면 i번째 어트리뷰트는 반사율(reflectance)임을 나타내며, known_attribute_label[i] 필드의 값이 2이면 i번째 어트리뷰트는 프레임 인덱스(frame index)임을 나타낼 수 있다. 또한, 상기 known_attribute_label[i] 필드의 값이 4이면 i번째 어트리뷰트는 투명도(transparency)임을 나타내며, 상기 known_attribute_label[i] 필드의 값이 5이면 i번째 어트리뷰트는 normals임을 나타낸다.
상기 attribute_label_four_bytes[i] 필드는 4바이트 코드로 known 어트리뷰트 타입을 지시한다.
실시예들에 따르면, 상기 attribute_label_four_bytes[i] 필드의 값이 0이면 i번째 어트리뷰트는 컬러임을, 1이면 i번째 어트리뷰트는 반사율(reflectance)임을, 2이면 i번째 어트리뷰트는 프레임 인덱스(frame index)임을, 4이면 i번째 어트리뷰트는 투명도(transparency)임을, 5이면 i번째 어트리뷰트는 normals임을 지시할 수 있다.
상기 log2_max_frame_idx 필드는 frame_idx 신택스 변수(variable)를 시그널하기 위해 사용된 비트들의 개수를 나타낸다.
상기 axis_coding_order 필드는 X, Y, Z output axis labels과 axis=0..2를 갖는 재구성된 포인트 클라우드 RecPic [pointidx] [axis] 내 3개의 포지션 컴포넌트들간의 유사성(correspondence)을 지시한다.
상기 sps_bypass_stream_enabled_flag 필드의 값이 1이면, 바이패스 코딩 모드가 비트스트림을 읽어내는데 사용됨을 지시할 수 있다. 다른 예로, 상기 sps_bypass_stream_enabled_flag 필드의 값이 0이면, 바이패스 코딩 모드가 비트스트림을 읽어내는데 사용되지 않음을 지시할 수 있다.
상기 sps_extension_flag 필드는 sps_extension_data 신택스 구조가 해당 SPS 신택스 구조에 존재하는지 여부를 나타낸다. 예를 들어, 상기 sps_extension_present_flag 필드의 값이 1이면, sps_extension_data 신택스 구조가 이 SPS 신택스 구조에 존재하고, 0이면 존재하지 않음을 나타낸다.
실시예들에 따른 SPS는 상기 sps_extension_flag 필드의 값이 1이면sps_extension_data_flag 필드를 더 포함할 수 있다.
상기 sps_extension_data_flag 필드는 어느 값이나 가질 수 있다.
도 22는 실시예들에 따른 포인트 클라우드 압축에 관련된 정보를 포함하는 시퀀스 파라미터 세트(sequence_parameter_set())(SPS)의 신택스 구조의 일 실시예를 보인 도면이다.
도 22에서, 포인트 클라우드 압축에 관련된 정보는 predictive_coding_per_point_flag 필드를 포함할 수 있다.
상기 predictive_coding_per_point_flag 필드의 값이 1이면, 지오메트리 정보와 어트리뷰트 정보가 함께(또는 동시에) 예측 코딩으로 압축되었음을 나타낼 수 있다. 상기 predictive_coding_per_point_flag 필드의 값이 0이면, 지오메트리 정보와 어트리뷰트 정보가 각각 압축되었음을 나타낼 수 있다. 즉, 상기 predictive_coding_per_point_flag 필드의 값이 1이면, 도 15에서 설명된 예측 트리를 기반으로 지오메트리 정보와 어트리뷰트 정보가 동시에 압축되었음을 나타낼 수 있다. 그리고, 상기 predictive_coding_per_point_flag 필드의 값이 0이면, 지오메트리 정보를 먼저 압축하고, 재구성된 지오메트리 정보를 기반으로 어트리뷰트 정보를 압축하였음을 나타낼 수 있다.
실시예들에 따르면, 상기 predictive_coding_per_point_flag 필드의 값이 1이면, 포인트 클라우드 압축에 관련된 정보는 predictive_tree_mode 필드, geom_attr_same_prediction_mode_flag 필드, 및 same_predictive_method_flag 필드를 더 포함할 수 있다.
상기 predictive_tree_mode 필드는 예측 트리를 구성하는 방법을 나타낼 수 있다. 예를 들어, 상기 predictive_tree_mode 필드의 값이 0이면, 지오메트리 정보만을 고려하는 예측 트리 구성이고, 1이면 어트리뷰트 정보만을 고려하는 예측 트리 구성이며, 2이면 지오메트리와 어트리뷰트를 모두(또는 동시에) 고려하는 예측 트리 구성임을 나타낼 수 있다.
상기 geom_attr_same_prediction_mode_flag 필드의 값이 1이면, 지오메트리 정보와 어트리뷰트 정보가 동일한 방법으로 압축 되었음을 나타낼 수 있다. 이 경우, 동일한 예측 트리를 사용하고 동일한 예측 코딩 파라미터를 사용할 수 있다. 상기 geom_attr_same_prediction_mode_flag 필드의 값이 0이면, 지오메트리 정보와 어트리뷰트 정보가 동일한 예측 트리는 사용하나 서로 다른 파라미터를 사용함을 나타낼 수 있다.
상기 same_predictive_method_flag 필드의 값이 1이면, 시퀀스 내에서 동일한 예측 방법이 사용됨을 나타낼 수 있다.
실시예들에 따르면, 상기 same_predictive_method_flag 필드의 값이 1이면, 포인트 클라우드 압축에 관련된 정보는 prediction_type 필드와 predictive_coding_method(prediction_type)를 더 포함할 수 있다.
상기 prediction_type 필드는 어트리뷰트 정보의 예측 방법을 나타낼 수 있다. 예를 들어, 상기 prediction_type 필드의 값이 0이면, 어트리뷰트 예측 모드를 전달하는 방법을 지시하고, 1이면 이웃 포인트 들의 평균을 통해 예측하는 방법을 지시하고, 2이면 복수의 부모들을 기반으로 어트리뷰트의 경향성을 통해 예측 하는 방법을 지시하며, 3이면 부모와의 선형 관계에 기반하여 계수를 이용하여 예측하는 방법을 지시할 수 있다.
상기 predictive_coding_method(prediction_type)는 상기 prediction_type 필드의 값에 따라 어트리뷰트 압축에 관련된 추가 정보를 더 포함할 수 있다.
실시예들에 따르면, 상기 predictive_coding_method(prediction_type)가 시퀀스 파라미터 세트(sps)에 시그널링되면, 모든 시퀀스에 동일한 예측 방법이 사용됨을 나타낸다. 상기 상기 predictive_coding_method(prediction_type)가 타일 파라미터 세트, 지오메트리 파라미터 세트, 어트리뷰트 파라미터 세트(또는 프레임 파라미터 세트)에 시그널링되면, 현재 프레임에 동일한 예측 방법이 사용됨을 나타낸다. 또한, 실시예들에 따르면, 상기 predictive_coding_method(prediction_type)가 슬라이스 헤더에 시그널링되면, 슬라이스 내에서 동일한 예측 방법이 사용됨을 나타낼 수 있으며, 각각의 포인트에 따라 서로 다른 방법을 시그널링 할 수 도 있다.
실시예들에 따르면, 도22의 포인트 클라우드 압축에 관련된 정보는 도 21의 SPS의 임의의 위치에 포함될 수 있다.
도 23은 실시예들에 따른 predictive_coding_method(prediction_type)의 신택스 구조의 예시를 보인 도면이다.
전술한 바와 같이, predictive_coding_method(prediction_type)는 SPS, GPS, APS, TPS, 프레임 파라미터 세트, 슬라이스 중 적어도 하나에 포함될 수 있다.
상기 predictive_coding_method(prediction_type)는 prediction_type 필드의 값에 따라 어트리뷰트 압축에 관련된 정보를 더 포함할 수 있다.
즉, 상기 prediction_type 필드의 값이 0이면, 어트리뷰트 압축에 관련된 정보는 pred_mode 필드, coeff_a 필드, 및 coeff_b 필드를 더 포함할 수 있다.
상기 pred_mode 필드는 어트리뷰트 정보의 압축 방법에서 사용된 예측 모드를 지시한다.
상기 coeff_a 필드와 상기 coeff_b 필드는 어트리뷰트 정보의 압축 방법에서 사용된 관련 예측 계수 값들(예, a, b)을 나타낼 수 있다.
상기 prediction_type 필드의 값이 1이면, 어트리뷰트 압축에 관련된 정보는 num_neighbors 필드를 더 포함할 수 있다.
상기 num_neighbors 필드는 이웃 어트리뷰트 평균에 사용된 이웃 포인트들의 개수를 나타낼 수 있다. 실시예들에 따르면, 예측 대상이 되는 포인트의 부모로부터 루트 방향으로의 포인트들의 개수로 의미를 가질 수 있다.
상기 prediction_type 필드의 값이 2이면, 어트리뷰트 압축에 관련된 정보는 num_parents_minus1 필드를 더 포함할 수 있다.
상기 num_parents_minus1 필드의 값에 1을 더하면, 어트리뷰트 정보의 예측에 사용되는 부모들의 개수를 나타낼 수 있다.
그리고, 상기 num_parents_minus1 필드의 값만큼 point_index 필드를 더 포함할 수 있다.
상기 parent_index 필드는 예측에 사용되는 포인트를 지칭하기 위한 인덱스를 나타낸다.
상기 prediction_type 필드의 값이 3이면, 어트리뷰트 압축에 관련된 정보는 num_same_coeff_pred_points 필드, coeff_c1 필드, 및 coeff_c2 필드를 더 포함할 수 있다.
상기 num_same_coeff_pred_ponts 필드는 일정 포인트에 대해서 동일 계수를 사용하여 예측하는 경우 해당되는 포인트들의 개수를 나타낼 수 있다.
상기 coeff_c1와 coeff_c2 필드는 일정 포인트에 대해서 동일 계수를 사용하여 예측하는 경우 해당되는 계수들의 값을 나타낼 수 있다.
도 24는 본 명세서에 따른 지오메트리 파라미터 세트(geometry_parameter_set())(GPS)의 신택스 구조의 일 실시예를 보인 도면이다. 실시예들에 따른 GPS는 하나 또는 그 이상의 슬라이스들에 포함된 포인트 클라우드 데이터의 지오메트리 정보를 인코딩하는 방법에 관한 정보를 포함할 수 있다.
실시예들에 따른 GPS는 gps_geom_parameter_set_id 필드, gps_seq_parameter_set_id 필드, gps_box_present_flag 필드, unique_geometry_points_flag 필드, geometry_planar_mode_flag 필드, geometry_angular_mode_flag 필드, neighbour_context_restriction_flag 필드, inferred_direct_coding_mode_enabled_flag 필드, bitwise_occupancy_coding_flag 필드, adjacent_child_contextualization_enabled_flag 필드, log2_neighbour_avail_boundary 필드, log2_intra_pred_max_node_size 필드, log2_trisoup_node_size 필드, geom_scaling_enabled_flag 필드, gps_implicit_geom_partition_flag 필드, 및 gps_extension_flag 필드를 포함할 수 있다.
상기 gps_geom_parameter_set_id 필드는 다른 신택스 엘레먼트들에 의해 참조되는 GPS의 식별자를 제공한다.
상기 gps_seq_parameter_set_id 필드는 해당 액티브 SPS에 대한 seq_parameter_set_id 필드의 값을 나타낸다(gps_seq_parameter_set_id specifies the value of sps_seq_parameter_set_id for the active SPS).
상기 gps_box_present_flag 필드는 추가 바운딩 박스 정보가 현재 GPS를 참조하는 지오메트리 슬라이스 헤더에서 제공되는지 여부를 나타낸다. 예를 들어, 상기 gps_box_present_flag 필드의 값이 1이면, 추가 바운딩 박스 정보가 현재 GPS를 참조하는 지오메트리 슬라이스 헤더 내에 제공됨을 지시할 수 있다. 따라서 상기 gps_box_present_flag 필드의 값이 1이면 GPS는 gps_gsh_box_log2_scale_present_flag 필드를 더 포함할 수 있다.
상기 gps_gsh_box_log2_scale_present_flag 필드는 gps_gsh_box_log2_scale 필드가 현재 GPS를 참조하는 각 지오메트리 슬라이스 헤더에 시그널링되는지 여부를 나타낸다. 예를 들어, 상기 gps_gsh_box_log2_scale_present_flag 필드의 값이 1이면, 상기 gps_gsh_box_log2_scale 필드가 현재 GPS를 참조하는 각 지오메트리 슬라이스 헤더에 시그널링됨을 지시할 수 있다. 다른 예로, 상기 gps_gsh_box_log2_scale_present_flag 필드의 값이 0이면, 상기 gps_gsh_box_log2_scale 필드가 현재 GPS를 참조하는 각 지오메트리 슬라이스 헤더에 시그널링되지 않으며, 모든 슬라이스들을 위한 공통 스케일(common scale)이 현재 GPS의 gps_gsh_box_log2_scale 필드에 시그널링됨을 지시할 수 있다.
상기 gps_gsh_box_log2_scale_present_flag 필드의 값이 0이면, GPS는 gps_gsh_box_log2_scale 필드를 더 포함할 수 있다.
상기 gps_gsh_box_log2_scale 필드는 현재 GPS를 참조하는 모든 슬라이스들에 대한 바운딩 박스 오리진의 공통 스케일 팩터(common scale factor)를 나타낸다.
상기 unique_geometry_points_flag 필드는 현재 GPS를 참조하는 모든 슬라이들에서, 모든 출력 포인트들이 하나의 슬라이스 내에서 고유의 포지션들(unique positions)을 가지는지 여부를 나타낸다. 예를 들어, 상기 unique_geometry_points_flag 필드의 값이 1이면, 현재 GPS를 참조하는 모든 슬라이들에서, 모든 출력 포인트들이 하나의 슬라이스 내에서 고유의 포지션들을 가진다고 지시한다. 상기 unique_geometry_points_flag 필드의 값이 0이면, 현재 GPS를 참조하는 모든 슬라이들에서, 2개 이상의 출력 포인트들이 하나의 슬라이스 내에서 같은 포지션들을 가질 수 있음을 지시한다(equal to 1 indicates that in all slices that refer to the current GPS, all output points have unique positions within a slice. unique_geometry_points_flag field equal to 0 indicates that in all slices that refer to the current GPS, the two or more of the output points may have same positions within a slice.)
상기 geometry_planar_mode_flag 필드는 planar coding mode가 activate인지 여부를 지시한다. 예를 들어, 상기 geometry_planar_mode_flag 필드의 값이 1이면, 상기 planar coding mode가 active하고, 0이면 상기 planar coding mode가 액티브하지 않음을 지시할 수 있다.
상기 geometry_planar_mode_flag 필드의 값이 1이면 즉, 참이면, 상기 GPS는 geom_planar_mode_th_idcm 필드, geom_planar_mode_th[1] 필드, geom_planar_mode_th[2] 필드를 더 포함할 수 있다.
상기 geom_planar_mode_th_idcm 필드는 다이렉트 코딩 모드를 위한 액티베이션(activation)의 임계값을 나타낼 수 있다.
상기 geom_planar_mode_th[i] 필드는, 0-2의 범위 중 i에 대해, 효율적인 planar coding mode를 위해 i번째 most probable direction과 함께 planar coding mode를 위한 activation의 임계값을 명시한다(for i in the rang 0…specifies the value of the threshold of activation for planar coding mode along the i-th most probable direction for the planar coding mode to be efficient).
상기 geometry_angular_mode_flag 필드는 앵귤러(angular) 코딩 모드가 액티브인지 여부를 지시한다. 예를 들어, 상기 geometry_angular_mode_flag 필드의 값이 1이면, 상기 angular coding mode가 active하고, 0이면 상기 angular coding mode가 액티브하지 않음을 지시할 수 있다.
상기 geometry_angular_mode_flag 필드의 값이 1이면 즉, 참이면, 상기 GPS는 lidar_head_position[0] 필드, lidar_head_position[1] 필드, lidar_head_position[2] 필드, number_lasers 필드, planar_buffer_disabled 필드, implicit_qtbt_angular_max_node_min_dim_log2_to_split_z 필드, 및 implicit_qtbt_angular_max_diff_to_split_z 필드를 더 포함할 수 있다.
상기 lidar_head_position[0] 필드, lidar_head_position[1] 필드, 및 lidar_head_position[2] 필드는 내부 축들을 갖는 좌표 시스템(coordinate system with the internal axes)에서 lidar 헤드의 (X, Y, Z) 좌표를 나타낼 수 있다.
상기 number_lasers 필드는 angular coding mode를 위해 사용된 레이저들(lasers)의 개수를 지시한다.
실시예들에 따른 GPS는 상기 number_lasers 필드의 값만큼 반복되는 반복문을 포함한다. 이때 i는 0으로 초기화되고, 반복문이 수행될 때마다 1씩 증가하며, i값이 상기 number_lasers 필드의 값이 될때까지 반복문이 반복되는 것을 일 실시예로 한다. 이 반복문은 laser_angle[i] 필드와 laser_correction[i] 필드를 포함할 수 있다.
상기 laser_angle[i] 필드는 0번째와 1번째 내부 축들(internal axes)에 의해 정의된 수평면과 관련된 i번째 레이저의 앙각(elevation angle)의 탄젠트를 나타낸다.
상기 laser_correction[i] 필드는 lidar_head_position[2] 필드와 관련된 i번째 레이저 포지션의 정정을, 2번째 내부 축(internal axis)에 따라, 지시한다.
상기 planar_buffer_disabled 필드의 값이 1이면, 버퍼를 이용하여 closest nodes를 트랙킹하는 것이 planar mode에서 planar mode flag와 평면 포지션(plane position)을 코딩하는 과정에서 사용되지 않음을 지시한다. 상기 planar_buffer_disabled 필드의 값이 0이면, 버퍼를 이용하여 closest nodes를 트랙킹하는 것이 사용됨을 지시한다.
상기 implicit_qtbt_angular_max_node_min_dim_log2_to_split_z 필드는 노드들의 수평 스플릿(horizontal split)이 수직 스플릿(vertical split)보다 더 선호되는 노드 사이즈의 log2 값을 지시한다.
상기 implicit_qtbt_angular_max_diff_to_split_z 필드는 노드에 허용된 수평 노드 사이즈 비율에 대한 최대 수직의 log2 값을 나타낸다.
상기 neighbour_context_restriction_flag 필드의 값이 0이면, 현재 노드의 지오메트리 노드 오큐판시가 현재 노드의 부모 노드 내부에 위치된 이웃 노드들로부터 결정된 콘텍스들로 코딩됨을 나타낸다. 상기 neighbour_context_restriction_flag 필드의 값이 1이면, 현재 노드의 지오메트리 노드 오큐판시가 현재 노드의 부모 노드 밖 또는 내부에 위치된 이웃 노드들로부터 결정된 콘텐스들로 코딩됨을 나타낸다(neighbour_context_restriction_flag equal to 0 indicates that geometry node occupancy of the current node is coded with the contexts determined from neighbouring nodes which is located inside the parent node of the current node. neighbour_context_restriction_flag equal to 1 indicates that geometry node occupancy of the current node is coded with the contexts determined from neighbouring nodes which is located inside or outside the parent node of the current node).
상기 inferred_direct_coding_mode_enabled_flag필드는 direct_mode_flag 필드가 해당 지오메트리 노드 신택스에 존재하는지 여부를 나타낸다. 예를 들어, 상기 inferred_direct_coding_mode_enabled_flag필드의 값이 1이면, 상기 direct_mode_flag 필드가 해당 지오메트리 노드 신택스에 존재함을 지시한다. 예를 들어, 상기 inferred_direct_coding_mode_enabled_flag필드의 값이 0이면, 상기 direct_mode_flag 필드가 해당 지오메트리 노드 신택스에 존재하지 않음을 지시한다.
상기 bitwise_occupancy_coding_flag 필드는 지오메트리 노드 오큐판시가 그 신택스 엘리먼트 오큐판시 맵의 비트와이즈 맥락화(bitwise contextualization)를 사용하여 인코딩되는지 여부를 나타낸다. 예를 들어, 상기 bitwise_occupancy_coding_flag 필드의 값이 1이면, 지오메트리 노드 오큐판시가 그 신택스 엘리먼트 occupancy_map의 비트와이즈 맥락화(bitwise contextualization)를 사용하여 인코딩됨을 지시한다. 예를 들어, 상기 bitwise_occupancy_coding_flag 필드의 값이 0이면, 지오메트리 노드 오큐판시가 그 디렉토리 인코드된 신택스 엘리먼트 occupancy_byte를 사용하여 인코딩됨을 지시한다.
상기 adjacent_child_contextualization_enabled_flag 필드는 이웃 옥트리 노드들(neighbouring octree nodes)의 인접한 자식들(adjacent children)이 비트와이즈 오큐판시 맥락화(bitwise occupancy contextualization)를 위해 사용되는지 여부를 나타낸다. 예를 들어, 상기 adjacent_child_contextualization_enabled_flag 필드의 값이 1이면, 이웃 옥트리 노드들(neighbouring octree nodes)의 인접한 자식들(adjacent children)이 비트와이즈 오큐판시 맥락화(bitwise occupancy contextualization)를 위해 사용됨을 지시한다. 예를 들어, 상기 adjacent_child_contextualization_enabled_flag 필드의 값이 0이면, 이웃 옥트리 노드들(neighbouring octree nodes)의 자식들(children)이 비트와이즈 오큐판시 맥락화(bitwise occupancy contextualization)를 위해 사용되지 않음을 지시한다.
상기 log2_neighbour_avail_boundary 필드는 디코딩 프로세스에서 이용되는 변수(variable) NeighbAvailBoundary의 값을 나타낸다. 예를 들어, 상기 neighbour_context_restriction_flag 필드의 값이 1이면, NeighbAvailabilityMask는 1로 설정될 수 있다. 예를 들어, 상기 neighbour_context_restriction_flag 필드의 값이 0이면, NeighbAvailabilityMask는 1 << log2_neighbour_avail_boundary로 설정될 수 있다.
상기 log2_intra_pred_max_node_size 필드는 오큐판시 인트라 예측 자격이 있는 옥트리 노드 사이즈를 나타낸다.
상기 log2_trisoup_node_size 필드는 트라이앵글 노드들의 사이즈로서 변수(variable) TrisoupNodeSize을 나타낸다(log2_trisoup_node_size specifies the variable TrisoupNodeSize as the size of the triangle nodes).
상기 geom_scaling_enabled_flag 필드는 지오메트리 포지션들을 위한 스케일링 과정이 지오메트리 슬라이스 디코딩 과정 동안 적용되는지를 지시한다. 예를 들어, 상기 geom_scaling_enabled_flag 필드의 값이 1이면, 지오메트리 포지션들을 위한 스케일링 과정이 지오메트리 슬라이스 디코딩 과정 동안 적용됨을 지시한다. 상기 geom_scaling_enabled_flag 필드의 값이 0이면, 지오메트리 포지션들은 스케일링을 요구하지 않음을 지시한다.
상기 geom_base_qp 필드는 지오메트리 포지션 양자화 파라미터(geometry position quantization parameter)의 베이스 값(base value)을 지시한다.
상기 gps_implicit_geom_partition_flag 필드는 implicit 지오메트리 파티션이 그 시퀀스 또는 슬라이스에 대해 인에이블인지 여부를 지시한다. 예를 들어, 상기 gps_implicit_geom_partition_flag 필드의 값이 1이면, implicit 지오메트리 파티션이 그 시퀀스 또는 슬라이스에 대해 인에이블임을 지시하고, 0이면 디제이블임을 지시한다(equal to 1 specifies that the implicit geometry partition is enabled for the sequence or slice. gps_implicit_geom_partition_flag equal to 0 specifies that the implicit geometry partition is disabled for the sequence or slice). 만일 gps_implicit_geom_partition_flag 필드의 값이 1이면, 다음 두 필드들 즉, gps_max_num_implicit_qtbt_before_ot 필드와 gps_min_size_implicit_qtbt 필드가 시그널링된다.
상기 gps_max_num_implicit_qtbt_before_ot 필드는 OT 파티션들 전 implicit QT와 BT 파티션들의 최대 개수를 나타낸다(specifies the maximal number of implicit QT and BT partitions before OT partitions). 그리고 나서, 변수 K는상기 gps_max_num_implicit_qtbt_before_ot 필드에 의해 아래와 같이 초기화된다.
K = gps_max_num_implicit_qtbt_before_ot.
상기 gps_min_size_implicit_qtbt 필드는 implicit QT and BT partitions의 최소 사이즈를 나타낸다(specifies the minimal size of implicit QT and BT partitions). 그리고나서, 변수 M은 상기 gps_min_size_implicit_qtbt 필드에 의해 아래와 같이 초기화된다.
M = gps_min_size_implicit_qtbt
상기 gps_extension_flag 필드는 gps_extension_data 신택스 구조가 해당 GPS 신택스 구조에 존재하는지 여부를 나타낸다. 예를 들어, 상기 gps_extension_flag 필드의 값이 1이면, gps_extension_data 신택스 구조가 해당 GPS 신택스에 존재함을 지시한다. 예를 들어, 상기 gps_extension_flag 필드의 값이 0이면, gps_extension_data 신텍스 구조가 해당 GPS 신택스에 존재하지 않음을 지시한다.
실시예들에 따른 GPS는 상기 gps_extension_flag 필드의 값이 1이면gps_extension_data_flag 필드를 더 포함할 수 있다.
상기 gps_extension_data_flag 필드는 어느 값이나 가질 수 있다. 그것의 존재와 값은 디코더 규격(decoder conformance to profiles)에 영향을 주지 않는다.
도 25는 본 명세서에 따른 어트리뷰트 파라미터 세트(attribute_parameter_set())(APS)의 신택스 구조의 일 실시예를 보인 도면이다. 실시예들에 따른 APS는 하나 또는 그 이상의 슬라이스들에 포함된 포인트 클라우드 데이터의 어트리뷰트 정보를 인코딩하는 방법에 관한 정보를 포함할 수 있다.
실시예들에 따른 APS는 aps_attr_parameter_set_id 필드, aps_seq_parameter_set_id 필드, attr_coding_type 필드, aps_attr_initial_qp 필드, aps_attr_chroma_qp_offset 필드, aps_slice_qp_delta_present_flag 필드, 및 aps_extension_flag 필드를 포함할 수 있다.
상기 aps_attr_parameter_set_id 필드는 다른 신택스 엘리먼트들에 의한 참조를 위한 APS의 식별자를 나타낸다.
상기 aps_seq_parameter_set_id 필드는 액티브(active) SPS에 대한 sps_seq_parameter_set_id의 값을 나타낸다.
상기 attr_coding_type 필드는 어트리뷰트에 대한 코딩 타입을 나타낸다.
실시예들에 따르면, 상기 attr_coding_type 필드의 값이 0이면 코딩 타입은 예측 가중치 리프팅(predicting weight lifting)를, 1이면 코딩 타입은 RAHT를, 2이면 고정 가중치 리프팅(fix weight lifting)을 지시할 수 있다.
상기 aps_attr_initial_qp 필드는 APS를 참조하는 각 슬라이스에 대한 변수 슬라이스 양자화 파라미터(SliceQp)의 초기 값을 나타낸다(specifies the initial value of the variable SliceQp for each slice referring to the APS).
상기 aps_attr_chroma_qp_offset 필드는 신택스 aps_attr_initial_qp에 의해 시그널링된 초기 양자화 파라미터에 대한 오프셋들을 나타낸다(specifies the offsets to the initial quantization parameter signalled by the syntax aps_attr_initial_qp).
상기 aps_slice_qp_delta_present_flag 필드는 ash_attr_qp_delta_luma and ash_attr_qp_delta_chroma 신택스 엘리먼트들이 해당 어트리뷰트 슬라이스 헤더(ASH)에 존재하는지 여부를 나타낸다. 예를 들어, 상기 aps_slice_qp_delta_present_flag 필드의 값이 1이면, ash_attr_qp_delta_luma and ash_attr_qp_delta_chroma 신택스 엘리먼트들이 해당 어트리뷰트 슬라이스 헤더(ASH)에 존재함을 지시한다(equal to 1 specifies that the ash_attr_qp_delta_luma and ash_attr_qp_delta_chroma syntax elements are present in the ASH). 예를 들어, 상기 aps_slice_qp_delta_present_flag 필드의 값이 0이면, ash_attr_qp_delta_luma and ash_attr_qp_delta_chroma 신택스 엘리먼트들이 해당 어트리뷰트 슬라이스 헤더(ASH)에 존재하지 않음을 지시한다(specifies that the ash_attr_qp_delta_luma and ash_attr_qp_delta_chroma syntax elements are not present in the ASH).
실시예들에 따른 APS는 상기 attr_coding_type 필드의 값이 0이거나 또는 2이면, 즉, 코딩 타입이 예측 가중치 리프팅(predicting weight lifting)이거나 또는 고정 가중치 리프팅(fix weight lifting)이면, lifting_num_pred_nearest_neighbours_minus1 필드, lifting_search_range_minus1 필드, 및 lifting_neighbour_bias[k] 필드를 더 포함할 수 있다.
상기 lifting_num_pred_nearest_neighbours_minus1 필드 plus 1은 예측(prediction)을 위해 사용될 가장 가까운 이웃(nearest neighbor)들의 최대 개수를 나타낸다. 실시예들에 따르면, NumPredNearestNeighbours의 값은 lifting_num_pred_nearest_neighbours와 같도록 설정된다.
상기 lifting_search_range_minus1 필드 plus 1은 예측을 위해 사용될 가장 가까운 이웃들을 결정하고 거리 기반 LOD(distance-based levels of detail)를 빌드(build)하기 위해 사용된 서치 범위를 나타낸다(lifting_search_range_minus1 plus 1 specifies the search range used to determine nearest neighbours to be used for prediction and to build distance-based levels of detail). 서치 범위를 명시하기 위한 변수 LiftingSearchRange는 상기 lifting_search_range_minus1 필드의 값에 1을 더하여 구할 수 있다(LiftingSearchRange = lifting_search_range_minus1 +1).
상기 lifting_neighbour_bias[k] 필드는 가장 가까운 이웃 유도 과정의 일부로서 두 포인트들 사이의 유클리디언 거리의 계산에서 k번째 컴포넌트들을 가중하기 위해 사용된 바이어스를 나타낸다(specifies a bias used to weight the k-th components in the calculation of the euclidean distance between two points as part of the nearest neighbour derivation process).
실시예들에 따르면, APS는 상기 attr_coding_type 필드의 값이 2이면, 즉 코딩 타입이 고정 가중치 리프팅을 지시하면, lifting_scalability_enabled_flag 필드를 더 포함할 수 있다.
상기 lifting_scalability_enabled_flag 필드는 어트리뷰트 디코딩 과정이 입력 지오메트리 포인트들에 대해 pruned 옥트리 디코드 결과를 허용하는지 여부를 지시한다. 예를 들어, 상기 lifting_scalability_enabled_flag 필드의 값이 1이면, 어트리뷰트 디코딩 과정이 입력 지오메트리 포인트들에 대해 pruned 옥트리 디코드 결과를 허용함을 나타낸다(specifies that the attribute decoding process allows the pruned octree decode result for the input geometry points). 만일 상기 lifting_scalability_enabled_flag 필드의 값이 0이면, 상기 어트리뷰트 디코딩 과정이 입력 지오메트리 포인트들에 대해 완전한 옥트리 디코드 결과를 요구함을 나타낸다(specifies that that the attribute decoding process requires the complete octree decode result for the input geometry points).
실시예들에 따르면, APS는 상기lifting_scalability_enabled_flag 필드의 값이 거짓이면, lifting_num_detail_levels_minus1 필드를 더 포함할 수 있다.
상기 lifting_num_detail_levels_minus1 필드는 어트리뷰트 코딩을 위해 LOD들의 개수를 나타낸다(specifies the number of levels of detail for the attribute coding). LOD들의 개수를 명시하기 위한 변수 LevelDetailCount는 상기 lifting_num_detail_levels_minus1 필드의 값에 1을 더하여 구할 수 있다(LevelDetailCount = lifting_num_detail_levels_minus1 + 1).
실시예들에 따르면, APS는 상기 lifting_num_detail_levels_minus1 필드의 값이 1보다 크면, lifting_lod_regular_sampling_enabled_flag 필드를 더 포함할 수 있다.
상기 lifting_lod_regular_sampling_enabled_flag 필드는 LOD(levels of detail)가 레귤러 샘플링 전략에 의해 만들어지는지 여부를 나타낸다. 예를 들어, 상기 lifting_lod_regular_sampling_enabled_flag 필드의 값이 1이면, LOD가 레귤러 샘플링 전략을 사용하여 만들어짐을 지시한다. 예를 들어, 상기 lifting_lod_regular_sampling_enabled_flag 필드의 값이 0이면, 거리 기반 샘플링 전략(distance_based sampling strategy)이 대신 사용됨을 지시한다(The lifting_lod_regular_sampling_enabled_flag equal to 1 specifies levels of detail are built by using a regular sampling strategy. The lifting_lod_regular_sampling_enabled_flag equal to 0 specifies that a distance-based sampling strategy is used instead).
실시예들에 따르면, APS는 상기lifting_scalability_enabled_flag 필드의 값이 거짓일 때, 상기 lifting_num_detail_levels_minus1 필드의 값만큼 반복되는 반복문을 더 포함할 수 있다. 이때 인덱스(idx)는 0으로 초기화되고, 반복문이 수행될 때마다 1씩 증가하며, 인덱스(idx)가 상기 lifting_num_detail_levels_minus1 필드의 값보다 커질때까지 반복문이 반복되는 것을 일 실시예로 한다. 이 반복문은 lifting_lod_regular_sampling_enabled_flag 필드의 값이 참(예를 들어, 1)이면 lifting_sampling_period_minus2 [idx] 필드를 포함하고, 거짓(예를 들어, 0)이면 lifting_sampling_distance_squared_scale_minus1 [idx] 필드를 포함할 수 있다. 그리고, idx의 값이 0이 아니면(idx != 0), lifting_sampling_distance_squared_offset [idx] 필드를 더 포함할 수 있다.
상기 lifting_sampling_period_minus2 [idx] 필드 plus 2는 LOD idx를 위한 샘플링 주기를 나타낸다(specifies the sampling period for the level of detail idx).
상기 lifting_sampling_distance_squared_scale_minu1 [idx] 필드 plus 1은 LOD idx를 위한 샘플링 거리의 제곱의 derivation를 위한 스케일 팩터(scale factor)를 나타낸다(specifies the scale factor for the derivation of the square of the sampling distance for the level of detail idx).
상기 lifting_sampling_distance_squared_offset [idx] 필드는 LOD idx를 위한 샘플링 거리의 제곱의 derivation을 위한 옵셋을 나타낸다(specifies the offset of the derivation of the square of the sampling distance for the level of detail idx).
실시예들에 따른 APS는 상기 attr_coding_type 필드의 값이 0이면, 즉 코딩 타입이 예측 가중치 리프팅(predicting weight lifting)이면, lifting_adaptive_prediction_threshold 필드, lifting_intra_lod_prediction_num_layers 필드, lifting_max_num_direct_predictors 필드, 및 inter_component_prediction_enabled_flag 필드를 더 포함할 수 있다.
상기 lifting_adaptive_prediction_threshold 필드는 적응적 예측을 가능하게 하기 위한 임계값을 나타낸다(specifies the threshold to enable adaptive prediction). 실시예들에 따르면, 적응적 예측기 선택 모드를 스위치하기 위하여 임계값을 명시하는 변수 AdaptivePredictionThreshold는 상기 lifting_adaptive_prediction_threshold 필드의 값과 같게 설정된다 (AdaptivePredictionThreshold = lifting_adaptive_prediction_threshold).
상기 lifting_intra_lod_prediction_num_layers 필드는 같은 LOD 레이어 내 디코드된 포인트들이 타겟 포인트의 예측 값을 생성하기 위해 참조할 수 있는 LOD 레이어의 number를 나타낸다(specifies number of LOD layer where decoded points in the same LOD layer could be referred to generate prediction value of target point). 예를 들어, 상기 lifting_intra_lod_prediction_num_layers 필드의 값이 상기 LevelDetailCount의 값이면, 타겟 포인트는 모든 LOD 레이어들을 위한 동일 LOD 레이어 내 디코드된 포인트들을 참조할 수 있음을 나타낸다(The lifting_intra_lod_prediction_num_layers field equal to LevelDetailCount indicates that target point could refer decoded points in the same LOD layer for all LOD layers). 예를 들어, 상기 lifting_intra_lod_prediction_num_layers 필드의 값이 0이면, 타겟 포인트는 임의의 LOD 레이어들을 위한 동일 LOD 레이어 내 디코드된 포인트들을 참조할 수 없음을 나타낸다(The lifting_intra_lod_prediction_num_layers field equal to 0 indicates that target point could not refer decoded points in the same LoD layer for any LoD layers). 상기 lifting_max_num_direct_predictors 필드는 직접 예측(direct prediction)을 위해 사용될 예측기(predictor)의 최대 개수를 나타낸다. 상기 lifting_max_num_direct_predictors 필드의 값은 0부터 LevelDetailCount의 범위에 있다.
상기 inter_component_prediction_enabled_flag 필드는 멀티 컴포넌트 어트리뷰트의 primary 컴포넌트가 non-primary 컴포넌트들의 reconstructed 값을 예측하기 위해 사용되는지 여부를 나타낸다. 예를 들어, 상기 inter_component_prediction_enabled_flag 필드의 값이 1이면, 멀티 컴포넌트 어트리뷰트의 primary 컴포넌트가 non-primary 컴포넌트들의 reconstructed 값을 예측하기 위해 사용됨을 나타낸다(specifies that the primary component of a multi component attribute is used to predict the reconstructed value of non-primary components). 만일, 상기 inter_component_prediction_enabled_flag 필드의 값이 0이면, 모든 어트리뷰트 컴포넌트들이 독립적으로 reconstruct됨을 나타낸다(specifies that all attribute components are reconstructed independently).
실시예들에 따르면, APS는 상기 attr_coding_type 필드의 값이 1이면, 즉 어트리뷰트 코딩 타입이 RAHT이면, raht_prediction_enabled_flag 필드를 더 포함할 수 있다.
상기 raht_prediction_enabled_flag 필드는 이웃 포인트들로부터 온 트랜스폼 웨이트 예측(transform weight prediction from the neighbour points)이 RAHT 디코딩 과정에서 인에이블되는지 여부를 나타낸다. 예를 들어, 상기 raht_prediction_enabled_flag 필드의 값이 1이면, 이웃 포인트들로부터 온 트랜스폼 웨이트 예측(transform weight prediction from the neighbour points)이 RAHT 디코딩 과정에서 인에이블되고, 0이면 디제이블됨을 나타낸다.
실시예들에 따르면, APS는 상기 raht_prediction_enabled_flag 필드의 값이 참이면, raht_ prediction_threshold0 필드와 raht_prediction_threshold1 필드를 더 포함할 수 있다.
상기 raht_ prediction_threshold0 필드는 이웃 포인트들로부터 온 트랜스폼 웨이트 예측(transform weight prediction from the neighbour points)을 종료하기 위한 임계값을 나타낸다.
상기 raht_prediction_threshold1 필드는 이웃 포인트들로부터 온 트랜스폼 웨이트 예측(transform weight prediction from the neighbour points)을 스킵하기 위한 임계값을 나타낸다.
상기 aps_extension_flag 필드는 aps_extension_data 신택스 구조가 해당 APS 신택스 구조에 존재하는지 여부를 나타낸다. 예를 들어, 상기 aps_extension_flag 필드의 값이 1이면, aps_extension_data 신택스 구조가 해당 APS 신택스 구조에 존재함을 지시한다. 예를 들어, 상기 aps_extension_flag 필드의 값이 0이면, aps_extension_data 신택스 구조가 해당 APS 신택스 구조에 존재하지 않음을 지시한다.
실시예들에 따른 APS는 상기 aps_extension_flag 필드의 값이 1이면aps_extension_data_flag 필드를 더 포함할 수 있다.
상기 aps_extension_data_flag 필드는 어느 값이나 가질 수 있다. 그것의 존재와 값은 디코더 규격(decoder conformance to profiles)에 영향을 주지 않는다.
실시예들에 따른 APS는 LoD 기반의 어트리뷰트 압축에 관련된 정보를 더 포함할 수 있다.
도 26은 본 명세서에 따른 지오메트리 슬라이스 비트스트림()의 신택스 구조의 일 실시예를 보인 도면이다.
실시예들에 따른 지오메트리 슬라이스 비트스트림(geometry_slice_bitstream ())은 지오메트리 슬라이스 헤더(geometry_slice_header())와 지오메트리 슬라이스 데이터(geometry_slice_data())를 포함할 수 있다.
도 27은 본 명세서에 따른 지오메트리 슬라이스 헤더(geometry_slice_header())의 신택스 구조의 일 실시예를 보인 도면이다.
실시예들에 따른 송신 장치가 전송하는 비트스트림(또는 수신 장치가 수신하는 비트스트림)은 하나 이상의 슬라이스들을 포함할 수 있다. 각 슬라이스(slice)는 지오메트리 슬라이스 및 어트리뷰트 슬라이스를 포함할 수 있다. 지오메트리 슬라이스는 지오메트리 슬라이스 헤더(GSH, Geometry Slice Header)를 포함한다. 어트리뷰트 슬라이스는 어트리뷰트 슬라이스 헤더(ASH, Attribute Slice Header)를 포함한다.
실시예들에 따른 지오메트리 슬라이스 헤더(geometry_slice_header())는 gsh_geometry_parameter_set_id 필드, gsh_tile_id 필드, gsh_slice_id 필드, frame_idx 필드, gsh_num_points 필드 및 byte_alignment() 필드를 포함할 수 있다.
실시예들에 따른 지오메트리 슬라이스 헤더(geometry_slice_header())는 지오메트리 파라미터 세트(GPS)에 포함된 gps_box_present_flag 필드의 값이 참(예를 들어, 1)이고, gps_gsh_box_log2_scale_present_flag 필드의 값이 참(예를 들어, 1)이면, gsh_box_log2_scale 필드, gsh_box_origin_x 필드, gsh_box_origin_y 필드, 및 gsh_box_origin_z 필드를 더 포함할 수 있다.
상기 gsh_geometry_parameter_set_id 필드는 액티브 GPS의 gps_geom_parameter_set_id의 값을 나타낸다(gsh_geometry_parameter_set_id specifies the value of the gps_geom_parameter_set_id of the active GPS).
상기 gsh_tile_id 필드는 해당 지오메트리 슬라이스 헤더(GSH)에 의해 참조되는 해당 타일(tile)의 식별자를 나타낸다.
상기 gsh_slice_id는 다른 신택스 엘레먼트들에 의한 참조를 위해 해당 슬라이스의 식별자를 나타낸다.
상기 frame_idx 필드는 개념상의 프레임 넘버 카운터(notional frame number counter)의 log2_max_frame_idx + 1 least significant bits를 나타낸다. 다른 프레임 인덱스 값을 갖는 연속적인 슬라이스들은 다른 출력 포인트 클라우드 프레임들을 형성한다(Consecutive slices with differing values of frame_idx form parts of different output point cloud frames). 사이에 오는 프레임 바운더리 마커 데이터 유닛이 없이 동일한 프레임 인덱스 값을 갖는 연속적인 슬라이스들은 동일 출력 포인트 클라우드 프레임을 형성한다(Consecutive slices with identical values of frame_idx without an intervening frame boundary marker data unit form parts of the same output point cloud frame).
상기 gsh_num_points 필드는 해당 슬라이스 내 코드된 포인트들의 최대 개수를 나타낸다. 실시예들에 따르면, 상기 gsh_num_points 필드의 값은 상기 슬라이스 내 디코드된 포인트들의 개수보다 크거나 같아야 하는 것이 비트스트림 일치의 요구 사항이다(It is a requirement of bitstream conformance that gsh_num_points is greater than or equal to the number of decoded points in the slice).
상기 gsh_box_log2_scale 필드는 해당 슬라이스를 위한 바운딩 박스 오리진의 스케일링 팩터를 나타낸다.
상기 gsh_box_origin_x 필드는 상기 gsh_box_log2_scale 필드의 값에 의해 스케일링된 바운딩 박스 오리진의 x값을 나타낸다.
상기 gsh_box_origin_y 필드는 상기 gsh_box_log2_scale 필드의 값에 의해 스케일링된 바운딩 박스 오리진의 y값을 나타낸다.
상기 gsh_box_origin_z 필드는 상기 gsh_box_log2_scale 필드의 값에 의해 스케일링된 바운딩 박스 오리진의 z값을 나타낸다.
이때, 변수 slice_origin_x, slice_origin_y, 그리고 slice_origin_z는 아래와 같이 유도(추출, derived)될 수 있다.
만일 상기 gps_gsh_box_log2_scale_present_flag 필드의 값이 0이면, originScale은 gsh_box_log2_scale이 된다.
그리고, 상기 gps_gsh_box_log2_scale_present_flag 필드의 값이 1이면, originScale은 gps_gsh_box_log2_scale이 된다.
또한, 상기 gps_box_present_flag 필드의 값이 0이면, 변수 slice_origin_x, slice_origin_y, 그리고 slice_origin_z의 값은 0이 될 것이다.
만일, 상기 gps_box_present_flag 필드의 값이 1이면, 변수 slice_origin_x, slice_origin_y, 그리고 slice_origin_z에 대해 다음식이 적용될 것이다.
slice_origin_x = gsh_box_origin_x << originScale
slice_origin_y = gsh_box_origin_y << originScale
slice_origin_z = gsh_box_origin_z << originScale
실시예들에 따른 지오메트리 슬라이스 헤더(geometry_slice_header())는 상기 gps_implicit_geom_partition_flag 필드의 값이 참이면(즉, 0이면), gsh_log2_max_nodesize_x 필드, gsh_log2_max_nodesize_y_minus_x 필드, gsh_log2_max_nodesize_z_minus_y 필드를 더 포함할 수 있고, 상기 gps_implicit_geom_partition_flag 필드의 값이 거짓이면(즉, 1이면), gsh_log2_max_nodesize 필드를 더 포함할 수 있다.
상기 gsh_log2_max_nodesize_x 필드는 x 디멘젼에서 바운딩 박스 사이즈 즉, 디코딩 과정에서 사용되는 MaxNodesizeXLog2를 아래와 같이 나타낸다(specifies the bounding box size in the x dimension, i.e., MaxNodesizeXLog2 that is used in the decoding process).
MaxNodeSizeXLog2 = gsh_log2_max_nodesize_x
MaxNodeSizeX = 1 << MaxNodeSizeXLog2
상기 gsh_log2_max_nodesize_y_minus_x 필드는 y 디멘젼에서 바운딩 박스 사이즈 즉, 디코딩 과정에서 사용되는 MaxNodesizeYLog2를 아래와 같이 나타낸다(specifies the bounding box size in the y dimension, i.e., MaxNodesizeYLog2 that is used in the decoding process).
MaxNodeSizeYLog2=gsh_log2_max_nodesize_y_minus_x + MaxNodeSizeXLog2.
MaxNodeSizeY = 1 << MaxNodeSizeYLog2.
상기 gsh_log2_max_nodesize_z_minus_y 필드는 z 디멘젼에서 바운딩 박스 사이즈 즉, 디코딩 과정에서 사용되는 MaxNodesizeZLog2를 아래와 같이 나타낸다(specifies the bounding box size in the z dimension, i.e., MaxNodesizeZLog2 that is used in the decoding process).
MaxNodeSizeZLog2=gsh_log2_max_nodesize_z_minus_y + MaxNodeSizeYLog2
MaxNodeSizeZ = 1 << MaxNodeSizeZLog2
상기 gsh_log2_max_nodesize 필드는 상기 gps_implicit_geom_partition_flag 필드의 값이 1이면, 아래와 같이 구해진다.
gsh_log2_max_nodesize=max{MaxNodeSizeXLog2, MaxNodeSizeYLog2, MaxNodeSizeZLog2}
상기 gsh_log2_max_nodesize 필드는 상기 gps_implicit_geom_partition_flag 필드의 값이 0이면, 루트 지오메트리 옥트리 노드의 사이즈를 나타낸다.
이때, 변수 MaxNodeSize와 MaxGeometryOctreeDepth는 아래와 같이 구해진다.
MaxNodeSize　=　1 << gsh_log2_max_nodesize
MaxGeometryOctreeDepth=gsh_log2_max_nodesizelog2_trisoup_node_size
실시예들에 따른 지오메트리 슬라이스 헤더(geometry_slice_header())는 상기 geom_scaling_enabled_flag 필드의 값이 참이면, geom_slice_qp_offset 필드와 geom_octree_qp_offsets_enabled_flag 필드를 더 포함할 수 있다.
상기 geom_slice_qp_offset 필드는 베이스 지오메트리 양자화 파라미터에 대한 오프셋을 나타낸다(specifies an offset to the base geometry quantisation parameter geom_base_qp).
상기 geom_octree_qp_offsets_enabled_flag 필드는 geom_octree_qp_ofsets_depth 필드가 해당 지오메트리 슬라이스 헤더에 존재하는지 여부를 나타낸다. 예를 들어, 상기 geom_octree_qp_offsets_enabled_flag 필드의 값이 1이면, geom_octree_qp_ofsets_depth 필드가 해당 지오메트리 슬라이스 헤더에 존재하고, 0이면 존재하지 않음을 나타낸다.
상기 geom_octree_qp_offsets_depth 필드는 지오메트리 옥트리의 뎁스를 나타낸다.
도 28은 본 명세서에 따른 지오메트리 슬라이스 데이터(geometry_slice_data())의 신택스 구조의 일 실시예를 보인 도면이다. 실시예들에 따른 지오메트리 슬라이스 데이터(geometry_slice_data())는 해당 슬라이스에 속한 지오메트리 비트스트림을 전송할 수 있다.
실시예들에 따른 지오메트리 슬라이스 데이터(geometry_slice_data())는 MaxGeometryOctreeDepth의 값만큼 반복되는 제1 반복문을 포함할 수 있다. 이때 depth는 0으로 초기화되고, 반복문이 수행될 때마다 1씩 증가하며, depth가 MaxGeometryOctreeDepth의 값이 될 때까지 제1 반복문이 반복되는 것을 일 실시예로 한다. 제1 반복문은 NumNodesAtDepth의 값만큼 반복되는 제2 반복문을 포함할 수 있다. 이때 nodeidx는 0으로 초기화되고, 반복문이 수행될 때마다 1씩 증가하며, nodeidx가 NumNodesAtDepth의 값이 될 때까지 제2 반복문이 반복되는 것을 일 실시예로 한다. 제2 반복문은 xN = NodeX[depth][nodeIdx], yN = NodeY[depth][nodeIdx], zN = NodeZ[depth][nodeIdx], geometry_node(depth, nodeIdx, xN, yN, zN)를 포함할 수 있다. MaxGeometryOctreeDepth는 지오메트리 옥트리 깊이의 최대 값을 나타내고, NumNodesAtDepth[depth]는 해당 깊이에서 디코드될 노드들의 개수를 나타낸다. 변수 NodeX[depth][nodeIdx], NodeY[depth][nodeIdx], NodeZ[depth][nodeIdx]는 주어진 깊이에서 디코딩 순서로 Idx-th 노드의 x, y, z 좌표(coordinates)를 나타낸다. geometry_node(depth, nodeIdx, xN, yN, zN)를 통해 해당 깊이의 해당 노드의 지오메트리 비트스트림을 전송한다.
실시예들에 따른 지오메트리 슬라이스 데이터(geometry_slice_data())는 log2_trisoup_node_size 필드의 값이 0보다 크면, geometry_trisoup_data()를 더 포함할 수 있다. 즉, 트라이앵글 노드들의 사이즈가 0보다 크면, geometry_trisoup_data()를 통해 트라이슙 지오메트리 인코딩된 지오메트리 비트스트림을 전송한다.
도 29는 본 명세서에 따른 어트리뷰트 슬라이스 비트스트림()의 신택스 구조의 일 실시예를 보인 도면이다.
실시예들에 따른 어트리뷰트 슬라이스 비트스트림(attribute_slice_bitstream ())은 어트리뷰트 슬라이스 헤더(attribute_slice_header())와 어트리뷰트 슬라이스 데이터(attribute_slice_data())를 포함할 수 있다.
도 30은 본 명세서에 따른 어트리뷰트 슬라이스 헤더(attribute_slice_header())의 신택스 구조의 일 실시예를 보인 도면이다.
실시예들에 따른 어트리뷰트 슬라이스 헤더(attribute_slice_header())는 ash_attr_parameter_set_id 필드, ash_attr_sps_attr_idx 필드, ash_attr_geom_slice_id 필드, ash_attr_layer_qp_delta_present_flag 필드, 및 ash_attr_region_qp_delta_present_flag 필드를 포함할 수 있다.
실시예들에 따른 어트리뷰트 슬라이스 헤더(attribute_slice_header())는 어트리뷰트 파라미터 세트(APS)의 aps_slice_qp_delta_present_flag 필드의 값이 참(예, 1)이면, ash_attr_qp_delta_luma 필드를 더 포함하고, attribute_dimension_minus1 [ash_attr_sps_attr_idx] 필드의 값이 0보다 크면 상기 어트리뷰트 슬라이스 헤더는 ash_attr_qp_delta_chroma 필드를 더 포함할 수 있다.
상기 ash_attr_parameter_set_id 필드는 현재 액티브 APS의 aps_attr_parameter_set_id필드의 값을 나타낸다.
상기 ash_attr_sps_attr_idx 필드는 현재 액티브 SPS 내의 어트리뷰트 세트를 나타낸다.
상기 ash_attr_geom_slice_id 필드는 현재 지오메트리 슬라이스 헤더의 gsh_slice_id 필드의 값을 나타낸다.
상기 ash_attr_qp_delta_luma 필드는 액티브 어트리뷰트 파라미터 세트 내 초기 슬라이스 qp로부터 도출된 루마 델타 양자화 파라미터(qp)를 나타낸다.
상기 ash_attr_qp_delta_chroma 필드는 액티브 어트리뷰트 파라미터 세트 내 초기 슬라이스 qp로부터 도출된 크로마 델타 양자화 파라미터(qp)를 나타낸다.
이때 변수들 InitialSliceQpY와 InitialSliceQpC는 아래와 같이 도출된다.
InitialSliceQpY = aps_attrattr_initial_qp + ash_attr_qp_delta_luma
InitialSliceQpC = aps_attrattr_initial_qp + aps_attr_chroma_qp_offset+ ash_attr_qp_delta_chroma
상기 ash_attr_layer_qp_delta_present_flag 필드는 각 레이어 별로 ash_attr_layer_qp_delta_luma 필드와 ash_attr_layer_qp_delta_chroma 필드가 해당 어트리뷰트 슬라이스 헤더(ASH)에 존재하는지 여부를 나타낸다. 예를 들어, 상기 ash_attr_layer_qp_delta_present_flag 필드의 값이 1이면 상기 ash_attr_layer_qp_delta_luma 필드와 ash_attr_layer_qp_delta_chroma 필드가 해당 어트리뷰트 슬라이스 헤더에 존재하고, 0이면 존재하지 않음을 나타낸다.
상기 ash_attr_layer_qp_delta_present_flag 필드의 값이 참이면, 어트리뷰트 슬라이스 헤더는 ash_attr_num_layer_qp_minus1 필드를 더 포함할 수 있다.
상기 ash_attr_num_layer_qp_minus1 필드 plus 1은 상기 ash_attr_qp_delta_luma 필드와 상기 ash_attr_qp_delta_chroma 필드가 시그널링되는 레이어의 개수를 나타낸다. 상기 ash_attr_num_layer_qp 필드가 시그널링되지 않으면, 상기 ash_attr_num_layer_qp 필드의 값은 0이 될 것이다. 실시예들에 따르면, 레이어의 개수를 명시하는 NumLayerQp는 상기 ash_attr_num_layer_qp_minus1 필드의 값에 0을 더하여 구할 수 있다(NumLayerQp = ash_attr_num_layer_qp_minus1 + 1).
실시예들에 따르면, 지오메트리 슬라이스 헤더는 상기 ash_attr_layer_qp_delta_present_flag 필드의 값이 참이면, 상기 NumLayerQp의 값만큼 반복문을 포함할 수 있다. 이때 i는 0으로 초기화되고, 반복문이 수행될 때마다 1씩 증가하며, i값이 상기 NumLayerQp의 값이 될 때까지 반복문이 반복되는 것을 일 실시예로 한다. 이 반복문은 ash_attr_layer_qp_delta_luma[i] 필드를 포함한다. 또한 상기 반복문은 attribute_dimension_minus1[ash_attr_sps_attr_idx] 필드의 값이 0보다 크면, ash_attr_layer_qp_delta_chroma[i] 필드를 더 포함할 수 있다.
상기 ash_attr_layer_qp_delta_luma 필드는 각 레이어에서 상기 InitialSliceQpY로부터 luma delta 양자화 파라미터(qp)를 나타낸다.
상기 ash_attr_layer_qp_delta_chroma 필드는 각 레이어에서 상기 InitialSliceQpC 로부터 chroma delta 양자화 파라미터(qp)를 나타낸다.
The variables SliceQpY[i] and SliceQpC[i] with i = 0…1는 아래와 같이 도출된다.
for ( i = 0; i < NumLayerQPNumQPLayer; i++) {
SliceQpY[i] = InitialSliceQpY + ash_attr_layer_qp_delta_luma[i]
SliceQpC[i] = InitialSliceQpC + ash_attr_layer_qp_delta_chroma[i]
}
실시예들에 따른 어트리뷰트 슬라이스 헤더(attribute_slice_header())는 상기 ash_attr_region_qp_delta_present_flag 필드의 값이 1이면, ash_attr_region_qp_delta, region bounding box origin, 그리고 size가 현재 어트리뷰트 슬라이스 헤더에 존재함을 지시한다. 만일 상기 ash_attr_region_qp_delta_present_flag 필드의 값이 0이면, 상기 ash_attr_region_qp_delta, region bounding box origin, and size가 현재 어트리뷰트 슬라이스 헤더에 존재하지 않음을 지시한다.
즉, 상기 ash_attr_layer_qp_delta_present_flag 필드의 값이 1이면, 상기 어트리뷰트 슬라이스 헤더는 ash_attr_qp_region_box_origin_x 필드, ash_attr_qp_region_box_origin_y 필드, ash_attr_qp_region_box_origin_z 필드, ash_attr_qp_region_box_width 필드, ash_attr_qp_region_box_height 필드, ash_attr_qp_region_box_depth 필드, 및 ash_attr_region_qp_delta 필드를 더 포함할 수 있다.
상기 ash_attr_qp_region_box_origin_x 필드는 slice_origin_x와 관련된 region bounding box의 x 오프셋을 지시한다(indicates the x offset of the region bounding box relative to slice_origin_x).
상기 ash_attr_qp_region_box_origin_y 필드는 slice_origin_y와 관련된 region bounding box의 y 오프셋을 지시한다(indicates the y offset of the region bounding box relative to slice_origin_y).
상기 ash_attr_qp_region_box_origin_z 필드는 slice_origin_z와 관련된 region bounding box의 z 오프셋을 지시한다(indicates the z offset of the region bounding box relative to slice_origin_z).
상기 ash_attr_qp_region_box_size_width 필드는 region bounding box의 width를 지시한다.
상기 ash_attr_qp_region_box_size_height 필드는 region bounding box의 height를 지시한다.
상기 ash_attr_qp_region_box_size_depth 필드는 region bounding box의 depth를 지시한다.
상기 ash_attr_region_qp_delta 필드는 ash_attr_qp_region_box 필드에 의해 지정된 region의 SliceQpY[i] and SliceQpC[i] 로부터 delta qp를 나타낸다.
실시예들에 따르면, 영역 박스 델타 양자화 파라미터(region box delta quantization parameter)를 명시하는 변수(variable) RegionboxDeltaQp는 상기 ash_attr_region_qp_delta 필드의 값과 같도록 설정된다(RegionboxDeltaQp = ash_attr_region_qp_delta).
실시예들에 따른 어트리뷰트 슬라이스 헤더는 LoD 기반의 어트리뷰트 압축에 관련된 정보를 더 포함할 수 있다.
도 31은 본 명세서에 따른 어트리뷰트 슬라이스 데이터(attribute_slice_data())의 신택스 구조의 일 실시예를 보인 도면이다. 실시예들에 따른 어트리뷰트 슬라이스 데이터(attribute_slice_data())는 해당 슬라이스에 속한 어트리뷰트 비트스트림을 전송할 수 있다. 실시예들에 따른 어트리뷰트 슬라이스 데이터는 포인트 클라우드들의 일부 또는 전체와 관련하여 어트리뷰트 또는 어트리뷰트와 관련된 데이터를 포함할 수 있다.
도 31에서, zerorun 필드는 predIndex 또는 residual 앞의 0의 개수를 지시한다(specifies the number of 0 prior to predIndex or residual).
그리고 predIndex[i] 필드는 어트리뷰트의 i번째 포인트 값을 디코딩하기 위한 예측기 인덱스(predictor index)를 나탄낸다. 상기 predIndex[i] 필드의 값은 0부터 max_num_predictors 필드 값까지의 범위를 갖는다.
도 32는 본 명세서에 따른 지오메트리-어트리뷰트 슬라이스 비트스트림()의 신택스 구조의 일 실시예를 보인 도면이다.
실시예들에 따른 지오메트리-어트리뷰트 슬라이스 비트스트림(geom_attr_slice_bitstream ())은 지오메트리-어트리뷰트 슬라이스 헤더(gemo_attr_slice_header())와 지오메트리-어트리뷰트 슬라이스 데이터(geom_attr_slice_data())를 포함할 수 있다.
도 33은 본 명세서에 따른 지오메트리-어트리뷰트 슬라이스 헤더(gemo_attr_slice_header())의 신택스 구조의 일 실시예를 보인 도면이다.
실시예들에 따른 지오메트리-어트리뷰트 슬라이스 헤더(geom_attr_slice_header())는 num_chunk 필드를 포함하며, 상기 num_chunk 필드의 값만큼 반복되는 num_point 필드를 포함할 수 있다.
상기 num_chunk 필드는 해당 슬라이스 내에 포함된 청크 (즉, 예측된 코딩 단위 또는 압축 단위 또는 클러스터)의 개수를 나타낼 수 있다.
상기 num_point 필드는 청크 당 포함된 포인트들의 개수를 나타낼 수 있다.
도 34는 본 명세서에 따른 지오메트리-어트리뷰트 슬라이스 데이터(geom_attr_slice_data())의 신택스 구조의 일 실시예를 보인 도면이다. 실시예들에 따른 지오메트리-어트리뷰트 슬라이스 데이터(geom_attr_slice_data())는 해당 슬라이스에 속한 지오메트리-어트리뷰트 비트스트림을 전송할 수 있다.
실시예들에 따르면, 지오메트리-어트리뷰트 슬라이스 데이터(geom_attr_slice_data())는 어트리뷰트 파라미터 세트에 포함된 aps_pred_attr_enable_flag 필드의 값 또는 시퀀스 파라미터 세트에 포함된 predictive_coding_per_point_flag 필드의 값이 1이면, 상기 num_chunk 필드의 값만큼 반복되는 제1 반복문을 포함하고, 제1 반복문은 상기 num_point 필드의 값만큼 반복되는 제2 반복문을 포함한다. 상기 aps_pred_attr_enable_flag 필드 또는 predictive_coding_per_point_flag 필드는 지오메트리 정보와 어트리뷰트 정보가 예측 코딩 기반으로 동시에 압축되었는지 여부를 지시할 수 있다.
상기 제2 반복문은 children_count[i][j] 필드, prediction_type[i][j] 필드, predictive_coding_method(prediction_type[i][j]) 필드, 및 geom_attr_same_prediction_mode_flag[i][j] 필드를 포함할 수 있다.
상기 children_count[i][j] 필드는 i번째 청크의 j번째 포인트(즉, 현재 포인트)의 자식들의 개수를 나타낼 수 있다.
상기 prediction_type[i][j] 필드는 i번째 청크의 j번째 포인트(즉, 현재 포인트)의 어트리뷰트 정보의 예측 방법을 나타낼 수 있다. 예를 들어, 상기 prediction_type 필드의 값이 0이면, 어트리뷰트 예측 모드를 전달하는 방법을 지시하고, 1이면 이웃 포인트 들의 평균을 통해 예측하는 방법을 지시하고, 2이면 복수의 부모들을 기반으로 어트리뷰트의 경향성을 통해 예측 하는 방법을 지시하며, 3이면 부모와의 선형 관계에 기반하여 계수를 이용하여 예측하는 방법을 지시할 수 있다.
상기 predictive_coding_method(prediction_type[i][j])는 상기 prediction_type[i][j] 필드의 값에 따라 i번째 청크의 j번째 포인트(즉, 현재 포인트)의 어트리뷰트 압축에 관련된 추가 정보를 더 포함할 수 있다.
상기 predictive_coding_method(prediction_type[i][j])에 포함되는 상세 정보는 도 23을 참조하기로 하고, 여기서는 생략한다.
상기 geom_attr_same_prediction_mode_flag[i][j] 필드의 값이 1이면, i번째 청크의 j번째 포인트(즉, 현재 포인트)의 지오메트리 정보와 어트리뷰트 정보가 동일한 방법으로 압축 되었음을 나타낼 수 있다. 이 경우, 동일한 예측 트리를 사용하고 동일한 예측 코딩 파라미터를 사용할 수 있다. 상기 geom_attr_same_prediction_mode_flag[i][j] 필드의 값이 0이면, i번째 청크의 j번째 포인트(즉, 현재 포인트)의 지오메트리 정보와 어트리뷰트 정보가 동일한 예측 트리는 사용하나 서로 다른 파라미터를 사용함을 나타낼 수 있다.
상기 geom_attr_same_prediction_mode_flag[i][j] 필드의 값이 1이면, 제2 반복문은 attr_parent_index[i][j] 필드와 attr_prediction_type[i][j] 필드를 더 포함할 수 있다.
상기 attr_parent_index [i][j] 필드는 i번째 청크의 j번째 포인트의 어트리뷰트 정보에 대해 별도의 부모를 사용하여 예측하는 경우 부모의 위치를 나타낼 수 있다. 이때, 지오메트리 정보와 동일한 트리 구조를 사용하되 다른 부모를 사용하는 경우를 나타낼 수 있다.
상기 attr_prediction_type [i][j] 필드는 i번째 청크의 j번째 포인트의 어트리뷰트 정보를 별도의 예측 코딩 방법으로 압축하는 경우 예측 방법을 나타낼 수 있다.
상기 attr_prediction_type [i][j] 필드의 값에 따라 제2 반복문은 predictive_coding_method(attr_prediction_type[i][j])를 더 포함할 수 있다.
상기 predictive_coding_method(attr_prediction_type[i][j])는 상기 attr_prediction_type[i][j] 필드의 값에 따라 어트리뷰트 압축에 관련된 추가 정보를 더 포함할 수 있다.
실시예들에 따르면, 제2 반복문은 residual[i][j][k]를 더 포함할 수 있다.
상기 residual[i][j][k]는 i번째 청크의 j번째 포인트의 k번째 디멘전의 지오메트리 정보와 어트리뷰트 정보의 잔여 정보(즉, 예측 에러)를 나타낼 수 있다.
상술한 실시예들의 동작은 이하에서 설명하는 실시예들에 따른 포인트 클라우드 송수신 장치/방법의 구성요소를 통해 수행될 수 있다. 실시예들에 따른 각 구성요소는 하드웨어, 소프트웨어, 프로세서 및/또는 그것들의 조합에 대응할 수 있다. 본 실시예에서는 포인트 클라우드 데이터의 어트리뷰트 정보를 압축하는 방법에 대해서 기술하지만 지오메트리 정보 압축 및 기타 압축 방법에 본 명세서에서 기술하는 방법을 적용할 수 있다.
도 35는 실시예들에 따른 포인트 클라우드 송신 장치의 또 다른 예시를 보인 도면이다. 도 35에 도시된 포인트 클라우드 송신 장치의 엘리먼트들은 하드웨어, 소프트웨어, 프로세서 및/또는 그것들의 결합등으로 구현될 수 있다.
실시예들에 따르면, 포인트 클라우드 송신 장치는 포인트 클라우드 비디오 인코더(51001), 시그널링 처리부(51002), 및 전송 처리부(51005)를 포함할 수 있다.
상기 포인트 클라우드 비디오 인코더(51001)는 도 1의 포인트 클라우드 비디오 인코더(10002), 도 2의 인코딩(20001), 도 4의 포인트 클라우드 비디오 인코더, 도 12의 포인트 클라우드 비디오 인코더에서 설명된 동작의 일부 또는 전체를 수행할 수 있다.
상기 포인트 클라우드 비디오 인코더(51001)는 전술한 도 15 내지 도 18에서 설명한 것처럼, 예측 트리를 기반으로 지오메트리 정보와 어트리뷰트 정보를 동시에 압축할 수 있다. 상세 내용은 도 15 내지 도 18의 설명을 참조하기로 한다.
상기 시그널링 처리부(51002)는 예측 트리를 기반으로 지오메트리 정보와 어트리뷰트 정보를 동시에 압축하기 위해 필요한 시그널링 정보를 생성 및/또는 처리하여 포인트 클라우드 비디오 인코더(51001) 및/또는 전송 처리부(51003)로 제공할 수 있다. 또는 상기 시그널링 처리부(51002)가 포인트 클라우드 비디오 인코더(51001) 및/또는 전송 처리부(51001)에서 생성된 시그널링 정보를 제공받을 수도 있다. 상기 시그널링 처리부(51002)는 수신 장치에서 피드백되는 정보(예를 들어, 헤드 오리엔테이션 정보 및/또는 뷰포트 정보를 포인트 클라우드 비디오 인코더(51001) 및/또는 전송 처리부(51003)로 제공할 수도 있다.
본 명세서에서 시그널링 정보는 parameter set (SPS: sequence parameter set, GPS: geometry parameter set, APS: attribute parameter set, TPS: Tile Parameter Set (또는 tile inventory라 함) 등) 단위로 시그널링되어 전송될 수 있다. 또한 슬라이스 또는 타일과 같이 각 영상의 코딩 유닛 단위로 시그널링되어 전송될 수도 있다.
실시예들에 따르면, 상기 시그널링 처리부(51002)는 전술한 포인트 클라우드 압축에 관련된 정보를 적어도 SPS, GPS, TPS, APS 또는 지오메트리-어트리뷰트 슬라이스에 시그널링하여 포인트 클라우드 비디오 인코더(51001) 및/또는 전송 처리부(51003)로 제공할 수 있다. 상기 포인트 클라우드 압축에 관련된 정보는 도 22, 도 23, 도 33 그리고 도 34에서 상세히 설명하였으므로 여기서는 생략한다.
실시예들에 따른 방법/장치가 실시예들의 동작을 추가/수행 하기 위해서 관련 정보를 시그널링 할 수 있다. 실시예들에 따른 시그널링 정보는 송신 장치 및/또는 수신 장치에서 사용될 수 있다.
상기 전송 처리부(51003)는 도 12의 전송 처리부(12012)의 동작 및/또는 전송 방법과 동일 또는 유사한 동작 및/또는 전송 방법을 수행할 수도 있고, 도 1의 트랜스미터(1003)의 동작 및/또는 전송 방법과 동일 또는 유사한 동작 및/또는 전송 방법을 수행할 수 있다. 구체적인 설명은 도 1 또는 도 12의 설명을 참조하기로 하고 여기서는 생략한다.
상기 전송 처리부(51003는 상기 포인트 클라우드 비디오 인코더(51001)에서 출력되는 지오메트리-어트리뷰트 비트스트림과 상기 시그널링 처리부(51002)에서 출력되는 시그널링 비트스트림을 하나의 비트스트림으로 다중화한 후 그대로 전송하거나 또는 파일이나 세그먼트 등로 인캡슐레이션하여 전송할 수 있다. 본 명세서에서 파일은 ISOBMFF 파일 포맷인 것을 일 실시예로 한다.
실시예들에 따라 파일 또는 세그먼트는 수신 장치로 전송되거나, 디지털 저장매체(예를 들면 USB, SD, CD, DVD, 블루레이, HDD, SSD 등)에 저장될 수 있다. 실시예들에 따른 전송처리부(51005)는 수신 장치와 4G, 5G, 6G 등의 네트워크를 통해 유/무선 통신 가능하다. 또한 전송처리부(51005)는 네트워크 시스템(예를 들면 4G, 5G, 6G 등의 통신 네트워크 시스템)에 따라 필요한 데이터 처리 동작을 수행할 수 있다. 또한 전송처리부(51005)는 온 디맨드(On Demand) 방식에 따라 인캡슐레이션된 데이터를 전송할 수도 있다.
도 36은 실시예들에 따른 포인트 클라우드 비디오 인코더(51001)의 상세 블록도의 예시를 보인 도면이다. 도 36에 도시된 포인트 클라우드 비디오 인코더의 엘리먼트들은 하드웨어, 소프트웨어, 프로세서 및/또는 그것들의 결합등으로 구현될 수 있다.
실시예들에 따르면, 포인트 클라우드 비디오 인코더(51001)는 지오메트리 양자화부(53001), 리컬러링부(53002), 클러스터링 및 정렬부(53003), 예측 트리 생성부(53004), 압축부(53005), 어트리뷰트 변환부(53006), 양자화부(53007), 및 엔트로피 코딩부(53007)를 포함할 수 있다. 상기 클러스터링 및 정렬부(53003)는 클러스터링부와 정렬부로 구분할 수 있다. 클러스터링부는 디바이더로 호칭할 수 있다. 각 블록의 수행 순서는 변경될 수 있으며, 일부 블록은 생략될 수 있고, 일부 블록은 새로 추가될 수 있다.
상기 지오메트리 양자화부(53001)와 리컬러링부(53002)는 옵셔널이며, 생략될 수 있다.
상기 지오메트리 양자화부(53001)는 지오메트리 정보를 양자화할 수 있다. 예를 들어, 양자화부(53001)는 전체 포인트들의 최소 위치 값(예를 들면 X축, Y축, Z축 에 대하여 각축상의 최소 값)을 기반으로 포인트들을 양자화 할 수 있다. 상기 리컬러링부(53002)는 지오메트리 인코딩이 수행되지 않은 포지션들 및/또는 재구성된 지오메트리를 기반으로 어트리뷰트들을 변환하는 어트리뷰트 변환을 수행할 수 있다.
상기 클러스터링 및 정렬부(53003)는 도 15의 단계 50001에서 설명한 것처럼, 입력되는 포인트 클라우드 데이터의 포인트들의 지오메트리 정보 및/또는 어트리뷰트 정보를 기반으로 클러스터링하여 입력되는 포인트 클라우드 데이터의 포인트들을 복수개의 압축 단위들(예, 클러스터들)로 나눈다. 그리고, 도15의 단계 50002에서 설명한 것처럼, 압축 단위별로, 압축 단위 내에서 각 포인트의 지오메트리 정보 및/또는 어트리뷰트 정보를 고려하여 포인트 클라우드 데이터의 포인트들을 정렬(sorting)한다. 상세 설명은 도 15의 설명을 참조하기로 한다.
상기 예측 트리 생성부(53004)는 상기 클러스터링 및 정렬부(53003)에서 각 압축 단위 내 포인트 클라우드 데이터의 포인트들의 정렬이 수행되고 나면, 각 압축 단위 내에서 예측 트리를 구성할 수 있다. 실시예들에 따르면, 지오메트리 또는 어트리뷰트 예측 트리 구조 생성 방법을 사용하여 예측 트리를 구성할 수 있다. 이를 통해 포인트 클라우드 압축 시 지오메트리 정보의 압축과 어트리뷰트 정보의 압축에 동일한 구조를 사용할 수 있으므로, 저지연 환경에서 복잡도를 줄이는 효과를 얻을 수 있다. 다른 실시예들에 따르면, 압축 대상이 되는 지오메트리 정보와 어트리뷰트 정보를 동시에 고려하여 예측 트리를 구성할 수 있다. 상기 예측 트리의 생성에 관한 상세 설명은 도 15의 설명을 참조하기로 한다.
상기 압축부(53005)는 상기 예측 트리 생성부(53004)에서 지오메트리 및/또는 어트리뷰트를 고려하여 예측 트리를 생성하면, 압축 대상이 되는 포인트의 예측을 수행한다. 상기 포인트의 예측 수행 및 잔여 정보 획득에 관한 상세 설명은 도 15의 설명을 참조하기로 한다.
이때 예측 트리 구성 목적에 따라 지오메트리 정보 및/또는 어트리뷰트 정보를 고려할 수 있으며, 이러한 정보는 predictive_tree_mode필드를 통해 시그널링 될 수 있다. 상기 predictive_tree_mode필드는 적어도 시퀀스 파라미터 세트 또는 지오메트리-어트리뷰트 슬라이스에 포함되어 전송될 수 있다. 그리고, 상기 예측 트리를 통해 관계가 정의된 부모-자식에 대해서 예측 방법을 결정하고 결정된 방법에 의해 잔여 정보(즉, 예측 에러)를 추정할 수 있다. 이때, predictive_coding_per_point_flag 필드를 1로 세팅함으로써 지오메트리와 어트리뷰트 기반 저지연 포인트 클라우드 예측 압축 방법을 사용함을 나타낼 수 있다. 그리고 geom_attr_same_prediction_mode_flag필드를 통해 지오메트리 정보와 어트리뷰트 정보에 동일한 예측 모드를 사용하는지 여부를 알려줄 수 있다. 또한, 예측에 사용되는 방법은 prediction_type 필드를 통해 알려줄 수 있으며, 상기 prediction_type 필드의 값에 따라 관련된 시그널인 pred_mode 필드, coeff_a 필드, coeff_b 필드, num_neighbors 필드, num_parents_minus1 필드, point_index 필드, num_same_coeff_pred_points 필드가 수신 장치로 전달될 수 있다.
전술한 predictive_tree_mode필드, predictive_coding_per_point_flag 필드, geom_attr_same_prediction_mode_flag필드, prediction_type 필드, pred_mode 필드, coeff_a 필드, coeff_b 필드, num_neighbors 필드, num_parents_minus1 필드, point_index 필드, num_same_coeff_pred_points 필드 등은 포인트 클라우드 압축에 관련된 정보라 칭한다. 또는 포인트 클라우드 압축에 관련된 정보는 위의 필드들을 포함할 수 있다. 그리고, 위의 필드들의 설명은 도 22, 도 23, 도 33 그리고 도 34에서 상세히 설명하였으므로 여기서는 생략한다.
상기 압축부(53005)에서 선택된 예측 모드(pred_mode)는 도 23의 predictive_coding_method에 포함되어 수신 장치로 전달될 수 있다. 상기 predictive_coding_method는 적어도 SPS, APS, GPS, TPS, 또는 지오메트리-어트리뷰트 슬라이스 중 하나에 포함될 수 있다.
상기 압축부(53005)에서 획득한 지오메트리 정보와 어트리뷰트 정보의 예측 에러(또는 잔여 정보)는 어트리뷰트 변환부(53006)에서 압축 도메인으로 변환(transformation)된 후 양자화부(53007)에서 양자화된다. 이때 양자화가 수행되는 경우 예측할 때 양자화된 값을 업데이트 해줌으로써 수신 장치에서 발생할 수 있는 에러를 줄여줄 수 있다. 상기 양자화된 값의 업데이트 내용은 위에서 상세히 설명하였으므로 여기서는 생략한다. 그리고, 양자화된 잔여 정보는 엔트로피 코딩부(53008)에서 엔트로피 코딩되어 지오메트리-어트리뷰트 비트스트림 형태로 출력된다.
도 37은 실시예들에 따른 예측 트리 기반으로 지오메트리 정보와 어트리뷰트 정보를 압축하는 방법의 예시를 보인 흐름도이다.
실시예들에 따르면, 입력되는 포인트 클라우드 데이터에 대해 연관성이 높은 포인트들끼리 묶어주는 클러스터링 작업을 수행한다(단계 55001). 단계 55001에서 클러스터링 과정이 수행되면 입력되는 포인트 클라우드 데이터의 포인트들은 복수개의 클러스터들(즉, 압축 단위들 또는 청크들이라 함)로 나뉘어진다. 상세 설명은 도 15의 설명을 참조하기로 한다.
그리고, 압축 단위별로, 압축 단위 내에서 각 포인트의 지오메트리 정보 및/또는 어트리뷰트 정보를 고려하여 포인트 클라우드 데이터의 포인트들을 정렬(sorting)한다(단계 55002). 상세 설명은 도 15의 설명을 참조하기로 한다.
실시예들에 따르면, 단계 55001에서는 지오메트리 유사성을 기준으로 연관된 포인트들을 묶어주는 방법을 사용하고, 각각의 묶음을 청크(chunk 또는 압축 단위 또는 예측 단위라 함)로 구성할 수 있다. 단계 55002에서는 어트리뷰트 유사성을 기준으로 압축 단위 내 포인트 클라우드 데이터의 포인트들을 정렬한다. 즉, 지오메트리 기반으로 클러스터링된 포인트 클라우드 데이터를 어트리뷰트 기반으로 정렬함으로써, 지오메트리 유사성과 어트리뷰트 유사성이 동시에 고려되므로 지오메트리 정보와 어트리뷰트 정보의 압축 효율을 증가시킬 수 있다.
상기 단계 55002에서 압축 단위(또는 청크라 함) 내 포인트 클라우드 데이터의 포인트들이 정렬되면, 정렬된 포인트들을 이용하여 예측 트리 구조를 구성한다(단계 55003). 실시예들에 따르면, 지오메트리 또는 어트리뷰트 예측 트리 구조 생성 방법을 사용하여 예측 트리를 구성할 수 있다. 이를 통해 포인트 클라우드 압축 시 지오메트리 정보의 압축과 어트리뷰트 정보의 압축에 동일한 구조를 사용할 수 있으므로, 저지연 환경에서 복잡도를 줄이는 효과를 얻을 수 있다. 다른 실시예들에 따르면, 부모-자식 간에 지오메트리 정보와 어트리뷰트 정보를 동시에 고려하여 예측 트리를 구성할 수 있다. 따라서, 하나의 예측 트리를 이용하는 경우에 대해서도 지오메트리 및 어트리뷰트 압축 효율을 높여줄 수 있다.
상기 단계 55003에서 예측 트리 구조가 구성되면, 지오메트리 정보와 어트리뷰트 정보가 동일한 방법으로 압축되었는지 여부를 지시하기 위한 예측 모드 지시 정보(geom_attr_same_prediction_mode_flag)가 1인지를 확인한다(단계 55004). 예를 들어, 상기 예측 모드 지시 정보(geom_attr_same_prediction_mode_flag)가 1이면 지오메트리 정보와 어트리뷰트 정보가 동일한 예측 트리를 사용하고 동일한 예측 코딩 파라미터를 사용함을 지시할 수 있다. 상기 예측 모드 지시 정보(geom_attr_same_prediction_mode_flag)가 0이면 지오메트리 정보와 어트리뷰트 정보가 동일한 예측 트리를 사용하나 서로 다른 예측 코딩 파라미터를 사용함을 지시할 수 있다.
상기 단계 55004에서 상기 예측 모드 지시 정보(geom_attr_same_prediction_mode_flag)가 1이라고 확인되면 단계 55005로 진행하여 지오메트리와 어트리뷰트 정보를 고려하여 에러를 최소화하는 예측 모드를 선택한다.
상기 단계 55004에서 상기 예측 모드 지시 정보(geom_attr_same_prediction_mode_flag)가 0이라고 확인되면 단계 55007로 진행하여 지오메트리와 어트리뷰트에 대해 독립적으로 에러를 최소화하는 예측 모드를 선택한다.
상기 단계 55005 또는 단계 55007에서 선택된 예측 모드를 기반으로 지오메트리 및 어트리뷰트에 대해 잔여 정보(즉, 예측 에러)를 획득한다(단계 55006).
상기 단계 55006에서 획득한 지오메트리 정보와 어트리뷰트 정보의 잔여 정보(즉, 예측 에러)는 압축 도메인으로 변환(transformation)된 후 양자화된다(단계 55008). 이때 양자화가 수행되는 경우 예측할 때 양자화된 값을 업데이트 해줌으로써 수신 장치에서 발생할 수 있는 에러를 줄여줄 수 있다. 상기 양자화된 값의 업데이트 내용은 위에서 상세히 설명하였으므로 여기서는 생략한다. 그리고, 양자화된 잔여 정보는 엔트로피 코딩되어 지오메트리-어트리뷰트 비트스트림 형태로 출력된다(단계 55009).
도 37에서 설명되지 않거나 생략된 부분은 도 15의 설명을 참조하기로 한다.
도 38은 실시예들에 따른 포인트 클라우드 수신 장치의 또 다른 예시를 보인 도면이다. 도 38에 도시된 포인트 클라우드 수신 장치의 엘리먼트들은 하드웨어, 소프트웨어, 프로세서 및/또는 그것들의 결합등으로 구현될 수 있다.
실시예들에 따르면, 포인트 클라우드 수신 장치는 수신 처리부(61001), 시그널링 처리부(61003), 포인트 클라우드 비디오 디코더(61005) 및 후 처리부(Post-processor, 61005)를 포함할 수 있다.
실시예들에 따른 수신 처리부(61001)는 하나의 비트스트림을 수신할 수도 있고, 또는 지오메트리-어트리뷰트 비트스트림와 시그널링 비트스트림을 각각 수신할 수도 있다. 실시예들에 따른 수신 처리부(61001)는 파일 및/또는 세그먼트가 수신되면, 수신된 파일 및/또는 세그먼트를 디캡슐레이션하여 비트스트림으로 출력할 수 있다.
실시예들에 따른 수신 처리부(61001)는 하나의 비트스트림이 수신(또는 디캡슐레이션)되면, 하나의 비트스트림으로부터 지오메트리-어트리뷰트 비트스트림과 시그널링 비트스트림을 디멀티플렉싱하고, 디멀티플렉스된 시그널링 비트스트림은 시그널링 처리부(61003)로, 지오메트리-어트리뷰트 비트스트림은 포인트 클라우드 비디오 디코더(61005)로 출력할 수 있다.
실시예들에 따른 수신 처리부(61001)는 지오메트리-어트리뷰트 비트스트림과 시그널링 비트스트림이 각각 수신(또는 디캡슐레이션)되면, 시그널링 비트스트림은 시그널링 처리부(61003)로, 지오메트리-어트리뷰트 비트스트림은 포인트 클라우드 비디오 디코더(61005)로 전달할 수 있다.
상기 시그널링 처리부(61003)는 입력된 시그널링 비트스트림으로부터 시그널링 정보 예를 들어, SPS, GPS, APS, TPS, 메타 데이터 등에 포함된 정보를 파싱 및 처리하여 포인트 클라우드 비디오 디코더(61005) 및/또는 후 처리부(61007)로 제공할 수 있다. 다른 실시예로, 지오메트리-어트리뷰트 슬라이스 헤더에 포함된 시그널링 정보도 해당 슬라이스 데이터를 디코딩하기 전에 상기 시그널링 처리부(61003)에서 미리 파싱될 수도 있다.
실시예들에 따르면, 시그널링 처리부(61003)는 적어도 SPS, GPS, APS, TPS 또는 지오메트리-어트리뷰트 슬라이스에 시그널링된 포인트 클라우드 압축에 관련된 정보도 파싱 및 처리하여 포인트 클라우드 비디오 디코더(61005) 및/또는 후 처리부(61007)로 제공할 수 있다.
실시예들에 따르면, 포인트 클라우드 비디오 디코더(61005)는 압축된 지오메트리-어트리뷰트 비트스트림에 대해 시그널링 정보를 기반으로 도 35의 포인트 클라우드 비디오 인코더(51001)의 역과정을 수행하여 지오메트리와 어트리뷰트를 복원할 수 있다. 상기 포인트 클라우드 비디오 디코더(61005)는 도 1의 포인트 클라우드 비디오 디코더, 도 2의 디코딩, 도 11의 포인트 클라우드 비디오 디코더, 도 13의 포인트 클라우드 비디오 디코더에서 설명된 동작의 일부 또는 전체를 수행할 수 있다.
실시예들에 따르면, 후 처리부(61007)는 상기 포인트 클라우드 비디오 디코더(61005)에서 복원되어 출력되는 지오메트리 정보(즉, 포지션들)과 어트리뷰트 정보를 기반으로 포인트 클라우드 데이터를 재구성하고 디스플레이/렌더링할 수 있다.
도 39는 실시예들에 따른 포인트 클라우드 비디오 디코더(61005)의 상세 블록도의 예시를 보인 도면이다. 도 39에 도시된 어트리뷰트 디코더의 엘리먼트들은 하드웨어, 소프트웨어, 프로세서 및/또는 그것들의 결합등으로 구현될 수 있다.
실시예들에 따르면, 포인트 클라우드 비디오 디코더(61005)는 엔트로피 디코딩부(63001), 역양자화부(63002), 역 변환부(63003), 예측부(63004), 및 재구성부(63005)를 포함할 수 있다. 각 블록의 수행 순서는 변경될 수 있으며, 일부 블록은 생략될 수 있고, 일부 블록은 새로 추가될 수 있다.
실시예들에 따르면, 포인트 클라우드 비디오 디코더(61005)는 송신 장치의 포인트 클라우드 비디오 인코더(51001)의 역과정을 수행하여 지오메트리 정보와 어트리뷰트 정보를 복원한다. 즉, 상기 엔트로피 디코딩부(63001)는 수신 처리부(61001)를 통해 입력되는 비트스트림에 포함된 지오메트리와 어트리뷰트 정보에 대한 잔여 정보(즉, 예측 에러)를 엔트로피 디코딩한다. 상기 엔트로피 디코딩된 잔여 정보는 역양자화부(63002)에서 역양자화되고, 역 변환부(63003)에서 어트리뷰트 변환부(53006)의 역과정이 수행된 후 예측부(63004)로 출력된다.
상기 예측부(63004)는 시그널링 정보 및/또는 해당 슬라이스에 포함된 parent_index 필드 또는 포인트 순서에 따라 예측 트리 구조를 파악하고 pred_mode 필드와 prediction_type 등의 포인트 클라우드 압축에 관련된 정보를 기반으로 예측을 수행하여 예측된 정보를 출력한다. 그리고, 재구성부(63005)는 예측된 정보와 복원된 잔여 정보를 이용하여 지오메트리 정보와 어트리뷰트 정보를 재구성한다. 이때, 예측부(63004)에서는 지오메트리와 어트리뷰트 정보 모두 동일한 예측 트리를 사용함으로 인해 예측 그룹(또는 예측 단위) 정보 생성 과정을 수행하지 않기 때문에 예측 및 복원 수행 시간이 크게 단축 될 수 있다. 특히 어트리뷰트 예측에 대해 지오메트리 예측과 동일한 트리 구조를 사용함으로 인해 저지연 효과가 크게 나타날 수 있다.
도 40은 실시예들에 따른 예측 트리 기반으로 지오메트리 정보와 어트리뷰트 정보를 복원하는 방법의 예시를 보인 흐름도이다.
실시예들에 따르면, 입력되는 비트스트림에 포함된 지오메트리와 어트리뷰트 정보에 대한 잔여 정보(즉, 예측 에러)는 엔트로피 디코딩된다(단계 65001). 상기 엔트로피 디코딩된 잔여 정보에 대해 역양자화 및 역변환이 수행되어 각 포인트에 대한 잔여 정보(즉, 예측 에러)가 복원된다(단계 65002).
그리고, 시그널링 정보 및/또는 해당 슬라이스에 포함된 parent_index 필드 또는 포인트 순서에 따라 예측 트리 구조를 파악하고 pred_mode 필드와 prediction_type 등의 포인트 클라우드 압축에 관련된 정보를 기반으로 예측을 수행하여 예측 정보를 출력한다(단계 65003). 실시예들에 따르면, 단계 65003에서는 시그널링 정보 및/또는 슬라이스에 시그널링된 포인트 클라우드 압축에 관련된 정보 및 상관 데이터 서치(correlated data search) 방법을 기반으로 현재 포인트의 부모를 찾을 수 있다. 이때, 상기 predictive_coding_per_point_flag필드의 값이 1인 경우 예측 트리를 지오메트리와 어트리뷰트에 대해서 함께 사용함을 알 수 있으며, 지오메트리와 어트리뷰트를 매 포인트 마다 복원할 수 있음을 알 수 있다. 이후 수신된 예측 방법을 기반으로 부모 및 관련 포인트들을 이용하여 예측된 정보를 찾는다. 그리고, 상기 예측된 정보와 상기 복원된 잔여 정보를 이용하여 지오메트리 정보와 어트리뷰트 정보를 재구성함에 의해 포인트를 복원한다(단계 65004).
도 41은 실시예들에 따른 포인트 클라우드 데이터 송신 방법의 흐름도를 나타낸다.
실시예들에 따른 포인트 클라우드 데이터 송신 방법은 포인트 클라우드 데이터를 획득하는 단계(71001), 포인트 클라우드 데이터를 인코딩하는 단계(71002), 인코드된 포인트 클라우드 데이터와 시그널링 정보를 전송하는 단계(71003)를 포함할 수 있다. 이때, 상기 인코드된 포인트 클라우드 데이터와 시그널링 정보를 포함하는 비트스트림이 파일로 인캡슐레이션되어 전송될 수도 있다.
포인트 클라우드 데이터를 획득하는 단계(71001)는 도 1의 포인트 클라우드 비디오 획득부(10001)의 동작의 일부 또는 전부를 수행할 수도 있고 또는 도 12의 데이터 입력부(12000)의 동작의 일부 또는 전부를 수행할 수도 있다.
포인트 클라우드 데이터를 인코딩하는 단계(71002)는 도 1의 포인트 클라우드 비디오 인코더(10002), 도 2의 인코딩(20001), 도 4의 포인트 클라우드 비디오 인코더, 도 12의 포인트 클라우드 비디오 인코더, 도 35의 포인트 클라우드 비디오 인코더의 동작의 일부 또는 전체를 수행할 수 있다.
실시예들에 따른 포인트 클라우드 데이터를 인코딩하는 단계(71002)는전술한 도 15 내지 도 18, 도 35 내지 도 37에서 설명한 것처럼, 예측 트리를 기반으로 지오메트리 정보와 어트리뷰트 정보를 동시에 압축할 수 있다. 상세 내용은 도 15 내지 도 18, 도 35 내지 도 37의 설명을 참조하기로 한다.
본 명세서에서 시그널링 정보는 SPS, GPS, APS, TPS, 메타 데이터 등이 될 수 있으며, 지오메트리-어트리뷰트 슬라이스 헤더도 시그널링 정보라 칭할 수 있다. 상기 포인트 클라우드 압축에 관련된 정보는 적어도 SPS, GPS, APS, TPS 또는 지오메트리-어트리뷰트 슬라이스 중 하나에 시그널링될 수 있다. 상기 포인트 클라우드 압축에 관련된 정보의 상세 설명은 위에서 상세히 하였으므로 여기서는 생략하기로 한다.
도 42는 실시예들에 따른 포인트 클라우드 데이터 수신 방법의 흐름도를 나타낸다.
실시예들에 따른 포인트 클라우드 데이터 수신 방법은 인코드된 포인트 클라우드 데이터와 시그널링 정보를 수신하는 단계(81001), 시그널링 정보를 기반으로 포인트 클라우드 데이터를 디코딩하는 단계(81002), 및 디코드된 포인트 클라우드 데이터를 렌더링하는 단계(81003)를 포함할 수 있다.
실시예들에 따른 포인트 클라우드 데이터와 시그널링 정보를 수신하는 단계(81001)는 도 1의 리시버(10005), 도 2의 진송(20002) 또는 디코딩(20003), 도 13의 수신부(13000) 또는 수신 처리부(13001)에서 수행될 수 있다.
상기 시그널링 정보는 SPS, GPS, APS, TPS, 메타 데이터 등이 될 수 있으며, 지오메트리-어트리뷰트 슬라이스 헤더도 시그널링 정보라 칭할 수 있다. 적어도 SPS, GPS, APS, TPS 또는 지오메트리-어트리뷰트 슬라이스 헤더 중 하나는 포인트 클라우드 압축에 관련된 정보를 포함할 수 있다. 상기 포인트 클라우드 압축에 관련된 정보의 상세 설명은 위에서 상세히 하였으므로 여기서는 생략하기로 한다.
실시예들에 따른 포인트 클라우드 데이터를 디코딩하는 단계(81002)는 도 1의 포인트 클라우드 비디오 디코더(10006), 도 2의 디코딩(20003), 도 11의 포인트 클라우드 비디오 디코더, 도 13의 포인트 클라우드 비디오 디코더, 도 38의 포인트 클라우드 비디오 디코더(61005)의 동작의 일부 또는 전체를 수행할 수 있다.
실시예들에 따른 포인트 클라우드 데이터를 디코딩하는 단계(81002)는 전술한 도 15 내지 도 18, 도 38 내지 도 40에서 설명한 것처럼, 예측 트리를 기반으로 지오메트리 정보와 어트리뷰트 정보를 동시에 복원할 수 있다. 상세 내용은 도 15 내지 도 18, 도 38 내지 도 40의 설명을 참조하기로 한다.
실시예들에 따른 렌더링하는 단계(81003)는 복원된(또는 재구성된) 지오메트리 정보와 어트리뷰트 정보를 기반으로 포인트 클라우드 데이터를 복원하고 다양한 렌더링 방식에 따라 렌더링할 수 있다. 예를 들어, 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 데이터를 렌더링하는 단계(81003)는 도 1의 렌더러(10007) 또는 도 2의 렌더링(20004) 또는 도 13의 렌더러(13011) 에서 수행될 수 있다.
실시예들에 따른 포인트 클라우드 데이터 송신 방법와 송신 장치는 상술한 실시예들에 따른 예측 코딩(predictive coding) 동작에 기반하여, 포인트 클라우드 데이터를 빠른 시간 내 효율적으로 압축하고, 이를 시그널링하여 수신 장치에 전송할 수 있다. 마찬가지로, 실시예들에 따른 수신 방법 및 수신 장치는 시그널링 정보에 기반하여 지오메트리 데이터 및/또는 어트리뷰트 데이터를 효율적으로 복원할 수 있는 효과가 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 반송파의 형태로 구현되는 것도 포함될 수 있다. 또한, 프로세서가 읽을 수 있는 기록매체는 네트워크로 연결된 컴퓨터 시스템에 분산되어, 분산방식으로 프로세서가 읽을 수 있는 코드가 저장되고 실행될 수 있다.
이 문서에서 "/"와 ","는 "및/또는"으로 해석된다. 예를 들어, "A/B"는 "A 및/또는 B"로 해석되고, "A, B"는 "A 및/또는 B"로 해석된다. 추가적으로, "A/B/C"는 "A, B, 및/또는 C 중 적어도 하나"를 의미한다. 또한, "A, B, C"도 "A, B 및/또는 C 중 적어도 하나"를 의미한다. 추가적으로, 이 문서에서 “또는”는 “및/또는”으로 해석된다. 예를 들어, "A 또는 B"은, 1) "A"만을 의미하고, 2) "B"만을 의미하거나, 3) "A 및 B"를 의미할 수 있다. 달리 표현하면, 본 문서의 “또는”은 “추가적으로 또는 대체적으로(additionally or alternatively)”를 의미할 수 있다.
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 구성요소들을 설명하기 위해 사용될 수 있다. 하지만 실시예들에 따른 다양한 구성요소들은 위 용어들에 의해 해석이 제한되어서는 안된다. 이러한 용어는 하나의 구성요소를 다른 구성요소와 구별하기 위해 사용되는 것에 불과하다. 것에 불과하다. 예를 들어, 제1 사용자 인풋 시그널은 제2사용자 인풋 시그널로 지칭될 수 있다. 이와 유사하게, 제2사용자 인풋 시그널은 제1사용자 인풋 시그널로 지칭될 수 있다. 이러한 용어의 사용은 다양한 실시예들의 범위 내에서 벗어나지 않는 것으로 해석되어야만 한다. 제1사용자 인풋 시그널 및 제2사용자 인풋 시그널은 모두 사용자 인풋 시그널들이지만, 문맥 상 명확하게 나타내지 않는 한 동일한 사용자 인풋 시그널들을 의미하지 않는다.
실시예들을 설명하기 위해 사용된 용어는 특정 실시예들을 설명하기 위한 목적으로 사용되고, 실시예들을 제한하기 위해서 의도되지 않는다. 실시예들의 설명 및 청구항에서 사용된 바와 같이, 문맥 상 명확하게 지칭하지 않는 한 단수는 복수를 포함하는 것으로 의도된다. 및/또는 표현은 용어 간의 모든 가능한 결합을 포함하는 의미로 사용된다. “포함한다” 표현은 특징들, 수들, 단계들, 엘리먼트들, 및/또는 컴포넌트들이 존재하는 것을 설명하고, 추가적인 특징들, 수들, 단계들, 엘리먼트들, 및/또는 컴포넌트들을 포함하지 않는 것을 의미하지 않는다. 실시예들을 설명하기 위해 사용되는, ~인 경우, ~때 등의 조건 표현은 선택적인 경우로만 제한 해석되지 않는다. 특정 조건을 만족하는 때, 특정 조건에 대응하여 관련 동작을 수행하거나, 관련 정의가 해석되도록 의도되었다.
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)

  1. 포인트 클라우드 데이터를 인코딩하는 단계; 및
    상기 인코딩된 포인트 클라우드 데이터와 시그널링 데이터를 전송하는 단계를 포함하며,
    상기 인코딩하는 단계는,
    상기 포인트 클라우드 데이터를 복수개의 압축 단위들로 나누는 단계,
    압축 단위별로, 각 압축 단위 내 포인트 클라우드 데이터를 정렬하는 단계,
    상기 압축 단위 내 정렬된 포인트 클라우드 데이터를 기반으로 예측 트리를 생성하는 단계, 및
    상기 예측 트리를 기반으로 예측을 수행하여 상기 압축 단위 내 포인트 클라우드 데이터를 압축하는 단계를 포함하는 포인트 클라우드 데이터 송신 방법.
  2. 제 1 항에 있어서, 상기 나누는 단계는
    상기 포인트 클라우드 데이터의 포인트들의 지오메트리 정보의 유사성 또는 어트리뷰트 정보의 유사성 중 적어도 하나를 기반으로 클러스터링을 수행하여 상기 포인트 클라우드 데이터의 포인트들을 복수개의 압축 단위들로 나누는 포인트 클라우드 데이터 송신 방법.
  3. 제 1 항에 있어서, 상기 정렬하는 단계는
    각 압축 단위 내 포인트 클라우드 데이터의 포인트들의 지오메트리 정보의 유사성 또는 어트리뷰트 정보의 유사성 중 적어도 하나를 기반으로 각 압축 단위 내 포인트 클라우드 데이터의 포인트들을 정렬하는 포인트 클라우드 데이터 송신 방법.
  4. 제 1 항에 있어서, 상기 예측 트리를 생성하는 단계는
    각 압축 단위 내 정렬된 포인트 클라우드 데이터의 포인트들의 지오메트리 정보의 유사성 또는 어트리뷰트 정보의 유사성 중 적어도 하나를 기반으로 예측 트리를 생성하는 포인트 클라우드 데이터 송신 방법.
  5. 제 4 항에 있어서, 상기 압축하는 단계는
    상기 예측 트리를 기반으로 상기 포인트 클라우드 데이터의 지오메트리 정보와 어트리뷰트 정보의 예측을 수행하여 상기 지오메트리 정보에 대한 잔여 정보와 상기 어트리뷰트 정보에 대한 잔여 정보를 생성하며, 상기 지오메트리 정보에 대한 잔여 정보와 상기 어트리뷰트 정보에 대한 잔여 정보에 서로 다른 가중치를 부여하는 포인트 클라우드 데이터 송신 방법.
  6. 제 5 항에 있어서, 상기 압축하는 단계는
    상기 예측 트리를 기반으로 상기 포인트 클라우드 데이터의 지오메트리 정보와 어트리뷰트 정보의 예측을 수행할 때, 상기 지오메트리 정보와 상기 어트리뷰트 정보에 동일한 예측 코딩 파라미터를 적용하는 포인트 클라우드 데이터 송신 방법.
  7. 제 5 항에 있어서, 상기 압축하는 단계는
    상기 예측 트리를 기반으로 상기 포인트 클라우드 데이터의 지오메트리 정보와 어트리뷰트 정보의 예측을 수행할 때, 상기 지오메트리 정보와 상기 어트리뷰트 정보에 서로 다른 예측 코딩 파라미터를 적용하는 포인트 클라우드 데이터 송신 방법.
  8. 포인트 클라우드 데이터를 인코딩하는 인코더; 및
    상기 인코딩된 포인트 클라우드 데이터와 시그널링 데이터를 전송하는 전송부를 포함하며,
    상기 인코더는,
    상기 포인트 클라우드 데이터를 복수개의 압축 단위들로 나누는 디바이더,
    압축 단위별로, 각 압축 단위 내 포인트 클라우드 데이터를 정렬하는 정렬부,
    상기 압축 단위 내 정렬된 포인트 클라우드 데이터를 기반으로 예측 트리를 생성하는 예측 트리 생성부, 및
    상기 예측 트리를 기반으로 예측을 수행하여 상기 압축 단위 내 포인트 클라우드 데이터를 압축하는 압축부를 포함하는 포인트 클라우드 데이터 송신 장치.
  9. 제 8 항에 있어서, 상기 디바이더는
    상기 포인트 클라우드 데이터의 포인트들의 지오메트리 정보의 유사성 또는 어트리뷰트 정보의 유사성 중 적어도 하나를 기반으로 클러스터링을 수행하여 상기 포인트 클라우드 데이터의 포인트들을 복수개의 압축 단위들로 나누는 포인트 클라우드 데이터 송신 장치.
  10. 제 8 항에 있어서, 상기 정렬부는
    각 압축 단위 내 포인트 클라우드 데이터의 포인트들의 지오메트리 정보의 유사성 또는 어트리뷰트 정보의 유사성 중 적어도 하나를 기반으로 각 압축 단위 내 포인트 클라우드 데이터의 포인트들을 정렬하는 포인트 클라우드 데이터 송신 장치.
  11. 제 8 항에 있어서, 상기 예측 트리 생성부는
    각 압축 단위 내 정렬된 포인트 클라우드 데이터의 포인트들의 지오메트리 정보의 유사성 또는 어트리뷰트 정보의 유사성 중 적어도 하나를 기반으로 예측 트리를 생성하는 포인트 클라우드 데이터 송신 장치.
  12. 제 11 항에 있어서, 상기 압축부는
    상기 예측 트리를 기반으로 상기 포인트 클라우드 데이터의 지오메트리 정보와 어트리뷰트 정보의 예측을 수행하여 상기 지오메트리 정보에 대한 잔여 정보와 상기 어트리뷰트 정보에 대한 잔여 정보를 생성하며, 상기 지오메트리 정보에 대한 잔여 정보와 상기 어트리뷰트 정보에 대한 잔여 정보에 서로 다른 가중치를 부여하는 포인트 클라우드 데이터 송신 장치.
  13. 제 12 항에 있어서, 상기 압축부는
    상기 예측 트리를 기반으로 상기 포인트 클라우드 데이터의 지오메트리 정보와 어트리뷰트 정보의 예측을 수행할 때, 상기 지오메트리 정보와 상기 어트리뷰트 정보에 동일한 예측 코딩 파라미터를 적용하는 포인트 클라우드 데이터 송신 장치.
  14. 제 12 항에 있어서, 상기 압축부는
    상기 예측 트리를 기반으로 상기 포인트 클라우드 데이터의 지오메트리 정보와 어트리뷰트 정보의 예측을 수행할 때, 상기 지오메트리 정보와 상기 어트리뷰트 정보에 서로 다른 예측 코딩 파라미터를 적용하는 포인트 클라우드 데이터 송신 장치.
  15. 포인트 클라우드 데이터와 시그널링 데이터를 수신하는 단계;
    상기 시그널링 데이터를 기반으로 상기 포인트 클라우드 데이터를 디코딩하는 단계; 및
    상기 시그널링 데이터를 기반으로 상기 디코딩된 포인트 클라우드 데이터를 렌더링하는 단계를 포함하며,
    상기 디코딩하는 단계는,
    상기 시그널링 데이터를 기반으로 압축 단위 내 예측 트리를 생성하는 단계, 및
    상기 예측 트리를 기반으로 예측을 수행하여 상기 압축 단위 내 포인트 클라우드 데이터를 복원하는 단계를 포함하는 포인트 클라우드 데이터 수신 방법.
  16. 제 15 항에 있어서, 상기 복원하는 단계는
    상기 포인트 클라우드 데이터의 지오메트리 정보와 어트리뷰트 정보에 상기 예측 트리와 동일한 예측 코딩 파라미터를 적용하여 예측을 수행하여 상기 지오메트리 정보와 상기 어트리뷰트 정보를 복원하는 포인트 클라우드 데이터 수신 방법.
  17. 제 15 항에 있어서, 상기 복원하는 단계는
    상기 포인트 클라우드 데이터의 지오메트리 정보와 어트리뷰트 정보에 상기 예측 트리와 서로 다른 예측 코딩 파라미터를 적용하여 예측을 수행하여 상기 지오메트리 정보와 상기 어트리뷰트 정보를 복원하는 포인트 클라우드 데이터 수신 방법.
  18. 포인트 클라우드 데이터와 시그널링 데이터를 수신하는 수신부;
    상기 시그널링 데이터를 기반으로 상기 포인트 클라우드 데이터를 디코딩하는 디코더; 및
    상기 시그널링 데이터를 기반으로 상기 디코딩된 포인트 클라우드 데이터를 렌더링하는 렌더러를 포함하며,
    상기 디코더는,
    상기 시그널링 데이터를 기반으로 압축 단위 내 예측 트리를 생성하는 예측 트리 생성부, 및
    상기 예측 트리를 기반으로 예측을 수행하여 상기 압축 단위 내 포인트 클라우드 데이터를 복원하는 복원부를 포함하는 포인트 클라우드 데이터 수신 장치.
  19. 제 18 항에 있어서, 상기 복원부는
    상기 포인트 클라우드 데이터의 지오메트리 정보와 어트리뷰트 정보에 상기 예측 트리와 동일한 예측 코딩 파라미터를 적용하여 예측을 수행하여 상기 지오메트리 정보와 상기 어트리뷰트 정보를 복원하는 포인트 클라우드 데이터 수신 장치.
  20. 제 18 항에 있어서, 상기 복원부는
    상기 포인트 클라우드 데이터의 지오메트리 정보와 어트리뷰트 정보에 상기 예측 트리와 서로 다른 예측 코딩 파라미터를 적용하여 예측을 수행하여 상기 지오메트리 정보와 상기 어트리뷰트 정보를 복원하는 포인트 클라우드 데이터 수신 장치.
PCT/KR2021/007094 2020-06-05 2021-06-07 포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법 WO2021246843A1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
US18/008,007 US20230239501A1 (en) 2020-06-05 2021-06-07 Point cloud data transmission device, point cloud data transmission method, point cloud data reception device, and point cloud data reception method

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
KR20200068424 2020-06-05
KR10-2020-0068424 2020-06-05

Publications (1)

Publication Number Publication Date
WO2021246843A1 true WO2021246843A1 (ko) 2021-12-09

Family

ID=78830500

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/KR2021/007094 WO2021246843A1 (ko) 2020-06-05 2021-06-07 포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법

Country Status (2)

Country Link
US (1) US20230239501A1 (ko)
WO (1) WO2021246843A1 (ko)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20210407145A1 (en) * 2020-06-30 2021-12-30 Electronics And Telecommunications Research Institute Method of compressing occupancy map of three-dimensional point cloud
CN114998456A (zh) * 2022-06-20 2022-09-02 西安邮电大学 基于局部相似度的三维点云属性压缩方法
CN115421161A (zh) * 2022-11-03 2022-12-02 上海伯镭智能科技有限公司 基于激光雷达测距的无人驾驶矿车控制方法

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117313657B (zh) * 2023-11-30 2024-03-19 深圳市伟奇服装有限公司 一种校服设计数据编码压缩方法

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2020013631A1 (ko) * 2018-07-12 2020-01-16 삼성전자 주식회사 3차원 영상을 부호화 하는 방법 및 장치, 및 3차원 영상을 복호화 하는 방법 및 장치
WO2020070192A1 (en) * 2018-01-18 2020-04-09 Blackberry Limited Methods and devices for binary entropy coding of point clouds

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2020070192A1 (en) * 2018-01-18 2020-04-09 Blackberry Limited Methods and devices for binary entropy coding of point clouds
WO2020013631A1 (ko) * 2018-07-12 2020-01-16 삼성전자 주식회사 3차원 영상을 부호화 하는 방법 및 장치, 및 3차원 영상을 복호화 하는 방법 및 장치

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
D. FLYNN (APPLE), K. MAMMOU (APPLE): "G-PCC: Combined octree-predictive geometry coding", 129. MPEG MEETING; 20200113 - 20200117; BRUSSELS; (MOTION PICTURE EXPERT GROUP OR ISO/IEC JTC1/SC29/WG11), 11 January 2020 (2020-01-11), XP030225211 *
DAVID FLYNN, ALEXIS TOURAPIS, KHALED MAMMOU (APPLE): "[G-PCC][New proposal] Predictive Geometry Coding", 128. MPEG MEETING; 20191007 - 20191011; GENEVA; (MOTION PICTURE EXPERT GROUP OR ISO/IEC JTC1/SC29/WG11), 6 October 2019 (2019-10-06), XP030221520 *
KHALED MAMMOU, PHILIP A. CHOU, DAVID FLYNN, MAJA KRIVOKUćA, OHJI NAKAGAMI , TOSHIYASU SUGIO: "G-PCC codec description v2", ISO/IEC JTC1/SC29/WG11 N18189, no. N18189, 1 January 2019 (2019-01-01), pages 1 - 39, XP055686871 *

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20210407145A1 (en) * 2020-06-30 2021-12-30 Electronics And Telecommunications Research Institute Method of compressing occupancy map of three-dimensional point cloud
US11954891B2 (en) * 2020-06-30 2024-04-09 Electronics And Telecommunications Research Institute Method of compressing occupancy map of three-dimensional point cloud
CN114998456A (zh) * 2022-06-20 2022-09-02 西安邮电大学 基于局部相似度的三维点云属性压缩方法
CN114998456B (zh) * 2022-06-20 2023-06-30 西安邮电大学 基于局部相似度的三维点云属性压缩方法
CN115421161A (zh) * 2022-11-03 2022-12-02 上海伯镭智能科技有限公司 基于激光雷达测距的无人驾驶矿车控制方法

Also Published As

Publication number Publication date
US20230239501A1 (en) 2023-07-27

Similar Documents

Publication Publication Date Title
WO2021066312A1 (ko) 포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법
WO2021066626A1 (en) Point cloud data transmission device, point cloud data transmission method, point cloud data reception device, and point cloud data reception method
WO2021066615A1 (en) Point cloud data transmission device, point cloud data transmission method, point cloud data reception device, and point cloud data reception method
WO2021141352A2 (ko) 포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법
WO2021210764A1 (ko) 포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법
WO2021049758A1 (ko) 포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법
WO2021246843A1 (ko) 포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법
WO2021261840A1 (ko) 포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법
WO2021210743A1 (ko) 포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법
WO2021002558A1 (ko) 포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법.
WO2022035256A1 (ko) 포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법
WO2022019713A1 (ko) 포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법
WO2022015006A1 (ko) 포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법
WO2021141218A1 (ko) 포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법
WO2021045603A1 (ko) 포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법
WO2021029662A1 (ko) 포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법
WO2022098152A1 (ko) 포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법
WO2021242064A1 (ko) 포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법
WO2021182937A1 (ko) 포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법
WO2022149810A1 (ko) 포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법
WO2021045601A1 (ko) 포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법
WO2022075753A1 (ko) 포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법
WO2021002665A1 (ko) 포인트 클라우드 데이터 처리 장치 및 방법
WO2022186651A1 (ko) 포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법
WO2022240128A1 (ko) 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 수신 방법 및 포인트 클라우드 데이터 수신 장치

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 21818454

Country of ref document: EP

Kind code of ref document: A1

NENP Non-entry into the national phase

Ref country code: DE

122 Ep: pct application non-entry in european phase

Ref document number: 21818454

Country of ref document: EP

Kind code of ref document: A1