WO2024014935A1 - 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
WO2024014935A1
WO2024014935A1 PCT/KR2023/010183 KR2023010183W WO2024014935A1 WO 2024014935 A1 WO2024014935 A1 WO 2024014935A1 KR 2023010183 W KR2023010183 W KR 2023010183W WO 2024014935 A1 WO2024014935 A1 WO 2024014935A1
Authority
WO
WIPO (PCT)
Prior art keywords
point cloud
subgroup
cloud data
attribute
geometry
Prior art date
Application number
PCT/KR2023/010183
Other languages
English (en)
French (fr)
Inventor
오현묵
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
Publication of WO2024014935A1 publication Critical patent/WO2024014935A1/ko

Links

Images

Classifications

    • 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
    • H04N19/13—Adaptive entropy coding, e.g. adaptive variable length coding [AVLC] or context adaptive binary arithmetic coding [CABAC]
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/10—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding
    • H04N19/169—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the coding unit, i.e. the structural portion or semantic portion of the video signal being the object or the subject of the adaptive coding
    • H04N19/17—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the coding unit, i.e. the structural portion or semantic portion of the video signal being the object or the subject of the adaptive coding the unit being an image region, e.g. an object
    • H04N19/174—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the coding unit, i.e. the structural portion or semantic portion of the video signal being the object or the subject of the adaptive coding the unit being an image region, e.g. an object the region being a slice, e.g. a line of blocks or a group of 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
    • H04N19/169—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the coding unit, i.e. the structural portion or semantic portion of the video signal being the object or the subject of the adaptive coding
    • H04N19/184—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the coding unit, i.e. the structural portion or semantic portion of the video signal being the object or the subject of the adaptive coding the unit being bits, e.g. of the compressed video stream
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/30—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using hierarchical techniques, e.g. scalability
    • 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

Definitions

  • Embodiments relate to a method and apparatus for processing point cloud content.
  • Point cloud content is content expressed as a point cloud, which is a set of points belonging to a coordinate system expressing three-dimensional space.
  • Point cloud content can express three-dimensional media and provides various services such as VR (Virtual Reality), AR (Augmented Reality), MR (Mixed Reality), and autonomous driving services. It is used to provide However, tens to hundreds of thousands of point data are needed to express point cloud content. Therefore, a method for efficiently processing massive amounts of point data is required.
  • Embodiments provide an apparatus and method for efficiently processing point cloud data.
  • Embodiments provide a point cloud data processing method and device to solve latency and encoding/decoding complexity.
  • a point cloud data transmission method includes encoding point cloud data; and transmitting a bitstream containing point cloud data; may include.
  • a method of receiving point cloud data includes receiving a bitstream including point cloud data; and decoding the point cloud data; may include.
  • Apparatus and methods according to embodiments can process point cloud data with high efficiency.
  • Devices and methods according to embodiments can provide high quality point cloud services.
  • Devices and methods according to embodiments can provide point cloud content to provide general services such as VR services and autonomous driving services.
  • Figure 1 shows an example of a point cloud content providing system according to embodiments.
  • Figure 2 is a block diagram showing a point cloud content providing operation according to embodiments.
  • Figure 3 shows an example of a point cloud encoder according to embodiments.
  • Figure 4 shows examples of octrees and occupancy codes according to embodiments.
  • Figure 5 shows an example of point configuration for each LOD according to embodiments.
  • Figure 6 shows an example of point configuration for each LOD according to embodiments.
  • Figure 7 shows an example of a point cloud decoder according to embodiments.
  • Figure 8 is an example of a transmission device according to embodiments.
  • FIG 9 is an example of a receiving device according to embodiments.
  • Figure 10 shows an example of a structure that can be interoperable with a method/device for transmitting and receiving point cloud data according to embodiments.
  • Figure 11 shows encoding, transmission, and decoding processes of point cloud data according to embodiments.
  • Figure 12 shows a layer-based point cloud data configuration according to embodiments and a geometry and attribute bitstream structure according to embodiments.
  • Figure 13 shows a bitstream configuration according to embodiments.
  • Figure 14 shows a bitstream alignment method according to embodiments.
  • Figure 15 shows a method of selecting geometry data and attribute data according to embodiments.
  • Figure 16 shows a method of configuring a slice including point cloud data according to embodiments.
  • Figure 17 shows a geometry coding layer structure according to embodiments.
  • Figure 18 shows a layer group and subgroup structure according to embodiments.
  • Figure 19 shows a multi-resolution, multi-size ROI according to embodiments.
  • Figure 20 shows a layer group slice according to embodiments.
  • Figure 21 illustrates a nearest neighbor search process according to embodiments.
  • Figure 22 illustrates a nearest neighbor search process according to embodiments.
  • Figure 23 illustrates a nearest neighbor search process according to embodiments.
  • Figure 24 shows an attribute encoding method according to embodiments.
  • Figure 25 shows an attribute decoding method according to embodiments.
  • Figure 26 shows a bitstream including parameters and encoded point cloud data according to embodiments.
  • Figure 27 shows a sequence parameter set according to embodiments.
  • Figure 28 shows an attribute parameter set and an attribute data unit header according to embodiments.
  • Figure 29 shows a dependent attribute data unit header according to embodiments.
  • Figure 30 shows a process for transmitting partial point cloud data according to embodiments.
  • Figure 31 shows a method of transmitting and receiving point cloud data according to embodiments.
  • Figure 32 shows a method for transmitting and receiving point cloud data according to embodiments.
  • Figure 33 shows a method of transmitting point cloud data according to embodiments.
  • Figure 34 shows a method of receiving point cloud data according to embodiments.
  • Figure 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 and wireless communication to transmit and receive point cloud data.
  • the transmission device 10000 may secure, process, and transmit point cloud video (or point cloud content).
  • the transmission device 10000 may be 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. It may include etc.
  • the transmitting device 10000 is a device that communicates with a base station and/or other wireless devices using wireless access technology (e.g., 5G NR (New RAT), LTE (Long Term Evolution)). It may include robots, vehicles, AR/VR/XR devices, mobile devices, home appliances, IoT (Internet of Thing) devices, AI devices/servers, etc.
  • wireless access technology e.g., 5G NR (New RAT), LTE (Long Term Evolution)
  • the transmission device 10000 includes a point cloud video acquisition unit (Point Cloud Video Acquisition, 10001), a point cloud video encoder (Point Cloud Video Encoder, 10002), and/or a transmitter (or communication module), 10003. ) includes
  • the point cloud video acquisition unit 10001 acquires the point cloud video through processing processes such as capture, synthesis, or generation.
  • Point cloud video is point cloud content expressed as a point cloud, which is a set of points located in three-dimensional space, and may be referred to as point cloud video data, etc.
  • a point cloud video according to embodiments may include one or more frames. One frame represents a still image/picture. Therefore, a point cloud video may include a point cloud image/frame/picture, and may be referred to as any one of a point cloud image, frame, or picture.
  • the point cloud video encoder 10002 encodes the obtained point cloud video data.
  • the point cloud video encoder 10002 can 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. Additionally, point cloud compression coding according to embodiments is not limited to the above-described embodiments.
  • the point cloud video encoder 10002 may output a bitstream containing encoded point cloud video data.
  • the bitstream may include encoded point cloud video data, as well as 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 embodiments is encapsulated into a file or segment (eg, streaming segment) and transmitted through various networks such as a broadcast network and/or a broadband network.
  • the transmission device 10000 may include an encapsulation unit (or encapsulation module) that performs an encapsulation operation. Additionally, depending on embodiments, 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.).
  • a digital storage medium eg, USB, SD, CD, DVD, Blu-ray, HDD, SSD, etc.
  • the transmitter 10003 is capable of wired/wireless communication with the receiving device 10004 (or receiver 10005) through a network such as 4G, 5G, or 6G. Additionally, the transmitter 10003 can perform necessary data processing operations depending on the network system (e.g., communication network system such as 4G, 5G, 6G, etc.). Additionally, the transmission device 10000 may transmit encapsulated data according to an on demand method.
  • a network such as 4G, 5G, or 6G.
  • 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 Decoder, 10006), and/or a renderer (Renderer, 10007).
  • the receiving device 10004 is a device or robot that communicates with a base station and/or other wireless devices using wireless access technology (e.g., 5G NR (New RAT), LTE (Long Term Evolution)). , vehicles, AR/VR/XR devices, mobile devices, home appliances, IoT (Internet of Thing) devices, AI devices/servers, etc.
  • wireless access technology e.g., 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, etc. from a network or storage medium.
  • the receiver 10005 can perform necessary data processing operations depending on the network system (e.g., communication network system such as 4G, 5G, 6G, etc.).
  • the receiver 10005 may decapsulate the received file/segment and output a bitstream.
  • the receiver 10005 may include a decapsulation unit (or decapsulation module) to perform a decapsulation operation.
  • the decapsulation unit may be implemented as a separate element (or component) from the receiver 10005.
  • Point cloud video decoder 10006 decodes a bitstream containing point cloud video data.
  • the point cloud video decoder 10006 may decode the point cloud video data according to how it was encoded (e.g., a reverse process of the operation of the point cloud video encoder 10002). Therefore, the point cloud video decoder 10006 can decode point cloud video data by performing point cloud decompression coding, which is the reverse process of point cloud compression.
  • Point cloud decompression coding includes G-PCC coding.
  • Renderer 10007 renders the decoded point cloud video data.
  • the renderer 10007 can output point cloud content by rendering not only point cloud video data but also audio data.
  • the renderer 10007 may include a display for displaying point cloud content.
  • the display may not be included in the renderer 10007 but may be implemented as a separate device or component.
  • Feedback information is information to reflect interaction with a user consuming point cloud content, and includes user information (eg, head orientation information, viewport information, etc.).
  • user information e.g., head orientation information, viewport information, etc.
  • the feedback information is sent to the content transmitter (e.g., transmission device 10000) and/or the service provider. can be delivered to Depending on embodiments, feedback information may be used not only in the transmitting device 10000 but also in the receiving device 10004, or may not be provided.
  • Head orientation information is information about the user's head position, direction, angle, movement, etc.
  • the receiving device 10004 may calculate viewport information based on head orientation information.
  • Viewport information is information about the area of the point cloud video that the user is looking at.
  • the viewpoint is the point at which the user is watching the point cloud video and may refer to the exact center point of the viewport area.
  • the viewport is an area centered on the viewpoint, and the size and shape of the area can be determined by FOV (Field Of View). Therefore, the receiving device 10004 can extract viewport information based on the vertical or horizontal FOV supported by the device in addition to head orientation information. In addition, the receiving device 10004 performs gaze analysis, etc.
  • the receiving device 10004 may transmit feedback information including the gaze analysis result to the transmitting device 10000.
  • Feedback information may be obtained during rendering and/or display processes.
  • Feedback information may be secured by one or more sensors included in the receiving device 10004. Additionally, depending on embodiments, feedback information may be secured by the renderer 10007 or a separate external element (or device, component, etc.).
  • the dotted line in Figure 1 represents the delivery process of feedback information secured by the renderer 10007.
  • the point cloud content providing system can process (encode/decode) point cloud data based on feedback information.
  • the point cloud video data decoder 10006 can perform a decoding operation based on feedback information. Additionally, the receiving device 10004 may transmit feedback information to the transmitting device 10000. The transmission device 10000 (or the point cloud video data encoder 10002) may perform an encoding operation based on feedback information. Therefore, the point cloud content provision system does not process (encode/decode) all point cloud data, but efficiently processes necessary data (e.g., point cloud data corresponding to the user's head position) based on feedback information and provides information to the user. Point cloud content can be provided to.
  • the transmission device 10000 may be called an encoder, a transmission device, a transmitter, etc.
  • the reception device 10004 may be called a decoder, a reception device, a receiver, etc.
  • Point cloud data (processed through a series of processes 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. You can. Depending on embodiments, point cloud content data may be used as a concept including metadata or signaling information related to point cloud data.
  • Elements of the point cloud content providing system shown in FIG. 1 may be implemented as hardware, software, processors, and/or a combination thereof.
  • Figure 2 is a block diagram showing a point cloud content providing operation 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 can process point cloud data based on point cloud compression coding (eg, G-PCC).
  • point cloud compression coding eg, G-PCC
  • a point cloud content providing system may acquire a point cloud video (20000).
  • Point cloud video is expressed as a point cloud belonging to a coordinate system representing three-dimensional space.
  • Point cloud video according to embodiments may include a Ply (Polygon File format or the Stanford Triangle format) file. If the point cloud video has one or more frames, the obtained point cloud video may include one or more Ply files.
  • Ply files contain point cloud data such as the point's geometry and/or attributes. Geometry contains the positions of points.
  • the position of each point can be expressed as parameters (e.g., values for each of the X, Y, and Z axes) representing a three-dimensional coordinate system (e.g., a coordinate system consisting of XYZ axes, etc.).
  • Attributes include attributes of points (e.g., texture information, color (YCbCr or RGB), reflectance (r), transparency, etc. of each point).
  • a point has one or more attributes (or properties). For example, one point may have one color attribute, or it may have two attributes, color and reflectance.
  • geometry may be referred to as positions, geometry information, geometry data, etc.
  • attributes may be referred to as attributes, attribute information, attribute data, etc.
  • the point cloud content providing system e.g., the point cloud transmission device 10000 or the point cloud video acquisition unit 10001 collects points from information related to the acquisition process of the point cloud video (e.g., depth information, color information, etc.). Cloud data can be secured.
  • a point cloud content providing system may encode point cloud data (20001).
  • the point cloud content providing system can encode point cloud data based on point cloud compression coding.
  • point cloud data may include the geometry and attributes of points. Therefore, the point cloud content providing system can perform geometry encoding to encode the geometry and output a geometry bitstream.
  • the point cloud content providing system may perform attribute encoding to encode an attribute and output an attribute bitstream.
  • the point cloud content providing system may perform attribute encoding based on geometry encoding.
  • the geometry bitstream and the attribute bitstream according to 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.
  • a point cloud content providing system may transmit encoded point cloud data (20002).
  • encoded point cloud data can be expressed as a geometry bitstream or an attribute bitstream.
  • the encoded point cloud data may be transmitted in the form of a bitstream along with signaling information related to encoding of the point cloud data (e.g., signaling information related to geometry encoding and attribute encoding).
  • the point cloud content providing system can encapsulate a bitstream transmitting encoded point cloud data and transmit it in the form of a file or segment.
  • a point cloud content providing system may receive a bitstream including encoded point cloud data. Additionally, a point cloud content providing system (e.g., receiving device 10004 or receiver 10005) may demultiplex the bitstream.
  • a point cloud content providing system may decode encoded point cloud data (e.g., geometry bitstream, attribute bitstream) transmitted as a bitstream.
  • a point cloud content providing system e.g., receiving device 10004 or point cloud video decoder 10005
  • a point cloud content providing system e.g., receiving device 10004 or point cloud video decoder 10005
  • the point cloud content providing system can restore the attributes of points by decoding the attribute bitstream based on the restored geometry.
  • a point cloud content providing system (e.g., the receiving device 10004 or the point cloud video decoder 10005) may restore the point cloud video based on the decoded attributes and positions according to the restored geometry.
  • a point cloud content providing system may render decoded point cloud data (20004).
  • the point cloud content providing system e.g., the receiving device 10004 or the renderer 10007) may render the geometry and attributes decoded through the decoding process according to various rendering methods.
  • Points of point cloud content may be rendered as a vertex with a certain thickness, a cube with a specific minimum size centered on the vertex position, or a circle with the vertex position as the center. All or part of the rendered point cloud content is provided to the user through a display (e.g. VR/AR display, general display, etc.).
  • a point cloud content providing system (eg, receiving device 10004) according to embodiments may secure feedback information (20005).
  • the point cloud content providing system may encode and/or decode point cloud data based on feedback information. Since the feedback information and operation of the point cloud content providing system according to the embodiments are the same as the feedback information and operation described in FIG. 1, detailed description will be omitted.
  • Figure 3 shows an example of a point cloud encoder according to embodiments.
  • Figure 3 shows an example of the point cloud video encoder 10002 of Figure 1.
  • the point cloud encoder uses point cloud data (e.g., the positions of points and/or attributes) and perform an encoding operation. If the overall size of the point cloud content is large (for example, point cloud content of 60 Gbps at 30 fps), the point cloud content providing system may not be able to stream the content in real time. Therefore, the point cloud content providing system can reconstruct the point cloud content based on the maximum target bitrate to provide it according to the network environment.
  • point cloud data e.g., the positions of points and/or attributes
  • the point cloud encoder can perform geometry encoding and attribute encoding. Geometry encoding is performed before attribute encoding.
  • the point cloud encoder includes a coordinate system transformation unit (Transformation Coordinates, 30000), a quantization unit (Quantize and Remove Points (Voxelize), 30001), an octree analysis unit (Analyze Octree, 30002), and a surface approximation analysis unit ( Analyze Surface Approximation (30003), Arithmetic Encode (30004), Reconstruct Geometry (30005), Transform Colors (30006), Transfer Attributes (30007), RAHT conversion It includes a unit 30008, an LOD generation unit (Generated LOD, 30009), a lifting conversion unit (30010), a coefficient quantization unit (Quantize Coefficients, 30011), and/or an arithmetic encoder (Arithmetic Encode, 30012).
  • a coordinate system transformation unit Transformation Coordinates, 30000
  • a quantization unit Quantization and Remove Points (Voxelize)
  • An octree analysis unit Analyze Octree,
  • the coordinate system conversion unit 30000, the quantization unit 30001, the octree analysis unit 30002, the surface approximation analysis unit 30003, the arithmetic encoder 30004, and the geometry reconstruction unit 30005 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 tryop geometry encoding are applied selectively or in combination. Additionally, geometry encoding is not limited to the examples above.
  • the coordinate system conversion unit 30000 receives positions and converts them into a coordinate system.
  • positions can be converted into position information in a three-dimensional space (e.g., a three-dimensional space expressed in an XYZ coordinate system, etc.).
  • Position information in 3D space may be referred to as geometry information.
  • the quantization unit 30001 quantizes geometry. For example, the quantization unit 30001 may quantize points based on the minimum position value of all points (for example, the minimum value on each axis for the X-axis, Y-axis, and Z-axis). The quantization unit 30001 performs a quantization operation to find the closest integer value by multiplying the difference between the minimum position value and the position value of each point by a preset quantum scale value and then performing rounding down or up. Therefore, one or more points may have the same quantized position (or position value). The quantization unit 30001 according to embodiments performs voxelization based on quantized positions to reconstruct quantized points.
  • the minimum unit containing two-dimensional image/video information is a pixel, and points of point cloud content (or three-dimensional point cloud video) according to embodiments may be included in one or more voxels.
  • the quantization unit 40001 can match groups of points in 3D space into voxels.
  • one voxel may include only one point.
  • one voxel may include one or more points.
  • the position of the center point of the voxel can be set based on the positions of one or more points included in one voxel.
  • the attributes of all positions included in one voxel can be combined and assigned to the voxel.
  • the octree analysis unit 30002 performs octree geometry coding (or octree coding) to represent voxels in an octree structure.
  • the octree structure expresses points matched to voxels based on the octree structure.
  • the surface approximation analysis unit 30003 may analyze and approximate the octree.
  • Octree analysis and approximation is a process of analyzing an area containing a large number of points to voxelize in order to efficiently provide octree and voxelization.
  • the arismatic encoder 30004 entropy encodes an octree and/or an approximated octree.
  • the encoding method includes an Arithmetic encoding method.
  • a geometry bitstream is created.
  • Color converter (30006), attribute converter (30007), RAHT converter (30008), LOD generator (30009), lifting converter (30010), coefficient quantization unit (30011), and/or arismatic encoder (30012) Performs attribute encoding.
  • one point may have one or more attributes. Attribute encoding according to embodiments is equally applied to the attributes of one point. However, when one attribute (for example, color) includes one or more elements, independent attribute encoding is applied to each element.
  • Attribute encoding includes color transformation coding, attribute transformation coding, RAHT (Region Adaptive Hierarchial Transform) coding, prediction transformation (Interpolaration-based hierarchical nearest-neighbor prediction-Prediction Transform) coding, and lifting transformation (interpolation-based hierarchical nearest transform). -neighbor prediction with an update/lifting step (Lifting Transform)) coding may be included.
  • RAHT Resource Adaptive Hierarchial Transform
  • prediction transformation Interpolaration-based hierarchical nearest-neighbor prediction-Prediction Transform
  • lifting transformation interpolation-based hierarchical nearest transform
  • -neighbor prediction with an update/lifting step (Lifting Transform)) coding may be included.
  • the above-described RAHT coding, predictive transform coding, and lifting transform coding may be selectively used, or a combination of one or more codings may be used.
  • attribute encoding according to embodiments is not limited to the above-described examples.
  • the color conversion unit 30006 performs color conversion coding to convert color values (or textures) included in attributes.
  • the color converter 30006 may convert the format of color information (for example, convert from RGB to YCbCr).
  • the operation of the color converter 30006 according to embodiments may be applied optionally according to color values included in the attributes.
  • the geometry reconstruction unit 30005 reconstructs (decompresses) the octree and/or the approximated octree.
  • the geometry reconstruction unit 30005 reconstructs the octree/voxel based on the results of analyzing the distribution of points.
  • the reconstructed octree/voxel may be referred to as reconstructed geometry (or reconstructed geometry).
  • the attribute conversion unit 30007 performs attribute conversion to convert attributes based on positions for which geometry encoding has not been performed and/or reconstructed geometry. As described above, since the attributes are dependent on geometry, the attribute conversion unit 30007 can transform the attributes based on the reconstructed geometry information. For example, the attribute conversion unit 30007 may convert the attribute of the point of 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 30007 converts the attributes of one or more points. When tryop geometry encoding is performed, the attribute conversion unit 30007 may convert the attributes based on tryop geometry encoding.
  • the attribute conversion unit 30007 converts the average value of the attributes or attribute values (for example, the color or reflectance of each point) of neighboring points within a specific position/radius from the position (or position value) of the center point of each voxel. Attribute conversion can be performed by calculating .
  • the attribute conversion unit 30007 may apply a weight according to the distance from the center point to each point when calculating the average value. Therefore, each voxel has a position and a calculated attribute (or attribute value).
  • the attribute conversion unit 30007 can search for neighboring points that exist within a specific location/radius from the position of the center point of each voxel based on a K-D tree or Molton code.
  • the K-D tree is a binary search tree that supports a data structure that can manage points based on location to enable quick Nearest Neighbor Search (NNS).
  • Molton code represents coordinate values (e.g. (x, y, z)) representing the three-dimensional positions of all points as bit values, and is generated by mixing the bits. For example, if the coordinate value representing the position of a point is (5, 9, 1), the bit value of the coordinate value is (0101, 1001, 0001).
  • the attribute conversion unit 30007 sorts points based on Molton code values and can perform nearest neighbor search (NNS) through a depth-first traversal process. After the attribute conversion operation, if nearest neighbor search (NNS) is required in other conversion processes for attribute coding, a K-D tree or Molton code is used.
  • NSS nearest neighbor search
  • the converted attributes are input to the RAHT conversion unit 30008 and/or the LOD generation unit 30009.
  • the RAHT conversion unit 30008 performs RAHT coding to predict attribute information based on the reconstructed geometry information. For example, the RAHT converter 30008 may predict attribute information of a node at a higher level of the octree based on attribute information associated with a node at a lower level of the octree.
  • the LOD generator 30009 generates a Level of Detail (LOD) to perform predictive transform coding.
  • LOD Level of Detail
  • the LOD according to embodiments is a degree of representing the detail of the point cloud content. The smaller the LOD value, the lower the detail of the point cloud content, and the larger the LOD value, the higher the detail of the point cloud content. Points can be classified according to LOD.
  • the lifting transformation unit 30010 performs lifting transformation coding to transform the attributes of the point cloud based on weights. As described above, lifting transform coding can be selectively applied.
  • the coefficient quantization unit 30011 quantizes attribute-coded attributes based on coefficients.
  • the arismatic encoder 30012 encodes quantized attributes based on arismatic coding.
  • the elements of the point cloud encoder of FIG. 3 are not shown in the drawing, but are hardware that includes one or more processors or integrated circuits configured to communicate with one or more memories included in the point cloud providing device. , may be implemented as software, firmware, or a combination thereof. One or more processors may perform at least one of the operations and/or functions of the elements of the point cloud encoder of FIG. 3 described above. Additionally, one or more processors may operate or execute a set of software programs and/or instructions to perform the operations and/or functions of the elements of the point cloud encoder of FIG. 3.
  • One or more memories may include high-speed random access memory, non-volatile memory (e.g., one or more magnetic disk storage devices, flash memory devices, or other non-volatile solid state memory). may include memory devices (solid-state memory devices, etc.).
  • Figure 4 shows examples of octrees and occupancy codes according to embodiments.
  • the point cloud content providing system (point cloud video encoder 10002) or the point cloud encoder (e.g., octree analysis unit 30002) efficiently manages the area and/or position of the voxel.
  • octree geometry coding (or octree coding) based on the octree structure is performed.
  • the top of Figure 4 shows an octree structure.
  • the three-dimensional space of point cloud content according to embodiments is expressed as axes of a coordinate system (eg, X-axis, Y-axis, and Z-axis).
  • the octree structure is created by recursive subdividing a cubic axis-aligned bounding box defined by the two poles (0,0,0) and (2 d , 2 d , 2 d ).
  • . 2d can be set to a value that constitutes the smallest bounding box surrounding all points of point cloud content (or point cloud video).
  • d represents the depth of the octree.
  • the d value is determined according to the following equation. In the equation below, (x int n , y int n , z int n ) represents the positions (or position values) of quantized points.
  • the entire three-dimensional space can be divided into eight spaces according to division.
  • Each divided space is expressed as a cube with six sides.
  • each of the eight spaces is again divided based on the axes of the coordinate system (eg, X-axis, Y-axis, and Z-axis). Therefore, each space is further divided into eight smaller spaces.
  • the small divided space is also expressed as a cube with six sides. This division method is applied until the leaf nodes of the octree become voxels.
  • the bottom of Figure 4 shows the octree's occupancy code.
  • the octree's occupancy code is generated to indicate whether each of the eight divided spaces created by dividing one space includes at least one point. Therefore, one occupancy code is expressed as eight child nodes. Each child node represents the occupancy of the divided space, and each child node has a 1-bit value. Therefore, the occupancy code is expressed as an 8-bit code. That is, if the space corresponding to a child node contains at least one point, the node has a value of 1. If the space corresponding to a child node does not contain a point (empty), the node has a value of 0. Since the occupancy code shown in FIG.
  • a point cloud encoder (for example, an arismatic encoder 30004) according to embodiments may entropy encode an occupancy code. Additionally, to increase compression efficiency, the point cloud encoder can intra/inter code occupancy codes.
  • a receiving device eg, a receiving device 10004 or a point cloud video decoder 10006) according to embodiments reconstructs an octree based on the occupancy code.
  • the point cloud encoder may perform voxelization and octree coding to store the positions of points.
  • points in a three-dimensional space are not always evenly distributed, there may be specific areas where there are not many points. Therefore, it is inefficient to perform voxelization on the entire three-dimensional space. For example, if there are few points in a specific area, there is no need to perform voxelization to that area.
  • the point cloud encoder does not perform voxelization on the above-described specific area (or nodes other than the leaf nodes of the octree), but uses direct coding to directly code the positions of points included in the specific area. ) can be performed. Coordinates of direct coding points according to embodiments are called direct coding mode (Direct Coding Mode, DCM). Additionally, the point cloud encoder according to embodiments may perform Trisoup geometry encoding to reconstruct the positions of points within a specific area (or node) on a voxel basis based on a surface model. TryShop geometry encoding is a geometry encoding that expresses the object as a series of triangle meshes.
  • the point cloud decoder can generate a point cloud from the mesh surface.
  • Direct coding and tryop geometry encoding according to embodiments may be selectively performed. Additionally, direct coding and tryop geometry encoding according to embodiments may be performed in combination with octree geometry coding (or octree coding).
  • the option to use direct mode to apply direct coding must be activated, and the node to which direct coding will be applied is not a leaf node, but has nodes below the threshold within a specific node. points must exist. Additionally, the number of appetizer points subject to direct coding must not exceed a preset limit. If the above conditions are satisfied, the point cloud encoder (or arismatic encoder 30004) according to embodiments can entropy code the positions (or position values) of points.
  • the point cloud encoder (e.g., the surface approximation analysis unit 30003) determines a specific level of the octree (if the level is smaller than the depth d of the octree), and from that level, uses the surface model to create nodes. Try-Soap geometry encoding can be performed to reconstruct the positions of points within the area on a voxel basis (Try-Soap mode).
  • the point cloud encoder may specify a level to apply Trichom geometry encoding. For example, if the specified level is equal to the depth of the octree, the point cloud encoder will not operate in tryop mode.
  • the point cloud encoder can operate in tryop mode only when the specified level is smaller than the depth value of the octree.
  • a three-dimensional cubic area of nodes at a designated 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.
  • geometry is expressed as a surface.
  • a surface according to embodiments may intersect each edge of a block at most once.
  • a vertex along an edge is detected if there is at least one occupied voxel adjacent to the edge among all blocks sharing the edge.
  • An occupied voxel according to embodiments means a voxel including a point.
  • the position of a vertex detected along an edge is the average position along the edge of all voxels adjacent to the edge among all blocks sharing the edge.
  • the point cloud encoder When a vertex is detected, the point cloud encoder according to embodiments entropy encodes the starting point of the edge (x, y, z), the direction vector of the edge ( ⁇ x, ⁇ y, ⁇ z), and the vertex position value (relative position value within the edge). You can.
  • the point cloud encoder e.g., geometry reconstruction unit 30005
  • the point cloud encoder performs triangle reconstruction, up-sampling, and voxelization processes. This allows you to create restored geometry (reconstructed geometry).
  • Vertices located at the edges 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 follows. 1 Calculate the centroid value of each vertex, 2 calculate the values obtained by subtracting the centroid value from each vertex value, 3 square the value, and add all of the values.
  • each vertex is projected to the x-axis based on the center of the block and projected to the (y, z) plane. If the value that appears when projected onto the (y, z) plane is (ai, bi), the ⁇ value is obtained through atan2(bi, ai), and the vertices are sorted based on the ⁇ value.
  • the table below shows the combination of vertices to create a triangle depending on the number of vertices. Vertices are sorted in order from 1 to n.
  • the table below shows that for four vertices, two triangles can be formed depending on the combination of the vertices.
  • the first triangle may be composed of the 1st, 2nd, and 3rd vertices among the aligned vertices
  • the second triangle may be composed of the 3rd, 4th, and 1st vertices among the aligned vertices.
  • the upsampling process is performed to voxelize the triangle by adding points in the middle along the edges. Additional points are generated based on the upsampling factor value and the width of the block. The additional points are called refined vertices.
  • the point cloud encoder according to embodiments can voxelize refined vertices. Additionally, the point cloud encoder can perform attribute encoding based on voxelized position (or position value).
  • Figure 5 shows an example of point configuration for each LOD according to embodiments.
  • the encoded geometry is reconstructed (decompressed) before attribute encoding is performed.
  • the geometry reconstruction operation may include changing the placement of the direct coded points (e.g., placing the direct coded points in front of the point cloud data).
  • the geometry reconstruction process involves triangle reconstruction, upsampling, and voxelization. Since the attributes are dependent on the geometry, attribute encoding is performed based on the reconstructed geometry.
  • the point cloud encoder may reorganize points by LOD.
  • the drawing shows point cloud content corresponding to the LOD.
  • the left side of the drawing represents the original point cloud content.
  • the second figure from the left of the figure shows the distribution of points of the lowest LOD, and the rightmost figure of the figure represents the distribution of points of the highest LOD. That is, the points of the lowest LOD are sparsely distributed, and the points of the highest LOD are densely distributed.
  • the interval (or distance) between points becomes shorter.
  • Figure 6 shows an example of point configuration for each LOD according to embodiments.
  • a point cloud content providing system or a point cloud encoder (e.g., the point cloud video encoder 10002, the point cloud encoder of FIG. 3, or the LOD generator 30009) generates an LOD. can do.
  • the LOD is created by reorganizing the points into a set of refinement levels according to a set LOD distance value (or a set of Euclidean Distances).
  • the LOD generation process is performed not only in the point cloud encoder but also in the point cloud decoder.
  • FIG. 6 shows examples (P0 to P9) of points of point cloud content distributed in three-dimensional space.
  • the original order in FIG. 6 represents the order of points P0 to P9 before LOD generation.
  • the LOD based order in FIG. 6 indicates the order of points according to LOD generation. Points are reordered by LOD. Also, high LOD includes points belonging to low LOD.
  • LOD0 includes P0, P5, P4, and P2.
  • LOD1 contains the points of LOD0 plus P1, P6 and P3.
  • LOD2 includes the points of LOD0, the points of LOD1, and P9, P8, and P7.
  • the point cloud encoder may perform predictive transform coding, lifting transform coding, and RAHT transform coding selectively or in combination.
  • a point cloud encoder may generate a predictor for points and perform prediction transformation coding to set a prediction attribute (or prediction attribute value) of each point. That is, N predictors can be generated for N points.
  • Prediction attributes are weights calculated based on the distance to each neighboring point and the attributes (or attribute values, e.g., color, reflectance, etc.) of neighboring points set in the predictor of each point. It is set as the average value of the value multiplied by (or weight value).
  • the point cloud encoder e.g., the coefficient quantization unit 30011 generates residuals obtained by subtracting the predicted attribute (attribute value) from the attribute (attribute value) of each point (residuals, residual attribute, residual attribute value, attribute (can be called prediction residual, etc.) can be quantized and inverse quantized. The quantization process is as shown in the table below.
  • the point cloud encoder (for example, the arismatic encoder 30012) according to embodiments can entropy code the quantized and dequantized residuals as described above when there are neighboring points in the predictor of each point.
  • the point cloud encoder (for example, the arismatic encoder 30012) according to embodiments may entropy code the attributes of the point without performing the above-described process if there are no neighboring points in the predictor of each point.
  • the point cloud encoder (e.g., lifting transform unit 30010) according to embodiments generates a predictor for each point, sets the calculated LOD in the predictor, registers neighboring points, and according to the distance to neighboring points.
  • Lifting transformation coding can be performed by setting weights.
  • Lifting transform coding according to embodiments is similar to the above-described prediction transform coding, but differs in that weights are cumulatively applied to attribute values.
  • the process of cumulatively applying weights to attribute values according to embodiments is as follows.
  • the weight calculated for all predictors is further multiplied by the weight stored in the QW corresponding to the predictor index, and the calculated weight is cumulatively added to the update weight array as the index of the neighboring node.
  • the attribute value of the index of the neighboring node is multiplied by the calculated weight and the value is accumulated.
  • the attribute value updated through the lift update process is additionally multiplied by the weight updated (stored in QW) through the lift prediction process to calculate the predicted attribute value.
  • the point cloud encoder eg, coefficient quantization unit 30011
  • a point cloud encoder e.g., arismatic encoder 30012
  • entropy codes the quantized attribute value.
  • the point cloud encoder (e.g., RAHT transform unit 30008) may perform RAHT transform coding to predict the attributes of nodes at the upper level using attributes associated with nodes at the lower level of the octree. .
  • RAHT transform coding is an example of attribute intra coding through octree backward scan.
  • the point cloud encoder according to embodiments scans the entire area from the voxel, merges the voxels into a larger block at each step, and repeats the merging process up to the root node.
  • the merging process according to embodiments is performed only for occupied nodes.
  • the merging process is not performed on empty nodes, and the merging process is performed on the nodes immediately above the empty node.
  • g lx, y, z represent the average attribute values of voxels at 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 are low-pass values, which are used in the merging process at the next higher level.
  • the root node is created through the last g 1 0, 0, 0 and g 1 0, 0, 1 as follows:
  • the gDC value is also quantized and entropy coded like the high-pass coefficient.
  • Figure 7 shows an example of a point cloud decoder according to embodiments.
  • the point cloud decoder shown in FIG. 7 is an example of a point cloud decoder and can perform a decoding operation that is the reverse process of the encoding operation of the point cloud encoder described in FIGS. 1 to 6.
  • the point cloud decoder can perform geometry decoding and attribute decoding. Geometry decoding is performed before attribute decoding.
  • the point cloud decoder includes an arithmetic decoder (7000), an octree synthesis unit (synthesize octree, 7001), a surface approximation synthesis unit (synthesize surface approximation, 7002), and a geometry reconstruction unit (reconstruct geometry). , 7003), inverse transform coordinates (7004), arithmetic decoder (arithmetic decode, 7005), inverse quantize (7006), RAHT transform unit (7007), generate LOD (7008) ), an inverse lifting unit (Inverse lifting, 7009), and/or a color inverse transform unit (inverse transform colors, 7010).
  • the arismatic decoder 7000, octree synthesis unit 7001, surface oproximation synthesis unit 7002, geometry reconstruction unit 7003, and coordinate system inversion unit 7004 can perform geometry decoding.
  • Geometry decoding according to embodiments may include direct coding and trisoup geometry decoding. Direct coding and tryop geometry decoding are optionally applied. Additionally, geometry decoding is not limited to the above example and is performed as a reverse process of the geometry encoding described in FIGS. 1 to 6.
  • the arismatic decoder 7000 decodes the received geometry bitstream based on arismatic coding.
  • the operation of the arismatic decoder (7000) corresponds to the reverse process of the arismatic encoder (30004).
  • the octree synthesis unit 7001 may generate an octree by obtaining an occupancy code from a decoded geometry bitstream (or information about geometry obtained as a result of decoding). A detailed description of the occupancy code is as described in FIGS. 1 to 6.
  • the surface oproximation synthesis unit 7002 may synthesize a surface based on the decoded geometry and/or the generated octree.
  • the geometry reconstruction unit 7003 may regenerate geometry based on the surface and or the decoded geometry. As described in FIGS. 1 to 6, direct coding and Tryop geometry encoding are selectively applied. Therefore, the geometry reconstruction unit 7003 directly retrieves and adds the position information of points to which direct coding has been applied. In addition, when tryop geometry encoding is applied, the geometry reconstruction unit 7003 can restore the geometry by performing reconstruction operations of the geometry reconstruction unit 30005, such as triangle reconstruction, up-sampling, and voxelization operations. there is. Since the specific details are the same as those described in FIG. 4, they are omitted.
  • the restored geometry may include a point cloud picture or frame that does not contain the attributes.
  • the coordinate system inversion unit 7004 may obtain positions of points by transforming the coordinate system based on the restored geometry.
  • the arithmetic decoder 7005, inverse quantization unit 7006, RAHT conversion unit 7007, LOD generation unit 7008, inverse lifting unit 7009, and/or color inverse conversion unit 7010 are the attributes described in FIG. 10.
  • Decoding can be performed.
  • Attribute decoding according to embodiments includes Region Adaptive Hierarchial 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.
  • RAHT Region Adaptive Hierarchial Transform
  • Interpolation-based hierarchical nearest-neighbor prediction-Prediction Transform decoding Interpolation-based hierarchical nearest-neighbor prediction with an update/lifting.
  • step (Lifting Transform)) decoding The three decodings described above may be used selectively, or a combination of one or more decodings may be used. Additionally, attribute
  • the arismatic decoder 7005 decodes the attribute bitstream using arismatic coding.
  • the inverse quantization unit 7006 inverse quantizes the decoded attribute bitstream or information about the attribute obtained as a result of decoding and outputs the inverse quantized attributes (or attribute values). Inverse quantization can be selectively applied based on the attribute encoding of the point cloud encoder.
  • the RAHT conversion unit 7007, the LOD generation unit 7008, and/or the inverse lifting unit 7009 may process the reconstructed geometry and inverse quantized attributes. As described above, the RAHT converter 7007, the LOD generator 7008, and/or the inverse lifting unit 7009 may selectively perform the corresponding decoding operation according to the encoding of the point cloud encoder.
  • the color inversion unit 7010 performs inverse transformation coding to inversely transform color values (or textures) included in decoded attributes.
  • the operation of the color inverse converter 7010 may be selectively performed based on the operation of the color converter 30006 of the point cloud encoder.
  • the elements of the point cloud decoder of FIG. 7 are hardware that includes one or more processors or integrated circuits that are not shown in the drawing but are configured to communicate with one or more memories included in the point cloud providing device. , may be implemented as software, firmware, or a combination thereof. One or more processors may perform at least one of the operations and/or functions of the elements of the point cloud decoder of FIG. 7 described above. Additionally, one or more processors may operate or execute a set of software programs and/or instructions to perform the operations and/or functions of the elements of the point cloud decoder of Figure 7.
  • Figure 8 is an example of a transmission device according to embodiments.
  • the transmission device shown in FIG. 8 is an example of the transmission device 10000 of FIG. 1 (or the point cloud encoder of FIG. 3).
  • the transmission device shown in FIG. 8 may perform at least one of operations and methods that are the same or similar to the operations and encoding methods of the point cloud encoder described in FIGS. 1 to 6.
  • the transmission device includes a data input unit 8000, a quantization processing unit 8001, a voxelization processing unit 8002, an octree occupancy code generating unit 8003, a surface model processing unit 8004, and an intra/ Inter coding processing unit (8005), Arithmetic coder (8006), metadata processing unit (8007), color conversion processing unit (8008), attribute conversion processing unit (or attribute conversion processing unit) (8009), prediction/lifting/RAHT conversion It may include a processing unit 8010, an arithmetic coder 8011, and/or a transmission processing unit 8012.
  • the data input unit 8000 receives or acquires point cloud data.
  • the data input unit 8000 may perform the same or similar operation and/or acquisition method as the operation and/or acquisition method of the point cloud video acquisition unit 10001 (or the acquisition process 20000 described in FIG. 2).
  • Data input unit 8000, quantization processing unit 8001, voxelization processing unit 8002, octree occupancy code generation unit 8003, surface model processing unit 8004, intra/inter coding processing unit 8005, Arithmetic Coder 8006 performs geometry encoding. Since geometry encoding according to embodiments is the same or similar to the geometry encoding described in FIGS. 1 to 6, detailed description is omitted.
  • the quantization processing unit 8001 quantizes geometry (eg, position values of points or position values).
  • the operation and/or quantization of the quantization processing unit 8001 is the same or similar to the operation and/or quantization of the quantization unit 30001 described in FIG. 3.
  • the detailed description is the same as that described in FIGS. 1 to 6.
  • the voxelization processing unit 8002 voxelizes the position values of quantized points.
  • the voxelization processing unit 80002 may perform operations and/or processes that are the same or similar to the operations and/or voxelization processes of the quantization unit 30001 described in FIG. 3. The detailed description is the same as that described in FIGS. 1 to 6.
  • the octree occupancy code generation unit 8003 performs octree coding on the positions of voxelized points based on an octree structure.
  • the octree occupancy code generation unit 8003 may generate an occupancy code.
  • the octree occupancy code generation unit 8003 may perform operations and/or methods that are the same or similar to those of the point cloud encoder (or octree analysis unit 30002) described in FIGS. 3 and 4. The detailed description is the same as that described in FIGS. 1 to 6.
  • the surface model processing unit 8004 may perform Trichom geometry encoding to reconstruct the positions of points within a specific area (or node) on a voxel basis based on a surface model.
  • the surface model processing unit 8004 may perform operations and/or methods that are the same or similar to those of the point cloud encoder (e.g., surface approximation analysis unit 30003) described in FIG. 3 .
  • the detailed description is the same as that described in FIGS. 1 to 6.
  • the intra/inter coding processor 8005 may intra/inter code point cloud data.
  • the intra/inter coding processing unit 8005 may perform the same or similar coding as the intra/inter coding described in FIG. 7. The specific description is the same as that described in FIG. 7.
  • the intra/inter coding processing unit 8005 may be included in the arismatic coder 8006.
  • Arismatic coder 8006 entropy encodes an octree and/or an approximated octree of point cloud data.
  • the encoding method includes an Arithmetic encoding method.
  • the arismatic coder 8006 performs operations and/or methods that are the same or similar to those of the arismatic encoder 30004.
  • the metadata processing unit 8007 processes metadata related to point cloud data, such as setting values, and provides it to necessary processing processes such as geometry encoding and/or attribute encoding. Additionally, the metadata processing unit 8007 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. Additionally, signaling information according to embodiments may be interleaved.
  • the color conversion processor 8008, the attribute conversion processor 8009, the prediction/lifting/RAHT conversion processor 8010, and the arithmetic coder 8011 perform attribute encoding. Since attribute encoding according to embodiments is the same or similar to the attribute encoding described in FIGS. 1 to 6, detailed descriptions are omitted.
  • the color conversion processor 8008 performs color conversion coding to convert color values included in attributes.
  • the color conversion processor 8008 may perform color conversion coding based on the reconstructed geometry.
  • the description of the reconstructed geometry is the same as that described in FIGS. 1 to 6. Additionally, the same or similar operations and/or methods as those of the color conversion unit 30006 described in FIG. 3 are performed. Detailed explanations are omitted.
  • the attribute conversion processing unit 8009 performs attribute conversion to convert attributes based on positions for which geometry encoding has not been performed and/or reconstructed geometry.
  • the attribute conversion processing unit 8009 performs operations and/or methods that are the same or similar to those of the attribute conversion unit 30007 described in FIG. 3 . Detailed explanations are omitted.
  • the prediction/lifting/RAHT transform processing unit 8010 may code the transformed attributes using any one or a combination of RAHT coding, prediction transform coding, and lifting transform coding.
  • the prediction/lifting/RAHT conversion processing unit 8010 performs at least one of the same or similar operations as the RAHT conversion unit 30008, the LOD generation unit 30009, and the lifting conversion unit 30010 described in FIG. 3. do. Additionally, since the description of prediction transform coding, lifting transform coding, and RAHT transform coding is the same as that described in FIGS. 1 to 6, detailed descriptions will be omitted.
  • the arismatic coder 8011 may encode coded attributes based on arismatic coding.
  • the arismatic coder 8011 performs operations and/or methods that are the same or similar to those of the arithmetic encoder 300012.
  • the transmission processing unit 8012 transmits each bitstream including encoded geometry and/or encoded attributes and metadata information, or transmits the encoded geometry and/or encoded attributes and metadata information into one It can be configured and transmitted as a bitstream.
  • the bitstream may include one or more sub-bitstreams.
  • the bitstream according to embodiments includes SPS (Sequence Parameter Set) for sequence level signaling, GPS (Geometry Parameter Set) for signaling of geometry information coding, APS (Attribute Parameter Set) for signaling of attribute information coding, and tile. It may contain signaling information and slice data including TPS (Tile Parameter Set) for level signaling.
  • Slice data may include information about one or more slices.
  • One slice may include one geometry bitstream (Geom0 0 ) and one or more attribute bitstreams (Attr0 0 , Attr1 0 ).
  • a slice refers to a series of syntax elements that represent all or part of a coded point cloud frame.
  • the TPS may include information about each tile (for example, bounding box coordinate value information and height/size information, etc.) for one or more tiles.
  • the geometry bitstream may include a header and payload.
  • the header of the geometry bitstream may include identification information of a parameter set included in GPS (geom_parameter_set_id), a tile identifier (geom_tile_id), a slice identifier (geom_slice_id), and information about data included in the payload. You can.
  • the metadata processing unit 8007 may generate and/or process signaling information and transmit it to the transmission processing unit 8012.
  • elements performing geometry encoding and elements performing attribute encoding may share data/information with each other as indicated by the dotted line.
  • the transmission processor 8012 may perform operations and/or transmission methods that are the same or similar to those of the transmitter 10003. Detailed descriptions are the same as those described in FIGS. 1 and 2 and are therefore omitted.
  • FIG 9 is an example of a receiving device according to embodiments.
  • the receiving device shown in FIG. 9 is an example of the receiving device 10004 in FIG. 1 (or the point cloud decoder in FIGS. 10 and 11).
  • the receiving device shown in FIG. 9 may perform at least one of the same or similar operations and methods as the operations and decoding methods of the point cloud decoder described in FIGS. 1 to 11.
  • the receiving device includes a receiving unit 9000, a receiving processing unit 9001, an arithmetic decoder 9002, an occupancy code-based octree reconstruction processing unit 9003, and a surface model processing unit (triangle reconstruction , up-sampling, voxelization) (9004), inverse quantization processor (9005), metadata parser (9006), arithmetic decoder (9007), inverse quantization processor (9008), prediction /Lifting/RAHT may include an inverse conversion processing unit 9009, a color inversion processing unit 9010, and/or a renderer 9011.
  • Each decoding component according to the embodiments may perform the reverse process of the encoding component according to the embodiments.
  • the receiving unit 9000 receives point cloud data.
  • the receiver 9000 may perform operations and/or reception methods that are the same or similar to those of the receiver 10005 of FIG. 1 . Detailed explanations are omitted.
  • the reception processing unit 9001 may obtain a geometry bitstream and/or an attribute bitstream from received data.
  • the reception processing unit 9001 may be included in the reception unit 9000.
  • the arismatic decoder 9002, the occupancy code-based octree reconstruction processor 9003, the surface model processor 9004, and the inverse quantization processor 9005 can perform geometry decoding. Since geometry decoding according to embodiments is the same or similar to the geometry decoding described in FIGS. 1 to 10, detailed description is omitted.
  • the arismatic decoder 9002 may decode a geometry bitstream based on arismatic coding.
  • the arismatic decoder 9002 performs operations and/or coding that are the same or similar to those of the arismatic decoder 7000.
  • the occupancy code-based octree reconstruction processing unit 9003 may reconstruct the octree by obtaining an occupancy code from a decoded geometry bitstream (or information about geometry obtained as a result of decoding). Upon occupancy, the code-based octree reconstruction processor 9003 performs operations and/or methods that are the same or similar to the operations and/or octree creation method of the octree composition unit 7001. When Trisharp geometry encoding is applied, the surface model processing unit 9004 according to embodiments decodes the Trisharp geometry and performs geometry reconstruction related thereto (e.g., triangle reconstruction, up-sampling, voxelization) based on the surface model method. can be performed. The surface model processing unit 9004 performs the same or similar operations as the surface oproximation synthesis unit 7002 and/or the geometry reconstruction unit 7003.
  • the inverse quantization processing unit 9005 may inverse quantize the decoded geometry.
  • the metadata parser 9006 may parse metadata, for example, setting values, etc., included in the received point cloud data. Metadata parser 9006 may pass metadata to geometry decoding and/or attribute decoding. The detailed description of metadata is the same as that described in FIG. 8, so it is omitted.
  • the arismatic decoder 9007, inverse quantization processing unit 9008, prediction/lifting/RAHT inversion processing unit 9009, and color inversion processing unit 9010 perform attribute decoding. Since attribute decoding is the same or similar to the attribute decoding described in FIGS. 1 to 10, detailed description will be omitted.
  • the arismatic decoder 9007 may decode an attribute bitstream using arismatic coding.
  • the arismatic decoder 9007 may perform decoding of the attribute bitstream based on the reconstructed geometry.
  • the arismatic decoder 9007 performs operations and/or coding that are the same or similar to those of the arismatic decoder 7005.
  • the inverse quantization processing unit 9008 may inverse quantize a decoded attribute bitstream.
  • the inverse quantization processing unit 9008 performs operations and/or methods that are the same or similar to the operations and/or inverse quantization method of the inverse quantization unit 7006.
  • the prediction/lifting/RAHT inversion processing unit 9009 may process the reconstructed geometry and inverse quantized attributes.
  • the prediction/lifting/RAHT inverse transformation processing unit 9009 performs operations and/or similar to the operations and/or decoding operations of the RAHT conversion unit 7007, the LOD generation unit 7008, and/or the inverse lifting unit 7009. Perform at least one of the decoding steps.
  • the color inversion processing unit 9010 according to embodiments performs inverse transformation coding to inversely transform color values (or textures) included in decoded attributes.
  • the color inversion processing unit 9010 performs operations and/or inverse conversion coding that are the same or similar to those of the color inversion unit 7010.
  • the renderer 9011 according to embodiments may render point cloud data.
  • Figure 10 shows an example of a structure that can be interoperable with a method/device for transmitting and receiving point cloud data according to embodiments.
  • the structure of FIG. 10 includes at least one of a server 1060, a robot 1010, an autonomous vehicle 1020, an XR device 1030, a smartphone 1040, a home appliance 1050, and/or an HMD 1070. It represents a configuration connected to the cloud network (1010).
  • a robot 1010, an autonomous vehicle 1020, an XR device 1030, a smartphone 1040, or a home appliance 1050 is called a device.
  • the XR device 1030 may correspond to or be linked to a point cloud data (PCC) device according to embodiments.
  • PCC point cloud data
  • the cloud network 1000 may constitute part of a cloud computing infrastructure or may refer to a network that exists within the cloud computing infrastructure.
  • the cloud network 1000 may be configured using a 3G network, 4G, Long Term Evolution (LTE) network, or 5G network.
  • the server 1060 includes at least one of a robot 1010, an autonomous vehicle 1020, an XR device 1030, a smartphone 1040, a home appliance 1050, and/or a HMD 1070, and a cloud network 1000. It is connected through and can assist at least part of the processing of the connected devices 1010 to 1070.
  • a Head-Mount Display (HMD) 1070 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 includes a communication unit, a control unit, a memory unit, an I/O unit, a sensor unit, and a power supply unit.
  • devices 1010 to 1050 to which the above-described technology is applied will be described.
  • the devices 1010 to 1050 shown in FIG. 10 may be linked/combined with the point cloud data transmission and reception devices according to the above-described embodiments.
  • the XR/PCC device 1030 is equipped with PCC and/or XR (AR+VR) technology, and is used for HMD (Head-Mount Display), HUD (Head-Up Display) installed in vehicles, televisions, mobile phones, smart phones, It may be implemented as a computer, wearable device, home appliance, digital signage, vehicle, stationary robot, or mobile robot.
  • HMD Head-Mount Display
  • HUD Head-Up Display
  • the XR/PCC device 1030 analyzes 3D point cloud data or image data acquired through various sensors or from external devices to generate location data and attribute data for 3D points, thereby providing information about surrounding space or real objects. Information can be acquired, and the XR object to be output can be rendered and output. For example, the XR/PCC device 1030 may output an XR object containing additional information about the recognized object in correspondence to the recognized object.
  • the XR/PCC device (1030) can be implemented as a mobile phone (1040) by applying PCC technology.
  • the mobile phone 1040 can decode and display point cloud content based on PCC technology.
  • the self-driving vehicle 1020 can be implemented as a mobile robot, vehicle, unmanned aerial vehicle, etc. by applying PCC technology and XR technology.
  • the autonomous vehicle 1020 to which XR/PCC technology is applied may refer to an autonomous vehicle equipped with a means for providing XR images or an autonomous vehicle that is subject to control/interaction within XR images.
  • the autonomous vehicle 1020 which is the subject of control/interaction within the XR image, is distinct from the XR device 1030 and may be interoperable with each other.
  • An autonomous vehicle 1020 equipped with a means for providing an XR/PCC image can acquire sensor information from sensors including a camera and output an XR/PCC image generated based on the acquired sensor information.
  • the self-driving vehicle 1020 may be equipped with a HUD and output XR/PCC images, thereby providing occupants with XR/PCC objects corresponding to real objects or objects on the screen.
  • 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 actual object toward 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 1220 may output XR/PCC objects corresponding to objects such as lanes, other vehicles, traffic lights, traffic signs, two-wheeled vehicles, pedestrians, buildings, etc.
  • VR Virtual Reality
  • AR Augmented Reality
  • MR Magnetic Reality
  • PCC Point Cloud Compression
  • VR technology is a display technology that provides objects and backgrounds in the real world only as CG images.
  • AR technology refers to a technology that shows a virtual CG image on top of an image of a real object.
  • MR technology is similar to the AR technology described above in that it mixes and combines virtual objects in the real world to display them.
  • real objects and virtual objects made of CG images there is a clear distinction between real objects and virtual objects made of CG images, and virtual objects are used as a complement to real objects, whereas in MR technology, virtual objects are considered to be equal to real objects. It is distinct from technology. More specifically, for example, the MR technology described above is applied to a hologram service.
  • embodiments of the present invention are applicable to all VR, AR, MR, and XR technologies. These technologies can be encoded/decoded based on PCC, V-PCC, and G-PCC technologies.
  • the PCC method/device according to embodiments may be applied to vehicles providing autonomous driving services.
  • Vehicles providing autonomous driving services are connected to PCC devices to enable wired/wireless communication.
  • the point cloud data (PCC) transmitting and receiving device When connected to enable wired/wireless communication with a vehicle, the point cloud data (PCC) transmitting and receiving device according to embodiments receives/processes content data related to AR/VR/PCC services that can be provided with autonomous driving services and transmits and receives data to the vehicle. can be transmitted to.
  • the point cloud data transmission/reception device when the point cloud data transmission/reception device is mounted on a vehicle, the point cloud data transmission/reception device can receive/process content data related to AR/VR/PCC services according to the user input signal input through the user interface device and provide it to the user.
  • a vehicle or user interface device may receive a user input signal.
  • User input signals according to embodiments may include signals indicating autonomous driving services.
  • Method/device for transmitting point cloud data includes the transmitting device 10000 of FIG. 1, the point cloud video encoder 10002, the transmitter 10003, and the acquisition-encoding-transmission (20000-20001-20002) of FIG. 2. , is interpreted as a term referring to the encoder of Figure 3, the transmission device of Figure 8, the device of Figure 10, the encoder of Figures 11, 20, and 30-32, the transmission method of Figure 33, etc.
  • Methods/devices for receiving point cloud data include the receiving device 10004 of FIG. 1, the receiver 10005, the point cloud video decoder 10006, and the transmission-decoding-rendering (20002-20003-20004) of FIG. 2. , is interpreted as a term referring to the decoder of Figure 7, the receiving device of Figure 9, the device of Figure 10, the decoder of Figures 11, 20, and 30-32, the reception method of Figure 34, etc.
  • the method/device for transmitting and receiving point cloud data according to the embodiments may be abbreviated as the method/device according to the embodiments.
  • geometry data, geometry information, location information, etc. that constitute point cloud data are interpreted to have the same meaning.
  • Attribute data, attribute information, attribute information, etc. that make up point cloud data are interpreted to have the same meaning.
  • the method/device according to embodiments may include and perform a predicting transform for partial coding of G-PCC method.
  • Embodiments include a method for efficiently supporting when selective decoding of a portion of data is necessary due to receiver performance or transmission speed when transmitting and receiving point cloud data.
  • Embodiments provide a method of selecting information needed in a bitstream unit or removing unnecessary information by dividing geometry and attribute data transmitted in data units into semantic units such as geometry octree and LoD (Level of Detail). Includes.
  • Embodiments include a method for constructing a data structure consisting of a point cloud. Specifically, it includes a packing and signaling method for effectively delivering point cloud compression (PCC) data structured based on layers, and based on this, a method of applying it to a scalable PCC-based service. Includes.
  • PCC point cloud compression
  • it when direct compression mode is used for location compression, it includes a method of configuring and transmitting slice segments to be more suitable for scalable PCC service.
  • it can provide a compression structure for efficient storage and transmission of large-capacity point cloud data with a wide distribution and high point density.
  • point cloud data consists of the location (geometry: e.g., XYZ coordinates) and attributes (attributes: e.g., color, reflectance, intensity, grayscale, opacity, etc.) of each data.
  • Point Cloud Compression uses octree-based compression to efficiently compress distribution characteristics that are unevenly distributed in three-dimensional space, and attribute information is compressed based on this.
  • Figure 3 is a flowchart of the transmitting and receiving end of the PCC.
  • Figure 11 shows encoding, transmission, and decoding processes of point cloud data according to embodiments.
  • Each component in Figure 11 may correspond to hardware, software, processor, and/or a combination thereof.
  • the point cloud encoder 15000 is a transmission device according to embodiments that performs a transmission method according to embodiments, and is capable of encoding and transmitting point cloud data in a scalable manner.
  • the point cloud decoder 15010 is a receiving device according to embodiments that performs a reception method according to embodiments, and can scalably decode point cloud data.
  • Source data received by the encoder 15000 may include geometry data and/or attribute data.
  • the encoder does not directly generate a partial PCC bitstream by scalably encoding the point cloud data, but receives full geometry data and full attribute data and stores the data in storage connected to the encoder.
  • a partial PCC bitstream can be generated and transmitted by transcoding.
  • the decoder 15010 may receive and decode the partial PCC bitstream to restore the partial geometry and/or partial attributes.
  • the encoder 15000 can receive the full geometry and full attributes, store the data in storage connected to the encoder, and transcode the point cloud data with low QP (quantization parameters) to generate and transmit the entire PCC bitstream.
  • Decoder 15010 may receive and decode the entire PCC bitstream to restore the full geometry and/or full attributes.
  • the decoder 15010 may select partial geometry and/or partial attributes from the entire PCC bitstream through data selection.
  • the method/device divides the location information of a data point, which is point cloud data, and feature information such as color/brightness/reflectivity into geometry and attribute information, and compresses and transmits them respectively.
  • PCC data can be configured according to an octree structure with layers or LoD (Level of Detail) depending on the degree of detail. Based on this, scalable point cloud data coding and representation are possible. At this time, it is possible to decode or represent only part of the point cloud data depending on the performance or transmission speed of the receiver.
  • the method/device according to embodiments can remove unnecessary data in advance during this process.
  • only a part of the scalable PCC bitstream needs to be transmitted when only some layers are decoded during scalable decoding, only the necessary part is selected and sent. Since this cannot be done, 1) the necessary part must be re-encoded after decoding (15020), or 2) the entire body must be transmitted and then selectively applied at the receiving end (15030).
  • a delay may occur due to the time for decoding and re-encoding (15020), and in case 2), bandwidth efficiency is reduced due to transmitting unnecessary data, and the fixed bandwidth is ), there is a point in transmitting with lowered data quality (15030).
  • the method/device defines a slice segmentation structure of point cloud data and signals a scalable layer and slice structure for scalable transmission. You can.
  • Embodiments may process bitstreams by dividing them into specific units for efficient bitstream transmission and decoding.
  • the method/device according to embodiments may use an entropy-based compression method and direct coding together in the case of octree-based location compression, in which case scalability can be efficiently utilized.
  • a slice configuration is required for this.
  • Units according to embodiments may be referred to as LOD, layer, slice, etc.
  • LOD is the same term as LOD in attribute data coding, but has another meaning and can refer to a data unit for the layer structure of a bitstream. It may be a concept that corresponds to one depth or ties two or more depths based on the hierarchical structure of point cloud data, for example, depth (level) such as an octree or multiple trees.
  • a layer is used to create a unit of a sub-bitstream, and is a concept that corresponds to one depth or binds two or more depths, and may correspond to one LOD or two or more LODs.
  • a slice is a unit for configuring a sub-bitstream unit and may correspond to one depth, a portion of one depth, or two or more depths. Additionally, it may correspond to one LOD, a portion of one LOD, or two or more LODs. Depending on embodiments, the LOD, layer, and slice may correspond to or be included in each other. Additionally, units according to embodiments include LOD, layer, slice, layer group, subgroup, etc., and may be referred to as complementary to each other.
  • a predicting transform method for partial coding an atlas processing method during LoD generation, a subgroup quantization weight method, and a prediction transform for partial decoding. (Predicting transform) method, etc. can be provided.
  • Figure 12 shows a layer-based point cloud data configuration according to embodiments and a geometry and attribute bitstream structure according to embodiments.
  • the transmission method/device may configure layer-based point cloud data as shown in FIG. 12 to encode and decode the point cloud data.
  • Embodiments are aimed at efficient transmission and decoding by selectively transmitting and decoding data in bitstream units for point cloud data composed of layers.
  • Layering of point cloud data is a layer from various perspectives such as SNR, spatial resolution, color, temporal frequency, bitdepth, etc. depending on the application field. ) structure, and can form layers in the direction of increasing data density based on an octree structure or LoD structure.
  • the method/device according to embodiments may configure, encode, and decode a geometry bitstream and an attribute bitstream based on layering as shown in FIG. 12.
  • a bitstream obtained through point cloud compression of a transmitting device/encoder is divided into a geometry data bitstream and an attribute data bitstream depending on the type of data. It can be divided into (attribute data bitstream) and transmitted.
  • Each bitstream according to embodiments may be configured and transmitted as a slice. Regardless of layer information or LoD information, the geometry data bitstream and attribute data bitstream can each be transmitted as a single slice. In this case, if the layer ( If you want to use only part of the layer or LoD, 1) the process of decoding the bitstream 2) the process of selecting only the part you want to use and removing the unnecessary part 3) re-encoding based on only the necessary information ( must go through an encoding process.
  • Figure 13 shows a bitstream configuration according to embodiments.
  • the transmitting method/device according to embodiments may generate a bitstream as shown in FIG. 13, and the receiving method/device according to embodiments may decode point cloud data included in the bitstream as shown in FIG. 13.
  • bitstream configuration according to embodiments of the method/device according to embodiments is as follows.
  • Embodiments may apply a method of dividing and transmitting a bitstream in layers (or LoD) to avoid unnecessary intermediate processes.
  • LoD-based PCC technology considering the case of LoD-based PCC technology, it has a structure in which low LoD is included in high LoD.
  • R information newly included for each LoD
  • the initial LoD information and the newly included information R in each LoD can be divided into individual independent units and transmitted.
  • a transmission method/device may encode geometry data and generate a geometry bitstream.
  • the geometry bitstream can be configured for each LOD or layer, and the geometry bitstream can include a header (geometry header) for each LOD or layer unit.
  • the header may contain reference information for the next LOD or next layer.
  • the current LOD (layer) may further include R information (geometry data) that is not included in the previous LOD (layer).
  • a reception method/device may encode attribute data and generate an attribute bitstream.
  • the attribute bitstream can be configured by LOD or layer, and the attribute bitstream can include a header (attribute header) by LOD or layer.
  • the header may contain reference information for the next LOD or next layer.
  • the current LOD (layer) may further include R information (attribute data) that was not included in the previous LOD (layer).
  • the reception method/device can receive a bitstream composed of LOD or layers and efficiently decode only the data to be used without complex intermediate processes.
  • Figure 14 shows a bitstream alignment method according to embodiments.
  • the method/apparatus according to embodiments can align the bitstream of FIG. 13 as shown in FIG. 14.
  • the method of sorting a bitstream according to embodiments of the method/device according to embodiments is as follows.
  • the transmission method/device When transmitting a bitstream, the transmission method/device according to embodiments can serially transmit geometry and attributes as shown in FIG. 14. At this time, depending on the type of data, the entire geometry information (geometry data) may be transmitted first and then the attribute information (attribute data) may be transmitted. In this case, there is an advantage that geometry information can be quickly restored based on information in the transmitted bitstream.
  • layers (LODs) containing geometry data may be located first in the bitstream, and layers (LODs) containing attribute data may be located behind the geometry layer. Since attribute data is dependent on geometry data, the geometry layer may be placed first. Additionally, the location can be changed in various ways depending on the embodiments. References between geometry headers are possible, and references between attribute headers and geometry headers are also possible.
  • bitstreams constituting the same layer including geometry data and attribute data may be collected and transmitted.
  • the decoding time can be shortened.
  • information that needs to be processed first small LoD, geometry must precede attribute
  • the first layer 1800 includes geometry data and attribution data corresponding to the smallest LOD 0 (layer 0) along with each header, and the second layer 1810 includes LOD 0 (layer 0), It includes geometry data and attribute data of points for new and more detailed layer 1 (LOD 1) that are not in LOD 0 (layer 0) as R1 information.
  • LOD 1 new and more detailed layer 1
  • a third layer 1820 may follow.
  • the transmission/reception method/device can efficiently select a desired layer (or LoD) in an application field at the bitstream level when transmitting and receiving a bitstream.
  • a desired layer or LoD
  • bitstream alignment methods when geometry information is collected and sent (FIG. 18), an empty part may occur in the middle after selecting the bitstream level, and in this case, the bitstream may need to be rearranged.
  • geometry and attributes are bundled and transmitted according to the layer ( Figure 14)
  • unnecessary information can be selectively removed depending on the application field as follows.
  • Figure 15 shows a method of selecting geometry data and attribute data according to embodiments.
  • Bitstream selection according to embodiments of the method/device according to embodiments is as follows.
  • the method/apparatus may select data at the bitstream level: 1) symmetrical geometry and attribute selection, 2) asymmetrical geometry and attribute selection, 3) Or a combination of both methods.
  • this shows a case of transmitting or decoding by selecting only up to LoD1 (LOD 0 +R1, 19000), and removing information corresponding to R2 (new part of LOD 2) corresponding to the upper layer. (19010) Transmit and decode.
  • the method/device according to embodiments may transfer geometry and attributes asymmetrically. Remove only the attributes of the upper layer (Attribute R2, 19001) and select all of the geometry (from level 0 (root level) to level 7 (leaf level) of the triangular octree structure) to transmit/decode. (19011).
  • Scalability functions may include slice level scalability and/or octree level scalability.
  • Level of detail can be used as a unit to represent a set of one or more octree layers. Additionally, it may have the meaning of a bundle of octree layers to be configured in slice units.
  • LOD is a unit that divides data in detail by expanding the meaning of LOD when encoding/decoding an attribute, and can be used in a broad sense.
  • scalability by the actual octree layer can be provided for each octree layer, but bitstream parsing
  • bitstream parsing When scalability is configured in slice units prior to bitstream parsing, scalability can be selected in LoD units according to embodiments.
  • LOD 0 from the root level to level 4
  • LOD 1 from the root level to level 5
  • LOD 2 from the root level to leaf 7 level.
  • the scalable stages provided are three stages: LoD0, LoD1, and LoD2.
  • the scalable steps that can be provided in the decoding step by the octree structure are 8 steps from the root to the leaf.
  • the transcoder (15040 in FIG. 11) of the receiving unit or transmitting unit uses 1) only LoD0 for scalable processing. You can select 2) LoD0 and LoD1, or 3) LoD0, LoD1, and LoD2.
  • Example 1 If only LoD0 is selected, the maximum octree level is 4, and one scalable layer among octree layers from 0 to 4 can be selected during the decoding process. . At this time, the receiver can consider the node size that can be obtained through the maximum octree depth as a leaf node, and the node size at this time can be transmitted as signaling information. there is.
  • Example 2 When selecting LoD0 and LoD1, layer 5 is added, making the maximum octree level 5, and one scalable layer among octree layers from 0 to 5. can be selected during the decoding process. At this time, the receiver can consider the node size that can be obtained through the maximum octree depth as a leaf node, and the node size at this time can be transmitted as signaling information. there is.
  • octree depth, octree layer, octree level, etc. refer to units that divide data in detail.
  • Example 3 When LoD0, LoD1, and LoD2 are selected, layers 6 and 7 are added, making the maximum octree level 7, and one scalable layer among octree layers 0 to 7. (scalable layer) can be selected during the decoding process. At this time, the receiver can consider the node size that can be obtained through the maximum octree depth as a leaf node, and the node size at this time can be transmitted as signaling information. there is.
  • Figure 16 shows a method of configuring a slice including point cloud data according to embodiments.
  • the slice configuration according to the embodiments of the method/device of the embodiments is as follows.
  • the transmission method/device/encoder may be configured by dividing the G-PCC bit stream into a slice structure.
  • a data unit for detailed data expression may be a slice.
  • a slice according to embodiments may refer to a data unit that divides point cloud data. That is, a slice represents a portion of point cloud data.
  • the term slice can refer to terms that represent a certain part or unit.
  • one or multiple octree layers may be matched to one slice.
  • an encoder may configure a slice 2001-based bitstream by scanning nodes (points) included in the octree in the scan order 2000 direction.
  • One slice may include some nodes of an octree layer.
  • An octree layer (eg, level 0 to level 4) may constitute one slice 2002.
  • Some data from the octree layer, for example, level 5, may make up each slice (2003, 2004, 2005).
  • Some data from the octree layer, for example, level 6, may make up each slice.
  • Figure 16(b) An octree layer, for example, from level 0 to level 3, and some data from level 4 can be configured into one slice.
  • An octree layer for example, some data of level 4 and some data of level 5, can be configured into one slice.
  • An octree layer for example, some data at level 5 and some data at level 6, can be configured into one slice.
  • An octree layer for example, some data at level 6 can be organized into one slice.
  • FIG. 16(c) Octree layer, for example, data from level 0 to level 4 can be configured as one slice.
  • An encoder and a device corresponding to the encoder may encode point cloud data, and generate and transmit a bitstream that further includes parameter information regarding the encoded data and point cloud data.
  • bitstream when generating a bitstream, the bitstream can be generated based on the bitstream structure according to the embodiments (eg, see FIGS. 16-20, etc.). Therefore, a receiving device, a decoder, a corresponding device, etc. according to embodiments can receive and parse a bitstream configured to suit the selective partial data decoding structure, partially decode the point cloud data, and efficiently provide it (Figure 11).
  • a method/device for transmitting point cloud data according to embodiments may scalably transmit a bitstream including point cloud data, and a method/device for receiving point cloud data according to embodiments may receive a bitstream scalably. It can be decoded.
  • Scalable transmission may mean transmitting or decoding only a portion of the bitstream rather than decoding the entire bitstream, and the result is low-resolution point cloud data. It can be (low resolution point cloud data).
  • each octree layer from the root node to the leaf node ( Figure 12 ) It should be possible to construct point cloud data with only information up to a specific octree layer for the bitstream.
  • the target octree layer must have no dependency on lower octree layer information. This can be a commonly applied constraint on geometry and attribute coding.
  • all octree layers may support scalable transmission, but scalable transmission is supported only for a specific octree layer or lower. This can be made possible. If some of the octree layers are included, it is possible to determine whether the slice is necessary/unnecessary at the bitstream stage by indicating which scalable layer the slice is included in. You can judge. In the example of FIG.
  • the yellow portion starting from the root node does not support scalable transmission and configures one scalable layer, and the following octree layer layer can be configured to have one-to-one matching with the scalable layer.
  • scalability can be supported for the part corresponding to the leaf node, when multiple octree layers are included in the slice, as shown in Figure 16(c).
  • Layers can be defined to form one scalable layer.
  • scalable transmission and scalable decoding can be used separately depending on the purpose.
  • scalable transmission it can be used to select information up to a specific layer without going through a decoder at the transmitting and receiving end.
  • the purpose is to select a specific layer during coding.
  • scalable transmission can support selection of required information in a compressed state (at the bitstream stage) without going through a decoder, allowing discrimination at the transmitter or receiver.
  • scalable decoding it supports encoding and decoding only the parts required during the encoding and decoding process, such as scalable representation. can be used for
  • the layer configuration for scalable transmission and the layer configuration for scalable decoding may be different.
  • the lower three octree layers including leaf nodes can constitute one layer from the perspective of scalable transmission, but scalable decoding ) From a perspective, when all layer information is included, the scale for each of the leaf node layer, leaf node layer -1, and leaf node layer -2 Scalable decoding may be possible.
  • the method/apparatus according to embodiments may perform fine granularity slicing.
  • Fine granularity slicing means fine granularity slicing.
  • each slice can include coded data in a partial coding layer or partial region.
  • Slice partitioning paired with a coding layer structure can support scalable transport or spatial random access use cases in an efficient manner.
  • Figure 17 shows a geometry coding layer structure according to embodiments.
  • Method/device for transmitting point cloud data includes the transmitting device 10000 of FIG. 1, the point cloud video encoder 10002, the transmitter 10003, and the acquisition-encoding-transmission (20000-20001-20002) of FIG. 2. , the encoder of Figure 3, the transmission device of Figure 8, the device of Figure 10, the encoder of Figures 11, 20, and 30-32, and the transmission method of Figure 33 encode the point cloud into a layer structure as shown in Figure 17. A base bitstream can be created.
  • Methods/devices for receiving point cloud data include the receiving device 10004 of FIG. 1, the receiver 10005, the point cloud video decoder 10006, and the transmission-decoding-rendering (20002-20003-20004) of FIG. 2. , the decoder of Figure 7, the receiving device of Figure 9, the device of Figure 10, the decoder of Figures 11, 20, Figures 30-32, the reception method of Figure 34, etc. receive layer-based point cloud data and bitstream as shown in Figure 17. This allows you to selectively decode data.
  • Bitstream and point cloud data may be generated based on coding layer-based slice division.
  • the method/device By slicing the bitstream at the end of the coding layer of the encoding process, the method/device according to embodiments can select a related slice, thereby supporting scalable transmission or partial decoding.
  • Figure 17(a) shows a geometry coding layer structure with eight layers where each slice corresponds to a layer group.
  • Layer group 1 (3900) includes coding layers 0 to 4.
  • Layer group 2 (3901) includes coding layer 5.
  • Layer group 3 (3902) is a group for coding layers 6 and 7. If the geometry (or attribute) has a tree structure with eight levels (depth), the bitstream can be structured hierarchically by grouping data corresponding to one or more levels (depth). Each group can be included in one slice.
  • Figure 17(b) shows the decoded output when two slices are selected out of three groups.
  • the decoder selects group 1 and group 2, it can select partial layers from level (depth) 0 to 5 of the tree.
  • slices in the layer group structure can be used to support partial decoding of a coding layer without accessing the entire bitstream.
  • the encoder may generate three slices generated based on the layer group structure.
  • the decoder can perform partial decoding by selecting two slices from three slices.
  • a bitstream may include layer-based groups/slices 3903. Each slice may include a header containing signaling information about point cloud data (geometry data and/or attribute data) included in the slice.
  • a reception method/device may select partial slices and decode point cloud data included in the payload of the slice based on the header included in the slice.
  • the method/device according to embodiments may further divide the hierarchical group into several subgroups (subgroups) by considering spatial random access use cases.
  • Subgroups according to embodiments are mutually exclusive, and the set of subgroups may be the same as the hierarchical group. Since the points of each subgroup form a boundary in a spatial area, the subgroup can be represented using subgroup bounding box information.
  • layer group and subgroup structures can support spatial access. By efficiently comparing the region of interest (ROI) and the bounding box information of each slice, spatial random access within a frame or tile can be supported.
  • ROI region of interest
  • the method/device according to embodiments may divide layer groups 1 to 3 (3900, 3901, 3902) into one or more subgroups.
  • Figure 17 shows the geometry coding layer structure as an example, but the attribute coding layer structure can also be created similarly.
  • each slice segment may contain coded data from a layer group defined as follows.
  • a layer group is defined as a group of contiguous tree layers whose start and end depths can be arbitrary numbers in the tree depth and whose start is less than the end.
  • the order of coded data in a slice segment may be the same as the order of coded data in a single slice.
  • each layer group corresponds to a different slice.
  • Layer group 1 for coding layers 0 to 4
  • layer group 2 for coding layer 5
  • layer group 3 for coding layers
  • the decoded output is shown in Figure 17(b).
  • These will be partial layers from 0 to 5 as shown.
  • the use of slices in the layer group structure allows partial decoding of coding layers to be supported without accessing the entire bitstream.
  • a subgroup is a subset of a layer group whose points are adjacent to each other. Subgroups of a layer group are mutually exclusive, and the set of points in a subgroup of a layer group may be the same as the set of points in the layer group. Since the points of each subgroup are bounded in the spatial domain, the boundaries of the subgroup can be described with subgroup bounding box information. Using spatial information, layer group and subgroup structures can efficiently support access to a region of interest (ROI) by selecting slices that cover the ROI.
  • ROI region of interest
  • Figure 18 shows a layer group and subgroup structure according to embodiments.
  • the point cloud data and bitstream based on the layer structure shown in FIG. 17 may represent a bounding box as shown in FIG. 18.
  • Layer groups 2 and 3 are divided into 2 subgroups (group2-1, group2-2) and 4 subgroups (group3-1, group3-2, group3-3, group3-4) and included in different slices.
  • Given a layer group and slices of subgroups with bounding box information 1) compare the bounding box of each slice (slice) with the ROI, and 2) select the slices (slices) whose subgroup bounding box is correlated with the ROI. and spatial access can be performed. Then 3) decode the selected slice.
  • slices 1, 3, and 6 are selected as subgroup bounding boxes of layer group 1, subgroup 2-2, and 3-3 to cover the ROI region.
  • selection and decoding can be performed as each slice segment is received, increasing time efficiency.
  • the method/device may express data as a layer (can be referred to as depth, level, etc.) as a hierarchical tree 40000 when encoding geometry and/or attributes.
  • Point cloud data corresponding to each layer (depth/level) can be grouped into a layer group (or group, 4001) as shown in Figure 39.
  • Each layer group may be further divided (segmented) into subgroups 4002.
  • a bitstream can be created by configuring each subgroup into slices.
  • a receiving device may receive a bitstream, select a specific slice, decode a subgroup included in the slice, and decode a bounding box corresponding to the subgroup. For example, if slice 1 is selected, the bounding box 4003 corresponding to group 1 can be decoded.
  • Group 1 may be data corresponding to the largest area. If the user wants to additionally view the detailed area for group 1, the method/apparatus according to embodiments selects slice 3 and/or slice 6 to view group 2-2 and/or the detailed area included in the area of group 1. Alternatively, the bounding box (point cloud data) of group 3-3 can be partially accessed hierarchically.
  • Figure 19 shows a multi-resolution, multi-size ROI according to embodiments.
  • layer group slicing can provide efficient access to large-scale point cloud data or high-density point cloud data. Due to the large number of points and data size, rendering or displaying this content can take significant time. Another approach allows you to adjust the level of detail depending on the viewer's interests. For example, if the viewer is far away from the scene or object, structural or global region information is more important than local details. On the other hand, when the viewer approaches a specific area or object, detailed information about the area of interest is needed. An adaptive approach allows the renderer to efficiently present data of sufficient quality to the viewer.
  • Figure 19 shows an example of incremental detail changes for three levels of viewing distance where the viewing distance changes based on ROI. For example, 1) high-level view (coarse detail), 2) medium-level view (medium-level detail), 3) low-level view (fine-grained detail). It may be the same as detail)).
  • Figure 20 shows a layer group slice according to embodiments.
  • Method/device for transmitting point cloud data includes the transmitting device 10000 of FIG. 1, the point cloud video encoder 10002, the transmitter 10003, and the acquisition-encoding-transmission (20000-20001-20002) of FIG. 2. , the encoder in Figure 3, the transmission device in Figure 8, the device in Figure 10, the encoder in Figures 11, 20, and 30-32, and the transmission method in Figure 33 slice point cloud data based on the layer group as shown in Figure 20. can do.
  • Methods/devices for receiving point cloud data include the receiving device 10004 of FIG. 1, the receiver 10005, the point cloud video decoder 10006, and the transmission-decoding-rendering (20002-20003-20004) of FIG. 2. , the decoder in Figure 7, the receiving device in Figure 9, the device in Figure 10, the decoder in Figures 11, 20, and 30-32, and the reception method in Figure 34 receive sliced data based on the layer group as shown in Figure 20. and can be decoded.
  • the method/apparatus according to embodiments can support high-resolution ROI based on scalability and spatial accessibility of hierarchical slicing.
  • the encoder can generate bitstream slices of an octree layer group or spatial subgroups of each layer group. Upon request, slices matching the ROI of each resolution can be selected and transmitted.
  • the overall bitstream size can be smaller than with tile-based approaches because the bitstream does not contain details other than the requested ROI.
  • the receiver's decoder can combine slices to produce three outputs. For example, 1) upper-level (high-level) view output is from layer group slice 1, 2) mid-level (mid-level) view output is from selected lower (sub)groups of layer group slice 1 and layer group 2. can be created. 3) A low-level view of finely detailed output can be generated from layer group 1 and selected subgroups of layer groups 2 and 3. Because the output can be generated incrementally, the receiver can provide a zoom-like viewing experience. Resolution can be increased incrementally from high-level views to low-level views.
  • the encoder 60000 is a point cloud encoder according to embodiments and may correspond to a geometry encoder and an attribute encoder.
  • the encoder can slice point cloud data based on layer group (or groups).
  • a layer may be referred to as the depth of the tree, the level of the layer, etc.
  • the depth of the octree of the geometry and/or the level of the attribute layer may be divided into layer groups (or subgroups).
  • the slice selector 6000 in conjunction with the encoder 60000, can select a divided slice (or sub-slice) and selectively transmit it partially, such as layer group 1 to layer group 3.
  • the decoder 60002 can selectively and partially decode transmitted point cloud data. For example, you can decode a high-level view as layer group 1 (higher depth/layer/level, or index 0, closer to the root). Afterwards, the mid-level view can be decoded based on layer group 1 and layer group 2 by increasing the index of the depth/level more than layer group 1 alone. The low-level view can be decoded based on layer group 1 to layer group 3.
  • Figure 21 illustrates a nearest neighbor search process according to embodiments.
  • Figure 21 shows a process for finding a nearest neighbor for predicting a current point when a transmission/reception method/device according to embodiments encodes and decodes a point based on a prediction method.
  • the coding (encoding/decoding) process is as follows.
  • the encoding and decoding method may perform a nearest neighbor search to encode and decode a point, find a nearest neighbor similar to the current point, and perform prediction transformation.
  • Nearest neighbor search may be referred to as NN search, etc.
  • the nearest neighbor search proposed based on the nearest neighbor search method of G-PCCv1 also finds prediction candidates from the neighboring nodes of the upper LoD and the coded nodes of the current LoD.
  • the search range is limited to the cubic boundary and the number of points in the Morton coding order.
  • embodiments may use an additional constraint called an intra-layer group search boundary when a neighbor candidate is in the same layer group as the current node.
  • a neighboring node outside the subgroup bounding box cannot be a candidate neighbor of the current node, as shown in Figure 21.
  • the first subgroup 2100 includes nodes (points) belonging to LoD N-1 and LoD N.
  • a predicted value can be generated by referring to the parent node or previous node of the current node. Nodes belonging to the second subgroup 2102, which is different from the first subgroup 2100 to which the current node 2101 belongs, are excluded from the neighbor candidates for the current node 2101.
  • embodiments may use layer-group adapted position in subgroup estimation and neighbor distance calculation. This has the effect of preventing inconsistencies between the encoder and decoder by considering cases where lower subgroups are missing.
  • Layer-group adapted position Indicates the coded position moved to the right by the number of LoDs of the coded descendant subgroup and then moved to the left by the number of LoDs of the coded descendant subgroup and skipped descendant subgroup. .
  • Figure 22 illustrates a nearest neighbor search process according to embodiments.
  • Figure 22 shows the nearest neighbor search process.
  • the neighboring candidates may be in other layer groups. In this case, if a node is on a parent subgroup boundary, it can find neighbors across the subgroup boundary.
  • inter-layer-group search boundary When a neighbor candidate is in an upper layer group, the use of neighboring nodes at the upper sub-group boundary may be restricted.
  • Figure 23 illustrates a nearest neighbor search process according to embodiments.
  • Figure 23 shows the nearest neighbor search process.
  • the coded positioning of a node from its parent node can be handled differently when the node is in the subgroup bounding box of the current node.
  • the layer-group adapted position according to embodiments can be set as follows.
  • Nodes within the child subgroup bounding box Move to the right the number of LoDs of the coded subgroup of the current subgroup, and the LoD of the coded subgroup of the current subgroup and skipped child children. This is a coded position moved to the left by the number of groups.
  • Nodes out of the child subgroup bounding box Move to the right by the number of LoDs in the coded subgroup of the parent subgroup, then move the LoD and skipped children in the coded subgroup of the parent subgroup. This is a coded position shifted to the left by the number of subgroups.
  • the details of the geometry location are considered up to the highest level of the subgroup.
  • the details of the geometry location are taken into account up to the top level of the parent subgroup.
  • embodiments in order to generate a predicted value for the current node of the first subgroup 2100, embodiments refer to the node at the upper LoD level included in the first subgroup 2100 to which the current node belongs. It may refer to a previous node at the current LoD level of the node and/or the first subgroup to which the current node belongs. Nodes in the second subgroup 2102 other than the first subgroup are excluded from candidates for predicting the current node.
  • a second subgroup other than the first subgroup to which the current node belongs cannot be a candidate neighbor of the current node.
  • the first subgroup and the second subgroup can be divided by boundaries.
  • the parent subgroup including the first subgroup 2100 and the second subgroup may be a neighbor candidate for predicting the current node.
  • a node belonging to the parent subgroup of the LoD level above the LoD level to which the current node of the first subgroup belongs may be a neighbor candidate for the current node.
  • the geometry location (can be referred to as geometry information, geometry, etc.) for predicting the current node can be considered in more detail.
  • the geometry position value of a node that belongs to the first subgroup 2100 including the current node 2101 and is at a lower level than the LoD level to which the current node belongs may be a candidate for the neighboring geometry position of the current node.
  • the geometry position can be selected from the range of nodes included in the child subgroup bounding box.
  • a node belonging to a second subgroup that is different from the first subgroup to which the current node belongs cannot be a candidate neighbor of the current node.
  • a node belonging to the parent subgroup may be a candidate neighbor of the current node.
  • the geometry position of the node of the parent subgroup cannot be defined in detail up to the child subgroup range, and the geometry position can be determined only up to the LoD level to which the parent subgroup belongs.
  • NN searches according to embodiments are expressed in capital codes as follows.
  • pointIdxToPackedVoxelIdx[pointIdx] i;
  • maxNumLayer + layerGroupParams.numLayersPerLayerGroup[i];
  • auto pointIdx layerGroupParams.dcmNodesIdx[layerIdx][sbgrIdx][m];
  • packedV packedoxelIndex dcmNodesList[dcmIdx];
  • bool concatenateLayers aps.scalable_lifting_enabled_flag
  • int32_t predIndex int32_t(pointCount);
  • treeLvlGap layerGroupParams.rootNodeSizeLog2.max() - layerGroupParams.rootNodeSizeLog2_coded.max();
  • maxNumLayers + layerGroupParams.numLayersPerLayerGroup[m];
  • maxNumDetailLevels maxNumLayers + 1;
  • const int32_t startIndex indexes.size()
  • const int32_t endIndex indexes.size()
  • curLayerGroup m
  • prtLayerGroup curLayerGroup - 1;
  • prtLayerGroup curLayerGroup
  • maxNumLayers_total + layerGroupParams.numLayersPerLayerGroup[i];
  • maxNumLayers_curLayerGroup + layerGroupParams.numLayersPerLayerGroup[i];
  • maxNumLayers_prtLayerGroup + layerGroupParams.numLayersPerLayerGroup[i];
  • shiftLayerGroup maxNumLayers_total - maxNumLayers_curLayerGroup;
  • shiftPrtLayerGroup maxNumLayers_total - maxNumLayers_prtLayerGroup;
  • curLodIndex 0; curLodIndex ⁇ layerIdx_minus1; curLodIndex++) ⁇
  • auto bbox_min layerGroupParams.subgrpBboxOrigin[lyrGrpIdx][m];
  • auto bbox_max bbox_min + layerGroupParams.subgrpBboxSize[lyrGrpIdx][m];
  • auto pointCloudIndex layerGroupParams.dcmNodesIdx[curLodIndex][m][k];
  • auto pos (pointCloud[packedVoxel[retained[i]].index] >> shiftLayerGroup) ⁇ (shiftLayerGroup + treeLvlGap);
  • auto bbox_min layerGroupParams.subgrpBboxOrigin[prtLayerGroup][m];
  • auto pointCloudIndex layerGroupParams.dcmNodesIdx[parentLayerIndex][i][k];
  • auto pos (pointCloud[packedVoxel[indexes[i]].index] >> shiftLayerGroup) ⁇ (shiftLayerGroup + treeLvlGap);
  • curSubgroup 0;
  • auto bbox_min layerGroupParams.subgrpBboxOrigin[curLayerGroup][m];
  • curSubgroup m
  • indexesOfSubsample[i] indexes[i];
  • int32_t numOfPointInSkipped geom_num_points_minus1 + 1 - pointCount;
  • indexes[i] indexesOfSubsample[i];
  • predIndex pointCount
  • auto cur_bbox_min layerGroupParams.subgrpBboxOrigin[curLayerGroup][i];
  • auto bbox_min layerGroupParams.subgrpBboxOrigin[prtLayerGroup][m];
  • auto pos pointCloud[packedVoxel[indexes_subgroup[curSubgroup][k]].index];
  • biasedPos_indexes.push_back times((point >> shiftLayerGroup) ⁇ (shiftLayerGroup + treeLvlGap), aps.lodNeighBias));
  • auto cur_bbox_min layerGroupParams.subgrpBboxOrigin[curLayerGroup][i];
  • auto pos pointCloud[packedVoxel[retained_subgroup[prtSubgroup][k]].index];
  • biasedPos_retained.push_back times((point >> shiftLayerGroup) ⁇ (shiftLayerGroup + treeLvlGap), aps.lodNeighBias));
  • biasedPos_retained.push_back times((point >> shiftPrtLayerGroup) ⁇ (shiftPrtLayerGroup + treeLvlGap), aps.lodNeighBias));
  • biasedPos_retained.push_back times((point >> shiftLayerGroup) ⁇ (shiftLayerGroup + treeLvlGap), aps.lodNeighBias));
  • the method/device for transmitting and receiving point cloud data may search for nearest neighbors and perform atlas shifting.
  • an atlas movement process can be performed if the current point is not in the current atlas.
  • curAtlasId pointAtlasId
  • the start node included in the child subgroup and the start node included in the parent subgroup may be different.
  • the matching between the nodes of the parent subgroup and the child subgroup is misaligned and coded with an incorrect attribute value. It can be.
  • a process may be added to shift the atlas of the nodes (points) included in the parent subgroup and align them with the atlas containing the start node of the child subgroup.
  • the current atlas ID is updated to the atlas ID of the current point.
  • the point index referred to as the cube index, is increased to determine whether it belongs to the current atlas. Instead of using points that are not present, you can select and use only the points that belong to the current atlas.
  • the current atlas information can be updated based on a combination of the point index and atlas index, referred to as the cube index.
  • the child subgroup when the bounding box (bbox) of the child subgroup is included in the bounding box (bbox) of the parent subgroup, the child subgroup ( This is the process of constructing an atlas by selecting points that fall within the bounding box (bbox) of a child subgroup.
  • the atlas of the parent subgroup is selected based on the atlas ID of the child subgroup. It can be used by shifting.
  • the method/device for transmitting and receiving point cloud data may 1) find the nearest neighbor, 2) shift the atlas (if necessary), and 3) derive subgroup weights.
  • quantization weights are used to give credits to the nodes used in prediction.
  • the weight is derived as the sum of the weights of related nodes that refer to the current node as a neighbor node. According to the concept, the node weight of a subgroup can be calculated with the following constraints.
  • Subgroup weight derivation If the current node and neighboring nodes belong to the same subgroup, the weight sum of related nodes that refer to the current node as a neighboring node is generated.
  • a weight can be assigned to compensate for the loss.
  • Weight is a weight for quantization.
  • the weight generation process is as follows:
  • weight(m) + alpha * numRefNodes(m) / maxNumRefNodes + beta
  • Number of reference nodes Indicates how much the node has been used as a neighbor (neighbor) in a specific m node.
  • Maximum reference node value (maxNumRefNodes): Represents the maximum value among the number of users using me (current node) as a neighbor within the current parent group.
  • Alpha and beta are variables.
  • const size_t pointCount predictors.size()
  • quantizationWeights[i] (1 ⁇ kFixedPointWeightShift);
  • const size_t predictorIndex pointCount - i - 1;
  • const size_t neighborPredIndex predictor.neighbors[j].predictorIndex;
  • const size_t neighborPredIndex predictor.neighbors[j].predictorIndex;
  • Embodiments may perform subgroup weight adjustment for each subgroup and each node to mitigate loss.
  • weight(m) + alpha * numRefNodes(m) / maxNumRefNodes + beta
  • Weight(m) is the subgroup weight of the mth node.
  • the number of reference nodes (numRefNodes(m)) is the number of related nodes of the mth node.
  • the maximum number of reference nodes (maxNumRefNodes) is the maximum number of related nodes in the current subgroup.
  • Alpha and beta are weight adjustment coefficients that can be derived from the encoder.
  • each node in the subgroup weight correction process As a method for adaptively correcting each node in the subgroup weight correction process, it is used for correction based on the number of times each node in the subgroup is referenced by surrounding nodes as shown above. The degree can be determined.
  • a weight proportional to the size of the weight can be used, or an out-of-suggroup weight, Based on indicators indicating the importance of each node, such as the number of out-of-subgroup nodes, the accuracy of correction is improved for important nodes, that is, nodes that are frequently referenced by other nodes. You can use it.
  • weight use and weight correction processes according to embodiments are expressed in capital codes as follows.
  • AttributeDecoder :decodeColorsPred(
  • int64_t clipMax (1 ⁇ desc.bitdepth) - 1;
  • bool icpPresent abh.icpPresent(desc, aps);
  • lodEnd + layerGroupParams.numLayersPerLayerGroup[i];
  • prevLodEnd + layerGroupParams.numLayersPerLayerGroup[i];
  • quantLayer std::min(int(qpSet.layers.size()) - 1, prevLodEnd);
  • weightAdjCoeff_a layerGroupParams.weightAdjCoeff_a;
  • weightAdjCoeff_b layerGroupParams.weightAdjCoeff_b;
  • weightAdjCoeff_a abh.subgroup_weight_adj_coeff_a;
  • weightAdjCoeff_b abh.subgroup_weight_adj_coeff_b;
  • subgrpArrayIdx + (layerGroupParams.numSubgroupsMinus1[i] + 1) * (layerGroupParams.numLayersPerLayerGroup[i]);
  • predStart + layerGroupParams.numberOfPointsPerLodPerSubgroups[i];
  • idxSelectedNodes m
  • maxNumRefNodes layerGroupParams.numRefNodesInTheSameSubgroup[m];
  • subgrpArrayIdx + layerGroupParams.numSubgroupsMinus1[curLayerGroup] + 1;
  • predStart + layerGroupParams.numberOfPointsPerLodPerSubgroups[i];
  • predEnd predStart + layerGroupParams.numberOfPointsPerLodPerSubgroups[subgrpArrayIdx];
  • subgrpArrayIdx subgrpArrayIdx_init
  • predStart predStart_init
  • predEnd predStart + layerGroupParams.numberOfPointsPerLodPerSubgroups[subgrpArrayIdx];
  • subgrpArrayIdx + layerGroupParams.numSubgroupsMinus1[curLayerGroup] + 1;
  • predStart + layerGroupParams.numberOfPointsPerLodPerSubgroups[i];
  • predEnd predStart + layerGroupParams.numberOfPointsPerLodPerSubgroups[subgrpArrayIdx];
  • subgroupIdx + (layerGroupParams.numSubgroupsMinus1[i] + 1) * (layerGroupParams.numLayersPerLayerGroup[i]);
  • idxStart + layerGroupParams.numberOfPointsPerLodPerSubgroups[i];
  • idxEnd idxStart + layerGroupParams.numberOfPointsPerLodPerSubgroups[subgroupIdx];
  • quantLayer std::min(int(qpSet.layers.size()) - 1, quantLayer + 1);
  • const uint32_t pointIndex _lods.indexes[predictorIndex];
  • auto& predictor _lods.predictors[predictorIndex];
  • predictor.predMode 0;
  • decoder decode(&values[0]);
  • predictor.predictColor (pointCloud, _lods.indexes);
  • icpCoeff abh.icpCoeffs[lod];
  • const auto& q quant[std::min(k, 1)];
  • subgroupIdx layerGroupParams.numSubgroupsMinus1[curLayerGroup] + 1;

Landscapes

  • Engineering & Computer Science (AREA)
  • Multimedia (AREA)
  • Signal Processing (AREA)
  • Compression Or Coding Systems Of Tv Signals (AREA)

Abstract

실시예들에 따른 포인트 클라우드 데이터 송신 방법은 포인트 클라우드 데이터를 인코딩하는 단계; 및 포인트 클라우드 데이터를 포함하는 비트스트림을 전송하는 단계; 를 포함할 수 있다. 실시예들에 따른 포인트 클라우드 데이터 수신 방법은 포인트 클라우드 데이터를 포함하는 비트스트림을 수신하는 단계; 및 포인트 클라우드 데이터를 디코딩하는 단계; 를 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 공간을 표현하는 좌표계에 속한 점(포인트)들의 집합인 포인트 클라우드로 표현되는 콘텐트이다. 포인트 클라우드 콘텐트는3차원으로 이루어진 미디어를 표현할 수 있으며, VR (Virtual Reality, 가상현실), AR (Augmented Reality, 증강현실), MR (Mixed Reality, 혼합현실), 및 자율 주행 서비스 등의 다양한 서비스를 제공하기 위해 사용된다. 하지만 포인트 클라우드 콘텐트를 표현하기 위해서는 수만개에서 수십만개의 포인트 데이터가 필요하다. 따라서 방대한 양의 포인트 데이터를 효율적으로 처리하기 위한 방법이 요구된다.
실시예들은 포인트 클라우드 데이터를 효율적으로 처리하기 위한 장치 및 방법을 제공한다. 실시예들은 지연시간(latency) 및 인코딩/디코딩 복잡도를 해결하기 위한 포인트 클라우드 데이터 처리 방법 및 장치를 제공한다.
다만, 전술한 기술적 과제만으로 제한되는 것은 아니고, 기재된 전체 내용에 기초하여 당업자가 유추할 수 있는 다른 기술적 과제로 실시예들의 권리범위가 확장될 수 있다.
실시예들에 따른 포인트 클라우드 데이터 송신 방법은 포인트 클라우드 데이터를 인코딩하는 단계; 및 포인트 클라우드 데이터를 포함하는 비트스트림을 전송하는 단계; 를 포함할 수 있다. 실시예들에 따른 포인트 클라우드 데이터 수신 방법은 포인트 클라우드 데이터를 포함하는 비트스트림을 수신하는 단계; 및 포인트 클라우드 데이터를 디코딩하는 단계; 를 포함할 수 있다.
실시예들에 따른 장치 및 방법은 높은 효율로 포인트 클라우드 데이터를 처리할 수 있다.
실시예들에 따른 장치 및 방법은 높은 퀄리티의 포인트 클라우드 서비스를 제공할 수 있다.
실시예들에 따른 장치 및 방법은 VR 서비스, 자율주행 서비스 등 범용적인 서비스를 제공하기 위한 포인트 클라우드 콘텐트를 제공할 수 있다.
도면은 실시예들을 더욱 이해하기 위해서 포함되며, 도면은 실시예들에 관련된 설명과 함께 실시예들을 나타낸다. 이하에서 설명하는 다양한 실시예들의 보다 나은 이해를 위하여, 하기 도면들에 걸쳐 유사한 참조 번호들이 대응하는 부분들을 포함하는 다음의 도면들과 관련하여 이하의 실시예들의 설명을 반드시 참조해야 한다.
도1은 실시예들에 따른 포인트 클라우드콘텐츠 제공 시스템의 예시를 나타낸다.
도 2는 실시예들에 따른 포인트 클라우드 콘텐트 제공 동작을 나타내는 블록도이다.
도 3은 실시예들에 따른 포인트 클라우드 인코더(Point Cloud Encoder)의 예시를 나타낸다.
도 4는 실시예들에 따른 옥트리 및 오큐판시 코드 (occupancy code)의 예시를 나타낸다.
도 5는 실시예들에 따른 LOD 별 포인트 구성의 예시를 나타낸다.
도 6은 실시예들에 따른 LOD 별 포인트 구성의 예시를 나타낸다.
도 7은 실시예들에 따른 포인트 클라우드 디코더(Point Cloud Decoder)의 예시를 나타낸다.
도 8은 실시예들에 따른 전송 장치의 예시이다.
도 9는 실시예들에 따른 수신 장치의 예시이다.
도 10은 실시예들에 따른 포인트 클라우드 데이터 송수신 방법/장치와 연동 가능한 구조의 예시를 나타낸다.
도11은 실시예들에 따른 포인트 클라우드 데이터의 인코딩, 전송, 디코딩 과정을 나타낸다.
도12는 실시예들에 따른 레이어 기반 포인트 클라우드 데이터 구성 및 실시예들에 따른 지오메트리 및 어트리뷰트 비트스트림 구조를 나타낸다.
도13은 실시예들에 따른 비트스트림 구성을 나타낸다.
도14는 실시예들에 따른 비트스트림 정렬 방법을 나타낸다.
도15는 실시예들에 따른 지오메트리 데이터 및 어트리뷰트 데이터의 선택 방법을 나타낸다.
도16은 실시예들에 따른 포인트 클라우드 데이터를 포함하는 슬라이스를 구성하는 방법을 나타낸다.
도17은 실시예들에 따른 지오메트리 코딩 레이어 구조를 나타낸다.
도18 은 실시예들에 따른 레이어 그룹 및 서브 그룹 구조를 나타낸다.
도19는 실시예들에 따른 멀티 해상도 멀티 사이즈의 ROI를 나타낸다.
도20은 실시예들에 따른 레이어 그룹 슬라이스를 나타낸다.
도21 은 실시예들에 따른 최근접 이웃 서치 프로세스를 나타낸다.
도22 는 실시예들에 따른 최근접 이웃 서치 프로세스를 나타낸다.
도23 은 실시예들에 따른 최근접 이웃 서치 프로세스를 나타낸다.
도24는 실시예들에 따른 어트리뷰트 인코딩 방법을 나타낸다.
도25 는 실시예들에 따른 어트리뷰트 디코딩 방법을 나타낸다.
도26은 실시예들에 따른 파라미터 및 부호화된 포인트 클라우드 데이터를 포함하는 비트스트림을 나타낸다.
도27은 실시예들에 따른 시퀀스 파라미터 세트를 나타낸다.
도28 은 실시예들에 따른 어트리뷰트 파라미터 세트 및 어트리뷰트 데이터 유닛 헤더를 나타낸다.
도29는 실시예들에 따른 종속적 어트리뷰트 데이터 유닛 헤더를 나타낸다.
도30은 실시예들에 따른 파셜 포인트 클라우드 데이터를 전송하는 과정을 나타낸다.
도31은 실시예들에 따른 포인트 클라우드 데이터 송수신 방법을 나타낸다.
도32는 실시예들에 따른 포인트 클라우드 데이터 송수신 방법을 나타낸다.
도33은 실시예들에 따른 포인트 클라우드 데이터 송신 방법을 나타낸다.
도34는 실시예들에 따른 포인트 클라우드 데이터 수신 방법을 나타낸다.
실시예들의 바람직한 실시예에 대해 구체적으로 설명하며, 그 예는 첨부된 도면에 나타낸다. 첨부된 도면을 참조한 아래의 상세한 설명은 실시예들의 실시예에 따라 구현될 수 있는 실시예만을 나타내기보다는 실시예들의 바람직한 실시예를 설명하기 위한 것이다. 다음의 상세한 설명은 실시예들에 대한 철저한 이해를 제공하기 위해 세부 사항을 포함한다. 그러나 실시예들이 이러한 세부 사항 없이 실행될 수 있다는 것은 당업자에게 자명하다.
실시예들에서 사용되는 대부분의 용어는 해당 분야에서 널리 사용되는 일반적인 것들에서 선택되지만, 일부 용어는 출원인에 의해 임의로 선택되며 그 의미는 필요에 따라 다음 설명에서 자세히 서술한다. 따라서 실시예들은 용어의 단순한 명칭이나 의미가 아닌 용어의 의도된 의미에 근거하여 이해되어야 한다.
도1은 실시예들에 따른 포인트 클라우드콘텐츠 제공 시스템의 예시를 나타낸다.
도 1에 도시된 포인트 클라우드 콘텐트 제공 시스템은 전송 장치(transmission device)(10000) 및 수신 장치(reception device)(10004)를 포함할 수 있다. 전송 장치(10000) 및 수신 장치(10004)는 포인트 클라우드 데이터를 송수신하기 위해 유무선 통신 가능하다.
실시예들에 따른 전송 장치(10000)는 포인트 클라우드 비디오(또는 포인트 클라우드 콘텐트)를 확보하고 처리하여 전송할 수 있다. 실시예들에 따라, 전송 장치(10000)는 고정국(fixed station), BTS(base transceiver system), 네트워크, AI(Ariticial Intelligence) 기기 및/또는 시스템, 로봇, AR/VR/XR 기기 및/또는 서버 등을 포함할 수 있다. 또한 실시예들에 따라 전송 장치(10000)는 무선 접속 기술(예, 5G NR(New RAT), LTE(Long Term Evolution))을 이용하여, 기지국 및/또는 다른 무선 기기와 통신을 수행하는 기기, 로봇, 차량, AR/VR/XR 기기, 휴대기기, 가전, IoT(Internet of Thing)기기, AI 기기/서버 등을 포함할 수 있다.
실시예들에 따른 전송 장치(10000)는 포인트 클라우드 비디오 획득부(Point Cloud Video Acquisition, 10001), 포인트 클라우드 비디오 인코더(Point Cloud Video Encoder, 10002) 및/또는 트랜스미터(Transmitter (or Communication module), 10003)를 포함한다
실시예들에 따른 포인트 클라우드 비디오 획득부(10001)는 캡쳐, 합성 또는 생성 등의 처리 과정을 통해 포인트 클라우드 비디오를 획득한다. 포인트 클라우드 비디오는 3차원 공간에 위치한 포인트들의 집합인 포인트 클라우드로 표현되는 포인트 클라우드 콘텐트로서, 포인트 클라우드 비디오 데이터 등으로 호칭될 수 있다. 실시예들에 따른 포인트 클라우드 비디오는 하나 또는 그 이상의 프레임들을 포함할 수 있다. 하나의 프레임은 정지 영상/픽쳐를 나타낸다. 따라서 포인트 클라우드 비디오는 포인트 클라우드 영상/프레임/픽처를 포함할 수 있으며, 포인트 클라우드 영상, 프레임 및 픽처 중 어느 하나로 호칭될 수 있다.
실시예들에 따른 포인트 클라우드 비디오 인코더(10002)는 확보된 포인트 클라우드 비디오 데이터를 인코딩한다. 포인트 클라우드 비디오 인코더(10002)는 포인트 클라우드 컴프레션(Point Cloud Compression) 코딩을 기반으로 포인트 클라우드 비디오 데이터를 인코딩할 수 있다. 실시예들에 따른 포인트 클라우드 컴프레션 코딩은 G-PCC(Geometry-based Point Cloud Compression) 코딩 및/또는 V-PCC(Video based Point Cloud Compression) 코딩 또는 차세대 코딩을 포함할 수 있다. 또한 실시예들에 따른 포인트 클라우드 컴프레션 코딩은 상술한 실시예에 국한되는 것은 아니다. 포인트 클라우드 비디오 인코더(10002)는 인코딩된 포인트 클라우드 비디오 데이터를 포함하는 비트스트림을 출력할 수 있다. 비트스트림은 인코딩된 포인트 클라우드 비디오 데이터뿐만 아니라, 포인트 클라우드 비디오 데이터의 인코딩과 관련된 시그널링 정보를 포함할 수 있다.
실시예들에 따른 트랜스미터(10003)는 인코딩된 포인트 클라우드 비디오 데이터를 포함하는 비트스트림을 전송한다. 실시예들에 따른 비트스트림은 파일 또는 세그먼트(예를 들면 스트리밍 세그먼트) 등으로 인캡슐레이션되어 방송망 및/또는 브로드밴드 망등의 다양한 네트워크를 통해 전송된다. 도면에 도시되지 않았으나, 전송 장치(10000)는 인캡슐레이션 동작을 수행하는 인캡슐레이션부(또는 인캡슐레이션 모듈)을 포함할 수 있다. 또한 실시예들에 따라 인캡슐레이션부는 트랜스미터(10003)에 포함될 수 있다. 실시예들에 따라 파일 또는 세그먼트는 네트워크를 통해 수신 장치(10004)로 전송되거나, 디지털 저장매체(예를 들면 USB, SD, CD, DVD, 블루레이, HDD, SSD 등)에 저장될 수 있다. 실시예들에 따른 트랜스미터(10003)는 수신 장치(10004) (또는 리시버(Receiver, 10005))와 4G, 5G, 6G 등의 네트워크를 통해 유/무선 통신 가능하다. 또한 트랜스미터(10003)는 네트워크 시스템(예를 들면 4G, 5G, 6G 등의 통신 네트워크 시스템)에 따라 필요한 데이터 처리 동작을 수행할 수 있다. 또한 전송 장치(10000)는 온 디맨드(On Demand) 방식에 따라 인캡슐레이션된 데이터를 전송할 수도 있다.
실시예들에 따른 수신 장치(10004)는 리시버(Receiver, 10005), 포인트 클라우드 비디오 디코더(Point Cloud Decoder, 10006) 및/또는 렌더러(Renderer, 10007)를 포함한다. 실시예들에 따라 수신 장치(10004)는 무선 접속 기술(예, 5G NR(New RAT), LTE(Long Term Evolution))을 이용하여, 기지국 및/또는 다른 무선 기기와 통신을 수행하는 기기, 로봇, 차량, AR/VR/XR 기기, 휴대기기, 가전, IoT(Internet of Thing)기기, AI 기기/서버 등을 포함할 수 있다.
실시예들에 따른 리시버(10005)는 포인트 클라우드 비디오 데이터를 포함하는 비트스트림 또는 비트스트림이 인캡슐레이션된 파일/세그먼트 등을 네트워크 또는 저장매체로부터 수신한다. 리시버(10005)는 네트워크 시스템(예를 들면 4G, 5G, 6G 등의 통신 네트워크 시스템)에 따라 필요한 데이터 처리 동작을 수행할 수 있다. 실시예들에 따른 리시버(10005)는 수신한 파일/세그먼트를 디캡슐레이션하여 비트스트림을 출력할수 있다. 또한 실시예들에 따라 리시버(10005)는 디캡슐레이션 동작을 수행하기 위한 디캡슐레이션부(또는 디캡슐레이션 모듈)을 포함할 수 있다. 또한 디캡슐레이션부는 리시버(10005)와 별개의 엘레멘트(또는 컴포넌트)로 구현될 수 있다.
포인트 클라우드 비디오 디코더(10006)는 포인트 클라우드 비디오 데이터를 포함하는 비트스트림을 디코딩한다. 포인트 클라우드 비디오 디코더(10006)는 포인트 클라우드 비디오 데이터가 인코딩된 방식에 따라 디코딩할 수 있다(예를 들면 포인트 클라우드 비디오 인코더(10002)의 동작의 역과정). 따라서 포인트 클라우드 비디오 디코더(10006)는 포인트 클라우드 컴프레션의 역과정인 포인트 클라우드 디컴프레션 코딩을 수행하여 포인트 클라우드 비디오 데이터를 디코딩할 수 있다. 포인트 클라우드 디컴프레션 코딩은 G-PCC 코딩을 포함한다.
렌더러(10007)는 디코딩된 포인트 클라우드 비디오 데이터를 렌더링한다. 렌더러(10007)는 포인트 클라우드 비디오 데이터뿐만 아니라 오디오 데이터도 렌더링하여 포인트 클라우드 콘텐트를 출력할 수 있다. 실시예들에 따라 렌더러(10007)는 포인트 클라우드 콘텐트를 디스플레이하기 위한 디스플레이를 포함할 수 있다. 실시예들에 따라 디스플레이는 렌더러(10007)에 포함되지 않고 별도의 디바이스 또는 컴포넌트로 구현될 수 있다.
도면에 점선으로 표시된 화살표는 수신 장치(10004)에서 획득한 피드백 정보(feedback information)의 전송 경로를 나타낸다. 피드백 정보는 포인트 클라우드 컨텐트를 소비하는 사용자와의 인터랙티비를 반영하기 위한 정보로서, 사용자의 정보(예를 들면 헤드 오리엔테이션 정보), 뷰포트(Viewport) 정보 등)을 포함한다. 특히 포인트 클라우드 콘텐트가 사용자와의 상호작용이 필요한 서비스(예를 들면 자율주행 서비스 등)를 위한 콘텐트인 경우, 피드백 정보는 콘텐트 송신측(예를 들면 전송 장치(10000)) 및/또는 서비스 프로바이더에게 전달될 수 있다. 실시예들에 따라 피드백 정보는 전송 장치(10000)뿐만 아니라 수신 장치(10004)에서도 사용될 수 있으며, 제공되지 않을 수도 있다.
실시예들에 따른 헤드 오리엔테이션 정보는 사용자의 머리 위치, 방향, 각도, 움직임 등에 대한 정보이다. 실시예들에 따른 수신 장치(10004)는 헤드 오리엔테이션 정보를 기반으로 뷰포트 정보를 계산할 수 있다. 뷰포트 정보는 사용자가 바라보고 있는 포인트 클라우드 비디오의 영역에 대한 정보이다. 시점(viewpoint)은 사용자가 포인트 클라우 비디오를 보고 있는 점으로 뷰포트 영역의 정중앙 지점을 의미할 수 있다. 즉, 뷰포트는 시점을 중심으로 한 영역으로서, 영역의 크기, 형태 등은 FOV(Field Of View) 에 의해 결정될 수 있다. 따라서 수신 장치(10004)는 헤드 오리엔테이션 정보 외에 장치가 지원하는 수직(vertical) 혹은 수평(horizontal) FOV 등을 기반으로 뷰포트 정보를 추출할 수 있다. 또한 수신 장치(10004)는 게이즈 분석 (Gaze Analysis) 등을 수행하여 사용자의 포인트 클라우드 소비 방식, 사용자가 응시하는 포인트 클라우 비디오 영역, 응시 시간 등을 확인한다. 실시예들에 따라 수신 장치(10004)는 게이즈 분석 결과를 포함하는 피드백 정보를 송신 장치(10000)로 전송할 수 있다. 실시예들에 따른 피드백 정보는 렌더링 및/또는 디스플레이 과정에서 획득될 수 있다. 실시예들에 따른 피드백 정보는 수신 장치(10004)에 포함된 하나 또는 그 이상의 센서들에 의해 확보될 수 있다. 또한 실시예들에 따라 피드백 정보는 렌더러(10007) 또는 별도의 외부 엘레멘트(또는 디바이스, 컴포넌트 등)에 의해 확보될 수 있다. 도1의 점선은 렌더러(10007)에서 확보한 피드백 정보의 전달 과정을 나타낸다. 포인트 클라우드 콘텐트 제공 시스템은 피드백 정보를 기반으로 포인트 클라우드 데이터를 처리(인코딩/디코딩)할 수 있다. 따라서 포인트 클라우드 비디오 데이터 디코더(10006)는 피드백 정보를 기반으로 디코딩 동작을 수행할 수 있다. 또한 수신 장치(10004)는 피드백 정보를 전송 장치(10000)로 전송할 수 있다. 전송 장치(10000)(또는 포인트 클라우드 비디오 데이터 인코더(10002))는 피드백 정보를 기반으로 인코딩 동작을 수행할 수 있다. 따라서 포인트 클라우드 콘텐트 제공 시스템은 모든 포인트 클라우드 데이터를 처리(인코딩/디코딩)하지 않고, 피드백 정보를 기반으로 필요한 데이터(예를 들면 사용자의 헤드 위치에 대응하는 포인트 클라우드 데이터)를 효율적으로 처리하고, 사용자에게 포인트 클라우드 콘텐트를 제공할 수 있다.
실시예들에 따라, 전송 장치(10000)는 인코더, 전송 디바이스, 전송기 등으로 호칭될 수 있으며, 수신 장치(10004)는 디코더, 수신 디바이스, 수신기 등으로 호칭될 수 있다.
실시예들에 따른 도 1 의 포인트 클라우드 콘텐트 제공 시스템에서 처리되는 (획득/인코딩/전송/디코딩/렌더링의 일련의 과정으로 처리되는) 포인트 클라우드 데이터는 포인트 클라우드 콘텐트 데이터 또는 포인트 클라우드 비디오 데이터라고 호칭할 수 있다. 실시예들에 따라 포인트 클라우드 콘텐트 데이터는 포인트 클라우드 데이터와 관련된 메타데이터 내지 시그널링 정보를 포함하는 개념으로 사용될 수 있다.
도 1에 도시된 포인트 클라우드 콘텐트 제공 시스템의 엘리먼트들은 하드웨어, 소프트웨어, 프로세서 및/또는 그것들의 결합등으로 구현될 수 있다.
도 2는 실시예들에 따른 포인트 클라우드 콘텐트 제공 동작을 나타내는 블록도이다.
도 2의 블록도는 도 1에서 설명한 포인트 클라우드 콘텐트 제공 시스템의 동작을 나타낸다. 상술한 바와 같이 포인트 클라우드 콘텐트 제공 시스템은 포인트 클라우드 컴프레션 코딩(예를 들면 G-PCC)을 기반으로 포인트 클라우드 데이터를 처리할 수 있다.
실시예들에 따른 포인트 클라우드 콘텐트 제공 시스템(예를 들면 포인트 클라우드 전송 장치(10000) 또는 포인트 클라우드 비디오 획득부(10001))은 포인트 클라우드 비디오를 획득할 수 있다(20000). 포인트 클라우드 비디오는 3차원 공간을 표현하는 좌표계에 속한 포인트 클라우드로 표현된다. 실시예들에 따른 포인트 클라우드 비디오는 Ply (Polygon File format or the Stanford Triangle format) 파일을 포함할 수 있다. 포인트 클라우드 비디오가 하나 또는 그 이상의 프레임들을 갖는 경우, 획득한 포인트 클라우드 비디오는 하나 또는 그 이상의 Ply 파일들을 포함할 수 있다. Ply 파일은 포인트의 지오메트리(Geometry) 및/또는 어트리뷰트(Attribute)와 같은 포인트 클라우드 데이터를 포함한다. 지오메트리는 포인트들의 포지션들을 포함한다. 각 포인트의 포지션은 3차원 좌표계(예를 들면 XYZ축들로 이루어진 좌표계 등)를 나타내는 파라미터들(예를 들면 X축, Y축, Z축 각각의 값)로 표현될 수 있다. 어트리뷰트는 포인트들의 어트리뷰트들(예를 들면, 각 포인트의 텍스쳐 정보, 색상(YCbCr 또는 RGB), 반사율(r), 투명도 등)을 포함한다. 하나의 포인트는 하나 또는 그 이상의 어트리뷰트들(또는 속성들)을 가진다. 예를 들어 하나의 포인트는 하나의 색상인 어트리뷰트를 가질 수도 있고, 색상 및 반사율인 두 개의 어트리뷰트들을 가질 수도 있다. 실시예들에 따라, 지오메트리는 포지션들, 지오메트리 정보, 지오메트리 데이터 등으로 호칭 가능하며, 어트리뷰트는 어트리뷰트들, 어트리뷰트 정보, 어트리뷰트 데이터 등으로 호칭할 수 있다. 또한 포인트 클라우드 콘텐트 제공 시스템(예를 들면 포인트 클라우드 전송 장치(10000) 또는 포인트 클라우드 비디오 획득부(10001))은 포인트 클라우드 비디오의 획득 과정과 관련된 정보(예를 들면 깊이 정보, 색상 정보 등)으로부터 포인트 클라우드 데이터를 확보할 수 있다.
실시예들에 따른 포인트 클라우드 콘텐트 제공 시스템(예를 들면 전송 장치(10000) 또는 포인트 클라우드 비디오 인코더(10002))은 포인트 클라우드 데이터를 인코딩할 수 있다(20001). 포인트 클라우드 콘텐트 제공 시스템은 포인트 클라우드 컴프레션 코딩을 기반으로 포인트 클라우드 데이터를 인코딩할 수 있다. 상술한 바와 같이 포인트 클라우드 데이터는 포인트의 지오메트리 및 어트리뷰트를 포함할 수 있다. 따라서 포인트 클라우드 콘텐트 제공 시스템은 지오메트리를 인코딩하는 지오메트리 인코딩을 수행하여 지오메트리 비트스트림을 출력할 수 있다. 포인트 클라우드 콘텐트 제공 시스템은 어트리뷰트를 인코딩하는 어트리뷰트 인코딩을 수행하여 어트리뷰트 비트스트림을 출력할 수 있다. 실시예들에 따라 포인트 클라우드 콘텐트 제공 시스템은 지오메트리 인코딩에 기초하여 어트리뷰트 인코딩을 수행할 수 있다. 실시예들에 따른 지오메트리 비트스트림 및 어트리뷰트 비트스트림은 멀티플렉싱되어 하나의 비트스트림으로 출력될 수 있다. 실시예들에 따른 비트스트림은 지오메트리 인코딩 및 어트리뷰트 인코딩과 관련된 시그널링 정보를 더 포함할 수 있다.
실시예들에 따른 포인트 클라우드 콘텐트 제공 시스템(예를 들면 전송 장치(10000) 또는 트랜스미터(10003))는 인코딩된 포인트 클라우드 데이터를 전송할 수 있다(20002). 도1에서 설명한 바와 같이 인코딩된 포인트 클라우드 데이터는 지오메트리 비트스트림, 어트리뷰트 비트스트림으로 표현될 수 있다. 또한 인코딩된 포인트 클라우드 데이터는 포인트 클라우드 데이터의 인코딩과 관련된 시그널링 정보(예를 들면 지오메트리 인코딩 및 어트리뷰트 인코딩과 관련된 시그널링 정보)과 함께 비트스트림의 형태로 전송될 수 있다. 또한 포인트 클라우드 콘텐트 제공 시스템은 인코딩된 포인트 클라우드 데이터를 전송하는 비트스트림을 인캡슐레이션 하여 파일 또는 세그먼트의 형태로 전송할 수 있다.
실시예들에 따른 포인트 클라우드 콘텐트 제공 시스템(예를 들면 수신 장치(10004) 또는 리시버(10005))은 인코딩된 포인트 클라우드 데이터를 포함하는 비트스트림을 수신할 수 있다. 또한 포인트 클라우드 콘텐트 제공 시스템(예를 들면 수신 장치(10004) 또는 리시버(10005))은 비트스트림을 디멀티플렉싱할 수 있다.
포인트 클라우드 콘텐트 제공 시스템(예를 들면 수신 장치(10004) 또는 포인트 클라우드 비디오 디코더(10005))은 비트스트림으로 전송되는 인코딩된 포인트 클라우드 데이터(예를 들면 지오메트리 비트스트림, 어트리뷰트 비트스트림)을 디코딩할 수 있다. 포인트 클라우드 콘텐트 제공 시스템(예를 들면 수신 장치(10004) 또는 포인트 클라우드 비디오 디코더(10005))은 비트스트림에 포함된 포인트 클라우드 비디오 데이터의 인코딩과 관련된 시그널링 정보를 기반으로 포인트 클라우드 비디오 데이터를 디코딩할 수 있다. 포인트 클라우드 콘텐트 제공 시스템(예를 들면 수신 장치(10004) 또는 포인트 클라우드 비디오 디코더(10005))은 지오메트리 비트스트림을 디코딩하여 포인트들의 포지션들(지오메트리)을 복원할 수 있다. 포인트 클라우드 콘텐트 제공 시스템은 복원한 지오메트리를 기반으로 어트리뷰트 비트스트림을 디코딩하여 포인트들의 어트리뷰트들을 복원할 수 있다. 포인트 클라우드 콘텐트 제공 시스템(예를 들면 수신 장치(10004) 또는 포인트 클라우드 비디오 디코더(10005))은 복원된 지오메트리에 따른 포지션들 및 디코딩된 어트리뷰트를 기반으로 포인트 클라우드 비디오를 복원할 수 있다.
실시예들에 따른 포인트 클라우드 콘텐트 제공 시스템(예를 들면 수신 장치(10004) 또는 렌더러(10007))은 디코딩된 포인트 클라우드 데이터를 렌더링할 수 있다(20004). 포인트 클라우드 콘텐트 제공 시스템(예를 들면 수신 장치(10004) 또는 렌더러(10007))은 디코딩 과정을 통해 디코딩된 지오메트리 및 어트리뷰트들을 다양한 렌더링 방식에 따라 렌더링 방식에 따라 렌더링 할 수 있다. 포인트 클라우드 콘텐트의 포인트들은 일정 두께를 갖는 정점, 해당 정점 위치를 중앙으로 하는 특정 최소 크기를 갖는 정육면체, 또는 정점 위치를 중앙으로 하는 원 등으로 렌더링 될 수도 있다. 렌더링된 포인트 클라우드 콘텐트의 전부 또는 일부 영역은 디스플레이 (예를 들면 VR/AR 디스플레이, 일반 디스플레이 등)을 통해 사용자에게 제공된다.
실시예들에 따른 포인트 클라우드 콘텐트 제공 시스템(예를 들면 수신 장치(10004))는 피드백 정보를 확보할 수 있다(20005). 포인트 클라우드 콘텐트 제공 시스템은 피드백 정보를 기반으로 포인트 클라우드 데이터를 인코딩 및/또는 디코딩할 수 있다. 실시예들에 따른 피드백 정보 및 포인트 클라우드 콘텐트 제공 시스템의 동작은 도 1에서 설명한 피드백 정보 및 동작과 동일하므로 구체적인 설명은 생략한다.
도 3은 실시예들에 따른 포인트 클라우드 인코더(Point Cloud Encoder)의 예시를 나타낸다.
도 3은 도 1의 포인트 클라우드 비디오 인코더(10002)의 예시를 나타낸다. 포인트 클라우드 인코더는 네트워크의 상황 혹은 애플리케이션 등에 따라 포인트 클라우드 콘텐트의 질(예를 들어 무손실-lossless, 손실-lossy, near-lossless)을 조절하기 위하여 포인트 클라우드 데이터(예를 들면 포인트들의 포지션들 및/또는 어트리뷰트들)을 재구성하고 인코딩 동작을 수행한다. 포인트 클라우드 콘텐트의 전체 사이즈가 큰 경우(예를 들어 30 fps의 경우 60 Gbps인 포인트 클라우드 콘텐트) 포인트 클라우드 콘텐트 제공 시스템은 해당 콘텐트를 리얼 타임 스트리밍하지 못할 수 있다. 따라서 포인트 클라우드 콘텐트 제공 시스템은 네트워크 환경등에 맞춰 제공하기 위하여 최대 타깃 비트율(bitrate)을 기반으로 포인트 클라우드 콘텐트를 재구성할 수 있다.
도 1 내지 도2 에서 설명한 바와 같이 포인트 클라우드 인코더는 지오메트리 인코딩 및 어트리뷰트 인코딩을 수행할 수 있다. 지오메트리 인코딩은 어트리뷰트 인코딩보다 먼저 수행된다.
실시예들에 따른 포인트 클라우드 인코더는 좌표계 변환부(Transformation Coordinates, 30000), 양자화부(Quantize and Remove Points (Voxelize), 30001), 옥트리 분석부(Analyze Octree, 30002), 서페이스 어프록시메이션 분석부(Analyze Surface Approximation, 30003), 아리스메틱 인코더(Arithmetic Encode, 30004), 지오메트리 리컨스트럭션부(Reconstruct Geometry, 30005), 컬러 변환부(Transform Colors, 30006), 어트리뷰트 변환부(Transfer Attributes, 30007), RAHT 변환부(30008), LOD생성부(Generated LOD, 30009), 리프팅 변환부(Lifting)(30010), 계수 양자화부(Quantize Coefficients, 30011) 및/또는 아리스메틱 인코더(Arithmetic Encode, 30012)를 포함한다.
좌표계 변환부(30000), 양자화부(30001), 옥트리 분석부(30002), 서페이스 어프록시메이션 분석부(30003), 아리스메틱 인코더(30004), 및 지오메트리 리컨스트럭션부(30005)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(30000)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(30001)는 지오메트리를 양자화한다. 예를 들어, 양자화부(30001)는 전체 포인트들의 최소 위치 값(예를 들면 X축, Y축, Z축 에 대하여 각축상의 최소 값)을 기반으로 포인트들을 양자화 할 수 있다. 양자화부(30001)는 최소 위치 값과 각 포인트의 위치 값의 차이에 기 설정된 양자 스케일(quatization scale) 값을 곱한 뒤, 내림 또는 올림을 수행하여 가장 가까운 정수 값을 찾는 양자화 동작을 수행한다. 따라서 하나 또는 그 이상의 포인트들은 동일한 양자화된 포지션 (또는 포지션 값)을 가질 수 있다. 실시예들에 따른 양자화부(30001)는 양자화된 포인트들을 재구성하기 위해 양자화된 포지션들을 기반으로 복셀화(voxelization)를 수행한다. 2차원 이미지/비디오 정보를 포함하는 최소 단위는 픽셀(pixel)과 같이, 실시예들에 따른 포인트 클라우드 콘텐트(또는 3차원 포인트 클라우드 비디오)의 포인트들은 하나 또는 그 이상의 복셀(voxel)들에 포함될 수 있다. 복셀은 볼륨(Volume)과 픽셀(Pixel)의 조합어로서, 3차원 공간을 표현하는 축들(예를 들면 X축, Y축, Z축)을 기반으로 3차원 공간을 유닛(unit=1.0) 단위로 나누었을 때 발생하는 3차원 큐빅 공간을 의미한다. 양자화부(40001)는 3차원 공간의 포인트들의 그룹들을 복셀들로 매칭할 수 있다. 실시예들에 따라 하나의 복셀은 하나의 포인트만 포함할 수 있다. 실시예들에 따라 하나의 복셀은 하나 또는 그 이상의 포인트들을 포함할 수 있다. 또한 하나의 복셀을 하나의 포인트로 표현하기 위하여, 하나의 복셀에 포함된 하나 또는 그 이상의 포인트들의 포지션들을 기반으로 해당 복셀의 중앙점(center)의 포지션을 설정할 수 있다. 이 경우 하나의 복셀에 포함된 모든 포지션들의 어트리뷰트들은 통합되어(combined) 해당 복셀에 할당될(assigned)수 있다.
실시예들에 따른 옥트리 분석부(30002)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(30003)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(30004)는 옥트리 및/또는 근사화된 옥트리를 엔트로피 인코딩한다. 예를 들어, 인코딩 방식은 아리스메틱(Arithmetic) 인코딩 방법을 포함한다. 인코딩의 결과로 지오메트리 비트스트림이 생성된다.
컬러 변환부(30006), 어트리뷰트 변환부(30007), RAHT 변환부(30008), LOD생성부(30009), 리프팅 변환부(30010), 계수 양자화부(30011) 및/또는 아리스메틱 인코더(30012)는 어트리뷰트 인코딩을 수행한다. 상술한 바와 같이 하나의 포인트는 하나 또는 그 이상의 어트리뷰트들을 가질 수 있다. 실시예들에 따른 어트리뷰트 인코딩은 하나의 포인트가 갖는 어트리뷰트들에 대해 동일하게 적용된다. 다만, 하나의 어트리뷰트(예를 들면 색상)이 하나 또는 그 이상의 요소들을 포함하는 경우, 각 요소마다 독립적인 어트리뷰트 인코딩이 적용된다. 실시예들에 따른 어트리뷰트 인코딩은 컬러 변환 코딩, 어트리뷰트 변환 코딩, RAHT(Region Adaptive Hierarchial Transform) 코딩, 예측 변환(Interpolaration-based hierarchical nearest-neighbour prediction-Prediction Transform) 코딩 및 리프팅 변환 (interpolation-based hierarchical nearest-neighbour prediction with an update/lifting step (Lifting Transform)) 코딩을 포함할 수 있다. 포인트 클라우드 콘텐트에 따라 상술한 RAHT 코딩, 예측 변환 코딩 및 리프팅 변환 코딩은 선택적으로 사용되거나, 하나 또는 그 이상의 코딩들의 조합이 사용될 수 있다. 또한 실시예들에 따른 어트리뷰트 인코딩은 상술한 예시에 국한되는 것은 아니다.
실시예들에 따른 컬러 변환부(30006)는 어트리뷰트들에 포함된 컬러 값(또는 텍스쳐)을 변환하는 컬러 변환 코딩을 수행한다. 예를 들어, 컬러 변환부(30006)는 색상 정보의 포맷을 변환(예를 들어 RGB에서 YCbCr로 변환)할 수 있다. 실시예들에 따른 컬러 변환부(30006)의 동작은 어트리뷰트들에 포함된 컬러값에 따라 옵셔널(optional)하게 적용될 수 있다.
실시예들에 따른 지오메트리 리컨스트럭션부(30005)는 옥트리 및/또는 근사화된 옥트리를 재구성(디컴프레션)한다. 지오메트리 리컨스트럭션부(30005)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(30007)는 지오메트리 인코딩이 수행되지 않은 포지션들 및/또는 재구성된 지오메트리를 기반으로 어트리뷰트들을 변환하는 어트리뷰트 변환을 수행한다. 상술한 바와 같이 어트리뷰트들은 지오메트리에 종속되므로, 어트리뷰트 변환부(30007)는 재구성된 지오메트리 정보를 기반으로 어트리뷰트들을 변환할 수 있다. 예를 들어, 어트리뷰트 변환부(30007)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(30007)는 하나 또는 그 이상의 포인트들의 어트리뷰트들을 변환한다. 트라이숩 지오메트리 인코딩이 수행된 경우, 어트리뷰트 변환부(30007)는 트라이숩 지오메트리 인코딩을 기반으로 어트리뷰트들을 변환할 수 있다.
어트리뷰트 변환부(30007)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(30007)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(30007)는 K-D 트리 또는 몰톤 코드를 기반으로 각 복셀의 중앙점의 포지션으로부터 특정 위치/반경 내에 존재하는 이웃 포인트들을 탐색할 수 있다. K-D 트리는 이진 탐색 트리(binary search tree)로 빠르게 최단 이웃점 탐색(Nearest Neighbor Search-NNS)이 가능하도록 point들을 위치 기반으로 관리할 수 있는 자료 구조를 지원한다. 몰튼 코드는 모든 포인트들의 3차원 포지션을 나타내는 좌표값(예를 들면 (x, y, z))을 비트값으로 나타내고, 비트들을 믹싱하여 생성된다. 예를 들어 포인트의 포지션을 나타내는 좌표값이 (5, 9, 1)일 경우 좌표값의 비트 값은 (0101, 1001, 0001)이다. 비트 값을z, y, x 순서로 비트 인덱스에 맞춰 믹싱하면 010001000111이다. 이 값을 10진수로 나타내면 1095이 된다. 즉, 좌표값이 (5, 9, 1)인 포인트의 몰톤 코드 값은 1095이다. 어트리뷰트 변환부(30007)는 몰튼 코드 값을 기준으로 포인트들을 정렬하고depth-first traversal 과정을 통해 최단 이웃점 탐색(NNS)을 할 수 있다. 어트리뷰트 변환 동작 이후, 어트리뷰트 코딩을 위한 다른 변환 과정에서도 최단 이웃점 탐색(NNS)이 필요한 경우, K-D 트리 또는 몰톤 코드가 활용된다.
도면에 도시된 바와 같이 변환된 어트리뷰트들은 RAHT 변환부(30008) 및/또는 LOD 생성부(30009)로 입력된다.
실시예들에 따른 RAHT 변환부(30008)는 재구성된 지오메트리 정보에 기반하여 어트리뷰트 정보를 예측하는 RAHT코딩을 수행한다. 예를 들어, RAHT 변환부(30008)는 옥트리의 하위 레벨에 있는 노드와 연관된 어트리뷰트 정보에 기반하여 옥트리의 상위 레벨에 있는 노드의 어트리뷰트 정보를 예측할 수 있다.
실시예들에 따른 LOD생성부(30009)는 예측 변환 코딩을 수행하기 위하여LOD(Level of Detail)를 생성한다. 실시예들에 따른 LOD는 포인트 클라우드 콘텐트의 디테일을 나타내는 정도로서, LOD 값이 작을 수록 포인트 클라우드 콘텐트의 디테일이 떨어지고, LOD 값이 클 수록 포인트 클라우드 콘텐트의 디테일이 높음을 나타낸다. 포인트들을 LOD에 따라 분류될 수 있다.
실시예들에 따른 리프팅 변환부(30010)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(30011)은 어트리뷰트 코딩된 어트리뷰트들을 계수에 기반하여 양자화한다.
실시예들에 따른 아리스메틱 인코더(30012)는 양자화된 어트리뷰트들을 아리스메틱 코딩 에 기반하여 인코딩한다.
도 3의 포인트 클라우드 인코더의 엘레멘트들은 도면에 도시되지 않았으나 포인트 클라우드 제공 장치에 포함된 하나 또는 그 이상의 메모리들과 통신가능하도록 설정된 하나 또는 그 이상의 프로세서들 또는 집적 회로들(integrated circuits)을 포함하는 하드웨어, 소프트웨어, 펌웨어 또는 이들의 조합으로 구현될 수 있다. 하나 또는 그 이상의 프로세서들은 상술한 도 3의 포인트 클라우드 인코더의 엘레멘트들의 동작들 및/또는 기능들 중 적어도 어느 하나 이상을 수행할 수 있다. 또한 하나 또는 그 이상의 프로세서들은 도 3의 포인트 클라우드 인코더의 엘레멘트들의 동작들 및/또는 기능들을 수행하기 위한 소프트웨어 프로그램들 및/또는 인스트럭션들의 세트를 동작하거나 실행할 수 있다. 실시예들에 따른 하나 또는 그 이상의 메모리들은 하이 스피드 랜덤 억세스 메모리를 포함할 수도 있고, 비휘발성 메모리(예를 들면 하나 또는 그 이상의 마그네틱 디스크 저장 디바이스들, 플래쉬 메모리 디바이스들, 또는 다른 비휘발성 솔리드 스테이트 메모리 디바이스들(Solid-state memory devices)등)를 포함할 수 있다.
도 4는 실시예들에 따른 옥트리 및 오큐판시 코드 (occupancy code)의 예시를 나타낸다.
도 1 내지 도 3에서 설명한 바와 같이 포인트 클라우드 콘텐트 제공 시스템(포인트 클라우드 비디오 인코더(10002)) 또는 포인트 클라우드 인코더(예를 들면 옥트리 분석부(30002))는 복셀의 영역 및/또는 포지션을 효율적으로 관리하기 위하여 옥트리 구조 기반의 옥트리 지오메트리 코딩(또는 옥트리 코딩)을 수행한다.
도 4의 상단은 옥트리 구조를 나타낸다. 실시예들에 따른 포인트 클라우드 콘텐트의 3차원 공간은 좌표계의 축들(예를 들면 X축, Y축, Z축)로 표현된다. 옥트리 구조는 두 개의 극점들(0,0,0) 및 (2d, 2d, 2d) 으로 정의되는 바운딩 박스(cubical axis-aligned bounding box)를 재귀적으로 분할(reculsive subdividing)하여 생성된다. 2d는 포인트 클라우드 콘텐트(또는 포인트 클라우드 비디오)의 전체 포인트들을 감싸는 가장 작은 바운딩 박스를 구성하는 값으로 설정될 수 있다. d는 옥트리의 깊이(depth)를 나타낸다. d값은 다음의 식에 따라 결정된다. 하기 식에서 (xint n, yint n, zint n)는 양자화된 포인트들의 포지션들(또는 포지션 값들)을 나타낸다.
d =Ceil(Log2(Max(x_n^int,y_n^int,z_n^int,n=1,…,N)+1))
도 4의 상단의 중간에 도시된 바와 같이, 분할에 따라 전체 3차원 공간은 8개의 공간들로 분할될 수 있다. 분할된 각 공간은 6개의 면들을 갖는 큐브로 표현된다. 도 4 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 4의 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 4에 도시된 오큐판시 코드는 00100001이므로 8개의 자식 노드 중 3번째 자식 노드 및 8번째 자식 노드에 대응하는 공간들은 각각 적어도 하나의 포인트를 포함함을 나타낸다. 도면에 도시된 바와 같이 3번째 자식 노드 및 8번째 자식 노드는 각각 8개의 자식 노드를 가지며, 각 자식 노드는 8비트의 오큐판시 코드로 표현된다. 도면은 3번째 자식 노드의 오큐판시 코드가 10000111이고, 8번째 자식 노드의 오큐판시 코드가 01001111임을 나타낸다. 실시예들에 따른 포인트 클라우드 인코더(예를 들면 아리스메틱 인코더(30004))는 오큐판시 코드를 엔트로피 인코딩할 수 있다. 또한 압축 효율을 높이기 위해 포인트 클라우드 인코더는 오큐판시 코드를 인트라/인터 코딩할 수 있다. 실시예들에 따른 수신 장치(예를 들면 수신 장치(10004) 또는 포인트 클라우드 비디오 디코더(10006))는 오큐판시 코드를 기반으로 옥트리를 재구성한다.
실시예들에 따른 포인트 클라우드 인코더(예를 들면 도 3의 포인트 클라우드 인코더, 또는 옥트리 분석부(30002))는 포인트들의 포지션들을 저장하기 위해 복셀화 및 옥트리 코딩을 수행할 수 있다. 하지만 3차원 공간 내 포인트들이 언제나 고르게 분포하는 것은 아니므로, 포인트들이 많이 존재하지 않는 특정 영역이 존재할 수 있다. 따라서 3차원 공간 전체에 대해 복셀화를 수행하는 것은 비효율 적이다. 예를 들어 특정 영역에 포인트가 거의 존재하지 않는다면, 해당 영역까지 복셀화를 수행할 필요가 없다.
따라서 실시예들에 따른 포인트 클라우드 인코더는 상술한 특정 영역(또는 옥트리의 리프 노드를 제외한 노드)에 대해서는 복셀화를 수행하지 않고, 특정 영역에 포함된 포인트들의 포지션을 직접 코딩하는 다이렉트 코딩(Direct coding)을 수행할 수 있다. 실시예들에 따른 다이렉트 코딩 포인트의 좌표들은 다이렉트 코딩 모드(Direct Coding Mode, DCM)으로 호칭된다. 또한 실시예들에 따른 포인트 클라우드 인코더는 표면 모델(surface model)을 기반으로 특정 영역(또는 노드)내의 포인트들의 포지션들을 복셀 기반으로 재구성하는 트라이숩 지오메트리 인코딩(Trisoup geometry encoding)을 수행할 수 있다. 트라이숩 지오메트리 인코딩은 오브젝트의 표현을 삼각형 메쉬(triangle mesh)의 시리즈로 표현하는 지오메트리 인코딩이다. 따라서 포인트 클라우드 디코더는 메쉬 표면으로부터 포인트 클라우드를 생성할 수 있다. 실시예들에 따른 다이렉트 코딩 및 트라이숩 지오메트리 인코딩은 선택적으로 수행될 수 있다. 또한 실시예들에 따른 다이렉트 코딩 및 트라이숩 지오메트리 인코딩은 옥트리 지오메트리 코딩(또는 옥트리 코딩)과 결합되어 수행될 수 있다.
다이렉트 코딩(Direct coding)을 수행하기 위해서는 다이렉트 코딩을 적용하기 위한 직접 모드(direct mode) 사용 옵션이 활성화 되어 있어야 하며, 다이렉트 코딩을 적용할 노드는 리프 노드가 아니고, 특정 노드 내에 한계치(threshold) 이하의 포인트들이 존재해야 한다. 또한 다이텍트 코딩의 대상이 되는 전채 포인트들의 개수는 기설정된 한계값을 넘어서는 안된다. 위의 조건이 만족되면, 실시예들에 따른 포인트 클라우드 인코더(또는 아리스메틱 인코더(30004))는 포인트들의 포지션들(또는 포지션 값들)을 엔트로피 코딩할 수 있다.
실시예들에 따른 포인트 클라우드 인코더(예를 들면 서페이스 어프록시메이션 분석부(30003))는 옥트리의 특정 레벨(레벨은 옥트리의 깊이 d보다는 작은 경우)을 정하고, 그 레벨부터는 표면 모델을 사용하여 노드 영역내의 포인트의 포지션을 복셀 기반으로 재구성하는 트라이숩 지오메트리 인코딩을 수행할 수 있다(트라이숩 모드). 실시예들에 따른 포인트 클라우드 인코더는 트라이숩 지오메트리 인코딩을 적용할 레벨을 지정할 수 있다. 예를 들어, 지정된 레벨이 옥트리의 깊이와 같으면 포인트 클라우드 인코더는 트라이숩 모드로 동작하지 않는다. 즉, 실시예들에 따른 포인트 클라우드 인코더는 지정된 레벨이 옥트리의 깊이값 보다 작은 경우에만 트라이숩 모드로 동작할 수 있다. 실시예들에 따른 지정된 레벨의 노드들의 3차원 정육면체 영역을 블록(block)이라 호칭한다. 하나의 블록은 하나 또는 그 이상의 복셀들을 포함할 수 있다. 블록 또는 복셀은 브릭(brick)에 대응될 수도 있다. 각 블록 내에서 지오메트리는 표면(surface)으로 표현된다. 실시예들에 따른 표면은 최대 한번 블록의 각 엣지(edge, 모서리)와 교차할 수 있다.
하나의 블록은 12개의 엣지들을 가지므로, 하나의 블록 내 적어도 12개의 교차점들이 존재한다. 각 교차점은 버텍스(vertex, 정점 또는 꼭지점)라 호칭된다. 엣지를 따라 존재하는 버텍스은 해당 엣지를 공유하는 모든 블록들 중 그 엣지에 인접한 적어도 하나의 오큐파이드 복셀(occupied voxel)이 있는 경우 감지된다. 실시예들에 따른 오큐파이드 복셀은 포인트를 포함하는 복셀을 의미한다. 엣지를 따라 검출된 버텍스의 포지션은 해당 엣지를 공유하는 모든 블록들 중 해당 엣지에 인접한 모든 복셀들의 엣지에 따른 평균 포지션(the average position along the edge of all voxels)이다.
버텍스가 검출되면 실시예들에 따른 포인트 클라우드 인코더는 엣지의 시작점(x, y, z), 엣지의 방향벡터(Δx, Δy, Δz), 버텍스 위치 값 (엣지 내의 상대적 위치 값)들을 엔트로피코딩할 수 있다. 트라이숩 지오메트리 인코딩이 적용된 경우, 실시예들에 따른 포인트 클라우드 인코더(예를 들면 지오메트리 리컨스트럭션부(30005))는 삼각형 재구성(triangle reconstruction), 업-샘플링(up-sampling), 복셀화 과정을 수행하여 복원된 지오메트리(재구성된 지오메트리)를 생성할 수 있다.
블록의 엣지에 위치한 버텍스들은 블록을 통과하는 표면(surface)를 결정한다. 실시예들에 따른 표면은 비평면 다각형이다. 삼각형 재구성 과정은 엣지의 시작점, 엣지의 방향 벡터와 버텍스의 위치값을 기반으로 삼각형으로 나타내는 표면을 재구성한다. 삼각형 재구성 과정은 다음과 같다. ①각 버텍스들의 중심(centroid)값을 계산하고, ②각 버텍스값에서 중심 값을 뺀 값들에 ③ 자승을 수행하고 그 값을 모두 더한 값을 구한다.
Figure PCTKR2023010183-appb-img-000001
더해진 값의 최소값을 구하고, 최소값이 있는 축에 따라서 프로젝션 (Projection, 투영) 과정을 수행한다. 예를 들어 x 요소(element)가 최소인 경우, 각 버텍스를 블록의 중심을 기준으로 x축으로 프로젝션 시키고, (y, z) 평면으로 프로젝션 시킨다. (y, z)평면으로 프로젝션 시키면 나오는 값이 (ai, bi)라면 atan2(bi, ai)를 통해 θ값을 구하고, θ값을 기준으로 버텍스들(vertices)을 정렬한다. 하기의 표는 버텍스들의 개수에 따라 삼각형을 생성하기 위한 버텍스들의 조합을 나타낸다. 버텍스들은 1부터 n까지의 순서로 정렬된다. 하기 표는4개의 버텍스들에 대하여, 버텍스들의 조합에 따라 두 개의 삼각형들이 구성될 수 있음을 나타낸다. 첫번째 삼각형은 정렬된 버텍스들 중 1, 2, 3번째 버텍스들로 구성되고, 두번째 삼각형은 정렬된 버텍스들 중 3, 4, 1번째 버텍스들로 구성될 수 있다.
표2-1. Triangles formed from vertices ordered 1,…,n
n triangles
3 (1,2,3)
4 (1,2,3), (3,4,1)
5 (1,2,3), (3,4,5), (5,1,3)
6 (1,2,3), (3,4,5), (5,6,1), (1,3,5)
7 (1,2,3), (3,4,5), (5,6,7), (7,1,3), (3,5,7)
8 (1,2,3), (3,4,5), (5,6,7), (7,8,1), (1,3,5), (5,7,1)
9 (1,2,3), (3,4,5), (5,6,7), (7,8,9), (9,1,3), (3,5,7), (7,9,3)
10 (1,2,3), (3,4,5), (5,6,7), (7,8,9), (9,10,1), (1,3,5), (5,7,9), (9,1,5)
11 (1,2,3), (3,4,5), (5,6,7), (7,8,9), (9,10,11), (11,1,3), (3,5,7), (7,9,11), (11,3,7)
12 (1,2,3), (3,4,5), (5,6,7), (7,8,9), (9,10,11), (11,12,1), (1,3,5), (5,7,9), (9,11,1), (1,5,9)
업샘플링 과정은 삼각형의 엣지를 따라서 중간에 점들을 추가하여 복셀화 하기 위해서 수행된다. 업샘플링 요소 값(upsampling factor)과 블록의 너비를 기준으로 추가 점들을 생성한다. 추가점은 리파인드 버텍스(refined vertice)라고 호칭된다. 실시예들에 따른 포인트 클라우드 인코더는 리파인드 버텍스들을 복셀화할 수 있다. 또한 포인트 클라우드 인코더는 복셀화 된 포지션(또는 포지션 값)을 기반으로 어트리뷰트 인코딩을 수행할 수 있다.
도 5는 실시예들에 따른 LOD 별 포인트 구성의 예시를 나타낸다.
도 1 내지 도 4에서 설명한 바와 같이, 어트리뷰트 인코딩이 수행되기 전 인코딩된 지오메트리는 재구성(디컴프레션) 된다. 다이렉트 코딩이 적용된 경우, 지오메트리 재구성 동작은 다이렉트 코딩된 포인트들의 배치를 변경하는 것을 포함할 수 있다(예를 들면 다이렉트 코딩된 포인트들을 포인트 클라우드 데이터의 앞쪽에 배치). 트라이숩 지오메트리 인코딩이 적용된 경우, 지오메트리 재구성 과정은 삼각형 재구성, 업샘플링, 복셀화 과정을 어트리뷰트는 지오메트리에 종속되므로, 어트리뷰트 인코딩은 재구성된 지오메트리를 기반으로 수행된다.
포인트 클라우드 인코더(예를 들면 LOD 생성부(30009))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 6는 실시예들에 따른 LOD 별 포인트 구성의 예시를 나타낸다.
도 1 내지 도 5에서 설명한 바와 같이 포인트 클라우드 콘텐트 제공 시스템, 또는 포인트 클라우드 인코더(예를 들면 포인트 클라우드 비디오 인코더(10002), 도 3의 포인트 클라우드 인코더, 또는 LOD 생성부(30009))는 LOD를 생성할 수 있다. LOD는 포인트들을 설정된 LOD 거리 값(또는 유클리이디언 디스턴스(Euclidean Distance)의 세트)에 따라 리파인먼트 레벨들(refinement levels)의 세트로 재정열(reorganize)하여 생성된다. LOD 생성 과정은 포인트 클라우드 인코더뿐만 아니라 포인트 클라우드 디코더에서도 수행된다.
도 6의 상단은 3차원 공간에 분포된 포인트 클라우드 콘텐트의 포인트들의 예시(P0내지 P9)를 나타낸다. 도 6의 오리지널 오더(Original order)는 LOD 생성전 포인트들 P0내지 P9의 순서를 나타낸다. 도 6의 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 6에 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 3에서 설명한 바와 같이 실시예들에 따른 포인트 클라우드 인코더는 예측 변환 코딩, 리프팅 변환 코딩 및 RAHT 변환 코딩을 선택적으로 또는 조합하여 수행할 수 있다.
실시예들에 따른 포인트 클라우드 인코더는 포인트들에 대한 예측기(predictor)를 생성하여 각 포인트의 예측 어트리뷰트(또는 예측 어트리뷰트값)을 설정하기 위한 예측 변환 코딩을 수행할 수 있다. 즉, N개의 포인트들에 대하여 N개의 예측기들이 생성될 수 있다. 실시예들에 따른 예측기는 각 포인트의 LOD 값과 LOD별 설정된 거리 내에 존재하는 이웃 포인트들에 대한 인덱싱 정보 및 이웃 포인트들까지의 거리 값을 기반으로 가중치(=1/거리) 값을 계산하할 수 있다.
실시예들에 따른 예측 어트리뷰트(또는 어트리뷰트값)은 각 포인트의 예측기에 설정된 이웃 포인트들의 어트리뷰트들(또는 어트리뷰트 값들, 예를 들면 색상, 반사율 등)에 각 이웃 포인트까지의 거리를 기반으로 계산된 가중치(또는 가중치값)을 곱한 값의 평균값으로 설정된다. 실시예들에 따른 포인트 클라우드 인코더(예를 들면 계수 양자화부(30011)는 각 포인트의 어트리뷰트(어트리뷰트 값)에서 예측 어트리뷰트(어트리뷰트값)을 뺀 잔여값들(residuals, 잔여 어트리뷰트, 잔여 어트리뷰트값, 어트리뷰트 예측 잔여값 등으로 호칭할 수 있다)을 양자화(quatization) 및 역양자화(inverse quantization)할 수 있다. 양자화 과정은 다음의 표에 나타난 바와 같다.
표. Attribute prediction residuals quantization pseudo code
int PCCQuantization(int value, int quantStep) {
if( value >=0) {
return floor(value / quantStep + 1.0 / 3.0);
} else {
return -floor(-value / quantStep + 1.0 / 3.0);
}
}
표. Attribute prediction residuals inverse quantization pseudo code
int PCCInverseQuantization(int value, int quantStep) {
if( quantStep ==0) {
return value;
} else {
return value * quantStep;
}
}
실시예들에 따른 포인트 클라우드 인코더(예를 들면 아리스메틱 인코더(30012))는 각 포인트의 예측기에 이웃한 포인트들이 있는 경우, 상술한 바와 같이 양자화 및 역양자화된 잔여값을 엔트로피 코딩 할 수 있다. 실시예들에 따른 포인트 클라우드 인코더(예를 들면 아리스메틱 인코더(30012))는 각 포인트의 예측기에 이웃한 포인트들이 없으면 상술한 과정을 수행하지 않고 해당 포인트의 어트리뷰트들을 엔트로피 코딩할 수 있다.
실시예들에 따른 포인트 클라우드 인코더 (예를 들면 리프팅 변환부(30010))는 각 포인트의 예측기를 생성하고, 예측기에 계산된 LOD를 설정 및 이웃 포인트들을 등록하고, 이웃 포인트들까지의 거리에 따른 가중치를 설정하여 리프팅 변환 코딩을 수행할 수 있다. 실시예들에 따른 리프팅 변환 코딩은 상술한 예측 변환 코딩과 유사하나, 어트리뷰트값에 가중치를 누적 적용한다는 점에서 차이가 있다. 실시예들에 따른 어트리뷰트값에 가중치를 누적 적용하는 과정은 다음과 같다.
1) 각 포인트의 가중치 값을 저장하는 배열 QW(QuantizationWieght)를 생성한다. QW의 모든 요소들의 초기값은 1.0이다. 예측기에 등록된 이웃 노드의 예측기 인덱스의 QW 값에 현재 포인트의 예측기의 가중치를 곱한 값을 더한다.
2) 리프트 예측 과정: 예측된 어트리뷰트 값을 계산하기 위하여 포인트의 어트리뷰트 값에 가중치를 곱한 값을 기존 어트리뷰트값에서 뺀다.
3) 업데이트웨이트(updateweight) 및 업데이트(update)라는 임시 배열들을 생성하고 임시 배열들을 0으로 초기화한다.
4) 모든 예측기에 대해서 계산된 가중치에 예측기 인덱스에 해당하는 QW에 저장된 가중치를 추가로 곱해서 산출된 가중치를 업데이트웨이트 배열에 이웃 노드의 인덱스로 누적으로 합산한다. 업데이트 배열에는 이웃 노드의 인덱스의 어트리뷰트 값에 산출된 가중치를 곱한 값을 누적 합산한다.
5) 리프트 업데이트 과정: 모든 예측기에 대해서 업데이트 배열의 어트리뷰트 값을 예측기 인덱스의 업데이트웨이트 배열의 가중치 값으로 나누고, 나눈 값에 다시 기존 어트리뷰트 값을 더한다.
6) 모든 예측기에 대해서, 리프트 업데이트 과정을 통해 업데이트된 어트리뷰트 값에 리프트 예측 과정을 통해 업데이트 된(QW에 저장된) 가중치를 추가로 곱하여 예측 어트리뷰트 값을 산출한다. 실시예들에 따른 포인트 클라우드 인코더(예를 들면 계수 양자화부(30011))는 예측 어트리뷰트 값을 양자화한다. 또한 포인트 클라우드 인코더(예를 들면 아리스메틱 인코더(30012))는 양자화된 어트리뷰트 값을 엔트로피 코딩한다.
실시예들에 따른 포인트 클라우드 인코더(예를 들면 RAHT 변환부(30008))는 옥트리의 하위 레벨에 있는 노드와 연관된 어트리뷰트를 사용하여 상위 레벨의 노드들의 어트리뷰트를 에측하는 RAHT 변환 코딩을 수행할 수 있다. RAHT 변환 코딩은 옥트리 백워드 스캔을 통한 어트리뷰트 인트라 코딩의 예시이다. 실시예들에 따른 포인트 클라우드 인코더는 복셀에서 전체 영역으로 스캔하고, 각 스텝에서 복셀을 더 큰 블록으로 합치면서 루트 노드까지의 병합 과정을 반복수행한다. 실시예들에 따른 병합 과정은 오큐파이드 노드에 대해서만 수행된다. 엠티 노드(empty node)에 대해서는 병합 과정이 수행되지 않으며, 엠티 노드의 바로 상위 노드에 대해 병합 과정이 수행된다.
하기의 식은 RAHT 변환 행렬을 나타낸다. gl x, y, z 는 레벨 l에서의 복셀들의 평균 어트리뷰트 값을 나타낸다. gl x, y, z 는 gl+1 2x, y, z와 gl+1 2x+1, y, z로부터 계산될 수 있다. gl 2x, y, z 와 gl 2x+1, y, z 의 가중치를 w1=w l 2x, y, z 과 w2=w l 2x+1, y, z 이다.
Figure PCTKR2023010183-appb-img-000002
*gl-1 x, y, z는 로-패스(low-pass) 값으로, 다음 상위 레벨에서의 병합 과정에서 사용된다. hl-1 x, y, z은 하이패스 계수(high-pass coefficients)이며, 각 스텝에서의 하이패스 계수들은 양자화되어 엔트로피 코딩 된다(예를 들면 아리스메틱 인코더(400012)의 인코딩). 가중치는 w l-1 x, y, z=w l 2x, y, z+w l 2x+1, y, z로 계산된다. 루트 노드는 마지막 g1 0, 0, 0 과 g1 0, 0, 1을 통해서 다음과 같이 생성된다.,
Figure PCTKR2023010183-appb-img-000003
gDC값 또한 하이패스 계수와 같이 양자화되어 엔트로피 코딩된다.
도 7은 실시예들에 따른 포인트 클라우드 디코더(Point Cloud Decoder)의 예시를 나타낸다.
도 7에 도시된 포인트 클라우드 디코더는 포인트 클라우드 디코더의 예시로서, 도 1 내지 도 6에서 설명한 포인트 클라우드 인코더의 인코딩 동작의 역과정인 디코딩 동작을 수행할 수 있다.
도 1에서 설명한 바와 같이 포인트 클라우드 디코더는 지오메트리 디코딩 및 어트리뷰트 디코딩을 수행할 수 있다. 지오메트리 디코딩은 어트리뷰트 디코딩보다 먼저 수행된다.
실시예들에 따른 포인트 클라우드 디코더는 아리스메틱 디코더(arithmetic decode, 7000), 옥트리 합성부(synthesize octree, 7001), 서페이스 오프록시메이션 합성부(synthesize surface approximation, 7002), 지오메트리 리컨스트럭션부(reconstruct geometry, 7003), 좌표계 역변환부(inverse transform coordinates, 7004), 아리스메틱 디코더(arithmetic decode, 7005), 역양자화부(inverse quantize, 7006), RAHT변환부(7007), LOD생성부(generate LOD, 7008), 인버스 리프팅부(Inverse lifting, 7009), 및/또는 컬러 역변환부(inverse transform colors, 7010)를 포함한다.
아리스메틱 디코더(7000), 옥트리 합성부(7001), 서페이스 오프록시메이션 합성부(7002), 지오메트리 리컨스럭션부(7003), 좌표계 역변환부(7004)는 지오메트리 디코딩을 수행할 수 있다. 실시예들에 따른 지오메트리 디코딩은 다이렉트 코딩(direct coding) 및 트라이숩 지오메트리 디코딩(trisoup geometry decoding)을 포함할 수 있다. 다이렉트 코딩 및 트라이숩 지오메트리 디코딩은 선택적으로 적용된다. 또한 지오메트리 디코딩은 위의 예시에 국한되지 않으며, 도 1 내지 도 6에서 설명한 지오메트리 인코딩의 역과정으로 수행된다.
실시예들에 따른 아리스메틱 디코더(7000)는 수신한 지오메트리 비트스트림을 아리스메틱 코딩을 기반으로 디코딩한다. 아리스메틱 디코더(7000)의 동작은 아리스메틱 인코더(30004)의 역과정에 대응한다.
실시예들에 따른 옥트리 합성부(7001)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 6에서 설명한 바와 같다.
실시예들에 따른 서페이스 오프록시메이션 합성부(7002)는 트라이숩 지오메트리 인코딩이 적용된 경우, 디코딩된 지오메트리 및/또는 생성된 옥트리에 기반하여 서페이스를 합성할 수 있다.
실시예들에 따른 지오메트리 리컨스트럭션부(7003)는 서페이스 및 또는 디코딩된 지오메트리에 기반하여 지오메트리를 재생성할 수 있다. 도 1 내지 도 6에서 설명한 바와 같이, 다이렉트 코딩 및 트라이숩 지오메트리 인코딩은 선택적으로 적용된다. 따라서 지오메트리 리컨스트럭션부(7003)는 다이렉트 코딩이 적용된 포인트들의 포지션 정보들을 직접 가져와서 추가한다. 또한, 트라이숩 지오메트리 인코딩이 적용된 경우, 지오메트리 리컨스트럭션부(7003)는 지오메트리 리컨스트럭션부(30005)의 재구성 동작, 예를 들면 삼각형 재구성, 업-샘플링, 복셀화 동작을 수행하여 지오메트리를 복원할 수 있다. 구체적인 내용은 도 4에서 설명한 바와 동일하므로 생략한다. 복원된 지오메트리는 어트리뷰트들을 포함하지 않는 포인트 클라우드 픽쳐 또는 프레임을 포함할 수 있다.
실시예들에 따른 좌표계 역변환부(7004)는 복원된 지오메트리를 기반으로 좌표계를 변환하여 포인트들의 포지션들을 획득할 수 있다.
아리스메틱 디코더(7005), 역양자화부(7006), RAHT 변환부(7007), LOD생성부(7008), 인버스 리프팅부(7009), 및/또는 컬러 역변환부(7010)는 도 10에서 설명한 어트리뷰트 디코딩을 수행할 수 있다. 실시예들에 따른 어트리뷰트 디코딩은 RAHT(Region Adaptive Hierarchial Transform) 디코딩, 예측 변환(Interpolaration-based hierarchical nearest-neighbour prediction-Prediction Transform) 디코딩 및 리프팅 변환 (interpolation-based hierarchical nearest-neighbour prediction with an update/lifting step (Lifting Transform)) 디코딩을 포함할 수 있다. 상술한 3가지의 디코딩들은 선택적으로 사용되거나, 하나 또는 그 이상의 디코딩들의 조합이 사용될 수 있다. 또한 실시예들에 따른 어트리뷰트 디코딩은 상술한 예시에 국한되는 것은 아니다.
실시예들에 따른 아리스메틱 디코더(7005)는 어트리뷰트 비트스트림을 아리스메틱 코딩으로 디코딩한다.
실시예들에 따른 역양자화부(7006)는 디코딩된 어트리뷰트 비트스트림 또는 디코딩 결과 확보한 어트리뷰트에 대한 정보를 역양자화(inverse quantization)하고 역양자화된 어트리뷰트들(또는 어트리뷰트 값들)을 출력한다. 역양자화는 포인트 클라우드 인코더의 어트리뷰트 인코딩에 기반하여 선택적으로 적용될 수 있다.
실시예들에 따라 RAHT 변환부(7007), LOD생성부(7008) 및/또는 인버스 리프팅부(7009)는 재구성된 지오메트리 및 역양자화된 어트리뷰트들을 처리할 수 있다. 상술한 바와 같이 RAHT 변환부(7007), LOD생성부(7008) 및/또는 인버스 리프팅부(7009)는 포인트 클라우드 인코더의 인코딩에 따라 그에 대응하는 디코딩 동작을 선택적으로 수행할 수 있다.
실시예들에 따른 컬러 역변환부(7010)는 디코딩된 어트리뷰트들에 포함된 컬러 값(또는 텍스쳐)을 역변환하기 위한 역변환 코딩을 수행한다. 컬러 역변환부(7010)의 동작은 포인트 클라우드 인코더의 컬러 변환부(30006)의 동작에 기반하여 선택적으로 수행될 수 있다.
도 7의 포인트 클라우드 디코더의 엘레멘트들은 도면에 도시되지 않았으나 포인트 클라우드 제공 장치에 포함된 하나 또는 그 이상의 메모리들과 통신가능하도록 설정된 하나 또는 그 이상의 프로세서들 또는 집적 회로들(integrated circuits)을 포함하는 하드웨어, 소프트웨어, 펌웨어 또는 이들의 조합으로 구현될 수 있다. 하나 또는 그 이상의 프로세서들은 상술한 도 7의 포인트 클라우드 디코더의 엘레멘트들의 동작들 및/또는 기능들 중 적어도 어느 하나 이상을 수행할 수 있다. 또한 하나 또는 그 이상의 프로세서들은 도7의 포인트 클라우드 디코더의 엘레멘트들의 동작들 및/또는 기능들을 수행하기 위한 소프트웨어 프로그램들 및/또는 인스트럭션들의 세트를 동작하거나 실행할 수 있다.
도 8은 실시예들에 따른 전송 장치의 예시이다.
도 8에 도시된 전송 장치는 도 1의 전송장치(10000) (또는 도 3의 포인트 클라우드 인코더)의 예시이다. 도 8에 도시된 전송 장치는 도 1 내지 도 6에서 설명한 포인트 클라우드 인코더의 동작들 및 인코딩 방법들과 동일 또는 유사한 동작들 및 방법들 중 적어도 어느 하나 이상을 수행할 수 있다. 실시예들에 따른 전송 장치는 데이터 입력부(8000), 양자화 처리부(8001), 복셀화 처리부(8002), 옥트리 오큐판시 코드 (Occupancy code) 생성부(8003), 표면 모델 처리부(8004), 인트라/인터 코딩 처리부(8005), 아리스메틱 (Arithmetic) 코더(8006), 메타데이터 처리부(8007), 색상 변환 처리부(8008), 어트리뷰트 변환 처리부(또는 속성 변환 처리부)(8009), 예측/리프팅/RAHT 변환 처리부(8010), 아리스메틱 (Arithmetic) 코더(8011) 및/또는 전송 처리부(8012)를 포함할 수 있다.
실시예들에 따른 데이터 입력부(8000)는 포인트 클라우드 데이터를 수신 또는 획득한다. 데이터 입력부(8000)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(8000), 양자화 처리부(8001), 복셀화 처리부(8002), 옥트리 오큐판시 코드 (Occupancy code) 생성부(8003), 표면 모델 처리부(8004), 인트라/인터 코딩 처리부(8005), Arithmetic 코더(8006)는 지오메트리 인코딩을 수행한다. 실시예들에 따른 지오메트리 인코딩은 도 1 내지 도 6에서 설명한 지오메트리 인코딩과 동일 또는 유사하므로 구체적인 설명은 생략한다.
실시예들에 따른 양자화 처리부(8001)는 지오메트리(예를 들면 포인트들의 위치값, 또는 포지션값)을 양자화한다. 양자화 처리부(8001)의 동작 및/또는 양자화는 도 3에서 설명한 양자화부(30001)의 동작 및/또는 양자화와 동일 또는 유사하다. 구체적인 설명은 도 1 내지 도 6에서 설명한 바와 동일하다.
실시예들에 따른 복셀화 처리부(8002)는 양자화된 포인트들의 포지션 값을 복셀화한다. 복셀화 처리부(80002)는 도 3에서 설명한 양자화부(30001)의 동작 및/또는 복셀화 과정과 동일 또는 유사한 동작 및/또는 과정을 수행할 수 있다. 구체적인 설명은 도 1 내지 도 6에서 설명한 바와 동일하다.
실시예들에 따른 옥트리 오큐판시 코드 생성부(8003)는 복셀화된 포인트들의 포지션들을 옥트리 구조를 기반으로 옥트리 코딩을 수행한다. 옥트리 오큐판시 코드 생성부(8003)는 오큐판시 코드를 생성할 수 있다. 옥트리 오큐판시 코드 생성부(8003)는 도 3 및 도 4에서 설명한 포인트 클라우드 인코더 (또는 옥트리 분석부(30002))의 동작 및/또는 방법과 동일 또는 유사한 동작 및/또는 방법을 수행할 수 있다. 구체적인 설명은 도 1 내지 도 6에서 설명한 바와 동일하다.
실시예들에 따른 표면 모델 처리부(8004)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(8004)는 도 3 에서 설명한 포인트 클라우드 인코더(예를 들면 서페이스 어프록시메이션 분석부(30003))의 동작 및/또는 방법과 동일 또는 유사한 동작 및/또는 방법을 수행할 수 있다. 구체적인 설명은 도 1 내지 도 6에서 설명한 바와 동일하다.
실시예들에 따른 인트라/인터 코딩 처리부(8005)는 포인트 클라우드 데이터를 인트라/인터 코딩할 수 있다. 인트라/인터 코딩 처리부(8005)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(8005)는 아리스메틱 코더(8006)에 포함될 수 있다.
실시예들에 따른 아리스메틱 코더(8006)는 포인트 클라우드 데이터의 옥트리 및/또는 근사화된 옥트리를 엔트로피 인코딩한다. 예를 들어, 인코딩 방식은 아리스메틱(Arithmetic) 인코딩 방법을 포함한다. . 아리스메틱 코더(8006)는 아리스메틱 인코더(30004)의 동작 및/또는 방법과 동일 또는 유사한 동작 및/또는 방법을 수행한다.
실시예들에 따른 메타데이터 처리부(8007)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(8007)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(8008), 어트리뷰트 변환 처리부(8009), 예측/리프팅/RAHT 변환 처리부(8010), 아리스메틱 (Arithmetic) 코더(8011)는 어트리뷰트 인코딩을 수행한다. 실시예들에 따른 어트리뷰트 인코딩은 도 1 내지 도 6에서 설명한 어트리뷰트 인코딩과 동일 또는 유사하므로 구체적인 설명은 생략한다.
실시예들에 따른 색상 변환 처리부(8008)는 어트리뷰트들에 포함된 색상값을 변환하는 색상 변환 코딩을 수행한다. 색상 변환 처리부(8008)는 재구성된 지오메트리를 기반으로 색상 변환 코딩을 수행할 수 있다. 재구성된 지오메트리에 대한 설명은 도 1 내지 도 6에서 설명한 바와 동일하다. 또한 도 3에서 설명한 컬러 변환부(30006)의 동작 및/또는 방법과 동일 또는 유사한 동작 및/또는 방법을 수행한다. 구체적인 설명은 생략한다.
실시예들에 따른 어트리뷰트 변환 처리부(8009)는 지오메트리 인코딩이 수행되지 않은 포지션들 및/또는 재구성된 지오메트리를 기반으로 어트리뷰트들을 변환하는 어트리뷰트 변환을 수행한다. 어트리뷰트 변환 처리부(8009)는 도 3에 설명한 어트리뷰트 변환부(30007)의 동작 및/또는 방법과 동일 또는 유사한 동작 및/또는 방법을 수행한다. 구체적인 설명은 생략한다. 실시예들에 따른 예측/리프팅/RAHT 변환 처리부(8010)는 변환된 어트리뷰트들을 RAHT 코딩, 예측 변환 코딩 및 리프팅 변환 코딩 중 어느 하나 또는 조합하여 코딩할 수 있다. 예측/리프팅/RAHT 변환 처리부(8010)는 도 3에서 설명한 RAHT 변환부(30008), LOD 생성부(30009) 및 리프팅 변환부(30010)의 동작들과 동일 또는 유사한 동작들 중 적어도 하나 이상을 수행한다. 또한 예측 변환 코딩, 리프팅 변환 코딩 및 RAHT 변환 코딩에 대한 설명은 도 1 내지 도 6에서 설명한 바와 동일하므로 구체적인 설명은 생략한다.
실시예들에 따른 아리스메틱 코더(8011)는 코딩된 어트리뷰트들을 아리스메틱 코딩에 기반하여 인코딩할 수 있다. 아리스메틱 코더(8011)는 아리스메틱 인코더(300012)의 동작 및/또는 방법과 동일 또는 유사한 동작 및/또는 방법을 수행한다.
실시예들에 따른 전송 처리부(8012)는 인코딩된 지오메트리 및/또는 인코딩된 어트리뷰트, 메타 데이터 정보를 포함하는 각 비트스트림을 전송하거나, 인코딩된 지오메트리 및/또는 인코딩된 어트리뷰트, 메타 데이터 정보를 하나의 비트스트림으로 구성하여 전송할 수 있다. 실시예들에 따른 인코딩된 지오메트리 및/또는 인코딩된 어트리뷰트, 메타 데이터 정보가 하나의 비트스트림으로 구성되는 경우, 비트스트림은 하나 또는 그 이상의 서브 비트스트림들을 포함할 수 있다. 실시예들에 따른 비트스트림은 시퀀스 레벨의 시그널링을 위한 SPS (Sequence Parameter Set), 지오메트리 정보 코딩의 시그널링을 위한 GPS(Geometry Parameter Set), 어트리뷰트 정보 코딩의 시그널링을 위한 APS(Attribute Parameter Set), 타일 레벨의 시그널링을 위한 TPS (Tile Parameter Set)를 포함하는 시그널링 정보 및 슬라이스 데이터를 포함할 수 있다. 슬라이스 데이터는 하나 또는 그 이상의 슬라이스들에 대한 정보를 포함할 수 있다. 실시예들에 따른 하나의 슬라이스는 하나의 지오메트리 비트스트림(Geom00) 및 하나 또는 그 이상의 어트리뷰트 비트스트림들(Attr00, Attr10)을 포함할 수 있다.
슬라이스(slice)란, 코딩된 포인트 클라우드 프레임의 전체 또는 일부를 나타내는 신택스 엘리먼트의 시리즈를 말한다.
실시예들에 따른 TPS는 하나 또는 그 이상의 타일들에 대하여 각 타일에 관한 정보(예를 들면 bounding box의 좌표값 정보 및 높이/크기 정보 등)을 포함할 수 있다. 지오메트리 비트스트림은 헤더와 페이로드를 포함할 수 있다. 실시예들에 따른 지오메트리 비트스트림의 헤더는 GPS에 포함된 파라미터 세트의 식별 정보(geom_ parameter_set_id), 타일 식별자(geom_tile_id), 슬라이스 식별자(geom_slice_id) 및 페이로드에 포함된 데이터에 관한 정보 등을 포함할 수 있다. 상술한 바와 같이 실시예들에 따른 메타데이터 처리부(8007)는 시그널링 정보를 생성 및/또는 처리하여 전송 처리부(8012)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(8012)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 9는 실시예들에 따른 수신 장치의 예시이다.
도 9에 도시된 수신 장치는 도 1의 수신장치(10004) (또는 도 10 및 도 11의 포인트 클라우드 디코더)의 예시이다. 도 9에 도시된 수신 장치는 도 1 내지 도 11에서 설명한 포인트 클라우드 디코더의 동작들 및 디코딩 방법들과 동일 또는 유사한 동작들 및 방법들 중 적어도 어느 하나 이상을 수행할 수 있다.
실시예들에 따른 수신 장치는 수신부(9000), 수신 처리부(9001), 아리스메틱 (arithmetic) 디코더(9002), 오큐판시 코드 (Occupancy code) 기반 옥트리 재구성 처리부(9003), 표면 모델 처리부(삼각형 재구성, 업-샘플링, 복셀화)(9004), 인버스(inverse) 양자화 처리부(9005), 메타데이터 파서(9006), 아리스메틱 (arithmetic) 디코더(9007), 인버스(inverse)양자화 처리부(9008), 예측/리프팅/RAHT 역변환 처리부(9009), 색상 역변환 처리부(9010) 및/또는 렌더러(9011)를 포함할 수 있다. 실시예들에 따른 디코딩의 각 구성요소는 실시예들에 따른 인코딩의 구성요소의 역과정을 수행할 수 있다.
실시예들에 따른 수신부(9000)는 포인트 클라우드 데이터를 수신한다. 수신부(9000)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(9001)는 수신한 데이터로부터 지오메트리 비트스트림 및/또는 어트리뷰트 비트스트림을 획득할 수 있다. 수신 처리부(9001)는 수신부(9000)에 포함될 수 있다.
아리스메틱 디코더(9002), 오큐판시 코드 기반 옥트리 재구성 처리부(9003), 표면 모델 처리부(9004) 및 인버스 양자화 처리부(9005)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(9002)는 지오메트리 비트스트림을 아리스메틱 코딩을 기반으로 디코딩할 수 있다. 아리스메틱 디코더(9002)는 아리스메틱 디코더(7000)의 동작 및/또는 코딩과 동일 또는 유사한 동작 및/또는 코딩을 수행한다.
실시예들에 따른 오큐판시 코드 기반 옥트리 재구성 처리부(9003)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(9003)는 옥트리 합성부(7001)의 동작 및/또는 옥트리 생성 방법과 동일 또는 유사한 동작 및/또는 방법을 수행한다. 실시예들에 따른 표면 모델 처리부(9004)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(9004)는 서페이스 오프록시메이션 합성부(7002) 및/또는 지오메트리 리컨스트럭션부(7003)의 동작과 동일 또는 유사한 동작을 수행한다.
실시예들에 따른 인버스 양자화 처리부(9005)는 디코딩된 지오메트리를 인버스 양자화할 수 있다.
실시예들에 따른 메타데이터 파서(9006)는 수신한 포인트 클라우드 데이터에 포함된 메타데이터, 예를 들어 설정 값 등을 파싱할 수 있다. 메타데이터 파서(9006)는 메타데이터를 지오메트리 디코딩 및/또는 어트리뷰트 디코딩에 전달할 수 있다. 메타데이터에 대한 구체적인 설명은 도 8에서 설명한 바와 동일하므로 생략한다.
아리스메틱 디코더(9007), 인버스 양자화 처리부(9008), 예측/리프팅/RAHT 역변환 처리부(9009) 및 색상 역변환 처리부(9010)는 어트리뷰트 디코딩을 수행한다. 어트리뷰트 디코딩는 도 1 내지 도 10에서 설명한 어트리뷰트 디코딩과 동일 또는 유사하므로 구체적인 설명은 생략한다.
실시예들에 따른 아리스메틱 디코더(9007)는 어트리뷰트 비트스트림을 아리스메틱 코딩으로 디코딩할 수 있다. 아리스메틱 디코더(9007)는 재구성된 지오메트리를 기반으로 어트리뷰트 비트스트림의 디코딩을 수행할 수 있다. 아리스메틱 디코더(9007)는 아리스메틱 디코더(7005)의 동작 및/또는 코딩과 동일 또는 유사한 동작 및/또는 코딩을 수행한다.
실시예들에 따른 인버스 양자화 처리부(9008)는 디코딩된 어트리뷰트 비트스트림을 인버스 양자화할 수 있다. 인버스 양자화 처리부(9008)는 역양자화부(7006)의 동작 및/또는 역양자화 방법과 동일 또는 유사한 동작 및/또는 방법을 수행한다.
실시예들에 따른 예측/리프팅/RAHT 역변환 처리부(9009)는 재구성된 지오메트리 및 역양자화된 어트리뷰트들을 처리할 수 있다. 예측/리프팅/RAHT 역변환 처리부(9009)는 RAHT 변환부(7007), LOD생성부(7008) 및/또는 인버스 리프팅부(7009)의 동작들 및/또는 디코딩들과 동일 또는 유사한 동작들 및/또는 디코딩들 중 적어도 어느 하나 이상을 수행한다. 실시예들에 따른 색상 역변환 처리부(9010)는 디코딩된 어트리뷰트들에 포함된 컬러 값(또는 텍스쳐)을 역변환하기 위한 역변환 코딩을 수행한다. 색상 역변환 처리부(9010)는 컬러 역변환부(7010)의 동작 및/또는 역변환 코딩과 동일 또는 유사한 동작 및/또는 역변환 코딩을 수행한다. 실시예들에 따른 렌더러(9011)는 포인트 클라우드 데이터를 렌더링할 수 있다.
도 10은 실시예들에 따른 포인트 클라우드 데이터 송수신 방법/장치와 연동 가능한 구조의 예시를 나타낸다.
도 10의 구조는 서버(1060), 로봇(1010), 자율 주행 차량(1020), XR 장치(1030), 스마트폰(1040), 가전(1050) 및/또는 HMD(1070) 중에서 적어도 하나 이상이 클라우드 네트워크(1010)와 연결된 구성을 나타낸다. 로봇(1010), 자율 주행 차량(1020), XR 장치(1030), 스마트폰(1040) 또는 가전(1050) 등은 장치라 호칭된다. 또한, XR 장치(1030)는 실시예들에 따른 포인트 클라우드 데이터 (PCC) 장치에 대응되거나 PCC장치와 연동될 수 있다.
클라우드 네트워크(1000)는 클라우드 컴퓨팅 인프라의 일부를 구성하거나 클라우드 컴퓨팅 인프라 안에 존재하는 네트워크를 의미할 수 있다. 여기서, 클라우드 네트워크(1000)는 3G 네트워크, 4G 또는 LTE(Long Term Evolution) 네트워크 또는 5G 네트워크 등을 이용하여 구성될 수 있다.
서버(1060)는 로봇(1010), 자율 주행 차량(1020), XR 장치(1030), 스마트폰(1040), 가전(1050) 및/또는 HMD(1070) 중에서 적어도 하나 이상과 클라우드 네트워크(1000)을 통하여 연결되고, 연결된 장치들(1010 내지 1070)의 프로세싱을 적어도 일부를 도울 수 있다.
HMD (Head-Mount Display)(1070)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(1010 내지 1050)의 다양한 실시 예들을 설명한다. 여기서, 도 10에 도시된 장치(1010 내지 1050)는 상술한 실시예들에 따른 포인트 클라우드 데이터 송수신 장치와 연동/결합될 수 있다.
<PCC+XR>
XR/PCC 장치(1030)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(1030)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(1030)는 인식된 물체에 대한 추가 정보를 포함하는 XR 객체를 해당 인식된 물체에 대응시켜 출력할 수 있다.
<PCC+XR+모바일폰>
XR/PCC 장치(1030)는 PCC기술이 적용되어 모바일폰(1040) 등으로 구현될 수 있다.
모바일폰(1040)은 PCC 기술에 기반하여 포인트 클라우드 콘텐츠를 디코딩하고, 디스플레이할 수 있다.
<PCC+자율주행+XR>
자율 주행 차량(1020)은 PCC 기술 및 XR 기술이 적용되어, 이동형 로봇, 차량, 무인 비행체 등으로 구현될 수 있다.
XR/PCC 기술이 적용된 자율 주행 차량(1020)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(1020)은 XR 장치(1030)와 구분되며 서로 연동될 수 있다.
XR/PCC영상을 제공하는 수단을 구비한 자율 주행 차량(1020)은 카메라를 포함하는 센서들로부터 센서 정보를 획득하고, 획득한 센서 정보에 기초하여 생성된 XR/PCC 영상을 출력할 수 있다. 예컨대, 자율 주행 차량(1020)은 HUD를 구비하여 XR/PCC 영상을 출력함으로써, 탑승자에게 현실 객체 또는 화면 속의 객체에 대응되는 XR/PCC 객체를 제공할 수 있다.
이때, XR/PCC 객체가 HUD에 출력되는 경우에는 XR/PCC 객체의 적어도 일부가 탑승자의 시선이 향하는 실제 객체에 오버랩되도록 출력될 수 있다. 반면, XR/PCC 객체가 자율 주행 차량의 내부에 구비되는 디스플레이에 출력되는 경우에는 XR/PCC 객체의 적어도 일부가 화면 속의 객체에 오버랩되도록 출력될 수 있다. 예컨대, 자율 주행 차량(1220)은 차로, 타 차량, 신호등, 교통 표지판, 이륜차, 보행자, 건물 등과 같은 객체와 대응되는 XR/PCC 객체들을 출력할 수 있다.
실시예들에 의한 VR (Virtual Reality) 기술, AR (Augmented Reality) 기술, MR (Mixed Reality) 기술 및/또는 PCC(Point Cloud Compression)기술은, 다양한 디바이스에 적용 가능하다.
즉, VR 기술은, 현실 세계의 객체나 배경 등을 CG 영상으로만 제공하는 디스플레이 기술이다. 반면, AR 기술은, 실제 사물 영상 위에 가상으로 만들어진 CG 영상을 함께 보여 주는 기술을 의미한다. 나아가, MR 기술은, 현실세계에 가상 객체들을 섞고 결합시켜서 보여준다는 점에서 전술한 AR 기술과 유사하다. 그러나, AR 기술에서는 현실 객체와 CG 영상으로 만들어진 가상 객체의 구별이 뚜렷하고, 현실 객체를 보완하는 형태로 가상 객체를 사용하는 반면, MR 기술에서는 가상 객체가 현실 객체와 동등한 성격으로 간주된다는 점에서 AR 기술과는 구별이 된다. 보다 구체적으로 예를 들면, 전술한 MR 기술이 적용된 것이 홀로그램 서비스 이다.
다만, 최근에는 VR, AR, MR 기술을 명확히 구별하기 보다는 XR (extended Reality) 기술로 부르기도 한다. 따라서, 본 발명의 실시예들은 VR, AR, MR, XR 기술 모두에 적용 가능하다. 이러한 기술은 PCC, V-PCC, G-PCC 기술 기반 인코딩/디코딩이 적용될 수 있다.
실시예들에 따른 PCC방법/장치는 자율 주행 서비스를 제공하는 차량에 적용될 수 있다.
자율 주행 서비스를 제공하는 차량은 PCC 디바이스와 유/무선 통신이 가능하도록 연결된다.
실시예들에 따른 포인트 클라우드 데이터 (PCC) 송수신 장치는 차량과 유/무선 통신이 가능하도록 연결된 경우, 자율 주행 서비스와 함께 제공할 수 있는 AR/VR/PCC 서비스 관련 콘텐트 데이터를 수신/처리하여 차량에 전송할 수 있다. 또한 포인트 클라우드 데이터 송수신 장치 차량에 탑재된 경우, 포인트 클라우드 송수신 장치는 사용자 인터페이스 장치를 통해 입력된 사용자 입력 신호에 따라 AR/VR/PCC 서비스 관련 콘텐트 데이터를 수신/처리하여 사용자에게 제공할 수 있다. 실시예들에 따른 차량 또는 사용자 인터페이스 장치는 사용자 입력 신호를 수신할 수 있다. 실시예들에 따른 사용자 입력 신호는 자율 주행 서비스를 지시하는 신호를 포함할 수 있다.
실시예들에 따른 포인트 클라우드 데이터 송신 방법/장치는 도1의 송신 장치(10000), 포인트 클라우드 비디오 인코더(10002), 트랜스미터(10003), 도2의 획득-인코딩-전송(20000-20001-20002), 도3의 인코더, 도8의 송신 장치, 도10의 디바이스, 도11, 도20, 도30-32의 인코더, 도33 송신 방법 등을 지칭하는 용어로 해석된다.
실시예들에 따른 포인트 클라우드 데이터 수신 방법/장치는 도1의 수신 장치(10004), 리시버(10005), 포인트 클라우드 비디오 디코더(10006), 도2의 전송-디코딩-렌더링(20002-20003-20004), 도7의 디코더, 도9의 수신 장치, 도10의 디바이스, 도11, 도20, 도30-32의 디코더, 도34 수신 방법 등을 지칭하는 용어로 해석된다.
또한, 실시예들에 따른 포인트 클라우드 데이터 송수신 방법/장치는 실시예들에 따른 방법/장치로 줄여서 호칭될 수 있다.
실시예들에 따라, 포인트 클라우드 데이터를 구성하는 지오메트리 데이터, 지오메트리 정보, 위치 정보 등은 서로 동일한 의미로 해석된다. 포인트 클라우드 데이터를 구성하는 어트리뷰트 데이터, 어트리뷰트 정보, 속성 정보 등은 서로 동일한 의미로 해석된다.
실시예들에 따른 방법/장치는 G-PCC의 부분 코딩을 위한 예측 변환(predicting transform for partial coding of G-PCC) 방법을 포함하고 수행할 수 있다.
실시예들은 포인트 클라우드 데이터를 송수신 함에 있어서 수신기 성능 혹은 전송 속도 등으로 인해 데이터 일부에 대한 선택적 디코딩이 필요한 경우 효율적으로 이를 지원하기 위한 방법을 포함한다. 실시예들은 data 단위로 전달되는 geometry 및 attribute data 에 대해 geometry octree, LoD (Level of Detail)과 같은 의미 단위로 나누어 줌으로써 비트스트림 단위에서 필요로 하는 정보를 선택 혹은 불필요한 정보를 제거 할 수 있는 방법을 포함한다.
실시예들은 포인트 클라우드 (point cloud)로 구성된 데이터 구조를 구성하기 위한 방법을 포함한다. 구체적으로는 레이어(layer)를 기반으로 구성된 PCC(point cloud compression) 데이터를 효과적으로 전달하기 위한 패킹(packing) 및 시그널링 방법을 포함하고, 이를 기반으로 스케일러블(scalable) PCC 기반 서비스에 적용하는 방법을 포함한다. 특히, 위치 압축에 대해 직접 압축 모드가 사용되는 경우 스케일러블(scalable) PCC 서비스에 보다 적합하도록 슬라이스 세그먼트(slice segment)를 구성하고 송수신 하는 방법을 포함한다. 특히 분포가 넓고 포인트의 밀도가 높은 대용량 포인트 클라우드 데이터에 대한 효율적이 저장, 전송을 위한 압축 구조를 제공할 수 있다.
도 3을 참조하면, 포인트 클라우드 데이터는 각 데이터의 위치(geometry: e.g., XYZ 좌표)와 속성(attributes: e.g., color, reflectance, intensity, grayscale, opacity 등) 로 구성된다. 포인트 클라우드 압축 (Point Cloud Compression: PCC)에서는 3차원 공간 상에 불균일하게 분포하는 분포 특성을 효율적으로 압축하기 위해 octree 기반 압축을 하며, 이를 기반으로 속성 정보를 압축한다. 도 3은 PCC의 송수신단에 대한 흐름도이다.
도11은 실시예들에 따른 포인트 클라우드 데이터의 인코딩, 전송, 디코딩 과정을 나타낸다.
도11의 각 구성요소는 하드웨어, 소프트웨어, 프로세서, 및/또는 그것들의 조합에 대응할 수 있다.
포인트 클라우드 인코더(15000)는 실시예들에 따른 송신 방법을 수행하는 실시예들에 따른 송신 장치이고, 스케일러블하게 포인트 클라우드 데이터를 인코딩하고 전송할 수 있다.
포인트 클라우드 디코더(15010)는 실시예들에 따른 수신 방법을 수행하는 실시예들에 따른 수신 장치이고, 스케일러블하게 포인트 클라우드 데이터를 디코딩할 수 있다.
인코더(15000)가 수신하는 소스 데이터는 지오메트리 데이터 및/또는 어트리뷰트 데이터를 포함할 수 있다.
인코더(15000)는 포인트 클라우드 데이터를 스케일러블하게 인코딩하겨 파셜 PCC 비트스트림을 바로 생성하지 않고, 풀(FULL) 지오메트리 데이터 및 풀 어트리뷰트 데이터를 수신하여 인코더에 연결된 스토리지(Storage)에 데이터를 저장한 뒤 파셜 인코딩을 위해서 트랜스 코딩하여 파셜 PCC 비트스트림을 생성하여 전송할 수 있다. 디코더(15010)는 파셜 PCC 비트스트림을 수신하여 디코딩하여 파셜 지오메트리 및/또는 파셜 어트리뷰트를 복원할 수 있다.
인코더(15000)는 풀 지오메트리 및 풀 어트리뷰트를 수신하여 인코더에 연결된 스토리지에 데이터를 저장하고 로우 QP(양자화 파라미터)로 포인트 클라우드 데이터를 트랜스코딩하여 전체 PCC 비트스트림을 생성하여 전송할 수 있다. 디코더(15010)는 전체 PCC비트스트림을 수신하고 디코딩하여 풀 지오메트리 및/또는 풀 어트리뷰트를 복원할 수 있다. 디코더(15010)는 데이터 셀렉션을 통해 전체 PCC비트스트림으로부터 파셜 지오메트리 및/또는 파셜 어트리뷰트를 선택할 수 있다.
실시예들에 따른 방법/장치는 포인트 클라우드 데이터인 데이터 포인트(data point)의 위치 정보 및 색상/밝기/반사도 등의 특징 정보를 지오메트리(geometry) 및 어트리뷰트(attribute) 정보로 나누어 각각 압축하고 전달한다. 이 때, 디테일(detail) 정도에 따라서 레이어(layer)를 갖는 옥트리(octree) 구조 혹은 LoD (Level of Detail)에 따라서 PCC 데이터를 구성할 수 있다. 이를 기반으로 스케일러블 포인트 데이터 코딩(scalable point cloud data coding) 및 리프리젠테이션(representation)이 가능하다. 이 때, 수신기의 성능 혹은 전송 속도에 의해서 포인트 클라우드 데이터의 일부분만을 디코딩(decoding)하거나 리프리젠테이션(representation) 하는 것이 가능다.
실시예들에 따른 방법/장치는 이러한 과정에서 불필요한 데이터를 사전에 제거할 수 있다. 즉, 스케일러블 PCC 비트스트림(scalable PCC bitstream)에 대해 일부만 전송하면 되는 경우 (스케일러블 디코딩(scalable decoding) 중 일부의 레이어(layer) 만을 디코딩(decoding) 하는 경우) 필요로 하는 부분만을 선택해서 보낼 수 없기 때문에 1) 디코딩(decoding) 후 필요한 부분을 재 인코딩 하거나(15020) 2) 전체를 전달한 후 수신부에서 선택적으로 적용 해야한다(15030). 하지만 1)의 경우 디코딩 및 재 인코딩을 위한 시간으로 인해 딜레이(delay)가 발생할 수 있으며(15020) 2)의 경우 불필요한 데이터까지 전송 함으로 인해 밴드위스(bandwidth) 효율이 떨어지고, 고정된 밴드위스(bandwidth)를 사용하는 경우 데이터 퀄리티(data quality)를 낮추어 전송해야 점이 있다(15030).
따라서, 실시예들에 따른 방법/장치는 포인트 클라우드 데이터의 슬라이스(slice) 세분화 구조를 정의하고, 스케일러블 트랜스미션(scalable transmission)을 위한 스케일러블 레이어(scalable layer) 및 슬라이스(slice) 구조를 시그널링할 수 있다.
실시예들은 효율적 비트스트림 전달 및 디코딩을 위해서, 비트스트림을 특정 단위로 구분하여 처리할 수 있다.
실시예들에 따른 방법/장치는 옥트리(octree) 기반 위치 압축의 경우 엔트로피(entropy) 기반 압축 방법과 직접 압축(direct coding)을 함께 사용할 수 있는데, 이 경우 효율적으로 스케일러빌리티(scalability)를 활용하기 위한 슬라이스(slice) 구성이 필요하다.
실시예들에 따른 단위은 LOD, 레이어, 슬라이스 등으로 지칭될 수 있다. LOD는 어트리뷰트 데이터 코딩의 LOD와 같은 용어이지만, 또 다른 의미로써, 비트스트림의 레이어 구조를 위한 데이터 단위를 의미할 수 있다. 포인트 클라우드 데이터의 계층적 구조, 예를 들어, 옥트리 또는 여러 트리 등의 뎁스(레벨)에 기반한, 하나의 뎁스에 대응하거나 두 개 이상의 뎁스를 묶는 개념일 수 있다. 마찬가지로, 레이어는 서브-비트스트림의 단위를 생성하기 위한 것으로써, 하나의 뎁스에 대응하거나 두 개 이상의 뎁스를 묶는 개념이고, 하나의 LOD에 대응하거나 두 개 이상의 LOD에 대응할 수 있다. 또한, 슬라이스는 서브-비트스트림의 단위를 구성하기 위한 단위로써, 하나의 뎁스에 대응하거나, 하나의 뎁스 일부에 대응하건, 두 개 이상의 뎁스들에 대응할 수 있다. 또한, 하나의 LOD에 대응하거나, 하나의 LOD 일부에 대응하건, 두 개 이상의 LOD들에 대응할 수 있다. 실시예들에 따라, LOD, 레이어, 슬라이스는 서로 대응하거나 포함관계일 수 있다. 또한, 실시예들에 따른 단위는 LOD, 레이어, 슬라이스, 레이어 그룹, 서브 그룹 등을 포함하고, 서로 상호보완하여 지칭될 수 있다.
또한, 프레딕팅 트랜스폼(predicting transform)과 같은 어트리뷰트 코딩(attribute coding)을 사용할 때 파셜 디코딩(partial decoding)을 지원하기 위한 코딩 제약사항 및 코딩 효율 유지가 필요하다. 실시예들은 이러한 과제를 다음과 같이 해결할 수 있다. 예를 들어, 부분 코딩을 위한 예측 변환(predicting transform) 방법, LoD 제너레이션(generation) 시 아틀라스(atlas) 처리 방법, 서브그룹 양자화 가중치(Subgroup quantization weight) 방법, 파셜 디코딩(Partial decoding)을 위한 예측 변환(Predicting transform) 방법 등을 제공할 수 있다.
도12는 실시예들에 따른 레이어 기반 포인트 클라우드 데이터 구성 및 실시예들에 따른 지오메트리 및 어트리뷰트 비트스트림 구조를 나타낸다.
실시예들에 따른 송신 방법/장치는 도12과 같이 레이어 기반 포인트 클라우드 데이터를 구성하여, 포인트 클라우드 데이터를 인코딩하고 디코딩할 수 있다.
실시예들은 레이어(layer)로 이루어진 포인트 클라우드 데이터에 대해, 비트스트림(bitstream) 단위에서 데이터를 선택적으로 전달, 디코딩을 하여, 효율적인 전송 및 디코딩을 목적으로 한다.
포인트 클라우드 데이터의 레이어링(layering)은 응용분야에 따라서 SNR, 공간 레졸루션(sparial resolution), 컬러(color), 템포럴 프리퀀시(temporal frequency), 비트뎁스(bitdepth), 등의 다양한 관점에서의 레이어(layer) 구조를 가질 수 있으며, 옥트리(octree) 구조 혹은 LoD 구조를 기반으로 데이터의 밀도가 증가하는 방향으로 레이어(layer)를 이룰 수 있다.
실시예들에 따른 방법/장치는 도12과 같은 레이어링에 기반하여 지오메트리 비트스트림 및 어트리뷰트 비트스트림을 구성하고, 인코딩하고, 디코딩할 수 있다.
실시예들에 따른 송신 장치/인코더의 포인트 클라우드 컴프레션(point cloud compression) 을 통해 획득한 비트스트림(bitstream)을 데이터(data)의 종류에 따라서 지오메트리 데이터 비트스트림(geometry data bitstream)과 어트리뷰트 데이터 비트스트림(attribute data bitstream)으로 나누어 전달할 수 있다.
실시예들에 따른 각각의 비트스트림(bitstream)은 슬라이스(slice)로 구성되어 전달될 수 있다. 레이어(layer) 정보 혹은 LoD 정보와 관련없이 지오메트리 데이터 비트스트림(geometry data bitstream)과 어트리뷰트 데이터 비트스트림(attribute data bitstream을 각각 하나의 슬라이스(slice)로 구성하여 전달할 수 있다. 이 경우, 만약 레이어(layer) 혹은 LoD 중 일부만을 사용하고자 하는 경우 1) 비트스트림(bitstream)을 디코딩(decoding)하는 과정 2) 사용하고자 하는 부분만을 선택하고 불필요한 부분을 제거하는 과정 3) 필요한 정보만을 기반으로 다시 인코딩(encoding)하는 과정을 거쳐야 한다.
도13은 실시예들에 따른 비트스트림 구성을 나타낸다.
실시예들에 따른 송신 방법/장치는 도13과 같은 비트스트림을 생성하고, 실시예들에 따른 수신 방법/장치는 도13과 같은 비트스트림에 포함된 포인트 클라우드 데이터를 디코딩할 수 있다.
실시예들에 따른 방법/장치의 실시예들에 따른 비트스트림(bitstream) 구성은 다음과 같다.
실시예들은 불필요한 중간 과정을 피하기 위해 비트스트림을 레이어(layer) (혹은 LoD) 단위로 나누어 전달하는 방법을 적용할 수 있다.
예를 들어 LoD 기반의 PCC 기술의 경우를 고려해보면, 낮은 LoD가 높은 LoD에 포함되는 구조를 갖는다. 현재 LoD에는 포함되지만, 이전 LoD에는 포함되지 않는 정보, 즉, 각 LoD에 대해 신규 포함되는 정보를 R (나머지, Rest)이라고 지칭할 수 있다. 도17과 아래와 같이 초기 LoD 정보 및 각 LoD에서 신규 포함되는 정보 R을 각각의 독립된 단위로 나누어서 전달할 수 있다.
실시예들에 따른 송신 방법/장치는 지오메트리 데이터를 인코딩하고 지오메트리 비트스트림을 생성할 수 있다. 지오메트리 비트스트림을 LOD 또는 레이어 별로 구성할 수 있고, 지오메트리 비트스트림은 LOD 또는 레이어 구성 단위 별로 헤더(지오메트리 헤더)를 포함할 수 있다. 헤더는 다음 LOD 또는 다음 레이어에 대한 참조 정보를 포함할 수 있다. 현재 LOD(레이어)는 이전 LOD(레이어)에 포함되지 않는 R정보(지오메트리 데이터)를 더 포함할 수 있다.
실시예들에 따른 수신 방법/장치는 어트리뷰트 데이터를 인코딩하고 어트리뷰트 비트스트림을 생성할 수 있다. 어트리뷰트 비트스트림을 LOD 또는 레이어 별로 구성할 수 있고, 어트리뷰트 비트스트림은 LOD 또는 레이어 별로 헤더(어트리뷰트 헤더)를 포함할 수 있다. 헤더는 다음 LOD 또는 다음 레이어에 대한 참조 정보를 포함할 수 있다. 현재 LOD(레이어)는 이전 LOD(레이어)에 포함되지 않은 R정보(어트리뷰트 데이터)를 더 포함할 수 있다.
실시예들에 따른 수신 방법/장치는 LOD 또는 레이어로 구성된 비트스트림을 수신하고, 복잡합 중간과정 없이, 사용하고자 하는 데이터만 효율적으로 디코딩할 수 있다.
도14는 실시예들에 따른 비트스트림 정렬 방법을 나타낸다.
실시예들에 따른 방법/장치는 도13의 비트스트림을 도14와 같이 정렬할 수 있다.
실시예들에 따른 방법/장치의 실시예들에 따른 비트스트림(bitstream) 정렬 방법은 다음과 같다.
실시예들에 따른 송신 방법/장치는 비트스트림을 전달하는 경우 도14와 같이 지오메트리 및 어트리뷰트를 직렬적으로 전달할 수 있다. 이 때, 데이터의 종류에 따라서 지오메트리 정보(지오메트리 데이터) 전체를 먼저 보낸 후 어트리뷰트 정보(어트리뷰트 데이터)를 전달할 수 있다. 이 경우 전달되는 비트스트림의 정보를 기반으로 지오메트리 정보를 빠르게 복원할 수 있다는 장점이 있다.
도14(a)는 예를 들어, 지오메트리 데이터를 포함하는 레이어(LOD)들이 비트스트림 내 먼저 위치하고, 어트리뷰트 데이터를 포함하는 레이어(LOD)들이 지오메트리 레이어 뒤에 위치할 수 있다. 어트리뷰트 데이터가 지오메트리 데이터에 의존적이므로, 지오메트리 레이어가 먼저 위치할 수 있다. 또한, 위치는 실시예들에 따라 다양하게 변경가능하다. 지오메트리 헤더 간 참조가 가능하고, 어트리뷰트 헤더 및 지오메트리 헤더 간 참조도 가능하다.
도14(b)를 참조하면, 지오메트리 데이터 및 어트리뷰트 데이터를 포함하는 동일 레이어(layer)를 구성하는 비트스트림을 모아서 전달할 수도 있다. 이 경우 geometry 와 attribute 의 병렬 디코딩이 가능한 압축 기법을 사용하는 경우, 디코딩 수행 시간을 단축시킬 수 있다. 이 때, 먼저 처리해야하는 정보 (작은 LoD, geometry 를 attribute 보다 선행해야 함)를 먼저 배치할 수 있다.
제1레이어(1800)는 가장 작은 LOD 0(레이어 0)에 대응하는 지오메트리 데이터 및 어트리뷰 데이터를 각 헤더와 함께 포함하고, 제2레이어(1810)는 LOD 0(레어어0)를 포함하고, LOD 0 (레이어 0)에 없는 신규하고 더 상세한 레이어1(LOD 1)에 대한 포인트들의 지오메트리 데이터 및 어트리뷰트 데이터를 R1정보로써 포함한다. 마찬가지로, 제3레이어(1820)이 뒤이어 존재할 수 있다.
실시예들에 따른 송수신 방법/장치는 비트스트림을 송신하고 수신하는 경우 응용 분야에서 희망하는 레이어(layer)(혹은 LoD)를 비트스트림 레벨(bitstream level)에서 효율적으로 선택할 수 있다. 실시예들에 따른 비트스트림 정렬 방법 중 지오메트리 정보를 모아서 보내는 경우(도18) 비트스트림 레벨(bitstream level) 선택 후에 중간에 비는 부분이 생길 수 있으며, 이 경우 비트스트림을 재배치 해야할 수 있다. Layer에 따라서 geometry와 attribute를 묶어서 전달하는 경우(도14) 불필요한 정보를 응용 분야에 따라 아래와 같이 선택적으로 제거할 수 있다.
도15는 실시예들에 따른 지오메트리 데이터 및 어트리뷰트 데이터의 선택 방법을 나타낸다.
실시예들에 따른 방법/장치의 실시예들에 따른 비트스트림 선택은 다음과 같다.
위와 같이, 비트스트림을 선택해야 하는 경우, 실시예들에 따른 방법/장치는 비트스트림 레벨에서 데이터를 선택할 수 있다: 1) 대칭적인 지오메트리 및 어트리뷰트 선택, 2) 비대칭적인 지오메트리 및 어트리뷰트 선택, 3) 또는 양 방법의 조합.
1) 대칭적인 지오메트리-어트리뷰트(geometry-attribute) 선택
도15를 참조하면, LoD1 까지만 선택하여(LOD 0 +R1, 19000) 전송 혹은 디코딩 하는 경우를 나타낸 것으로, 상위 레이어(layer)에 해당하는 R2(LOD 2 중에서 신규 부분)에 해당하는 정보를 제거하고(19010) 전송하고, 디코딩한다.
2) 비대칭적인 지오메트리 및 어트리뷰트 선택
실시예들에 따른 방법/장치는 지오메트리 및 어트리뷰트를 비대칭적으로 전달할 수 있다. 상위 레이어(layer)의 어트리뷰트(attribute) 만을 제거하고(Attribute R2, 19001) geometry 의 전부(삼각형의 octree 구조의 레벨0(루트 레벨)에서 레벨7(리프 레벨)까지)를 선택하여 전송/디코딩 할 수 있다(19011).
도12을 참조하면, 포인트 클라우드 데이터를 옥트리 구조로 표현하고, LOD(혹은 레리어)별로 계층적으로 구분했을 때, 스케일러블한 인코딩/디코딩(스케일러빌리티)를 지원할 수 있다.
실시예들에 따른 스케일러빌리티 기능은 슬라이스 레벨 스케일러빌리티(Slice level scalability) 및/또는 옥트리 레벨 스케일러빌리티(octree level scalability)를 포함할 수 있다.
실시예들에 따른 LoD(level of detail)는 하나 혹은 복수의 옥트리 레이어(octree layer)의 집합을 나타내기 위한 단위로 사용할 수 있다. 또한, 슬라이스(slice) 단위로 구성하기 위한 옥트리 레이어(octree layer)의 묶음의 의미를 가질 수도 있다.
실시예들에 따른 LOD는 어트리뷰트 인코딩/디코딩 시 LOD 의미를 확장하여, 데이터를 디테일하게 분할하는 단위이고, 넓은 의미로 사용될 수 있다.
즉, 실제 옥트리 레이어(octree layer) (혹은 스케일러블 어트리뷰트 레이어(scalable attribute layer))에 의한 스파셜 스케일러빌리티(spatial scalability)는 각각의 옥트리 레이어(octree layer)에 대해 제공될 수 있지만, 비트스트림 파싱(bitstream parsing) 이전에 슬라이스(slice) 단위에서 스케일러빌리티(scalability)를 구성하는 경우 실시예들에 따른 LoD 단위에서 선별할 수 있다.
옥트리 구조에서 루트 레벨부터 4레벨까지 LOD 0일 수 있고, 루트 레벨부터 5레벨까지 LOD 1일 수 있고, 루트 레벨부터 리프7레벨까지 LOD2일 수 있다.
즉, 도12과 같이, 스케일러블 트랜스미션(scalable transmission)과 같이 슬라이스(slice) 단위에서의 스케일러빌리티(scalability)를 활용하는 경우, 제공되는 스케일러블(scalable) 단계는 LoD0, LoD1, LoD2 의 3 단계가 되고, 옥트리(octree) 구조에 의해 디코딩(decoding) 단계에서 제공될 수 있는 스케일러블(scalable) 단계는 루트(root) 로부터 리프(leaf)에 이르는 8 단계가 된다.
실시예들에 따라, 예를 들어, 도12에서, LoD0~LoD2 가 각각의 슬라이스(slice)로 구성된 경우 수신부 혹은 송신부의 트랜스코더(transcoder, 도11 15040)는 스케일러블 처리를 위해서 1) LoD0 만 선택하거나, 2) LoD0 과 LoD1을 선택하거나, 3) LoD0, LoD1, LoD2를 선택할 수 있다.
예시1) LoD0 만 선택하는 경우 최대 옥트리 레벨(octree level)은 4가 되며, 0~4 의 옥트리 레이어(octree layer) 중 하나의 스케일러블 레이어(scalable layer)를 디코딩(decoding) 과정에서 선택할 수 있다. 이 때 수신기에서는 최대 옥트리 뎁스(octree depth)를 통해 획득할 수 있는 노드 사이즈(node size)를 리프 노드(leaf node)로 고려할 수 있으며, 이 때의 노드 사이즈(node size)를 시그널링 정보로써 전달할 수 있다.
예시2) LoD0 과 LoD1을 선택하는 경우 레이어(layer) 5가 추가되어 최대 옥트리 레벨(octree level)은 5가 되며, 0~5 의 옥트리 레이어(octree layer) 중 하나의 스케일러블 레이어(scalable layer)를 디코딩(decoding) 과정에서 선택할 수 있다. 이 때 수신기에서는 최대 옥트리 뎁스(octree depth) 를 통해 획득할 수 있는 노드 사이즈(node size)를 리프 노드(leaf node)로 고려할 수 있으며, 이 때의 노드 사이즈(node size)를 시그널링 정보로써 전달할 수 있다.
실시예들에 따라, 옥트리 뎁스, 옥트리 레이어, 옥트리 레벨 등은 데이터를 디테일하게 분할하는 단위를 의미한다.
예시 3) LoD0, LoD1, LoD2을 선택하는 경우 레이어(layer) 6, 7이 추가되어 최대 옥트리 레벨(octree level) 은 7가 되며, 0~7 의 옥트리 레이어(octree layer) 중 하나의 스케일러블 레이어(scalable layer)를 디코딩(decoding) 과정에서 선택할 수 있다. 이 때 수신기에서는 최대 옥트리 뎁스(octree depth) 를 통해 획득할 수 있는 노드 사이즈(node size)를 리프 노드(leaf node)로 고려할 수 있으며, 이 때의 노드 사이즈(node size)를 시그널링 정보로써 전달할 수 있다.
도16은 실시예들에 따른 포인트 클라우드 데이터를 포함하는 슬라이스를 구성하는 방법을 나타낸다.
실시예들의 방법/장치의 실시예들에 따른 슬라이스 구성은 다음과 같다.
실시예들에 따른 송신 방법/장치/인코더는 G-PCC 비트 스트림을 슬라이스(slice) 구조로 분할하여 구성할 수 있다. 상세한 데이터 표현을 위한 데이터 단위가 슬라이스일 수 있다.
실시예들에 따른 슬라이스(slice)는 포인트 클라우드 데이터를 분할하는 데이터 단위를 의미할 수 있다. 즉, 슬라이스(slice)는 포인트 클라우드 데이터의 부분을 나타낸다. 용어 슬라이스(slice)는 일정한 부분 또는 단위를 나타내는 용어들로 지칭이 가능하다
예를 들어 하나의 슬라이스(slice)에 하나 혹은 복수의 옥트리 레이어(octree layer)들이 매칭될 수 있다.
실시예들에 따른 송신 방법/장치, 예를 들어, 인코더는 스캔 오더(2000) 방향으로 옥트리에 포함된 노드(포인트)를 스캔하여 슬라이스(2001) 기반 비트스트림을 구성할 수 있다.
도16(a): 하나의 slice에 octree layer의 일부 노드가 포함될 수 있다.
옥트리 레이어(예를 들어, 레벨0 내지 레벨4까지)는 하나의 슬라이스(2002)를 구성할 수 있다.
옥트리 레이어, 예를 들어, 레벨5의 일부 데이터는 각 슬라이스(2003, 2004, 2005)를 구성할 수 있다.
옥트리 레이어, 예를 들어, 레벨6의 일부 데이터는 각 슬라이스를 구성할 수 있다.
도16(b)(c): 하나의 slice에 복수의 옥트리 레이어(octree layer)가 매칭될 때 각 layer의 일부의 노드만 포함될 수 있다. 이처럼 복수의 slice가 하나의 geometry/attribute frame을 구성하는 경우 수신기를 위해 layer를 구성하는데 필요한 정보를 전달할 수 있다. 여기에는 각 slice 에 포함된 layer 정보, 각 layer에 포함된 노드 정보 등이 포함될 수 있다.
도16(b): 옥트리 레이어, 예를 들어, 레벨0부터 레벨3까지, 그리고 레벨4의 일부 데이터를 하나의 슬라이스로 구성할 수 있다.
옥트리 레리어, 예를 들어, 레벨4의 일부 데이터 및 레벨5의 일부 데이터를 하나의 슬라이스로 구성할 수 있다.
옥트리 레이어, 예를 들어, 레벨5의 일부 데이터, 레벨6의 일부 데이터를 하나의 슬라이스로 구성할 수 있다.
옥트리 레이어, 예를 들어, 레벨6의 일부 데이터를 하나의 슬라이스로 구성할 수 있다.
도16(c): 옥트리 레이어, 예를 들어, 레벨0부터 레벨4까지의 데이터를 하나의 슬라이스로 구성할 수 있다.
옥트리 레이어 레벨5, 레벨6, 레벨7 각각의 일부 데이터를 하나의 슬라이스로 구성할 수 있다.
실시예들에 따른 인코더 및 인코더에 대응하는 장치 등은 포인트 클라우드 데이터를 인코딩하고, 인코딩된 데이터 및 포인트 클라우드 데이터에 관한 파라미터 정보를 더 포함하는 비트스트림을 생성하고 전송할 수 있다.
나아가, 비트스트림을 생성할 시 실시예들에 따른 비트스트림 구조(예를 들어, 도16-도20 등 참조) 등에 기반하여 비트스트림을 생성할 수 있다. 따라서, 실시예들에 따른 수신 장치, 디코더, 그에 대응하는 장치 등은 선택적 일부 데이터 디코딩 구조에 적합하게 구성된 비트스트림을 수신하고 파싱하여, 포인트 클라우드 데이터를 부분 디코딩하여 효율적으로 제공할 수 있다(도11 참조).
실시예들에 따른 스케일러블 트랜스미션(scalable transmission)
실시예들에 따른 포인트 클라우드 데이터 송신 방법/장치는 포인트 클라우드 데이터를 포함하는 비트스트림을 스케일러블하게 전송할 수 있고, 실시예들에 따른 포인트 클라우드 데이터 수신 방법/장치는 비트스트림을 스케일러블하게 수신하고 디코딩할 수 있다.
도12-16 등 실시예들에 따른 비트스트림이 스케일러블 트랜스미션(scalable transmission) 에 사용되는 경우 수신기에서 필요로하는 슬라이스(slice)를 선별하기 위한 정보를 수신기로 전달할 수 있다. 스케일러블 트랜스미션(Scalable transmission)은 비트스트림(bitstream) 전체를 디코딩(decoding)하는 것이 아니라, 일부의 비트스트림(bitstream)만을 전달하거나 디코딩하는 경우를 의미할 수 있으며, 그 결과는 로우 레졸루션 포인트 클라우드 데이터(low resolution point cloud data)가 될 수 있다.
옥트리(Octree) 기반 지오메트리 비트스트림(geometry bitstream)에 스케일러블 트랜스미션(scalable transmission)을 적용하는 경우, 루트 노드(root node)로부터 리프 노드(leaf node)에 이르는 각 옥트리 레이어(octree layer)(도12)의 비트스트림(bitstream)에 대해 특정 옥트리 레이어(octree layer)까지만의 정보만을 가지고 포인트 클라우드 데이터를 구성할 수 있어야 한다.
이를 위해서는 목표로 하는 옥트리 레이어(octree layer)에 대해서는 하위 옥트리 레이어(octree layer)정보에 대한 의존성(dependency)이 없어야 한다. 이는 지오메트리 및 어트리뷰트 코딩(geometry / attribute coding)에 대해서 공통적으로 적용하는 제약 사항이 될 수 있다.
또한 스케일러블 트랜스미션(scalable transmission) 시 송/수신기에서 스케일러블 레이어(scalable layer)를 선별하기 위한 스케일러블(scalable) 구조를 전달할 필요가 있다. 실시들에 따른 옥트리(octree) 구조를 고려할 때, 모든 옥트리 레이어(octree layer)가 스케일러블 트랜스미션(scalable transmission)을 지원할 수도 있지만, 특정 옥트리 레이어(octree layer) 이하에 대해서만 스케일러블 트랜스미션(scalable transmission) 이 가능하도록 할 수 있다. 옥트리 레이어(Octree layer) 중 일부를 포함하는 경우 해당 슬라이스(slice)가 어느 스케일러블 레이어(scalable layer)에 포함되는지를 알려줌으로써 비트스트림(bitstream) 단계에서 해당 슬라이스(slice)의 필요/불필요 여부를 판단할 수 있다. 도16(a)의 예에서 루트(root) 노드로부터 시작되는 노란색 표시된 부분에서는 스케일러블 트랜스미션(scalable transmission)을 지원하지 않고 하나의 스케일러블 레이어(scalable layer)를 구성하고, 이하의 옥트리 레이어(octree layer)에 대해서는 스케일러블 레이어(scalable layer)와 일대일 매칭이 되도록 구성 할 수 있다. 일반적으로 리프 노드(leaf node)에 해당하는 부분에 대해 스케일리빌리티(scalability)를 지원할 수 있는데, 도16(c)와 같이 복수의 옥트리 레이어(octree layer)가 슬라이스(slice) 내에 포함되는 경우 해당 레이어(layer)들에 대해서는 하나의 스케일러블 레이어(scalable layer)를 구성하도록 정의할 수 있다.
이 때, 목적에 따라 스케일러블 트랜스미션(scalable transmission)과 스케일러블 디코딩(scalable decoding)을 구분하여 사용할 수 있다. 스케일러블 트랜스미션 (Scalable transmission)의 경우 송수신 단에서 디코더(decoder)를 거치지 않고 특정 레이어(layer)까지의 정보를 선별하기 위한 목적으로 사용할 수 있다. 스케일러블 디코딩(scalable decoding)의 경우 코딩(coding)하는 중에 특정 레이어(layer)를 선별하기 위한 목적이다. 즉, 스케일러블 트랜스미션(scalable transmission)은 압축된 상태에서 (bitstream 단계에서) 디코더(decoder)를 거치지 않고 필요로 하는 정보 선별을 지원하여 전송 혹은 수신기에서 판별이 가능하도록 할 수 있다. 반면 스케일러블 디코딩(scalable decoding)의 경우 인코딩 및 디코딩(encoding/decoding) 과정에서 필요로하는 부분까지만 인코딩 및 디코딩(encoding/decoding)하는 경우를 지원함으로써 스케일러블 리프리젠테이션(scalable representation)과 같은 경우에 사용될 수 있다.
이 경우, 스케일러블 트랜스미션(scalable transmission)을 위한 레이어(layer) 구성과 스케일러블 디코딩(scalable decoding)을 위한 레이어(layer) 구성이 달라질 수 있다. 예를 들어 리프 노드(leaf node)를 포함하는 하위 3개의 옥트리 레이어(octree layer)는 스케일러블 트랜스미션(scalable transmission)의 관점에서는 하나의 레이어(layer)를 구성할 수 있지만, 스케일러블 디코딩(scalable decoding) 관점에서 모든 레이어(layer) 정보를 포함한 경우 리프 노드 레이어(leaf node layer), 리프 노드 레이어-1(leaf node layer -1), 리프 노드 레이어-2(leaf node layer -2) 각각에 대해 스케일러블 디코딩(scalable decoding)이 가능할 수 있다.
실시예들에 따른 방법/장치는 파인 그래뉼러리티 슬라이싱을 수행할 수 있다. 파인 그래뉼러리티 슬라이싱은 미세한 입도 슬라이싱(Fine granularity slicing)을 의미한다.
미세 입도 슬라이싱이 활성화되면, 실시예들에 따른 포인트 클라우드 송신 방법의 인코딩 단계에서 G-PCC 비트스트림(도24 등 참조)을 여러 하위 비트스트림으로 분할할 수 있다. G-PCC의 레이어링 구조를 효과적으로 사용하기 위해 각 슬라이스에 부분 코딩 레이어 또는 부분 영역의 코딩된 데이터를 포함시킬 수 있다. 코딩 레이어 구조와 쌍을 이루는 슬라이스 분할을 통해 확장 가능한 전송 또는 공간 랜덤 액세스 사용 사례를 효율적인 방식으로 지원할 수 있다.
도17은 실시예들에 따른 지오메트리 코딩 레이어 구조를 나타낸다.
실시예들에 따른 포인트 클라우드 데이터 송신 방법/장치는 도1의 송신 장치(10000), 포인트 클라우드 비디오 인코더(10002), 트랜스미터(10003), 도2의 획득-인코딩-전송(20000-20001-20002), 도3의 인코더, 도8의 송신 장치, 도10의 디바이스, 도11, 도20, 도30-32의 인코더, 도33 송신 방법 등은 도17과와 같이 포인트 클라우드를 레이어 구조로 부호화하여 레이어 기반 비트스트림을 생성할 수 있다.
실시예들에 따른 포인트 클라우드 데이터 수신 방법/장치는 도1의 수신 장치(10004), 리시버(10005), 포인트 클라우드 비디오 디코더(10006), 도2의 전송-디코딩-렌더링(20002-20003-20004), 도7의 디코더, 도9의 수신 장치, 도10의 디바이스, 도11, 도20, 도30-32의 디코더, 도34 수신 방법 등은 도17과 같이 레이어 기반 포인트 클라우드 데이터 및 비트스트림을 수신하여 선택적으로 데이터를 디코딩할 수 있다.
실시예들에 따른 비트스트림 및 포인트 클라우드 데이터는 코딩 레이어 기반 슬라이스 분할에 기반하여 생성될 수 있다. 부호화 과정의 코딩 계층의 끝에서 비트스트림을 슬라이싱하여, 실시예들에 따른 방법/장치가 관련된 슬라이스를 선택할 수 있고, 이를 통해 확장 가능한 전송 또는 부분 디코딩을 지원할 수 있다.
도17(a)는 각 슬라이스가 레이어 그룹과 일치하는 8개의 레이어가 있는 지오메트리 코딩 레이어 구조를 나타낸다. 레이어 그룹 1(3900)은 코딩 레이어 0에서 4을 포함한다. 레이어 그룹 2(3901)는 코딩 레이어 5을 포함한다. 레이어 그룹3(3902)은 레이어 6 및 7을 코딩하기 위한 그룹이다. 지오메트리(또는 어트리뷰트)가 8개의 레벨(뎁스)를 가지는 트리 구조를 가지는 경우, 하나 또는 하나 이상의 레벨(뎁스)들에 대응하는 데이터를 그룹핑하여 비트스트림을 계층적으로 구성할 수 있다. 각 그룹은 하나의 슬라이스에 포함될 수 있다.
도17(b)는 그룹 3개 중 2개의 슬라이스를 선택하는 경우 디코딩된 출력을 나타낸다. 디코더가 그룹1 및 그룹2를 선택하면, 트리의 레벨(뎁스) 0에서 5까지의 부분 레이어를 선택할 수 있다. 즉, 레이어 그룹 구조의 슬라이스를 사용하여 전체 비트스트림에 액세스하지 않고도 코딩 레이어의 부분 디코딩을 지원할 수 있다.
실시예들에 따른 파셜 디코딩 프로세스를 위해서, 인코더는 레이어 그룹 구조 기반하여 생성된 3개의 슬라이스들을 생성할 수 있다. 디코더는 3개의 슬라이스들 중에서 2개의 슬라이스들을 선택하여 부분적 디코딩을 수행할 수 있다.
실시예들에 따른 비트스트림(도24)은 레이어 기반 그룹/슬라이스들(3903)을 포함할 수 있다. 각 슬라이스는 슬라이스에 포함된 포인트 클라우드 데이터(지오메트리 데이터 및/또는 어트리뷰트 데이터)에 관한 시그널링 정보를 포함하는 헤더를 포함할 수 있다. 실시예들에 따른 수신 방법/장치는 파셜 슬라이스들을 선택하고, 슬라이스에 포함된 헤더에 기초하여 슬라이스의 페이로드에 포함된 포인트 클라우드 데이터를 디코딩할 수 있다.
실시예들에 따른 방법/장치는 계층 그룹 구조 외에도 공간 랜덤 액세스 사용 사례를 고려하여 계층 그룹을 여러 개의 하위 그룹(서브그룹들)으로 더 나눌 수 있다. 실시예들에 따른 하위 그룹은 서로 배타적이며 하위 그룹의 집합은 계층 그룹과 동일할 수 있다. 각 서브그룹의 포인트는 공간적 영역에 경계를 이루므로 서브그룹 바운딩 박스 정보로 서브그룹을 나타낼 수 있다. 공간 정보를 사용하여, 레이어 그룹 및 하위 그룹 구조는 스파셜 억세스를 지원할 수 있다. 관심 영역(ROI)과 각 슬라이스의 경계 상자 정보를 효율적으로 비교하여 프레임 또는 타일 내 공간 랜덤 액세스를 지원할 수 있다.
실시예들에 따른 방법/장치는 레이어 그룹1 내지3(3900, 3901, 3902)을 하나 또는 하나 이상의 서브그룹들로 분할할 수 있다.
도17는 지오메트리 코딩 레이어 구조를 예시로 보여주지만, 어트리뷰트 코딩 레이어 구조도 마찬가지로 생성될 수 있다.
실시예들에 따른 방법/장치는 레이어 그룹 기반 슬라이스 분할(Layer-group based slice segmentation)을 수행할 수 있다. 미세 세분화 슬라이싱에서 각 슬라이스 세그먼트는 다음과 같이 정의된 레이어 그룹의 코딩된 데이터를 포함할 수 있다.
레이어 그룹은 시작과 끝 깊이가 트리 깊이에서 임의의 숫자일 수 있고 시작이 끝보다 작은 연속 트리 레이어 그룹으로 정의된다. 슬라이스 세그먼트에서 코딩된 데이터의 순서는 단일 슬라이스에서 코딩된 데이터의 순서와 동일할 수 있다.
예를 들어, 도17(a)와 같이 8개의 레이어가 있는 기하 코딩 레이어 구조를 고려하여 설명한다. 이 예에서는 3개의 레이어 그룹이 있고 각 레이어 그룹은 서로 다른 슬라이스와 일치한다. 레이어 0에서 4까지의 코딩 레이어에 대한 레이어 그룹 1, 코딩 레이어 5에 대한 레이어 그룹 2, 코딩 레이어에 대한 레이어 그룹 3 처음 2개의 슬라이스가 전송되거나 선택될 때 디코딩된 출력은 도17(b)에 표시된 것처럼 0에서 5까지의 부분 레이어가 된다. 레이어 그룹 구조의 슬라이스를 사용하면 전체 비트스트림에 액세스하지 않고도 코딩 레이어의 부분 디코딩을 지원할 수 있다.
하위 그룹은 하위 그룹의 점이 서로 인접한 레이어 그룹의 하위 집합이다. 레이어 그룹의 하위 그룹은 서로 배타적이며 레이어 그룹의 하위 그룹에 있는 포인트 집합은 레이어 그룹의 포인트 집합과 동일할 수 있다. 각 하위 그룹의 점은 공간 영역에서 경계가 지정되므로 하위 그룹 경계 상자 정보로 하위 그룹의 경계를 설명할 수 있다. 공간 정보를 사용하여 레이어 그룹 및 하위 그룹 구조는 ROI를 커버하는 슬라이스를 선택하여 효율적으로 관심 영역(ROI)에 대한 액세스를 지원할 수 있다.
도18은 실시예들에 따른 레이어 그룹 및 서브 그룹 구조를 나타낸다.
도17에 도시된 레이어 구조 기반 포인트 클라우드 데이터 및 비트스트림은 도18과 같이 바운딩 박스를 나타낼 수 있다.
하위 그룹(서브그룹) 구조 및 서브 그룹에 대응하는 바운딩 박스를 도시한다. 레이어 그룹 2와 3은 서브그룹2(group2-1, group2-2)개 및 4개(group3-1, group3-2, group3-3, group3-4)로 나누어져 서로 다른 슬라이스에 포함된다. 바운딩 박스 정보가 있는 레이어 그룹 및 서브 그룹의 조각이 주어지면 1) 각 조각(슬라이스)의 바운딩 박스를 ROI와 비교하고, 2) 서브 그룹 바운딩 박스가 ROI와 상관 관계가 있는 조각(슬라이스)을 선택하고, 공간 액세스를 수행할 수 있다. 그런 다음 3) 선택된 슬라이스를 디코딩한다. 영역 3-3에서 ROI를 고려할 때 레이어 그룹 1, 하위 그룹 2-2 및 3-3의 하위 그룹 바운딩 박스로 슬라이스 1, 3, 6이 선택되어 ROI 영역을 커버한다. 효과적인 공간 액세스를 위해 동일한 계층 그룹의 하위 그룹 간에 종속성이 없다고 가정한다. 라이브 스트리밍 또는 저지연 사용 사례의 경우 각 슬라이스 세그먼트를 수신할 때 선택 및 디코딩을 수행하여 시간 효율성을 높일 수 있다.
실시예들에 따른 방법/장치는 지오메트리 및/또는 어트리뷰트 부호화 시 데이터를 레이어(뎁스, 레벨 등 지칭 가능)로 계층 트리(40000)로 표현할 수 있다. 각 레이어(뎁스/레벨)에 대응하는 포인트 클라우드 데이터를 도39와 마찬가지로 레이어 그룹(또는 그룹, 4001)으로 묶을 수 있다. 각 레이어 그룹은 추가로 분할(세그먼트)되어 서브 그룹(4002)으로 분할될 수 있다. 각 서브 그룹을 슬라이스로 구성하여 비트스트림을 생성할 수 있다. 실시예들에 따른 수신 장치는 비트스트림을 수신하고, 특정 슬라이스를 선택하여, 슬라이스에 포함된 서브 그룹을 디코딩하고, 서브 그룹에 대응하는 바운딩 박스를 디코딩할 수 있다. 예를 들어, 슬라이스 1을 선택하면 그룹1에 대응하는 바운딩 박스(4003)을 디코딩할 수 있다. 그룹1은 가장 큰 영역에 해당하는 데이터일 수 있다. 그룹1에 대한 상세 영역을 추가적으로 사용자가 보고 싶으면, 실시예들에 따른 방법/장치는 슬라이스 3 및/또는 슬라이스6을 선택하여, 그룹1의 영역에 포함된 상세 영역에 대한 그룹2-2 및/또는 그룹3-3의 바운딩 박스(포인트 클라우드 데이터)를 계층적으로 부분적으로 엑세스할 수 있다.
도19는 실시예들에 따른 멀티 해상도 멀티 사이즈의 ROI를 나타낸다.
확장성 및 공간 접근 능력을 기반으로 레이어 그룹 슬라이싱은 대규모 포인트 클라우드 데이터 또는 고밀도 포인트 클라우드 데이터에 대한 효율적인 액세스를 제공할 수 있다. 많은 수의 포인트와 데이터 크기로 인해 이러한 콘텐츠를 렌더링하거나 표시하는 데 상당한 시간이 걸릴 수 있다. 다른 접근 방식으로 시청자의 관심에 따라 세부 수준을 조정할 수 있다. 예를 들어 보는 사람이 장면이나 물체에서 멀리 떨어져 있는 경우 구조적 또는 전체 영역 정보가 로컬 세부 정보보다 더 중요하다. 반면 시청자가 특정 영역이나 사물에 가까워지면 관심 영역에 대한 자세한 정보가 필요하다. 적응형 방식을 사용하면 렌더러는 충분한 품질의 데이터를 뷰어에게 효율적으로 제시할 수 있다. 도19는 시청 거리가 ROI를 기반으로 변경되는 세 가지 수준의 시청 거리에 대한 증분 세부 변경의 예를 나타낸다. 예를 들어, 1) 상위 수준 보기(거친 세부 정보(coarse detail)), 2) 중간 수준 보기(중간 수준 상세(medium-level detail)), 3) 낮은 수준의 보기(미립자 세부 사항(fine-grained detail))와 같을 수 있다.
도20은 실시예들에 따른 레이어 그룹 슬라이스를 나타낸다.
실시예들에 따른 포인트 클라우드 데이터 송신 방법/장치는 도1의 송신 장치(10000), 포인트 클라우드 비디오 인코더(10002), 트랜스미터(10003), 도2의 획득-인코딩-전송(20000-20001-20002), 도3의 인코더, 도8의 송신 장치, 도10의 디바이스, 도11, 도20, 도30-32의 인코더, 도33 송신 방법 등은 도20과 같이 레이어 그룹에 기반하여 포인트 클라우드 데이터를 슬라이싱할 수 있다.
실시예들에 따른 포인트 클라우드 데이터 수신 방법/장치는 도1의 수신 장치(10004), 리시버(10005), 포인트 클라우드 비디오 디코더(10006), 도2의 전송-디코딩-렌더링(20002-20003-20004), 도7의 디코더, 도9의 수신 장치, 도10의 디바이스, 도11, 도20, 도30-32의 디코더, 도34 수신 방법 등은 도20과 같이 레이어 그룹에 기반하여 슬라이스된 데이터를 수신하고 디코딩할 수 있다.
실시예들에 따른 방법/장치는 계층적 슬라이싱의 확장성과 공간적 접근성에 기초하여 고해상도 ROI를 지원할 수 있다.
도20을 참조하면, 인코더는 옥트리 계층 그룹의 비트스트림 슬라이스 또는 각 계층 그룹의 공간 하위 그룹을 생성할 수 있다. 요청에 따라, 각 해상도의 ROI와 일치하는 슬라이스를 선택하여 전송할 수 있다. 비트스트림에 요청된 ROI 이외의 세부 정보가 포함되어 있지 않기 때문에 전체 비트스트림 크기는 타일 기반 접근 방식보다 작을 수 있다. 수신기의 디코더는 슬라이스를 결합하여 세 가지 출력을 생성할 수 있다. 예를 들어, 1) 상위 수준(하이-레벨) 뷰 출력은 계층 그룹 슬라이스 1에서, 2) 중간 수준(미드-레벨) 뷰출력은 계층 그룹 슬라이스 1 및 레이어 그룹2의 선택된 하위(서브) 그룹으로부터 생성될 수 있다. 3) 레이어 그룹 1과 레이어 그룹 2 및 3의 선택된 하위 그룹에서 미세한 세부 출력의 로우-레벨 뷰가 생성될 수 있다. 출력이 점진적으로 생성될 수 있으므로 수신기는 확대/축소와 같은 보기 경험을 제공할 수 있다. 높은 수준의 보기에서 낮은 수준의 보기로 해상도가 점진적으로 증가할 수 있다.
인코더(60000)는 실시예들에 따른 포인트 클라우드 인코더로서, 지오메트리 인코더 및 어트리뷰트 인코더에 대응할 수 있다. 인코더는 포인트 클라우드 데이터를 레이어 그룹(또는 그룹)에 기반하여 슬라이싱할 수 있다. 레이어는 트리의 뎁스, 레이어의 레벨 등으로 지칭될 수 있다. 60000-1과 같이 지오메트리의 옥트리의 뎁스 및/또는 어트리뷰트 레이어의 레벨 등이 레이어 그룹(또는 서브 그룹)으로 분할될 수 있다.
슬라이스 셀렉터(60001)는 인코더(60000)와 연계하여, 분할된 슬라이스(또는 서브 슬라이스)를 선택해서 레이어 그룹 1 내지 레이어 그룹3과 같이 선택적으로 파셜하게 전송할 수 있다.
디코더(60002)는 선택적이고 파셜하게 전송된 포인트 클라우드 데이터를 디코딩할 수 있다. 예를 들어, 하이 레벨 뷰를 레이어 그룹 1(뎁스/레이어/레벨이 높거나 인덱스가 0, 루트에 가까움)을 디코딩할 수 있다. 이후, 미드-레벨 뷰를 레이어 그룹1 및 레이어 그룹2에 기반하여 레이어 그룹1 단독보다 좀 더 뎁스/레벨의 인덱스를 증가하여 디코딩할 수 있다. 로우-레벨 뷰를 레이어 그룹 1내지 레이어 그룹3에 기반하여 디코딩할 수 있다.
도21은 실시예들에 따른 최근접 이웃 서치 프로세스를 나타낸다.
도21은 실시예들에 따른 송수신 방법/장치가 예측 방식에 기반하여 포인트를 인코딩하고 디코딩하는 경우, 현재 포인트를 예측하기 위한 최근접 이웃을 찾는 프로세스를 나타낸다.
실시에들에 따른 코딩(인코딩/디코딩) 프로세스는 다음과 같다.
실시예들에 따른 인코딩 및 디코딩 방법은 포인트를 부호화하고 복호화하기 위해 니어스트 이웃 서치(nearest neighbor search)를 수행하여, 현재 포인트와 유사한 최근접 이웃을 찾아서 예측 변환을 수행할 수 있다. 최근접 이웃 서치는 NN서치 등으로 지칭될 수 있다.
예를 들어, G-PCCv1의 최근접 이웃 탐색 방법을 기반으로 제안된 최근접 이웃 탐색 역시 상위 LoD의 이웃 노드와 현재 LoD의 코딩된 노드에서 예측 후보를 찾는다. 빠른 검색을 위해 검색 범위는 큐빅(cubic) 경계와 몰톤(Morton) 코딩 순서의 포인트 개수로 제한된다. 하위 그룹(서브 그룹, subgroup) 경계를 고려하여 이웃 후보가 현재 노드와 동일한 레이어 그룹에 있을 때 레이어 내 그룹 검색 경계라고 하는 추가 제약 조건을 실시예들은 사용할 수 있다.
인트라 레이어 그룹 서치 바운더리(Intra-layer-group search boundary)에서, 이웃 후보가 현재 노드와 같은 레이어 그룹에 있을 때, 같은 하위 그룹 경계에 있는 이웃 노드들을 사용하는 것이 제한된다.
즉, 하위 그룹 경계 상자를 벗어난 이웃 노드는 도21과 같이 현재 노드의 이웃 후보가 될 수 없다. 예를 들어, 현재 인코딩/부호화의 대상이 제1서브 그룹(2100)이라고 보면, 제1서브그룹(2100)은 LoD N-1 및 LoD N에 속하는 노드(포인트)들을 포함하고 있다. 현재 노드(2101)를 예측하기 위해서, 현재 노드의 상위 노드 혹은 이전 노드를 참조하여 예측값을 생성할 수 있다. 현재 노드(2101)이 속한 제1서브그룹(2100)과 다른 제2서브그룹(2102)에 속한 노드는 현재 노드(2101)를 위한 이웃 후보에서 제외한다.
또한, 실시예들은 하위 그룹 추정 및 이웃 거리 계산에서 계층 그룹 적응 위치(layer-group adapted position)를 사용할 수 있다. 하위 하위 그룹이 누락된 경우를 고려하여 인코더와 디코더 간의 불일치를 방지하는 효과가 있다.
레이어 그룹 적응 위치(Layer-group adapted position): 코딩된 후손 서브그룹의 LoD 수만큼 오른쪽으로 이동한 후 코딩된 후손 서브그룹 및 건너뛴 후손 서브그룹의 LoD 수만큼 왼쪽으로 이동한 코딩된 위치를 나타낸다.
도22는 실시예들에 따른 최근접 이웃 서치 프로세스를 나타낸다.
도21과 마찬가지로, 도22는 최근접 이웃 서치 프로세스를 나타낸다.
현재 레이어 그룹의 가장 거친(coarsest) 레벨에 현재 LoD가 있는 경우 이웃 후보는 다른 레이어 그룹에 있을 수 있다. 이 경우 노드가 상위 하위 그룹 경계에 있으면 하위 그룹 경계를 넘어 이웃을 찾을 수 있다.
도22와 같이, 계층간 그룹 검색 경계(Inter-layer-group search boundary): 이웃 후보가 상위 계층 그룹에 있을 때 상위 하위 그룹 경계에 있는 이웃 노드를 사용하는 것이 제한될 수 있다.
도23은 실시예들에 따른 최근접 이웃 서치 프로세스를 나타낸다.
도21-22와 마찬가지로, 도23은 최근접 이웃 서치 프로세스를 나타낸다.
레이어 그룹 적응 위치를 사용할 때 부모 노드에서 노드의 코딩된 포지셔닝은 노드가 현재 노드의 하위 그룹 경계 상자에 있을 때 다른 방식으로 처리될 수 있다.
실시예들에 따른 레이어 그룹 적응 위치(Layer-group adapted position)를 다음과 같이 설정할 수 있다.
자식 하위 그룹 경계 상자 내의 노드(Nodes within the child subgroup bounding box): 현재 하위 그룹의 코딩된 하위 그룹의 LoD 개수만큼 오른쪽으로 이동하고, 그리고 현재 하위 그룹의 코딩된 하위 그룹의 LoD 및 건너뛴 자식 하위 그룹 개수만큼 왼쪽으로 이동한 코딩된 위치이다.
자식 하위 그룹 경계 상자를 벗어난 노드(Nodes out of the child subgroup bounding box): 상위 하위 그룹의 코딩된 하위 그룹의 LoD 개수만큼 오른쪽으로 이동한 다음 상위 하위 그룹의 코딩된 하위 그룹에서 LoD 및 건너뛴 자식 하위 그룹 개수만큼 왼쪽으로 이동한 코딩된 위치이다.
즉, 이웃 후보가 하위 그룹 경계 상자 내에 있을 때 지오메트리 위치의 세부 사항은 하위 하위 그룹의 최상위 수준까지 고려한다. 반면, 이웃 후보가 하위 그룹 경계 상자를 벗어나면 상위 하위 그룹의 최상위 수준까지 지오메트리 위치의 세부 사항을 고려한다.
도21을 참조하면, 실시예들은 제1서브그룹(2100)의 현재 노드를 위한 예측값을 생성하기 위해서, 참조할 노드를 현재 노드가 속한 제1서브그룹(2100)에 포함된 상위 LoD 레벨에 있는 노드 및/또는 현재 노드가 속한 제1서브그룹의 현재 LoD 레벨에 있는 이전 노드를 참조할 수 있다. 제1서브그룹이 아닌 제2서브그룹(2102)에 있는 노드는 현재 노드를 예측하기 위한 후보에서 제외된다.
도22를 참조하면, 실시예들은 현재 노드를 예측하기 위해서 현재 노드가 속한 제1서브그룹이 아닌 제2서브그룹은 현재 노드의 이웃 후보가 될 수 없다. 제1서브 그룹 및 제2서브그룹은 바운더리에 의해 나뉠 수 있다. 다만, 제1서브그룹(2100) 및 제2서브그룹을 포함하는 부모 서브 그룹은 현재 노드를 예측하기 위한 이웃 후보가 될 수 있다. 제1서브 그룹의 현재 노드가 속한 LoD 레벨의 상위 LoD 레벨의 부모 서브 그룹에 속한 노드가 현재 노드에 대한 이웃 후보가 될 수 있다.
도23을 참조하면, 현재 노드를 예측하기 위한 지오메트리 위치(지오메트리 정보, 지오메트리 등으로 지칭 가능함)를 더 구체적으로 고려할 수 있다. 현재 노드(2101)이 포함된 제1서브그룹(2100)에 속하고 현재 노드가 속한 LoD 레벨의 하위 레벨에 있는 노드의 지오메트리 위치 값은 현재 노드의 이웃 지오메트리 위치 후보가 될 수 있다. 즉, 자식 서브 그룹 바운딩 박스에 포함된 노드 범위에서 지오메트리 위치를 선택할 수 있다. 현재 노드가 속한 제1서브그룹과 다른 제2서브그룹에 속한 노드는 현재 노드의 이웃 후보가 될 수 없다. 다만, 제2서브그룹이 현재 노드가 속한 제1서브그룹과 동일한 부모 서브 그룹에 속하는 형제 서브그룹이라면, 부모 서브 그룹에 속한 노드는 현재 노드의 이웃 후보가 될 수 있다. 부모 서브 그룹에 속한 노드를 선택하는 경우, 부모 서브 그룹의 노드의 지오메트리 위치는 자식 서브 그룹 범위까지 상세하게 정의될 수 없고, 부모 서브 그룹이 속한 LoD 레벨까지만 지오메트리 위치를 결정할 수 있다.
예를 들어, 실시예들에 따른 NN서치를 수도 코드로 나타내면 다음과 같다.
inline void
buildPredictorsFast(
const AttributeParameterSet& aps,
const AttributeBrickHeader& abh,
const PCCPointSet3& pointCloud,
int32_t minGeomNodeSizeLog2,
int geom_num_points_minus1,
std::vector<PCCPredictor>& predictors,
std::vector<uint32_t>& numberOfPointsPerLevelOfDetail,
std::vector<uint32_t>& indexes,
LayerGroupSlicingParams& layerGroupParams){
const int32_t pointCount = int32_t(pointCloud.getPointCount());
assert(pointCount);
std::vector<MortonCodeWithIndex> packedVoxel;
computeMortonCodesUnsorted(pointCloud, aps.lodNeighBias, packedVoxel);
if (!aps.canonical_point_order_flag)
std::sort(packedVoxel.begin(), packedVoxel.end());
std::vector<uint32_t> retained, input, pointIndexToPredictorIndex;
pointIndexToPredictorIndex.resize(pointCount);
retained.reserve(pointCount);
std::vector<uint32_t> pointIdxToPackedVoxelIdx;
std::vector<uint32_t> dcmNodesList;
if (layerGroupParams.layerGroupEnabledFlag) {
pointIdxToPackedVoxelIdx.resize(pointCount);
for (uint32_t i = 0; i < pointCount; i++) {
auto pointIdx = packedVoxel[i].index;
pointIdxToPackedVoxelIdx[pointIdx] = i;
}
int layerIdx = 0;
int dcmNodesCount = 0;
int maxNumLayer = 0;
for (int i = 0; i <= layerGroupParams.numLayerGroupsMinus1; i++)
maxNumLayer += layerGroupParams.numLayersPerLayerGroup[i];
for (int i = 0; i <= layerGroupParams.numLayerGroupsMinus1; i++) {
for (int j = 0; j < layerGroupParams.numLayersPerLayerGroup[i]; j++, layerIdx++) {
for (int sbgrIdx = 0; sbgrIdx <= layerGroupParams.numSubgroupsMinus1[i]; sbgrIdx++) {
if (layerGroupParams.dcmNodesIdx[layerIdx][sbgrIdx].size() && layerIdx < maxNumLayer - 1) {
for (int m = 0; m < layerGroupParams.dcmNodesIdx[layerIdx][sbgrIdx].size(); m++) {
auto pointIdx = layerGroupParams.dcmNodesIdx[layerIdx][sbgrIdx][m];
auto packedVoxelIndex = pointIdxToPackedVoxelIdx[pointIdx];
dcmNodesList.push_back(packedVoxelIndex);
}
}
}
}
}
if (dcmNodesList.size()) {
input.resize(pointCount - dcmNodesList.size());
int dcmIdx = 0;
int nonIdcmIdx = 0;
for (uint32_t i = 0; i < pointCount; ++i) {
uint32_t packedVoxelIndex;
if (dcmIdx < dcmNodesList.size()) {
packedVoxelIndex = dcmNodesList[dcmIdx];
if (packedVoxel[packedVoxelIndex].mortonCode != packedVoxel[i].mortonCode)
dcmIdx++;
else if(nonIdcmIdx < input.size())
input[nonIdcmIdx++] = i;
}
else if (nonIdcmIdx < input.size())
input[nonIdcmIdx++] = i;
}
}
else {
input.resize(pointCount);
for (uint32_t i = 0; i < pointCount; ++i)
input[i] = i;
}
}
else {
input.resize(pointCount);
for (uint32_t i = 0; i < pointCount; ++i) {
input[i] = i;
}
}
// prepare output buffers
predictors.resize(pointCount);
numberOfPointsPerLevelOfDetail.resize(0);
indexes.resize(0);
indexes.reserve(pointCount);
numberOfPointsPerLevelOfDetail.reserve(21);
numberOfPointsPerLevelOfDetail.push_back(pointCount);
bool concatenateLayers = aps.scalable_lifting_enabled_flag;
if (layerGroupParams.layerGroupEnabledFlag)
concatenateLayers = false;
std::vector<uint32_t> indexesOfSubsample;
if (concatenateLayers)
indexesOfSubsample.reserve(pointCount);
std::vector<Box3<int32_t>> bBoxes;
const int32_t log2CubeSize = 7;
MortonIndexMap3d atlas;
atlas.resize(log2CubeSize);
atlas.init();
auto maxNumDetailLevels = aps.maxNumDetailLevels();
int32_t predIndex = int32_t(pointCount);
int treeLvlGap = 0;
int maxNumLayers = 0;
std::vector<int> predIdxToSubgroupMap;
std::vector<int> predIdxToLayerGroupMap;
if (layerGroupParams.layerGroupEnabledFlag) {
predIdxToLayerGroupMap.resize(pointCount, -1);
predIdxToSubgroupMap.resize(pointCount, -1);
treeLvlGap = layerGroupParams.rootNodeSizeLog2.max() - layerGroupParams.rootNodeSizeLog2_coded.max();
for (int m = 0; m <= layerGroupParams.numLayerGroupsMinus1; m++)
maxNumLayers += layerGroupParams.numLayersPerLayerGroup[m];
maxNumDetailLevels = maxNumLayers + 1;
}
int maxLoD = 0;
for (auto lodIndex = minGeomNodeSizeLog2;
!input.empty() && lodIndex < maxNumDetailLevels; ++lodIndex) {
const int32_t startIndex = indexes.size();
if (lodIndex == maxNumDetailLevels - 1) {
for (const auto index : input) {
indexes.push_back(index);
}
} else {
subsample(
aps, abh, pointCloud, packedVoxel, input, lodIndex, retained, indexes,
atlas, layerGroupParams );
}
const int32_t endIndex = indexes.size();
int shiftLayerGroup = 0;
int shiftPrtLayerGroup = 0;
int curLayerGroup = 0;
int curSubgroup = 0;
int prtLayerGroup = 0;
int prtSubgroup = 0;
std::vector<std::vector<uint32_t>> retained_subgroup, indexes_subgroup;
if (layerGroupParams.layerGroupEnabledFlag) {
int layerIdx = maxNumLayers - lodIndex;
int accNumLayers = 0;
for (int m = 0; m <= layerGroupParams.numLayerGroupsMinus1; m++) {
accNumLayers += layerGroupParams.numLayersPerLayerGroup[m];
if (accNumLayers >= layerIdx) {
curLayerGroup = m;
break;
}
}
if (accNumLayers - layerGroupParams.numLayersPerLayerGroup[curLayerGroup] + 1 == layerIdx && curLayerGroup > 0)
prtLayerGroup = curLayerGroup - 1;
else
prtLayerGroup = curLayerGroup;
int maxNumLayers_curLayerGroup = 0;
int maxNumLayers_prtLayerGroup = 0;
int maxNumLayers_total = 0;
for (int i = 0; i <= layerGroupParams.numLayerGroupsMinus1; i++) {
maxNumLayers_total += layerGroupParams.numLayersPerLayerGroup[i];
if (i <= curLayerGroup)
maxNumLayers_curLayerGroup += layerGroupParams.numLayersPerLayerGroup[i];
if (i <= prtLayerGroup)
maxNumLayers_prtLayerGroup += layerGroupParams.numLayersPerLayerGroup[i];
}
shiftLayerGroup = maxNumLayers_total - maxNumLayers_curLayerGroup;
shiftPrtLayerGroup = maxNumLayers_total - maxNumLayers_prtLayerGroup;
retained_subgroup.clear();
indexes_subgroup.clear();
retained_subgroup.resize(layerGroupParams.numSubgroupsMinus1[prtLayerGroup] + 1);
indexes_subgroup.resize(layerGroupParams.numSubgroupsMinus1[curLayerGroup] + 1);
for (int i = 0; i <= layerGroupParams.numSubgroupsMinus1[curLayerGroup]; i++)
std::vector<std::vector<uint32_t>> dcmNodeList_ParentSubgroup;
int layerIdx_minus1 = layerIdx - 1;
if (dcmNodesList.size()) {
dcmNodeList_ParentSubgroup.resize(layerGroupParams.numSubgroupsMinus1[prtLayerGroup] + 1);
int lyrGrpIdx = 0;
if (layerIdx_minus1 > 0) {
for (int curLodIndex = 0; curLodIndex < layerIdx_minus1; curLodIndex++) {
lyrGrpIdx = 0;
int accNumLayers = 0;
for (int m = 0; m <= layerGroupParams.numLayerGroupsMinus1; m++) {
accNumLayers += layerGroupParams.numLayersPerLayerGroup[m];
if (accNumLayers > curLodIndex) {
lyrGrpIdx = m;
break;
}
}
for (int m = 0; m <= layerGroupParams.numSubgroupsMinus1[lyrGrpIdx]; m++) {
if (layerGroupParams.sliceSelectionIndicationFlag[lyrGrpIdx][m]) {
auto bbox_min = layerGroupParams.subgrpBboxOrigin[lyrGrpIdx][m];
auto bbox_max = bbox_min + layerGroupParams.subgrpBboxSize[lyrGrpIdx][m];
for (int subgrpIdx = 0; subgrpIdx <= layerGroupParams.numSubgroupsMinus1[prtLayerGroup]; subgrpIdx++) {
auto retained_subgrp_bbox_min = layerGroupParams.subgrpBboxOrigin[prtLayerGroup][subgrpIdx];
auto retained_subgrp_bbox_max = retained_subgrp_bbox_min + layerGroupParams.subgrpBboxSize[prtLayerGroup][subgrpIdx];
if (retained_subgrp_bbox_min[0] >= bbox_min[0] && retained_subgrp_bbox_max[0] <= bbox_max[0]
&& retained_subgrp_bbox_min[1] >= bbox_min[1] && retained_subgrp_bbox_max[1] <= bbox_max[1]
&& retained_subgrp_bbox_min[2] >= bbox_min[2] && retained_subgrp_bbox_max[2] <= bbox_max[2]) {
for (int k = 0; k < layerGroupParams.dcmNodesIdx[curLodIndex][m].size(); k++) {
auto pointCloudIndex = layerGroupParams.dcmNodesIdx[curLodIndex][m][k];
auto packedVoxelIndex = pointIdxToPackedVoxelIdx[pointCloudIndex];
dcmNodeList_ParentSubgroup[subgrpIdx].push_back(packedVoxelIndex);
}
}
}
}
}
}
for (int subgrpIdx = 0; subgrpIdx <= layerGroupParams.numSubgroupsMinus1[prtLayerGroup]; subgrpIdx++)
}
}
for (int i = 0; i < retained.size(); i++) {
auto pos = (pointCloud[packedVoxel[retained[i]].index] >> shiftLayerGroup) << (shiftLayerGroup + treeLvlGap);
prtSubgroup = 0;
for (int m = 0; m <= layerGroupParams.numSubgroupsMinus1[prtLayerGroup]; m++) {
if (layerGroupParams.sliceSelectionIndicationFlag[prtLayerGroup][m]) {
auto bbox_min = layerGroupParams.subgrpBboxOrigin[prtLayerGroup][m];
auto bbox_max = bbox_min + layerGroupParams.subgrpBboxSize[prtLayerGroup][m];
if (pos.x() >= bbox_min[0] && pos.x() < bbox_max[0]
&& pos.y() >= bbox_min[1] && pos.y() < bbox_max[1]
&& pos.z() >= bbox_min[2] && pos.z() < bbox_max[2]) {
prtSubgroup = m;
break;
}
else if (m == layerGroupParams.numSubgroupsMinus1[prtLayerGroup] && prtSubgroup == 0)
}
}
retained_subgroup[prtSubgroup].push_back(retained[i]);
}
if (dcmNodesList.size()) {
for (int i = 0; i <= layerGroupParams.numSubgroupsMinus1[prtLayerGroup]; i++) {
if (layerGroupParams.sliceSelectionIndicationFlag[prtLayerGroup][i]
&& dcmNodeList_ParentSubgroup[i].size()) {
for (int j = 0; j < dcmNodeList_ParentSubgroup[i].size(); j++)
retained_subgroup[i].push_back(dcmNodeList_ParentSubgroup[i][j]);
std::sort(retained_subgroup[i].begin(), retained_subgroup[i].end());
}
}
if (layerIdx >= 2) {
std::cout << "(retained.size() = " << retained.size();
auto prev = retained.size();
int parentLayerIndex = layerIdx - 2;
for (int i = 0; i <= layerGroupParams.numSubgroupsMinus1[prtLayerGroup]; i++) {
if (layerGroupParams.sliceSelectionIndicationFlag[prtLayerGroup][i]) {
for (int k = 0; k < layerGroupParams.dcmNodesIdx[parentLayerIndex][i].size(); k++) {
auto pointCloudIndex = layerGroupParams.dcmNodesIdx[parentLayerIndex][i][k];
auto packedVoxelIndex = pointIdxToPackedVoxelIdx[pointCloudIndex];
retained.push_back(packedVoxelIndex);
}
}
}
}
}
for (int i = startIndex; i < endIndex; i++) {
auto pos = (pointCloud[packedVoxel[indexes[i]].index] >> shiftLayerGroup) << (shiftLayerGroup + treeLvlGap);
curSubgroup = 0;
for (int m = 0; m <= layerGroupParams.numSubgroupsMinus1[curLayerGroup]; m++) {
if (layerGroupParams.sliceSelectionIndicationFlag[curLayerGroup][m]) {
auto bbox_min = layerGroupParams.subgrpBboxOrigin[curLayerGroup][m];
auto bbox_max = bbox_min + layerGroupParams.subgrpBboxSize[curLayerGroup][m];
if (pos.x() >= bbox_min[0] && pos.x() < bbox_max[0]
&& pos.y() >= bbox_min[1] && pos.y() < bbox_max[1]
&& pos.z() >= bbox_min[2] && pos.z() < bbox_max[2]) {
curSubgroup = m;
break;
}
}
}
std::vector<point_t> biasedPos_indexes, biasedPos_retained;
if (concatenateLayers && !layerGroupParams.layerGroupEnabledFlag) {
indexesOfSubsample.resize(endIndex);
if (startIndex != endIndex) {
for (int32_t i = startIndex; i < endIndex; i++)
indexesOfSubsample[i] = indexes[i];
int32_t numOfPointInSkipped = geom_num_points_minus1 + 1 - pointCount;
if (endIndex - startIndex <= startIndex + numOfPointInSkipped) {
concatenateLayers = false;
} else {
for (int32_t i = 0; i < startIndex; i++)
indexes[i] = indexesOfSubsample[i];
// reset predIndex
predIndex = pointCount;
for (int lod = 0; lod < lodIndex - minGeomNodeSizeLog2; lod++) {
int divided_startIndex =
pointCount - numberOfPointsPerLevelOfDetail[lod];
int divided_endIndex =
pointCount - numberOfPointsPerLevelOfDetail[lod + 1];
computeNearestNeighbors(
aps, abh, packedVoxel, retained, divided_startIndex,
divided_endIndex, lod + minGeomNodeSizeLog2, indexes, predictors,
pointIndexToPredictorIndex, predIndex, atlas
, layerGroupParams, curLayerGroup, curSubgroup
, biasedPos_indexes, biasedPos_retained
);
}
}
}
}
int numIndexedNodes = 0;
if(layerGroupParams.layerGroupEnabledFlag){
indexes.resize(startIndex);
int count = 0;
for (int i = 0; i <= layerGroupParams.numSubgroupsMinus1[curLayerGroup]; i++) {
if (layerGroupParams.sliceSelectionIndicationFlag[curLayerGroup][i]) {
if (curLayerGroup == prtLayerGroup)
prtSubgroup = i; // prtSubgroup = curSubgroup
else {
auto cur_bbox_min = layerGroupParams.subgrpBboxOrigin[curLayerGroup][i];
auto cur_bbox_max = cur_bbox_min + layerGroupParams.subgrpBboxSize[curLayerGroup][i];
for (int m = 0; m <= layerGroupParams.numSubgroupsMinus1[prtLayerGroup]; m++) {
auto bbox_min = layerGroupParams.subgrpBboxOrigin[prtLayerGroup][m];
auto bbox_max = bbox_min + layerGroupParams.subgrpBboxSize[prtLayerGroup][m];
if (cur_bbox_min.x() >= bbox_min[0] && cur_bbox_max.x() <= bbox_max[0]
&& cur_bbox_min.y() >= bbox_min[1] && cur_bbox_max.y() <= bbox_max[1]
&& cur_bbox_min.z() >= bbox_min[2] && cur_bbox_max.z() <= bbox_max[2]) {
prtSubgroup = m;
break;
}
}
}
int startIndex_subgroup = 0;
int endIndex_subgroup = indexes_subgroup[i].size();
int curSubgroup = i;
biasedPos_indexes.clear();
biasedPos_indexes.reserve(indexes_subgroup[curSubgroup].size());
for (int k = 0; k < indexes_subgroup[curSubgroup].size(); k++) {
auto pos = pointCloud[packedVoxel[indexes_subgroup[curSubgroup][k]].index];
auto point = pos;
biasedPos_indexes.push_back(times((point >> shiftLayerGroup) << (shiftLayerGroup + treeLvlGap), aps.lodNeighBias));
}
biasedPos_retained.clear();
biasedPos_retained.reserve(retained_subgroup[prtSubgroup].size());
auto cur_bbox_min = layerGroupParams.subgrpBboxOrigin[curLayerGroup][i];
auto cur_bbox_max = cur_bbox_min + layerGroupParams.subgrpBboxSize[curLayerGroup][i];
for (int k = 0; k < retained_subgroup[prtSubgroup].size(); k++) {
auto pos = pointCloud[packedVoxel[retained_subgroup[prtSubgroup][k]].index];
auto point = pos;
if (prtLayerGroup != curLayerGroup) {
if (pos.x() >= cur_bbox_min.x() && pos.x() < cur_bbox_max.x() && pos.y() >= cur_bbox_min.y() && pos.y() < cur_bbox_max.y() && pos.z() >= cur_bbox_min.z() && pos.z() < cur_bbox_max.z())
biasedPos_retained.push_back(times((point >> shiftLayerGroup) << (shiftLayerGroup + treeLvlGap), aps.lodNeighBias));
else
biasedPos_retained.push_back(times((point >> shiftPrtLayerGroup) << (shiftPrtLayerGroup + treeLvlGap), aps.lodNeighBias));
}
else
biasedPos_retained.push_back(times((point >> shiftLayerGroup) << (shiftLayerGroup + treeLvlGap), aps.lodNeighBias));
}
computeNearestNeighbors(
aps, abh, packedVoxel, retained_subgroup[prtSubgroup], startIndex_subgroup, endIndex_subgroup, lodIndex, indexes_subgroup[i],
predictors, pointIndexToPredictorIndex, predIndex, atlas
, layerGroupParams, curLayerGroup, curSubgroup
, biasedPos_indexes, biasedPos_retained);
for (int m = startIndex_subgroup; m < endIndex_subgroup; m++)
// neighbor 가 동일 subgroup 내에 있는지 update
{
int cur_subgroup = i;
predIdxToLayerGroupMap.push_back(curLayerGroup);
predIdxToSubgroupMap.push_back(cur_subgroup);
indexes.push_back(indexes_subgroup[cur_subgroup][m]);
}
numIndexedNodes += indexes_subgroup[i].size();
layerGroupParams.numberOfPointsPerLodPerSubgroups.push_back(indexes_subgroup[i].size());
}
else
layerGroupParams.numberOfPointsPerLodPerSubgroups.push_back(0);
}
}
else
computeNearestNeighbors(
aps, abh, packedVoxel, retained, startIndex, endIndex, lodIndex, indexes,
predictors, pointIndexToPredictorIndex, predIndex, atlas
, layerGroupParams, curLayerGroup, curSubgroup
, biasedPos_indexes, biasedPos_retained);
if (layerGroupParams.layerGroupEnabledFlag) {
if(pointCount > indexes.size())
numberOfPointsPerLevelOfDetail.push_back(pointCount - indexes.size());
}
else {
if (!retained.empty()) {
numberOfPointsPerLevelOfDetail.push_back(retained.size());
}
}
input.resize(0);
std::swap(retained, input);
}
std::reverse(indexes.begin(), indexes.end());
updatePredictors(pointIndexToPredictorIndex, predictors);
std::reverse(
numberOfPointsPerLevelOfDetail.begin(),
numberOfPointsPerLevelOfDetail.end());
layerGroupParams.numRefNodesInTheSameSubgroup.resize(pointCount, 0);
// neighbor 가 동일 subgroup 내에 있는지 update
if (layerGroupParams.layerGroupEnabledFlag) {
std::reverse(predIdxToLayerGroupMap.begin(), predIdxToLayerGroupMap.end());
std::reverse(predIdxToSubgroupMap.begin(), predIdxToSubgroupMap.end());
for (int i = 0; i < pointCount; i++) {
auto& predictor = predictors[i];
int curLayerGroup = predIdxToLayerGroupMap[i];
int curSubgroup = predIdxToSubgroupMap[i];
for (int k = 0; k < predictor.neighborCount; k++) {
int idx = predictor.neighbors[k].predictorIndex;
int neighborLayerGroup = predIdxToLayerGroupMap[idx];
int neighborSubgroup = predIdxToSubgroupMap[idx];
if(neighborLayerGroup == curLayerGroup && neighborSubgroup ==curSubgroup) {
predictor.neighbors[k].inTheSameSubgroupFlag = true;
layerGroupParams.numRefNodesInTheSameSubgroup[idx]++;
}
else
predictor.neighbors[k].inTheSameSubgroupFlag = false;
}
}
}
}
실시예들에 따른 포인트 클라우드 데이터 송수신 방법/장치는 최근접 이웃을 서치하고, 아틀라스 시프팅(Atlas shift)을 수행할 수 있다.
추가적 누락된(missing) 노드가 있는 상위(부모) 하위 그룹(subgroup)을 사용하는 경우 상위 및 하위 하위 그룹의 노드 위치 차이가 커서 현재 속성 아틀라스에서 이웃을 찾을 수 없다. 부모 및 자식 LoD에서 노드의 시작 위치를 정렬하기 위해 현재 지점이 현재 아틀라스에 없는 경우 아틀라스 이동 프로세스를 수행할 수 있다.
예를 들어, 아틀라스 시프트를 수도 코드로 나타내면 다음과 같다.
if (curAtlasId != pointAtlasId) {
atlas.clearUpdates();
curAtlasId = pointAtlasId;
while(cubeIndex < retainedSize
&& (packedVoxel[retained[cubeIndex]].mortonCode >> atlasBoundaryBit) < curAtlasId)
++cubeIndex;
while (cubeIndex < retainedSize
&& (packedVoxel[retained[cubeIndex]].mortonCode >> atlasBoundaryBit) ==curAtlasId) { atlas.set(packedVoxel[retained[cubeIndex]].mortonCode >> shiftBits3, cubeIndex);
++cubeIndex;
}
}
도23을 참조하면, 자식 서브 그룹에 포함된 시작 노드 및 부모 서브 그룹에 포함된 시작 노드가 다를 수 있으며, 이 경우 부모 서브 그룹과 자식 서브 그룹의 노드 사이의 매칭이 어긋나게 되어 잘못된 어트리뷰트값으로 코딩될 수 있다. 이를 방지하기 위해 부모 서브 그룹에 포함된 노드(포인트)의 아틀라스를 시프트하여, 자식 서브 그룹의 시작 노드를 포함하는 아틀라스로 맞추는 과정이 추가될 수 있다.
현재 어트리뷰트 인코딩 대상이 되는 현재 포인트의 아틀라스 아이디와 현재 아틀라스 아이디를 비교한다.
현재 아틀라스 아이디 및 현재 포인트의 아틀라스 아이디가 상이한 경우, 현재 아틀라스 아이디를 현재 포인트의 아틀라스 아이디로 업데이트한다.
만약 상위 retained 에 속한 노드의 아틀라스 아이디가 현재 아틀라스 아이디와 다른 경우 (아틀라스 아이디가 오름차순으로 정렬되어 사용되는 경우 현재 아틀라스 아이디보다 작을 수 있다.) 큐브 인덱스로 지칭되는 포인트 인덱스를 증가하여 현재 아틀라스에 속하지 않는 포인트를 사용하지 않고 현재 아틀라스에 속하는 포인트만을 선택하여 사용할 수 있다.
현재 아틀라스에 속하는 서브 그룹 내 노드(포인트)에 대해, 큐브 인덱스로 지칭되는 포인트 인덱스와 아틀라스 인덱스 조합을 기반으로, 현재 아틀라스 정보를 업데이트 할 수 있다.
본 과정은 자식 서브 그룹(child subgroup)의 바운딩 박스(bbox)가 부모 서브그룹(parent subgroup)의 바운딩 박스(bbox)에 포함되는 경우, 부모 서브그룹(parent subgroup)에 속한 포인트 중 자식 서브그룹(child subgroup)의 바운딩박스(bbox) 내에 속하는 포인트를 선택해서 아틀라스(Atlas)를 구성하는 과정이다.
현재 LoD 를 N 번쨰라고 할 때, 리테인(retained)는 N-1번째 LoD 이다. 따라서while(packedVoxel[retained[cubeIndex]].mortonCode >> atlasBoundaryBit) < curAtlasId) ++cubeIndex; 에서, LoD N-1 에 속한 포인트 중 현재 아틀라스 아이디(curAtlasId)에 속하지 않은 것을 제외함으로써 자식 서브 그룹 바운딩 박스(child subgroup bbox) 범위에 포함되는 부모서브 그룹(parent subgroup) 내의 노드의 처음 시작점을 찾는 과정이다. 그 후 두번쨰 while 문을 통해서 현재 아틀라스 아이디(curAtlasId)에 속하는 리테인(retained)의 포인트를 아틀라스(Atlas)에 등록한다.
Atlas shift와 NN search 관계를 보면, 자식 서브 그룹에 속한 노드의 어트리뷰트를 예측하기 위한 이웃 후보로써, 부모 서브 그룹에 있는 노드를 선택한 경우, 자식 서브 그룹의 아틀라스 아이디를 기준으로 부모 서브 그룹의 아틀라스를 쉬프트 하여 사용할 수 있다.
실시예들에 따른 포인트 클라우드 데이터 송수신 방법/장치는 1) 최근접 이웃를 찾고, 2) (필요한 경우) 아틀라스를 시프트하고, 3) 서브 그룹 가중치를 유도할 수 있다.
예측 변환에서 양자화 가중치는 예측에 사용된 노드에 크레딧(credits)을 부여하는 데 사용된다. G-PCCv1에서 가중치를 현재 노드를 이웃 노드로 참조하는 관련 노드들의 가중치 합으로 도출한다. 개념에 따라 하위 그룹의 노드 가중치를 다음 제약 조건으로 계산할 수 있다.
하위 그룹 가중치 도출(Subgroup weight derivation): 현재 노드와 이웃 노드가 같은 하위 그룹에 속해 있는 경우 현재 노드를 이웃 노드로 참조하는 관련 노드의 가중치 합을 생성한다.
도22를 참조하면, 서브 그룹 내 포인트(노드)마다 이웃으로 선택이 많이 되는 노드에 대해, 이웃 선택에 대한 손실을 줄이기 위해서, 손실을 보상하기 위한 가중치를 부여할 수 있다.
가중치(웨이트)는 양자화를 위한 웨이트이다.
가중치 생성 과정은 다음과 같다:
weight(m) += alpha * numRefNodes(m) / maxNumRefNodes + beta
참조 노드 개수(numRefNodes): 특정 m노드에서 그 노드가 얼마나 네이버(이웃)로 사용되었는지를 나타낸다.
참조 노드 최댓값(maxNumRefNodes): 현재 부모 그룹 내에서 나(현재 노드)를 네이버로 사용하는 개수 중 최댓값을 나타낸다.
알파(alpha) 및 베타(beta)는 변수이다.
양자화 웨이트를 산출하는 과정을 수도 코드로 나타내면 다음과 같다.
inline void
computeQuantizationWeights(
const std::vector<PCCPredictor>& predictors,
std::vector<int64_t>& quantizationWeights,
Vec3<int32_t> neighWeight,
LayerGroupSlicingParams& layerGroupParams,
bool flag = true) {
const size_t pointCount = predictors.size();
quantizationWeights.resize(pointCount);
for (size_t i = 0; i < pointCount; ++i) {
quantizationWeights[i] = (1 << kFixedPointWeightShift);
}
for (size_t i = 0; i < pointCount; ++i) {
const size_t predictorIndex = pointCount - i - 1;
const auto& predictor = predictors[predictorIndex];
const auto currentQuantWeight = quantizationWeights[predictorIndex];
for (size_t j = 0; j < predictor.neighborCount; ++j) {
if (predictor.neighbors[j].inTheSameSubgroupFlag) {
const size_t neighborPredIndex = predictor.neighbors[j].predictorIndex;
auto& neighborQuantWeight = quantizationWeights[neighborPredIndex];
neighborQuantWeight += divExp2RoundHalfInf(
neighWeight[j] * currentQuantWeight, kFixedPointWeightShift);
}
else if (flag) {
const size_t neighborPredIndex = predictor.neighbors[j].predictorIndex;
layerGroupParams.quantWeights_outOfSubgroup[neighborPredIndex] += divExp2RoundHalfInf(
neighWeight[j] * currentQuantWeight, kFixedPointWeightShift);
}
}
}
}
이 접근 방식은 디코더가 전체 FGS(fine granularity slice, 도17의 레이어 그룹 기반 슬라이스를 지칭함, 슬라이스 세부 단위를 지칭하는 용어)와 누락된 FGS 모두에 대해 인코더의 가중치와 동일한 하위 그룹 가중치를 생성하도록 보장한다. 그러나 가중치는 예상 가중치보다 훨씬 작을 수 있으며 LoD가 높을수록 손실이 악화될 수 있다. 실시예들은 손실을 완화하기 위해 각 하위 그룹 및 각 노드에 대해 하위 그룹 가중치 조정을 수행할 수 있다.
하위 그룹 가중치를 다음과 같이 조정한다.
weight(m) += alpha * numRefNodes(m) / maxNumRefNodes + beta
웨이트(weight(m))는 m번째 노드의 하위 그룹 가중치이다.
참조 노드 개수(numRefNodes(m))는 m번째 노드의 관련 노드 개수이다.
참조 노드 최대 개수(maxNumRefNodes)는 현재 하위 그룹의 최대 관련 노드 개수이다.
알파와 베타는 인코더에서 도출할 수 있는 가중치 조정 계수이다.
서브 그룹 웨이트(Subgroup weight) 보정 과정에서 각 노드에 따라 적응적으로 보정하기 위한 방법으로써 위와 같이 서브 그룹(subgroup) 내 각 노드가 주변 노드에 의해 참조(reference) 되는 횟수를 기반으로 보정에 사용되는 정도를 결정할 수 있다. 노드 적응적으로 보정하거나 혹은 웨이트(weight)를 구하기 위한 방법으로써 위에서 제시하는 방법 이외에도 웨이트(weight)의 크기에 비례하는 가중치를 사용하거나, 서브 그룹을 벗어날 시 웨이트(out-of-sugbroup weight), 서브 그룹을 벗어난 노드의 개수(number of out-of-subgroup nodes) 등과 같이 각 노드의 중요도를 나타내는 지표를 기반으로 중요한 노드 즉 다른 노드에 의해 참조가 많이 되는 노드에 대해 보정의 정확성을 높이는 방향으로 사용할 수 있다.
실시예들에 따른 가중치 이용 및 가중치 보정 과정을 수도 코드로 나타내면 다음과 같다.
void
AttributeDecoder::decodeColorsPred(
const AttributeDescription& desc,
const AttributeParameterSet& aps,
const AttributeBrickHeader& abh,
const QpSet& qpSet,
PCCResidualsDecoder& decoder,
PCCPointSet3& pointCloud,
LayerGroupSlicingParams& layerGroupParams,
const int curLayerGroup,
const int curSubgroup)
{
const size_t pointCount = pointCloud.getPointCount();
int64_t clipMax = (1 << desc.bitdepth) - 1;
Vec3<int32_t> values;
bool icpPresent = abh.icpPresent(desc, aps);
auto icpCoeff = icpPresent ? abh.icpCoeffs[0] : 0;
int lod = 0;
int zeroRunRem = 0;
int quantLayer = 0;
int idxStart = 0;
int idxEnd = pointCount;
int lodStart, lodEnd;
if (layerGroupParams.layerGroupEnabledFlag) {
lodEnd = 0;
int prevLodEnd = 0;
for (int i = 0; i <= curLayerGroup; i++) {
lodEnd += layerGroupParams.numLayersPerLayerGroup[i];
if(i != curLayerGroup)
prevLodEnd += layerGroupParams.numLayersPerLayerGroup[i];
}
if (!curLayerGroup)
lodStart = 0;
else
lodStart = prevLodEnd + 1;
quantLayer = std::min(int(qpSet.layers.size()) - 1, prevLodEnd);
}
if (layerGroupParams.layerGroupEnabledFlag && curLayerGroup == 0
|| !layerGroupParams.layerGroupEnabledFlag) {
computeQuantizationWeights(_lods.predictors, _quantWeights, aps.quant_neigh_weight,
layerGroupParams, false);
}
if (layerGroupParams.layerGroupEnabledFlag) {
int weightAdjCoeff_a = 0;
int weightAdjCoeff_b = 0;
if (curLayerGroup) {
weightAdjCoeff_a = layerGroupParams.weightAdjCoeff_a;
weightAdjCoeff_b = layerGroupParams.weightAdjCoeff_b;
}
else {
weightAdjCoeff_a = abh.subgroup_weight_adj_coeff_a;
weightAdjCoeff_b = abh.subgroup_weight_adj_coeff_b;
}
int subgrpArrayIdx = layerGroupParams.numSubgroupsMinus1[curLayerGroup] - curSubgroup;
for (int i = 0; i < curLayerGroup; i++)
subgrpArrayIdx += (layerGroupParams.numSubgroupsMinus1[i] + 1) * (layerGroupParams.numLayersPerLayerGroup[i]);
if (curLayerGroup > 0)
subgrpArrayIdx++;
int predStart = 0;
for (int i = 0; i < subgrpArrayIdx; i++)
predStart += layerGroupParams.numberOfPointsPerLodPerSubgroups[i];
int predEnd = predStart + layerGroupParams.numberOfPointsPerLodPerSubgroups[subgrpArrayIdx];
int subgrpArrayIdx_init = subgrpArrayIdx;
int predStart_init = predStart;
int idxSelectedNodes = 0;
int maxNumRefNodes = 0;
for (lod = lodStart; lod <= lodEnd; lod++) {
for (int m = predStart; m < predEnd; m++) {
if (maxNumRefNodes < layerGroupParams.numRefNodesInTheSameSubgroup[m]) {
idxSelectedNodes = m;
maxNumRefNodes = layerGroupParams.numRefNodesInTheSameSubgroup[m];
}
}
if (lod != lodEnd) {
int prevIdx = subgrpArrayIdx;
subgrpArrayIdx += layerGroupParams.numSubgroupsMinus1[curLayerGroup] + 1;
for (int i = prevIdx; i < subgrpArrayIdx; i++)
predStart += layerGroupParams.numberOfPointsPerLodPerSubgroups[i];
predEnd = predStart + layerGroupParams.numberOfPointsPerLodPerSubgroups[subgrpArrayIdx];
}
}
subgrpArrayIdx = subgrpArrayIdx_init;
predStart = predStart_init;
predEnd = predStart + layerGroupParams.numberOfPointsPerLodPerSubgroups[subgrpArrayIdx];
for (lod = lodStart; lod <= lodEnd; lod++) {
for (int m = predStart; m < predEnd; m++) {
if(layerGroupParams.numRefNodesInTheSameSubgroup[idxSelectedNodes])
_quantWeights[m] += weightAdjCoeff_a
* layerGroupParams.numRefNodesInTheSameSubgroup[m] / layerGroupParams.numRefNodesInTheSameSubgroup[idxSelectedNodes]
+ weightAdjCoeff_b;
else
_quantWeights[m] += weightAdjCoeff_b;
}
if (lod != lodEnd) {
int prevIdx = subgrpArrayIdx;
subgrpArrayIdx += layerGroupParams.numSubgroupsMinus1[curLayerGroup] + 1;
for (int i = prevIdx; i < subgrpArrayIdx; i++)
predStart += layerGroupParams.numberOfPointsPerLodPerSubgroups[i];
predEnd = predStart + layerGroupParams.numberOfPointsPerLodPerSubgroups[subgrpArrayIdx];
}
}
}
int subgroupIdx = layerGroupParams.numSubgroupsMinus1[curLayerGroup] - curSubgroup;
for (int i = 0; i < curLayerGroup; i++)
subgroupIdx += (layerGroupParams.numSubgroupsMinus1[i] + 1) * (layerGroupParams.numLayersPerLayerGroup[i]);
if (curLayerGroup > 0)
subgroupIdx++;
idxStart = 0;
for (int i = 0; i < subgroupIdx; i++)
idxStart += layerGroupParams.numberOfPointsPerLodPerSubgroups[i];
idxEnd = idxStart + layerGroupParams.numberOfPointsPerLodPerSubgroups[subgroupIdx];
for (lod = lodStart; lod <= lodEnd; lod++) {
for (size_t predictorIndex = idxStart; predictorIndex < idxEnd;
++predictorIndex) {
if (predictorIndex == _lods.numPointsInLod[quantLayer]) {
quantLayer = std::min(int(qpSet.layers.size()) - 1, quantLayer + 1);
}
const uint32_t pointIndex = _lods.indexes[predictorIndex];
auto quant = qpSet.quantizers(pointCloud[pointIndex], quantLayer);
auto& predictor = _lods.predictors[predictorIndex];
predictor.predMode = 0;
if (--zeroRunRem < 0)
zeroRunRem = decoder.decodeRunLength();
if (zeroRunRem)
values[0] = values[1] = values[2] = 0;
else
decoder.decode(&values[0]);
if (predModeEligibleColor(desc, aps, pointCloud, _lods.indexes, predictor))
decodePredModeColor(aps, values, predictor);
Vec3<attr_t>& color = pointCloud.getColor(pointIndex);
const Vec3<attr_t> predictedColor =
predictor.predictColor(pointCloud, _lods.indexes);
if (icpPresent)
icpCoeff = abh.icpCoeffs[lod];
int64_t residual0 = 0;
for (int k = 0; k < 3; ++k) {
const auto& q = quant[std::min(k, 1)];
int64_t qStep = q.stepSize();
int64_t weight = std::min(_quantWeights[predictorIndex], qStep)
>> kFixedPointWeightShift;
int64_t residual =
divExp2RoundHalfUp(q.scale(values[k]), kFixedPointAttributeShift);
residual /= weight;
const int64_t recon =
predictedColor[k] + residual + ((icpCoeff[k] * residual0 + 2) >> 2);
color[k] = attr_t(PCCClip(recon, int64_t(0), clipMax));
if (!k && aps.inter_component_prediction_enabled_flag)
residual0 = residual;
}
}
if (lod != lodEnd) {
int prevIdx = subgroupIdx;
subgroupIdx += layerGroupParams.numSubgroupsMinus1[curLayerGroup] + 1;
//idxStart = 0;
for (int i = prevIdx; i < subgroupIdx; i++)
idxStart += layerGroupParams.numberOfPointsPerLodPerSubgroups[i];
idxEnd = idxStart + layerGroupParams.numberOfPointsPerLodPerSubgroups[subgroupIdx];
}
}
}
인코더에서 알파+베타는 하위 그룹 외부 가중치(out-of-subgtroup weights)의 가장 높은 값으로 계산할 수 있고 베타는 하위 그룹 리프 노드에서 하위 그룹 외부 가중치의 평균으로 설정할 수 있다. 현재 서브 그룹 외부에 대해 현재 서브 그룹에서 외부에 대한 가중치를 추정할 수 있다.
또한 인코딩 과정에서 서브그룹 바운딩 박스(subgroup bounding box) 정보를 기반으로 서브그룹(subgroup)에 포함되는지 여부를 각 노드마다 판단하고, 서브그룹(subgroup)이 변경되는 경우 각 서브그룹(subgroup)에 따라 별도로 사용되는 인코더(encoder), 컨텍스트(context), 제로런(zerorun) 정보, 아리스메틱 인코더(arithmeticEncoder) 등을 업데이트(update)한다. 제로런(Zerorun)은 0이 연속되는 수를 전달함으로써 압축효율을 높이 위한 방법으로써, 서브그룹(subgroup)으로 나눔으로 인해 LoD 내 단절이 발생하고, 압축 효율이 저감될 수 있다. 실시예들은 동일 서브그룹(subgroup)내에서 이전 LoD의 마지막과 다음 LoD의 시작부분과 연결되도록 함으로써 보다 효율적으로 압축될 수 있도록 할 수 있다.
위 과정을 수도 코드로 나타내면 다음과 같다.
void
AttributeEncoder::encodeColorsPred(
const AttributeDescription& desc,
const AttributeParameterSet& aps,
const QpSet& qpSet,
PCCPointSet3& pointCloud,
PCCResidualsEncoder& encoder___s,
std::vector<std::unique_ptr<EntropyEncoder>>& arithmeticEncoders,
LayerGroupSlicingParams& layerGroupParams,
const AttributeBrickHeader& abh,
const AttributeContexts& ctxtMem
)
{
const size_t pointCount = pointCloud.getPointCount();
int64_t clipMax = (1 << desc.bitdepth) - 1;
Vec3<int32_t> values;
PCCResidualsEntropyEstimator context;
int zeroRunAcc = 0;
std::vector<int> zerorun;
std::vector<int32_t> residual[3];
for (int i = 0; i < 3; i++) {
residual[i].resize(pointCount);
}
auto arithmeticEncoderIt = arithmeticEncoders.begin();
PCCResidualsEncoder encoder(aps, abh, ctxtMem, arithmeticEncoderIt->get());
Vec3<int> bbox_min = { 0,0,0 };
Vec3<int> bbox_max = layerGroupParams.subgrpBboxOrigin[0][0];
std::vector<std::vector<std::unique_ptr<PCCResidualsEncoder>>> savedStateVector;
std::vector<int> zeroRunAccVector;
std::vector<std::vector<std::vector<int>>> zerorunVector;
//int numPointsInRootLayerGroup = 0;
int curLayerGroupId = 0;
int curSubgroupId = 0;
int prevLayerGroupId = 0;
int prevSubgroupId = 0;
int numPrevSlices = 0;
int sum_layers = 1;
int startIdx, endIdx;
if (layerGroupParams.layerGroupEnabledFlag) {
savedStateVector.resize(layerGroupParams.numLayerGroupsMinus1 + 1);
zeroRunAccVector.resize(layerGroupParams.numLayerGroupsMinus1 + 1);
zerorunVector.resize(layerGroupParams.numLayerGroupsMinus1 + 1);
for (int layerGroupIdx = 0; layerGroupIdx <= layerGroupParams.numLayerGroupsMinus1; layerGroupIdx++) {
savedStateVector[layerGroupIdx].resize(layerGroupParams.numSubgroupsMinus1[layerGroupIdx] + 1);
zerorunVector[layerGroupIdx].resize(layerGroupParams.numSubgroupsMinus1[layerGroupIdx] + 1);
}
for (int i = 0; i < layerGroupParams.numLayerGroupsMinus1 + 1; i++) {
int sum = 0;
for (int j = 0; j < layerGroupParams.numSubgroupsMinus1[i] + 1; j++)
sum += layerGroupParams.numNodes[i][j];
}
}
else {
zeroRunAccVector.resize(1);
zerorunVector.resize(1);
}
bool icpPresent = _abh->icpPresent(desc, aps);
if (icpPresent)
_abh->icpCoeffs = computeInterComponentPredictionCoeffs(aps, pointCloud);
auto icpCoeff = icpPresent ? _abh->icpCoeffs[0] : 0;
if (layerGroupParams.layerGroupEnabledFlag) {
layerGroupParams.quantWeights_outOfSubgroup.clear();
layerGroupParams.quantWeights_outOfSubgroup.resize(_lods.predictors.size());
}
int lod = 0;
int quantLayer = 0;
std::vector<int64_t> quantWeights;
computeQuantizationWeights(
_lods.predictors, quantWeights, aps.quant_neigh_weight, layerGroupParams);
if (layerGroupParams.layerGroupEnabledFlag) {
// Update quantizationWeight
int predCnt = 1;
int arrayIdx = 1;
layerGroupParams.quantWeights_top.clear();
layerGroupParams.quantWeights_top.resize(layerGroupParams.numLayerGroupsMinus1 + 1);
layerGroupParams.quantWeights_bottom.clear();
layerGroupParams.quantWeights_bottom.resize(layerGroupParams.numLayerGroupsMinus1 + 1);
std::vector<std::vector<int>> numPointsInSubgroups;
numPointsInSubgroups.resize(layerGroupParams.numLayerGroupsMinus1 + 1);
std::vector<std::vector<int>> idxSelectedNodes;
idxSelectedNodes.resize(layerGroupParams.numLayerGroupsMinus1 + 1);
for (int i = 0; i <= layerGroupParams.numLayerGroupsMinus1; i++) {
int numSubgroups = layerGroupParams.numSubgroupsMinus1[i] + 1;
layerGroupParams.quantWeights_top[i].resize(numSubgroups);
layerGroupParams.quantWeights_bottom[i].resize(numSubgroups);
numPointsInSubgroups[i].resize(numSubgroups);
idxSelectedNodes[i].resize(numSubgroups);
if (i == 0) {
numPointsInSubgroups[0][0] = layerGroupParams.numberOfPointsPerLodPerSubgroups[0];
layerGroupParams.quantWeights_top[0][0] = layerGroupParams.quantWeights_outOfSubgroup[0];
}
std::cout << "layerGroupParams.numLayersPerLayerGroup[" << i << "] = " << layerGroupParams.numLayersPerLayerGroup[i] << "\tnumSubgroups = " << numSubgroups << std::endl;
std::vector<int> maxValue;
std::vector<int> maxNumRefNodes;
maxValue.resize(numSubgroups);
maxNumRefNodes.resize(numSubgroups);
if (i == 0) {
idxSelectedNodes[0][0] = 0;
maxNumRefNodes[0] = layerGroupParams.numRefNodesInTheSameSubgroup[0];
}
for (int j = 0; j < layerGroupParams.numLayersPerLayerGroup[i]; j++) {
for (int k = 0; k < numSubgroups; k++) {
int lyrgrpIdx = i;
int subgrpIdx = numSubgroups - 1 - k;
int sum = 0;
int numPoints = layerGroupParams.numberOfPointsPerLodPerSubgroups[arrayIdx++];
for (int m = 0; m < numPoints; m++) {
if (maxValue[subgrpIdx] < layerGroupParams.quantWeights_outOfSubgroup[predCnt])
maxValue[subgrpIdx] = layerGroupParams.quantWeights_outOfSubgroup[predCnt];
if (maxNumRefNodes[subgrpIdx] < layerGroupParams.numRefNodesInTheSameSubgroup[predCnt]) {
idxSelectedNodes[lyrgrpIdx][subgrpIdx] = predCnt;
maxNumRefNodes[subgrpIdx] = layerGroupParams.numRefNodesInTheSameSubgroup[predCnt];
}
if (j == layerGroupParams.numLayersPerLayerGroup[i] - 1)
layerGroupParams.quantWeights_bottom[i][k] += layerGroupParams.quantWeights_outOfSubgroup[predCnt];
predCnt++;
}
numPointsInSubgroups[lyrgrpIdx][subgrpIdx] += numPoints;
if (j == layerGroupParams.numLayersPerLayerGroup[i] - 1) {
layerGroupParams.quantWeights_top[i][k] = maxValue[k];
if(numPoints)
layerGroupParams.quantWeights_bottom[i][k] /= numPoints;
else
layerGroupParams.quantWeights_bottom[i][k] = 0;
}
}
}
}
// Update quantizationWeight
predCnt = 1;
arrayIdx = 1;
for (int i = 0; i <= layerGroupParams.numLayerGroupsMinus1; i++) {
int numSubgroups = layerGroupParams.numSubgroupsMinus1[i] + 1;
if (i == 0)
quantWeights[0] += (layerGroupParams.quantWeights_top[0][0] - layerGroupParams.quantWeights_bottom[0][0])
* layerGroupParams.numRefNodesInTheSameSubgroup[0] / layerGroupParams.numRefNodesInTheSameSubgroup[idxSelectedNodes[0][0]]
+ layerGroupParams.quantWeights_bottom[0][0];
// update quantizationWeight
for (int j = 0; j < layerGroupParams.numLayersPerLayerGroup[i]; j++) {
for (int k = 0; k < numSubgroups; k++) {
int lyrgrpIdx = i;
int subgrpIdx = numSubgroups - 1 - k;
int numPoints = layerGroupParams.numberOfPointsPerLodPerSubgroups[arrayIdx++];
for (int m = 0; m < numPoints; m++) {
if (layerGroupParams.numRefNodesInTheSameSubgroup[idxSelectedNodes[lyrgrpIdx][subgrpIdx]])
quantWeights[predCnt] += (layerGroupParams.quantWeights_top[lyrgrpIdx][subgrpIdx] - layerGroupParams.quantWeights_bottom[lyrgrpIdx][subgrpIdx])// 알파
* layerGroupParams.numRefNodesInTheSameSubgroup[predCnt] / layerGroupParams.numRefNodesInTheSameSubgroup[idxSelectedNodes[lyrgrpIdx][subgrpIdx]] // 개수
+ layerGroupParams.quantWeights_bottom[lyrgrpIdx][subgrpIdx];// 베타
else
quantWeights[predCnt] += layerGroupParams.quantWeights_bottom[lyrgrpIdx][subgrpIdx];
predCnt++;
}
}
}
}
}
int numRemainingNodesInCurSubgroup = 0;
int cnt = 0;
int numSubgroups = 0;
for (int i = 0; i <= layerGroupParams.numLayerGroupsMinus1; i++)
for (int j = 0; j <= layerGroupParams.numSubgroupsMinus1[i]; j++)
numSubgroups++;
layerGroupParams.numPointsPerAttrSubgroups.resize(numSubgroups);
for (size_t predictorIndex = 0; predictorIndex < pointCount;
++predictorIndex) {
if (predictorIndex == _lods.numPointsInLod[quantLayer]) {
quantLayer = std::min(int(qpSet.layers.size()) - 1, quantLayer + 1);
}
if (layerGroupParams.layerGroupEnabledFlag) {
if (predictorIndex == 0) {
prevLayerGroupId = 0;
prevSubgroupId = 0;
curLayerGroupId = 0;
curSubgroupId = 0;
numRemainingNodesInCurSubgroup = layerGroupParams.numberOfPointsPerLodPerSubgroups[cnt++];
sum_layers += layerGroupParams.numLayersPerLayerGroup[curLayerGroupId];
zeroRunAccVector.resize(layerGroupParams.numSubgroupsMinus1[curLayerGroupId] + 1, 0);
layerGroupParams.numPointsPerAttrSubgroups[0] = numRemainingNodesInCurSubgroup;
startIdx = 0;
endIdx = numRemainingNodesInCurSubgroup;
}
else if (!numRemainingNodesInCurSubgroup) { // subgroup 이 바뀔 때마다 update.
numRemainingNodesInCurSubgroup = layerGroupParams.numberOfPointsPerLodPerSubgroups[cnt++];
startIdx = endIdx;
endIdx += numRemainingNodesInCurSubgroup;
if (predictorIndex == _lods.numPointsInLod[lod] && curSubgroupId == 0) { // lod가 바뀌는 경우.
lod++;
prevLayerGroupId = curLayerGroupId;
prevSubgroupId = curSubgroupId;
if (lod == sum_layers) { // layer-group 이 바뀌는 경우
curLayerGroupId++;
curSubgroupId = layerGroupParams.numSubgroupsMinus1[curLayerGroupId];
int refLayerGroupId = layerGroupParams.refLayerGroupId[curLayerGroupId][curSubgroupId];
int refSubgroupId = layerGroupParams.refSubgroupId[curLayerGroupId][curSubgroupId];
numPrevSlices += layerGroupParams.numSubgroupsMinus1[prevLayerGroupId] + 1;
savedStateVector[prevLayerGroupId][prevSubgroupId].reset(new PCCResidualsEncoder(encoder));
encoder = *savedStateVector[refLayerGroupId][refSubgroupId];
encoder.arithmeticEncoder = (arithmeticEncoderIt + (numPrevSlices + curSubgroupId))->get();
for (int i = 0; i < layerGroupParams.numSubgroupsMinus1[prevLayerGroupId] + 1; i++) {
if (zeroRunAccVector[i])
zerorunVector[prevLayerGroupId][i].push_back(zeroRunAccVector[i]);
}
zeroRunAccVector.clear();
zeroRunAccVector.resize(layerGroupParams.numSubgroupsMinus1[curLayerGroupId] + 1, 0);
if (icpPresent)
icpCoeff = _abh->icpCoeffs[lod];
}
else { // lod는 바뀌지만 layer-group은 유지되는 경우
curSubgroupId = layerGroupParams.numSubgroupsMinus1[curLayerGroupId];
savedStateVector[prevLayerGroupId][prevSubgroupId].reset(new PCCResidualsEncoder(encoder));
encoder = *savedStateVector[curLayerGroupId][curSubgroupId];
encoder.arithmeticEncoder = (arithmeticEncoderIt + (numPrevSlices + curSubgroupId))->get();
if (icpPresent)
icpCoeff = _abh->icpCoeffs[lod];
}
if(lod == sum_layers)
std::cout << "refLayerGroupId = " << layerGroupParams.refLayerGroupId[curLayerGroupId][curSubgroupId] << "\trefSubgroupId = " << layerGroupParams.refSubgroupId[curLayerGroupId][curSubgroupId] << std::endl;
}
else { // lod가 바뀌지 않는 경우
prevLayerGroupId = curLayerGroupId;
prevSubgroupId = curSubgroupId--;
if (lod == sum_layers) { // subgroup 시작
int refLayerGroupId = layerGroupParams.refLayerGroupId[curLayerGroupId][curSubgroupId];
int refSubgroupId = layerGroupParams.refSubgroupId[curLayerGroupId][curSubgroupId];
savedStateVector[prevLayerGroupId][prevSubgroupId].reset(new PCCResidualsEncoder(encoder));
encoder = *savedStateVector[refLayerGroupId][refSubgroupId];
encoder.arithmeticEncoder = (arithmeticEncoderIt + (numPrevSlices + curSubgroupId))->get();
if (!curSubgroupId)
sum_layers += layerGroupParams.numLayersPerLayerGroup[curLayerGroupId];
}
else { // subgroup 계속
savedStateVector[prevLayerGroupId][prevSubgroupId].reset(new PCCResidualsEncoder(encoder));
encoder = *savedStateVector[curLayerGroupId][curSubgroupId];
encoder.arithmeticEncoder = (arithmeticEncoderIt + (numPrevSlices + curSubgroupId))->get();
}
}
int idx = curSubgroupId;
for (int i = 0; i < curLayerGroupId; i++)
idx += (layerGroupParams.numSubgroupsMinus1[i] + 1);
layerGroupParams.numPointsPerAttrSubgroups[idx] += numRemainingNodesInCurSubgroup;
}
else {
// subgroup 이 바뀌지 않는 경우 encoder를 계속 그대로 사용.
}
if (numRemainingNodesInCurSubgroup)
numRemainingNodesInCurSubgroup--;
else {
predictorIndex--;
continue;
}
}
const auto pointIndex = _lods.indexes[predictorIndex];
auto quant = qpSet.quantizers(pointCloud[pointIndex], quantLayer);
auto& predictor = _lods.predictors[predictorIndex];
predictor.predMode = 0;
bool predModeEligible =
predModeEligibleColor(desc, aps, pointCloud, _lods.indexes, predictor);
if (predModeEligible)
decidePredModeColor(
desc, aps, pointCloud, _lods.indexes, predictorIndex, predictor,
encoder, context, icpCoeff, quant);
const Vec3<attr_t> color = pointCloud.getColor(pointIndex);
const Vec3<attr_t> predictedColor =
predictor.predictColor(pointCloud, _lods.indexes);
Vec3<attr_t> reconstructedColor;
int64_t residual0 = 0;
for (int k = 0; k < 3; ++k) {
const auto& q = quant[std::min(k, 1)];
int64_t residual = color[k] - predictedColor[k];
int64_t qStep = q.stepSize();
int64_t weight = std::min(quantWeights[predictorIndex], qStep)
>> kFixedPointWeightShift;
int64_t residualQ =
q.quantize((residual * weight) << kFixedPointAttributeShift);
int64_t residualR =
divExp2RoundHalfUp(q.scale(residualQ), kFixedPointAttributeShift);
residualR /= weight;
if (aps.inter_component_prediction_enabled_flag && k > 0) {
residual = residual - ((icpCoeff[k] * residual0 + 2) >> 2);
residualQ =
q.quantize((residual * weight) << kFixedPointAttributeShift);
residualR =
divExp2RoundHalfUp(q.scale(residualQ), kFixedPointAttributeShift);
residualR /= weight;
residualR += ((icpCoeff[k] * residual0 + 2) >> 2);
}
if (k == 0)
residual0 = residualR;
values[k] = residualQ;
int64_t recon = predictedColor[k] + residualR;
reconstructedColor[k] = attr_t(PCCClip(recon, int64_t(0), clipMax));
}
if (predictorIndex <= startIdx + 5 || predictorIndex >= endIdx - 5) {
for (int k = 0; k < predictor.neighborCount; k++) {
auto predictorIndex_NN = predictor.neighbors[k].predictorIndex;
auto pointIndex_NN = _lods.indexes[predictorIndex_NN];
}
}
if (predModeEligible)
encodePredModeColor(aps, predictor.predMode, values);
pointCloud.setColor(pointIndex, reconstructedColor);
encoder.resStatUpdateColor(values);
if (!values[0] && !values[1] && !values[2]) {
++zeroRunAccVector[curSubgroupId];
} else {
zerorunVector[curLayerGroupId][curSubgroupId].push_back(zeroRunAccVector[curSubgroupId]);
zeroRunAccVector[curSubgroupId] = 0;
zerorun.push_back(zeroRunAcc);
zeroRunAcc = 0;
}
for (int i = 0; i < 3; i++) {
residual[i][predictorIndex] = values[i];
}
}
if (layerGroupParams.layerGroupEnabledFlag) {
savedStateVector[curLayerGroupId][curSubgroupId].reset(new PCCResidualsEncoder(encoder));
zerorunVector[curLayerGroupId][curSubgroupId].push_back(zeroRunAccVector[curSubgroupId]);
for (int i = 0; i < layerGroupParams.numSubgroupsMinus1[curLayerGroupId] + 1; i++) {
if (zeroRunAccVector[i])
zerorunVector[curLayerGroupId][i].push_back(zeroRunAccVector[i]);
}
}
else {
if (zeroRunAcc)
zerorun.push_back(zeroRunAcc);
}
std::vector<std::vector<int>> zeroRunRemVector;
std::vector<std::vector<int>> runIdxVector;
zeroRunRemVector.resize(layerGroupParams.numLayerGroupsMinus1 + 1);
runIdxVector.resize(layerGroupParams.numLayerGroupsMinus1 + 1);
for (int i = 0; i < layerGroupParams.numLayerGroupsMinus1 + 1; i++) {
zeroRunRemVector[i].resize(layerGroupParams.numSubgroupsMinus1[i] + 1, 0);
runIdxVector[i].resize(layerGroupParams.numSubgroupsMinus1[i] + 1, 0);
}
prevLayerGroupId = 0;
prevSubgroupId = 0;
curLayerGroupId = 0;
curSubgroupId = 0;
int runIdx = 0;
int zeroRunRem = 0;
numPrevSlices = 0;
numRemainingNodesInCurSubgroup = 0;
cnt = 0;
sum_layers = 1;
lod = 0;
for (size_t predictorIndex = 0; predictorIndex < pointCount;
++predictorIndex) {
if (layerGroupParams.layerGroupEnabledFlag) {
if (predictorIndex == 0) {
prevLayerGroupId = 0;
prevSubgroupId = 0;
curLayerGroupId = 0;
curSubgroupId = 0;
numRemainingNodesInCurSubgroup = layerGroupParams.numberOfPointsPerLodPerSubgroups[cnt++];
sum_layers += layerGroupParams.numLayersPerLayerGroup[curLayerGroupId];
encoder = *savedStateVector[curLayerGroupId][curSubgroupId];
encoder.arithmeticEncoder = (arithmeticEncoderIt + (numPrevSlices + curSubgroupId))->get();
startIdx = 0;
endIdx = numRemainingNodesInCurSubgroup;
}
else if (!numRemainingNodesInCurSubgroup) { // subgroup 이 바뀔 때마다 update.
numRemainingNodesInCurSubgroup = layerGroupParams.numberOfPointsPerLodPerSubgroups[cnt++];
startIdx = endIdx;
endIdx += numRemainingNodesInCurSubgroup;
if (predictorIndex == _lods.numPointsInLod[lod] && curSubgroupId == 0) { // lod가 바뀌는 경우.
lod++;
prevLayerGroupId = curLayerGroupId;
prevSubgroupId = curSubgroupId;
if (lod == sum_layers) { // layer-group 이 바뀌는 경우
curLayerGroupId++;
curSubgroupId = layerGroupParams.numSubgroupsMinus1[curLayerGroupId];
int refLayerGroupId = layerGroupParams.refLayerGroupId[curLayerGroupId][curSubgroupId];
int refSubgroupId = layerGroupParams.refSubgroupId[curLayerGroupId][curSubgroupId];
numPrevSlices += layerGroupParams.numSubgroupsMinus1[prevLayerGroupId] + 1;
savedStateVector[prevLayerGroupId][prevSubgroupId].reset(new PCCResidualsEncoder(encoder));
encoder = *savedStateVector[refLayerGroupId][refSubgroupId];
encoder.arithmeticEncoder = (arithmeticEncoderIt + (numPrevSlices + curSubgroupId))->get();
}
else {
curSubgroupId = layerGroupParams.numSubgroupsMinus1[curLayerGroupId];
savedStateVector[prevLayerGroupId][prevSubgroupId].reset(new PCCResidualsEncoder(encoder));
encoder = *savedStateVector[curLayerGroupId][curSubgroupId];
encoder.arithmeticEncoder = (arithmeticEncoderIt + (numPrevSlices + curSubgroupId))->get();
}
}
else { // lod가 바뀌지 않는 경우
prevLayerGroupId = curLayerGroupId;
prevSubgroupId = curSubgroupId--;
if (lod == sum_layers) { // subgroup 시작
int refLayerGroupId = layerGroupParams.refLayerGroupId[curLayerGroupId][curSubgroupId];
int refSubgroupId = layerGroupParams.refSubgroupId[curLayerGroupId][curSubgroupId];
savedStateVector[prevLayerGroupId][prevSubgroupId].reset(new PCCResidualsEncoder(encoder));
encoder = *savedStateVector[refLayerGroupId][refSubgroupId];
encoder.arithmeticEncoder = (arithmeticEncoderIt + (numPrevSlices + curSubgroupId))->get();
if (!curSubgroupId)
sum_layers += layerGroupParams.numLayersPerLayerGroup[curLayerGroupId];
}
else {
savedStateVector[prevLayerGroupId][prevSubgroupId].reset(new PCCResidualsEncoder(encoder));
encoder = *savedStateVector[curLayerGroupId][curSubgroupId];
encoder.arithmeticEncoder = (arithmeticEncoderIt + (numPrevSlices + curSubgroupId))->get();
}
}
zeroRunRemVector[prevLayerGroupId][prevSubgroupId] = zeroRunRem;
runIdxVector[prevLayerGroupId][prevSubgroupId] = runIdx;
zeroRunRem = zeroRunRemVector[curLayerGroupId][curSubgroupId];
runIdx = runIdxVector[curLayerGroupId][curSubgroupId];
}
else {
// subgroup 이 바뀌지 않는 경우 encoder를 계속 그대로 사용.
}
if (numRemainingNodesInCurSubgroup)
numRemainingNodesInCurSubgroup--;
else {
predictorIndex--;
continue;
}
}
if (--zeroRunRem < 0) {
zeroRunRem = zerorunVector[curLayerGroupId][curSubgroupId][runIdx++];
encoder.encodeRunLength(zeroRunRem);
}
if (!zeroRunRem) {
for (size_t k = 0; k < 3; k++)
values[k] = residual[k][predictorIndex];
encoder.encode(values[0], values[1], values[2]);
}
}
for (int k = 0; k < arithmeticEncoders.size(); k++) {
auto dataLen = arithmeticEncoders[k]->stop();
}
int runIdx = 0;
int zeroRunRem = 0;
for (size_t predictorIndex = 0; predictorIndex < pointCount;
++predictorIndex) {
if (--zeroRunRem < 0) {
zeroRunRem = zerorun[runIdx++];
encoder.encodeRunLength(zeroRunRem);
}
if (!zeroRunRem) {
for (size_t k = 0; k < 3; k++)
values[k] = residual[k][predictorIndex];
encoder.encode(values[0], values[1], values[2]);
}
}
}
도24는 실시예들에 따른 어트리뷰트 인코딩 방법을 나타낸다.
도24의 실시예들에 따른 포인트 클라우드 데이터 송신 방법/장치는 도1의 송신 장치(10000), 포인트 클라우드 비디오 인코더(10002), 트랜스미터(10003), 도2의 획득-인코딩-전송(20000-20001-20002), 도3의 인코더, 도8의 송신 장치, 도10의 디바이스, 도11, 도20, 도30-32의 인코더, 도33 송신 방법 등에 대응한다.
도24는 LoD 기반의 어트리뷰트 코딩(attribute coding)에 대한 레이어 그룹 슬라이싱 인코더(layer-group slicing encoder)의 플로우 차트(flow chart)의 예시이다. 먼저 SPS, GPS, APS, LGSI 등의 파라미터(parameter)를 생성하고 레이어 그룹 구조(layer-group structure)를 구성한다. 레이어 그룹 구조(layer-group structure) 구성은 LGSI(Layer group slice inventory) 생성 시 혹은 이전에 수행될 수 있다. 지오메트리 코딩(geometry coding)이 수행된 후 지오메트리 노드(geometry node)를 기반으로 LoD 제너레이션(generation)을 수행한다. 어트리뷰트 코딩 레이어(Attribute coding layer) (e.g., LoD, RAHT 코딩 레이어(coding layer)) 와 레이어 그룹(layer-group)을 매칭한 뒤 LoD를 기반으로 양자화 웨이트(quantization weight)를 구한다. 이 후 매 어트리뷰트 코딩 레이어(attribute coding layer)에 대해 레이어 그룹(layer-group) 변경 여부를 체크하고, 어트리뷰트 코딩 레이어(attribute coding layer) 내 노드에 대해 서브그룹(subgroup) 변경 여부를 체크한다. 서브그룹(Subgroup) 혹은 레이어 그룹(layer-group)이 변경되면, 이전 서브그룹(subgroup)에 대한 어트리뷰트 인코더(attribute encoder)를 저장하고, 현재 서브그룹(subgroup)에 대한 어트리뷰트 인코더(attribute encoder)를 사용함으로써 서브그룹(subgroup) 내에서의 컨텍스트(context), 제로런(zerorun) 등의 연속성을 보장하고, 이웃 서브그룹(subgroup)에 대한 독립성을 보장할 수 있다. 모든 어트리뷰트 코딩 레이어(attribute coding layer)에 속한 노드의 압축을 마치면 각 서브그룹(subgroup) 에 대한 코딩된 비트스트림(coded bitstream)을 각각의 슬라이스(slice)에 포장한다.
이상에서 LoD 기반의 어트리뷰트 코딩(attribute coding)을 기준으로 설명한 예시이고, 실시예들에 포함되는 RAHT 등의 다른 어트리뷰트 코딩(attribute coding)에도 동일하게 적용할 수 있다.
도24를 참조하면, 인코더는 도24의 흐름도에 따라서, 포인트 클라우드 데이터를 인코딩할 수 있다. 인코더의 부호화 설정에 따라서, 파라미터의 값들을 생성할 수 있다. 여기서, SPS, GPS, APS, LGSI 등의 파라미터들을 생성하고, 부호화되는 포인트 클라우드 데이터와 함께 비트스트림에 포함되어 전송될 수 있다. 인코더는 지오메트리 인코더를 통해서 먼저 포인트 클라우드 데이터의 지오메트리 데이터를 인코딩할 수 있다. 지오메트리 인코딩 이후 인코더는 어트리뷰트 인코더를 통해서 LOD를 생성할 수 있다. LOD생성과정에서, 전술한 실시예들에 따라 레이어 그룹(서브 그룹을 포함하는 레이어 그룹, 이들을 포함하는 FGS 등 다양하게 지칭 가능함) 구조로 어트리뷰트를 나타낼 수 있다. LOD를 레이어 그룹으로 매핑할 수 있다. LOD의 하나 또는 하나 이상의 인덱스(레이어, 레벨, 뎁스 등 다양하게 지칭 가능함)가 레이어 그룹으로 그룹핑(매핑 등으로 지칭 가능함)될 수 있다. 레이어 그룹 별로 웨이트를 부여할 수 있다. 예를 들어, 가장 상위 레벨에 속하는 레이어 그룹이 중요한 경우 여기에 좀 더 큰 웨이트를 줄 수 있고, 반대로 가장 낮은 레벨에 속하는 레이어 그룹이 중요한 경우 여기에 좀 더 큰 웨이트를 줄 수 있다. 상세한 정도의 데이터에 대한 랜덤 엑세스, 파셜 코딩 등 원하는 설정에 따라 웨이트는 가변적이다. 레이어 그룹을 결정할 수 있다. 여기서, 결정되는 레이어 그룹은 파셜 인코딩 혹은 파셜 전송될 레이어 그룹일 수 있다. 레이어 그룹에 속하는 서브그룹 중에서 서브 그룹을 결정할 수 있다. 여기서 결정된 서브그룹은 파셜 인코딩 혹은 파셜 전송될 서브 그룹일 수 있다. 서브 그룹이 변하는지 여부를 확인한다. 서브 그룹이 변하는 경우, 서브 그룹 인코딩 시 컨텍스트 정보를 저장하고, 필요한 컨텍스트 정보는 로딩할 수 있다. 노드의 어트리뷰트를 인코딩할 수 있다. 서브 그룹이 변하지 않는 경우 바로 노드의 어트리뷰트를 인코딩할 수 있다. 노드들의 끝이고 LOD의 끝인 경우, 어트리뷰트 데이터 유닛 헤더를 생성할 수 있다. 어트리뷰트 비트스트림을 생성하고, 지오메트리 비트스트림과 함께 전송할 수 있다. 또한, 서브 그룹에 기반하여 예측 인코딩을 도21 내지 도23 등과 같이, 수행할 수 있다.
도25는 실시예들에 따른 어트리뷰트 디코딩 방법을 나타낸다.
도25는 실시예들에 따른 포인트 클라우드 데이터 수신 방법/장치는 도1의 수신 장치(10004), 리시버(10005), 포인트 클라우드 비디오 디코더(10006), 도2의 전송-디코딩-렌더링(20002-20003-20004), 도7의 디코더, 도9의 수신 장치, 도10의 디바이스, 도11, 도20, 도30-32의 디코더, 도34 수신 방법 등에 대응한다.
어트리뷰트 디코더(Attribute decoder)의 입력(input)은 어트리뷰트 파인 그눌러리티 슬라이스 비트스트림(attribute fine granularity slice bitstream), 디코딩된 지오메트리 데이터(decoded geometry data), 레이어 그룹 구조(layer-group structure) 이다. 지오메트리 디코딩(Geometry decoding) 이후 제공되는 디코딩된 지오메트리 데이터(decoded geometry data)를 바탕으로 LoD 제너레이션(generation)을 수행하고, LoD에 따른 노드의 관계를 기반으로 웨이트 유도(weight derivation)를 수행한다. 이 때 생성한 정보는 이후의 어트리뷰트 디코딩(attribute decoding) 과정들에서 사용된다. 첫번째 어트리뷰트 슬라이스(attribute slice)는 이전 어트리뷰트 슬라이스(attribute slice)와 동일하게 동작될 수 있다. 이후 레이어 그룹 슬라이싱(layer-group slicing)이 인에이블(enabled)된 경우 디펜던트 어트리뷰트 데이터 유닛 헤더(dependent attribute data unit header)를 파싱(parsing)하고, 레이어 그룹 아이디(layer_group_id) 및 서브그룹 아이디(subgroup_id) 정보를 획득할 수 있다. 필요한 경우 LoD에 대한 정보를 시그널링 할 수 있다. 이를 기반으로 현재 LoD와 매칭되는 레이어 그룹(layer-group)을 찾고, 부모 서브그룹(parent subgroup)을 선택할 수 있다. 레이어 그룹 구조(layer-group structure)가 지오메트리(geometry)와 어트리뷰트(attribute)에 대해 동일하게 적용되는 경우 지오메트리 디코딩(geometry decoding)에서 사용한 레퍼런스(reference) 및 부모(parent) 정보를 사용할 수 있다. 이를 기반으로 디펜던트 어트리뷰트 데이터 유닛(dependent attribute data unit)의 정보를 디코딩(decoding)하고 포인트 클라우드 데이터(point cloud data)를 복원(reconstruction)할 수 있다.
디코딩(Decoding) 시 인코더(encoder)에서 사용한 LoD 제너레이션(generation) 과 웨이트 유도(weight derivation) 방법이 사용될 수 있다. 따라서 LoD를 레이어 그룹(layer-group)에 매핑할 수 있다.
도25을 참조하면, 디코더는 도25와 같은 흐름도에 기초하여, 포인트 클라우드 데이터를 디코딩할 수 있다. 비트스트림에 포함된 파리미터들, 예를 들어, SPS, GPS, APS, LGSI를 파싱할 수 있다. 디코더의 지오메트리 디코더는 지오메트리 데이터를 디코딩할 수 있다. 디코더의 어트리뷰트 디코더는 LOD를 생성할 수 있다. LOD를 생성하는 과정에서 실시예들에 따른 레이어 그룹 구조(FGS)를 이용할 수 있다. LOD 별 웨이트를 유도하고 웨이트를 인코더의 역과정으로 어트리뷰트에 적용할 수 있다. 비트스트림의 어트리뷰트 데이터 유닛 헤더를 파싱할 수 있다. 비트스트림의 어트리뷰트 데이터 유닛을 디코딩할 수 있다. 레이어 그룹 슬라이싱이 인에이블한지를 확인한다. 레이어 그룹 슬라이싱이 인에이블한 경우, 디펜던트 어트리뷰트 데이터 유닛 헤더를 파싱한다. LOD를 레이어 그룹에 매핑할 수 있다. 현재 레이어 그룹의 현재 서브그룹의 상위 서브 그룹을 선택할 수 있다. 상위 서브 그룹이란 현재 서브 그룹의 부모 서브 그룹, 부모의 부모 서브 그룹 등을 지칭할 수 있다. 디펜던트 어트리뷰트 데이터 유닛을 디코딩할 수 있다. 지오메트리 비트스트림의 끝인지 여부를 확인한다. 지오메트리의 비트스트림에 대응하는 어트리뷰트 비스트림을 디코딩할 수 있다. 지오메트리 및 어트리뷰트를 모두 디코딩하고, 포인트 클라우드 출력을 생성하고, 디코딩 프로세스를 종료한다. 레이어 그룹 슬라이싱이 인에이블하지 않은 경우, 레이어 그룹 기반 동작 없이 디코딩을 종료할 수 있다. 또한, 서브 그룹에 기반하여 예측 디코딩을 도21 내지 도23 등과 같이, 수행할 수 있다.
도26은 실시예들에 따른 파라미터 및 부호화된 포인트 클라우드 데이터를 포함하는 비트스트림을 나타낸다.
실시예들에 따른 포인트 클라우드 데이터 송신 방법/장치는 도1의 송신 장치(10000), 포인트 클라우드 비디오 인코더(10002), 트랜스미터(10003), 도2의 획득-인코딩-전송(20000-20001-20002), 도3의 인코더, 도8의 송신 장치, 도10의 디바이스, 도11, 도20, 도30-32의 인코더, 도33 송신 방법 등은 도26과 같이 비트스트림을 생성할 수 있다.
도25의 실시예들에 따른 포인트 클라우드 데이터 수신 방법/장치는 도1의 수신 장치(10004), 리시버(10005), 포인트 클라우드 비디오 디코더(10006), 도2의 전송-디코딩-렌더링(20002-20003-20004), 도7의 디코더, 도9의 수신 장치, 도10의 디바이스, 도11, 도20, 도30-32의 디코더, 도34 수신 방법 등은 도26과 같이 비트스트림을 파싱할 수 있다.
실시예들에 따른 분리된 슬라이스(slice)(레이어 그룹, 서브 그룹, FSG 등 의미)에 대한 정보를 다음과 같이 파라미터 세트(parameter set) 및 SEI 메시지(message)에 정의할 수 있다. 시퀀스 파라미터 세트(sequence parameter set), 지오메트리 파라미터 세트(geometry parameter set), 어트리뷰트 파라미터 세트(attribute parameter set) 및 지오메트리 슬라이스 헤더(geometry slice header) 및 어트리뷰트 슬라이스 헤더(attribute slice header)에 정의할 수 있으며, 어플리케이션, 시스템에 따라 상응되는 위치 혹은 별도의 위치에 정의하여 적용 범위, 적용 방법 등을 다르게 사용할 수 있다. 즉 시그널이 전달되는 위치에 따라 서로 다른 의미를 가질 수 있는데 만약 SPS에 정의되는 경우 시퀀스 전체에 동일하게 적용될 수 있으며, GPS에 정의되는 경우 위치 복원에 사용됨을 나타낼 수 있다. APS에 정의되는 경우 속성 복원에 적용됨을 나타낼 수 있으며, TPS에 정의되는 경우 타일(tile) 내의 포인트에 대해서만 해당 시그널링 적용됨을 나타낼 수 있다. 슬라이스(slice) 단위에 전달되는 경우 해당 슬라이스(slice)에 대해서만 시그널이 적용됨을 나타낼 수 있다. 또한 어플리케이션, 시스템에 따라 상응되는 위치 혹은 별도의 위치에 정의하여 적용 범위, 적용 방법 등을 다르게 사용할 수 있다. 또한 아래 정의된 신택스 엘리먼트(syntax element)가 현재 포인트 클라우드 데이터 스트림(point cloud data stream) 뿐 아니라 복수의 포인트 클라우드 데이터 스트림(point cloud data stream)에 적용될 수 있는 경우에는 상위 개념의 파라미터 세트(parameter set) 등을 통해 전달할 수 있다.
각 약어는 다음을 의미한다. 각 약어는 동등한 의미의 범위 내에서 다른 용어로 지칭될 수 있다: SPS(시퀀스 파라미터 세트(Sequence Parameter Set), GPS(지오메트리 파라미터 세트(Geometry Parameter Set), APS(어트리뷰트 파라미터 세트(Attribute Parameter Set)), TPS(타일 파라미터 세트(Tile Parameter Set)), 지오메트리(Geom: 지오메트리 비트스트림(Geometry bitstream))= 지오메트리 슬라이스 헤더(geometry slice header)+ 지오메트리 슬라이스 데이터(geometry slice data), 어트리뷰트(Attr): 어트리뷰트 비트스트림(Attribute bitstream) = 어트리뷰트 브릭 헤더(attribute blick header) + 어트리뷰트 브릭 데이터(attribute brick data).
코딩(coding) 기법과 독립적으로 해당 정보를 정의하는 것을 기술하였지만, 코딩(coding) 방법과 연계하여 정의할 수 있으며, 지역적으로 서로 다른 스켈러빌리티(scalability)를 지원하기 위해 타일 파라미터 세트(tile parameter set)에 정의할 수 있다. 또한 아래 정의된 신택스 엘리먼트(syntax element)가 현재 포인트 클라우드 데이터 스트림(point cloud data stream) 뿐 아니라 복수의 포인트 클라우드 데이터 스트림(point cloud data stream)에 적용될 수 있는 경우에는 상위 개념의 파라미터 세트(parameter set) 등을 통해 전달할 수 있다.
혹은 NAL (Network abstract layer) 단위를 정의하고 레이어 아이디(layer_id)와 같이 레이어(layer)를 선택할 수 있는 관련 정보를 전달함으로써 시스템 레벨(system level)에서 비트스트림(bitstream)을 선택할 수도 있다.
이하, 실시예들에 따른 파라미터(메타데이터, 시그널링 정보 등 다양하게 호칭 가능함)는 후술하는 실시예들에 따른 송신기의 프로세스 상 생성될 수 있고, 실시예들에 따른 수신기에 전달되어 재구성 과정에 이용될 수 있다.
예를 들어, 실시예들에 따른 파라미터는 후술하는 실시예들에 따른 송신 장치의 메타데이터 처리부(또는 메타데이터 제너레이터)에서 생성되고, 실시예들에 따른 수신 장치의 메타데이터 파서에서 획득될 수 있다.
실시예들에 따른 송신 방법/장치는 도27 내지 도29와 같은 정보를 생성하고 도26 비트스트림에 포함시켜서 전송한다.
도27은 실시예들에 따른 시퀀스 파라미터 세트를 나타낸다.
도27은 도26의 비트스트림에 포함된 시퀀스 파라미터 세트이다.
확장 플래그(sps_extension_flag): 시퀀스 파라미터 세트가 확장되는지 여부를 나타낸다. 확장 여부에 따라서 이하 엘리먼트들을 포함한다.
레이어 그룹 인에이블 플래그(layer_group_enabled_flag): 시퀀스에 포함된 비트스트림이 레이어 그룹(도17등)에 기반하여 부호화되었는지 여부를 나타낸다.
레이어 그룹 개수(num_layer_groups_minus1): 비트스트림에 포함된 레이어 그룹의 개수를 나타낸다.
레이어 그룹 아이디(layer_group_id[i]): 각 레이어 그룹의 식별자를 나타낸다.
레이어의 개수(num_layers_minus1[i]): 레이어 그룹에 포함된 레이어의 개수를 나타낸다.
서브 그룹 인에이블 플래그(subgroup_enabled_flag[i]): 도18과 같이, 레이어 그룹에 서브 그룹이 포함되는지 여부를 나타낸다.
서브그룹 바운딩 박스 원점(subgroup_bbox_origin_bits_minus1): 서브 그룹의 바운딩 박스의 원점 위치를 나타낸다.
서브그룹 바운딩 박스 사이즈(subgroup_bbox_size_bits_minus1): 서브 그룹의 바운딩 박스의 너비, 높이, 깊이 등 사이즈를 나타낸다.
루트 서브 그룹 바운딩 박스 원점(root_subgroup_bbox_origin): 서브 그룹의 바운딩 박스 중 루트가 되는 바운딩 박스의 원점 위치를 나타낸다.
루트 서브 그룹 바운딩 박스 사이즈(root_subgroup_bbox_size): 서브 그룹의 바운딩 박스 중 루트가 되는 바운딩 박스의 너비, 높이, 깊이 등 사이즈를 나타낸다.
루트 서브 그룹 바운딩 박스 원점 (root_subgroup_bbox_origin)은 루트 하위 그룹의 하위 그룹 경계 상자의 원점 위치를 나타낸다.
루트 서브 그룹 바운딩 박스 사이즈(root_subgroup_bbox_size)는 루트 하위 그룹의 하위 그룹 경계 상자 크기를 나타낸다.
도28은 실시예들에 따른 어트리뷰트 파라미터 세트 및 어트리뷰트 데이터 유닛 헤더를 나타낸다.
도28은 도26의 비트스트림에 포함된 어트리뷰트 파라미터 세트 및 어트리뷰트 데이터 유닛 헤더이다.
어트리뷰트 참조 아이디 존재 플래그(aps_attr_ref_id_present_flag): 이 값이 1이면 속성(어트리뷰) 슬라이스의 컨텍스트 참조를 어트리뷰트 참조 레이어 그룹 아이디(attr_ref_layer_group_id) 및 어트리뷰트 참조 서브 그룹 아이디(attr_ref_subgroup_id)에 기초하여 나타낸다. 후속 속성 슬라이스의 컨텍스트 상태 사용이 종속 속성 데이터 단위 헤더의 어트리뷰트 컨텍스트 참조 지시 플래그(attr_context_reference_indication_flag)로 표시됨을 나타낸다. 어트리뷰트 참조 아이디 존재 플래그(aps_attr_ref_id_present_flag)가 0이면 컨텍스트 참조 및 컨텍스트 상태 사용은 현재 종속 속성 슬라이스의 레이어 그룹 아이디(layer_group_id) 및 서브그룹 아이디(subgroup_id)에 해당하는 지오메트리 슬라이스에서 상속된다.
서브그룹 웨이트 조정 계수 a 크기(subgroup_weight_adj_coeff_a_bits_minus1) 및 서브그룹 웨이트 조정 계수 b크기(subgroup_weight_adj_coeff_b_bits_minus1) 각각 값에 1을 더한 값이 서브그룹 웨이트 조정 계수 a (subgroup_weight_adj_coeff_a) 및 서브그룹 웨이트 조정 계수 b (subgroup_weight_adj_coeff_b)의 크기를 나타낸다.
서브그룹 웨이트 조정 계수 a (subgroup_weight_adj_coeff_a) 및 서브그룹 웨이트 조정 계수 b (subgroup_weight_adj_coeff_b)는 현재 하위 그룹(서브 그룹)에서 가중치를 조정할 계수를 나타낸다.
도29는 실시예들에 따른 종속적 어트리뷰트 데이터 유닛 헤더를 나타낸다.
도29는 도26의 비트스트림에 포함된 종속적 어트리뷰트 데이터 유닛 헤더이다.
디펜던트 어트리뷰트 데이터 유닛의 어트리뷰트 파라미터 세트 아이디(dadu_attribute_parameter_set_id)는 어트리뷰트 파라미터 세트 아이디(aps_attr_parameter_set_id)로 표시된 활성 APS(어트리뷰트 파라미터 세트)를 나타낸다. 디펜던트 지오메트리 데이터 유닛의 어트리뷰트 파라미터 세트 아이디(dgdu_attribute_parameter_set_id)값은 해당 슬라이스의 어트리뷰트 데이터 유닛의 어트리뷰트 지오메트리 파라미터 세트 아이디(adu_geometry_parameter_set_id _값과 동일하다.
어트리뷰트 인덱스(dadu_sps_attr_idx)는 활성 SPS 속성 목록에 대한 인덱스로 코딩된 속성을 식별한다.
슬라이스 아이디(dadu_slice_id)는 현재 종속 속성 데이터 단위가 속한 속성 조각을 나타낸다.
레이어 그룹 아이디(dadu_layer_group_id)는 슬라이스의 레이어 그룹의 인디케이터를 나타낸다. 레이어 그룹 아이디(dadu_layer_group_id)의 범위는 0에서 레이어 그룹 개수(num_layer_groups_minus1)의 범위에 있다. 존재하지 않는 경우, 레이어 글부 아이디(dadu_layer_group_id)는 0으로 유추된다.
서브그룹 아이디(dadu_subgroup_id)는 레이어 그룹 아이디(dadu_layer_group_id)가 참조하는 레이어 그룹의 하위 그룹 표시자를 나타낸다. 서브그룹 아이디(dadu_subgroup_id)의 범위는 0에서 레이어 그룹 아이디의 서브 그룹 개수(num_subgroups_minus1[dadu_layer_group_id]) 범위에 있다. 여기서 서브 그룹 아이디(dadu_subgroup_id)는 동일한 레이어 그룹 아이디(dadu_layer_group_id)에서 슬라이스의 순서를 나타낸다. 존재하지 않는 경우, 서브 그룹 아이디(dadu_subgroup_id)는 0으로 유추된다.
어트리뷰트 참조 레이어 그룹 아이디(attr_ref_layer_group_id)는 현재 종속 속성 데이터 단위의 컨텍스트 참조에 대한 레이어 그룹 식별자의 표시자를 나타낸다. 어트리뷰트 참조 레이어 그룹 아이디(attr_ref_layer_group_id)의 범위는 0에서 현재 종속 속성 데이터 단위의 어트리뷰트 레이어 그룹 아이디(attr_layer_group_id) 범위에 있다.
어트리뷰트 참조 서브 그룹 아이디(attr_ref_subgroup_id)는 어트리뷰트 참조 레이어 그룹 아이디(attr_ref_layer_group_id)에 의해 표시된 레이어 그룹의 참조 하위 그룹의 표시자를 나타낸다. 어트리뷰트 참조 서브그룹 아이디(attr_ref_subgroup_id)의 범위는 어트리뷰트 참조 레이어 그룹 아이디(attr_ref_layer_group_id)로 표시되는 레이어 그룹의 0에서 서브그룹 아이디 개수(num_subgroup_id_minus1) 범위에 있다.
어트리뷰트 컨텍스트 참조 지시 플래그(attr_context_reference_indication_flag) 가 1이면 어트리뷰트 컨텍스트 참조 지시 플래그(attr_context_reference_indication_flag)는 현재 종속 속성 슬라이스의 컨텍스트 상태가 하나 이상의 후속 종속 속성 슬라이스로 상속됨을 나타낸다. 어트리뷰트 컨텍스트 참조 지시 플래그(attr_context_reference_indication_flag) 가 0이면 현재 종속 슬라이스의 컨텍스트 상태가 후속 종속 슬라이스로 상속되지 않음을 나타낸다.
디코더는 어트리뷰트 컨텍스트 참조 지시 플래그 (attr_context_reference_indication_flag)를 사용하여 컨텍스트 버퍼를 관리할 수 있다. 어트리뷰트 컨텍스트 참조 지시 플래그 (attr_context_reference_indication_flag)가 1이면 현재 종속 슬라이스의 컨텍스트 상태는 디코딩이 끝날 때 컨텍스트 버퍼에 저장된다. 어트리뷰트 컨텍스트 참조 지시 플래그 (attr_context_reference_indication_flag)가 0이면 현재 종속 슬라이스의 컨텍스트 상태가 컨텍스트 버퍼에 저장되지 않는다.
서브그룹 웨이트 조정 계수 존재 플래그(subgroup_weight_adj_coeff_present_flag)가 1이면, 서브그룹 웨이트 조정 계수 존재 플래그(subgroup_weight_adj_coeff_present_flag)는 서브그룹 가중치 조정 계수(subgroup_weight_adj_coeff_a 및 subgroup_weight_adj_coeff_b) 가 현재 슬라이스에 해당하는 현재 서브그룹에 대해 존재함을 나타낸다. 서브그룹 웨이트 조정 계수 존재 플래그(subgroup_weight_adj_coeff_present_flag)가 0이면, 서브그룹 웨이트 조정 계수 존재 플래그(subgroup_weight_adj_coeff_present_flag)는 하위 그룹 가중치 조정 계수가 존재하지 않음을 나타낸다. 서브그룹 가중치 조정 계수(subgroup_weight_adj_coeff_a 및 subgroup_weight_adj_coeff_b)는 0으로 추론된다.
도30은 실시예들에 따른 파셜 포인트 클라우드 데이터를 전송하는 과정을 나타낸다.
실시예들에 따른 포인트 클라우드 데이터 송신 방법/장치는 도1의 송신 장치(10000), 포인트 클라우드 비디오 인코더(10002), 트랜스미터(10003), 도2의 획득-인코딩-전송(20000-20001-20002), 도3의 인코더, 도8의 송신 장치, 도10의 디바이스, 도11, 도20, 도30-32의 인코더, 도33 송신 방법 등은 도30과 같이 전체 포인트 클라우드 데이터를 스케일러블하게 부호화하고, 스토리지에 저장하고, 파셜 인코딩을 위한 트랜스코딩 후 파셜 비트스트림을 전송할 수 있다.
실시예들에 따른 포인트 클라우드 데이터 수신 방법/장치는 도1의 수신 장치(10004), 리시버(10005), 포인트 클라우드 비디오 디코더(10006), 도2의 전송-디코딩-렌더링(20002-20003-20004), 도7의 디코더, 도9의 수신 장치, 도10의 디바이스, 도11, 도20, 도30-32의 디코더, 도34 수신 방법 등은 파셜 포인트 클라우드 데이터 비트스트림을 수신하고 디코딩하여 파셜 지오메트리 및/또는 파셜 어트리뷰트를 복원할 수 있다.
실시예들은 포인트 클라우드 데이터(point cloud data)에 대해 일절 기준에 따라 압축 데이터를 나누어 전송하는 방법을 포함한다. 레이어된 코딩(layered coding)을 사용하는 경우 레이어(layer)에 따라서 압축 데이터를 나누어 보낼 수 있는데, 이 경우 수신단의 효율이 증가한다.
포인트 클라우드 데이터(point cloud data)의 지오메트리(geometry) 및 어트리뷰트(attribute)를 압축하여 서비스할 수 있다. PCC 기반 서비스에서 수신기 성능 혹은 전송 환경에 따라 압축율 혹은 데이터 수를 조절하여 보낼 수 있다.
하나의 슬라이스(slice) 단위로 포인트 클라우드 데이터(point cloud data)를 구성하는 경우 수신기 성능 혹은 전송 환경이 변하면, 1) 각 환경에 맞는 비트스트림(bitstream)을 미리 변환하여 별도로 저장하고 전송할 때 선택하든지 2) 혹은 전송에 앞서서 변환하는 과정 (transcoding)을 필요로 한다. 이 때, 지원해야하는 수신기 환경이 증가하던지 전송 환경이 수시로 바뀌는 경우 저장 공간의 문제 혹은 변환으로 인한 딜레이(delay)가 문제될 수 있다.
도31은 실시예들에 따른 포인트 클라우드 데이터 송수신 방법을 나타낸다.
실시예들에 따른 포인트 클라우드 데이터 송신 방법/장치는 도1의 송신 장치(10000), 포인트 클라우드 비디오 인코더(10002), 트랜스미터(10003), 도2의 획득-인코딩-전송(20000-20001-20002), 도3의 인코더, 도8의 송신 장치, 도10의 디바이스, 도11, 도20, 도30-32의 인코더, 도33 송신 방법 등은 도28과 같이 전체 포인트 클라우드 데이터를 스케일러블하게 부호화하고, 스토리지에 저장하고(스토리지 저장은 생략 가능), 도30과 달리, 비트스트림을 선택하여 바로 파셜 포인트 클라우드를 전송할 수 있다.
실시예들에 따른 포인트 클라우드 데이터 수신 방법/장치는 도1의 수신 장치(10004), 리시버(10005), 포인트 클라우드 비디오 디코더(10006), 도2의 전송-디코딩-렌더링(20002-20003-20004), 도7의 디코더, 도9의 수신 장치, 도10의 디바이스, 도11, 도20, 도30-32의 디코더, 도34 수신 방법 등은 바로 파셜 포인트 클라우드 데이터 비트스트림을 수신하고 디코딩하여 파셜 지오메트리 및/또는 파셜 어트리뷰트를 복원할 수 있다.
실시예들에 따른 레이어(layer)에 따라서 압축 데이터를 나누어 전달하는 경우, 별도의 변환 과정 없이 미리 압축된 데이터에 대해 비트스트림(bitstream) 단계에서 필요한 부분만 선택적으로 전달할 수 있다는 장점이 있다. 이는 저장 공간 측면에서도 하나의 스트림 당 하나의 저장 공간만이 필요하기 때문에 효율적이며, 전송 전에 필요한 레이어(layer)만을 선택적으로 전송하기 때문에 비트스트림 셀렉터(bitstream selector) 대역폭(bandwidth) 측면에서도 효율적인 전송이 가능하다.
실시예들에 따른 포인트 클라우드 데이터 수신 방법/장치는 다음과 같은 효과를 제공할 수 있다.
도32는 실시예들에 따른 포인트 클라우드 데이터 송수신 방법을 나타낸다.
실시예들에 따른 포인트 클라우드 데이터 송신 방법/장치는 도1의 송신 장치(10000), 포인트 클라우드 비디오 인코더(10002), 트랜스미터(10003), 도2의 획득-인코딩-전송(20000-20001-20002), 도3의 인코더, 도8의 송신 장치, 도10의 디바이스, 도11, 도20, 도30-32의 인코더, 도33 송신 방법 등은 도31과 같이 전체 포인트 클라우드 데이터를 스케일러블하게 부호화하고, 스토리지에 저장하고(스토리지 저장은 생략 가능), 트랜스코딩 후 전체 포인트 클라우드를 전송할 수 있다.
실시예들에 따른 포인트 클라우드 데이터 수신 방법/장치는 도1의 수신 장치(10004), 리시버(10005), 포인트 클라우드 비디오 디코더(10006), 도2의 전송-디코딩-렌더링(20002-20003-20004), 도7의 디코더, 도9의 수신 장치, 도10의 디바이스, 11, 도20, 도30-32의 디코더, 도34 수신 방법 등은 전체 포인트 클라우드를 수신하고 스케일러블하게 디코딩하고 서브 샘플링을 통해 데이터를 선택하여, 전체 지오메트리/어트리뷰트를 복원하거나 부분 지오메트리/어트리뷰트를 복원하는 방법 등을 모두 수행할 수 있다.
다시 말해, 레이어로 이루어진 포인트 클라우드 데이터(point cloud data)를 전송하는 경우에 대한 송수신 단은 효과를 가진다. 이 때 수신기의 성능과 관계없이 전체 PCC 데이터(data)를 복원할 수 있는 정보를 전달하는 경우, 수신기에서는 디코딩을 통해 포인트 클라우드 데이터(point cloud data)를 복원한 후에 필요로 하는 레이어(layer) 에 해당하는 데이터(data)만을 선택하는 과정 (데이터 셀렉션(data selection) 혹은 서브 샘플링(sub-sampling))이 필요로 하다. 이 경우 전달된 비트스트림(bitstream)을 이미 디코딩(decoding)하기 때문에 저지연을 목표로 하는 수신기에서 딜레이를 발생시키거나 혹은 수신기 성능에 따라서 디코딩(decoding)을 하지 못할 수도 있다.
실시예들에 따라 비트스트림(bitstream)을 슬라이스(slice) 단위로 나누어 전달하게 되는 경우, 수신기는 디코더 성능 혹은 응용 분야에 따라 리프리젠테이션(representation) 하고자 하는 포인트 클라우드 데이터(point cloud data)의 밀도에 따라서 비트스트림(bitstream)을 선택적으로 디코더에 전달할 수 있다. 이 경우 디코딩 이전에 선택이 이루어 짐으로써 디코더 효율이 높아지게 되며, 다양한 성능의 디코더를 지원할 수 있다는 장점이 있다.
도33은 실시예들에 따른 포인트 클라우드 데이터 송신 방법을 나타낸다.
S3300, 실시예들에 따른 포인트 클라우드 데이터 송신 방법은 포인트 클라우드 데이터를 인코딩하는 단계를 포함할 수 있다.
실시예들에 따른 인코딩 동작은 도1 송신 장치(10000), 포인트 클라우드 비디오 획득부(10001), 포인트 클라우드 비디오 인코더(10002), 도2 획득-인코딩(20000-20001), 도3 인코더, 도8 인코더, 도10 XR디바이스(1030), 도11 인코더(15000), 도20 인코더(60000), 슬라이스 셀렉터(60001), 도24 파라미터 생성 및 지오메트리/어트리뷰트 인코딩, 도26 내지 도29 비트스트림 및 파라미터 생성, 도30-32 스케일러블 인코더, 비트스트림 셀렉터 등을 포함할 수 있다.
S3301, 실시예들에 따른 포인트 클라우드 데이터 송신 방법은 포인트 클라우드 데이터를 포함하는 비트스트림을 전송하는 단계를 더 포함할 수 있다.
실시예들에 따른 전송 동작은 도1 송신 장치(10000), 트랜스미터(10003), 도2 전송(20002), 도3 비트스트림 전송, 도8 비트스트림 전송, 도11 파셜 혹은 전체 PCC 비트스트림 전송, 도20 레이어 그룹 기반 비트스트림 전송, 도30-32 비트스트림 파셜 혹은 전체 전송 등을 포함할 수 있다.
도34는 실시예들에 따른 포인트 클라우드 데이터 수신 방법을 나타낸다.
S3400, 실시예들에 따른 포인트 클라우드 데이터 수신 방법은 포인트 클라우드 데이터를 포함하는 비트스트림을 수신하는 단계를 포함할 수 있다.
실시예들에 따른 수신 동작은 도1 수신 장치(10004), 리시버(10005), 도2 전송(20002), 도7, 9 비트스트림 수신, 도10 XR디바이스(1030), 도11 전체 혹은 부분 비트스트림 수신, 도20 레이어 그룹 기반 비트스트림 수신, 도25 비트스트림 및 파라미터 파싱, 도26 내지 도29 파라미터 및 비트스트림 수신, 도30-32 전체 혹은 부분 비트스트림 수신 등을 포함할 수 있다.
S3401, 실시예들에 따른 포인트 클라우드 데이터 수신 방법은 포인트 클라우드 데이터를 디코딩하는 단계를 더 포함할 수 있다.
실시예들에 따른 디코딩 동작은 도1 수신 장치(10004), 포인트 클라우드 비디오 디코더(10006), 리시버(10007), 도2 디코딩-렌더링(20003-20004), 도7, 9 디코더, 도10 XR디바이스(1030), 도11 디코더, 셀렉터블 디코더, 데이터 셀렉션, 도20 디코더(60002), 도25 파라미터 디코딩 및 지오메트리/어트리뷰트 디코딩, 도26 내지 도29 파라미터 및 비트스트림 디코딩, 도30-32 디코더, 셀렉터블 디코더, 데이터 셀렉터/서브 샘플링 등을 포함할 수 있다.
도1을 참조하면, 송신 방법은 포인트 클라우드 데이터를 인코딩하는 단계; 및 포인트 클라우드 데이터를 포함하는 비트스트림을 전송하는 단계; 를 포함할 수 있다.
도18, 도25, 및 도21을 참조하면, 어트리뷰트, LoD, 레이어 그룹(서브그룹), 최근접 이웃 서치(nearest neighbor search), 인트라 레이어 그룹 서치(Intra-layer-group search) 관련하여, 포인트 클라우드 데이터를 인코딩하는 단계는, 포인트 클라우드 데이터의 어트리뷰트를 인코딩하는 단계를 포함하고, 어트리뷰트를 인코딩하는 단계는, 어트리뷰트에 대한 LOD(Level of Detail)에 기초하여 레이어 그룹을 생성하고, 어트리뷰트의 이웃 후보를 레이어 그룹의 서브 그룹의 이웃 노드들에 기초하여 서치할 수 있다.
도22를 참조하면, 인터 레이어 그룹 서치(Inter-layer-group search) 관련하여, 어트리뷰트를 인코딩하는 단계는, 어트리뷰트의 이웃 후보를 레이어 그룹의 서브 그룹의 상위 서브 그룹의 이웃 노드들에 기초하여 서치할 수 있다.
도23을 참조하면, 레이어 그룹 적용된 포지션(Layer-group adapted position), 하위(자식) 서브 그룹 바운딩 박스 내 노드들(Nodes within the child subgroup bounding box), 하위 서브 그룹 바운딩 박스 밖의 노드들(Nodes out of the child subgroup bounding box) 관련하여, 이웃 후보가 서브 그룹 내 있는 경우, 이웃 후보의 지오메트리 포지션을 서브 그룹에 기초하여 고려하고, 이웃 후보가 서브 그룹 밖에 있는 경우, 이웃 후보의 지오메트리 포지션을 서브 그룹의 상위 서브 그룹에 기초하여 고려할 수 있다.
도23을 참조하면, 아틀라스 시프트(Atlas shift) 관련하여, 어트리뷰트를 인코딩하는 단계는 서브 그룹에 포함된 노드의 시작 위치 및 서브 그룹의 상위 서브 그룹에 포함된 노드의 시작 위치를 얼라인(aling)하는 단계를 더 포함하고, 어트리뷰트에 아틀라스 정보가 시프팅될 수 있다.
도22를 참조하면, 서브 그룹 가중치 유도(subgroup weight derivation) 관련하여, 어트리뷰트를 인코딩하는 단계는, 양자화 가중치에 기초하여, 어트리뷰트에 대해 예측 변환을 수행하는 단계를 더 포함하고, 양자화 가중치는 현재 노드가 이웃 노드로 참조되는지 여부에 기초하여 생성될 수 있다.
도22 를 참조하면, 가중치 생성 방법((weight(m) += alpha * numRefNodes(m) / maxNumRefNodes + beta)) 관련하여, 노드(m)의 양자화 가중치(weight)는 현내 노드를 이웃 노드로 참조한 노드들의 개수(numRefNodes(m), 현재 서브 그룹에서 관련된 노드들의 최대 개수(maxNumRefNodes), 및 가중치에 관한 계수(alpha(a) 및 beta(b))에 기초하여 생성될 수 있다.
도27-도29를 참조하면, 서브 그룹 가중치 조정 계수(subgroup_weight_adj_coeff_a, subgroup_weight_adj_coeff_b) 관련하여, 비트스트림은 포인트 클라우드 데이터를 포함하는 서브 그룹에 관한 가중치에 관련된 계수 정보를 포함할 수 있다.
포인트 클라우드 데이터 송신 방법은 송신 장치에 의해 수행될 수 있다. 송신 장치는 포인트 클라우드 데이터를 인코딩하는 인코더; 및 포인트 클라우드 데이터를 전송하는 트랜스미터; 를 포함할 수 있다. 송신 장치는 인코딩 명령어를 저장하는 메모리 및 인코딩 동작을 수행하는 프로세서로 구성될 수 있다.
포인트 클라우드 데이터 수신 방법은 포인트 클라우드 데이터 송신 방법의 역과정을 수행할 수 있다. 도1을 참조하면, 수신 방법은 포인트 클라우드 데이터를 포함하는 비트스트림을 수신하는 단계; 및 포인트 클라우드 데이터를 디코딩하는 단계; 를 포함할 수 있다.
포인트 클라우드 데이터를 디코딩하는 단계는, 포인트 클라우드 데이터의 어트리뷰트를 디코딩하는 단계를 포함하고, 어트리뷰트를 디코딩하는 단계는, 어트리뷰트에 대한 LOD(Level of Detail)에 기초하여 레이어 그룹을 생성하고, 어트리뷰트의 이웃 후보를 레이어 그룹의 서브 그룹의 이웃 노드들에 기초하여 서치할 수 있다.
어트리뷰트를 디코딩하는 단계는, 어트리뷰트의 이웃 후보를 레이어 그룹의 서브 그룹의 상위(부모) 서브 그룹의 이웃 노드들에 기초하여 서치할 수 있다.
어트리뷰트를 디코딩하는 단계는 서브 그룹에 포함된 노드의 시작 위치 및 서브 그룹의 상위 서브 그룹에 포함된 노드의 시작 위치를 얼라인(aling)하는 단계를 더 포함하고, 어트리뷰트에 아틀라스 정보가 시프팅될 수 있다.
포인트 클라우드 데이터 수신 방법은 수신 장치에 의해 수행될 수 있다. 수신 장치는 포인트 클라우드 데이터를 포함하는 비트스트림을 수신하는 리시버; 및 포인트 클라우드 데이터를 디코딩하는 디코더; 를 포함할 수 있다.
이로 인하여, 포인트 클라우드 데이터를 높은 압축율로 압축하고 복원하는 효과가 있다. 또한, 스파셜 랜덤 억세스, 스케일러블 코딩을 효과를 제공한다.
실시예들은 방법 및/또는 장치 관점에서 설명되었으며, 방법의 설명 및 장치의 설명은 상호 보완하여 적용될 수 있다.
설명의 편의를 위하여 각 도면을 나누어 설명하였으나, 각 도면에 서술되어 있는 실시 예들을 병합하여 새로운 실시 예를 구현하도록 설계하는 것도 가능하다. 그리고, 통상의 기술자의 필요에 따라, 이전에 설명된 실시 예들을 실행하기 위한 프로그램이 기록되어 있는 컴퓨터에서 판독 가능한 기록 매체를 설계하는 것도 실시예들의 권리범위에 속한다. 실시예들에 따른 장치 및 방법은 상술한 바와 같이 설명된 실시 예들의 구성과 방법이 한정되게 적용될 수 있는 것이 아니라, 실시 예들은 다양한 변형이 이루어질 수 있도록 각 실시 예들의 전부 또는 일부가 선택적으로 조합되어 구성될 수도 있다. 실시예들의 바람직한 실시 예에 대하여 도시하고 설명하였지만, 실시예들은 상술한 특정의 실시 예에 한정되지 아니하며, 청구범위에서 청구하는 실시예들의 요지를 벗어남이 없이 당해 발명이 속하는 기술분야에서 통상의 지식을 가진 자에 의해 다양한 변형실시가 가능한 것은 물론이고, 이러한 변형실시들은 실시예들의 기술적 사상이나 전망으로부터 개별적으로 이해돼서는 안 될 것이다.
실시예들의 장치의 다양한 구성요소들은 하드웨어, 소프트웨어, 펌웨어 또는 그것들의 조합에 의해 수행될 수 있다. 실시예들의 다양한 구성요소들은 하나의 칩, 예를 들면 하나의 하드웨어 서킷으로 구현될 수 있다 실시예들에 따라, 실시예들에 따른 구성요소들은 각각 별도의 칩들로 구현될 수 있다. 실시예들에 따라, 실시예들에 따른 장치의 구성요소들 중 적어도 하나 이상은 하나 또는 그 이상의 프로그램들을 실행 할 수 있는 하나 또는 그 이상의 프로세서들로 구성될 수 있으며, 하나 또는 그 이상의 프로그램들은 실시예들에 따른 동작/방법들 중 어느 하나 또는 그 이상의 동작/방법들을 수행시키거나, 수행시키기 위한 인스트럭션들을 포함할 수 있다. 실시예들에 따른 장치의 방법/동작들을 수행하기 위한 실행 가능한 인스트럭션들은 하나 또는 그 이상의 프로세서들에 의해 실행되기 위해 구성된 일시적이지 않은 CRM 또는 다른 컴퓨터 프로그램 제품들에 저장될 수 있거나, 하나 또는 그 이상의 프로세서들에 의해 실행되기 위해 구성된 일시적인 CRM 또는 다른 컴퓨터 프로그램 제품들에 저장될 수 있다. 또한 실시예들에 따른 메모리는 휘발성 메모리(예를 들면 RAM 등)뿐 만 아니라 비휘발성 메모리, 플래쉬 메모리, PROM등을 전부 포함하는 개념으로 사용될 수 있다. 또한, 인터넷을 통한 전송 등과 같은 캐리어 웨이브의 형태로 구현되는 것도 포함될 수 있다. 또한, 프로세서가 읽을 수 있는 기록매체는 네트워크로 연결된 컴퓨터 시스템에 분산되어, 분산방식으로 프로세서가 읽을 수 있는 코드가 저장되고 실행될 수 있다.
이 문서에서 “/”와 “,”는 “및/또는”으로 해석된다. 예를 들어, “A/B”는 “A 및/또는 B”로 해석되고, “A, B”는 “A 및/또는 B”로 해석된다. 추가적으로, “A/B/C”는 “A, B 및/또는 C 중 적어도 하나”를 의미한다. 또한, “A, B, C”도 “A, B 및/또는 C 중 적어도 하나”를 의미한다. 추가적으로, 이 문서에서 “또는”는 “및/또는”으로 해석된다. 예를 들어, “A 또는 B”은, 1) “A” 만을 의미하고, 2) “B” 만을 의미하거나, 3) “A 및 B”를 의미할 수 있다. 달리 표현하면, 본 문서의 “또는”은 “추가적으로 또는 대체적으로(additionally or alternatively)”를 의미할 수 있다.
제1, 제2 등과 같은 용어는 실시예들의 다양한 구성요소들을 설명하기 위해 사용될 수 있다. 하지만 실시예들에 따른 다양한 구성요소들은 위 용어들에 의해 해석이 제한되어서는 안된다. 이러한 용어는 하나의 구성요소를 다른 구성요소와 구별하기 위해 사욛외는 것에 불과하다. 것에 불과하다. 예를 들어, 제1 사용자 인풋 시그널은 제2사용자 인풋 시그널로 지칭될 수 있다. 이와 유사하게, 제2사용자 인풋 시그널은 제1사용자 인풋시그널로 지칭될 수 있다. 이러한 용어의 사용은 다양한 실시예들의 범위 내에서 벗어나지 않는 것으로 해석되어야만 한다. 제1사용자 인풋 시그널 및 제2사용자 인풋 시그널은 모두 사용자 인풋 시그널들이지만, 문맥 상 명확하게 나타내지 않는 한 동일한 사용자 인풋 시그널들을 의미하지 않는다.
실시예들을 설명하기 위해 사용된 용어는 특정 실시예들을 설명하기 위한 목적으로 사용되고, 실시예들을 제한하기 위해서 의도되지 않는다. 실시예들의 설명 및 청구항에서 사용된 바와 같이, 문맥 상 명확하게 지칭하지 않는 한 단수는 복수를 포함하는 것으로 의도된다. 및/또는 표현은 용어 간의 모든 가능한 결합을 포함하는 의미로 사용된다. 포함한다 표현은 특징들, 수들, 단계들, 엘리먼트들, 및/또는 컴포넌트들이 존재하는 것을 설명하고, 추가적인 특징들, 수들, 단계들, 엘리먼트들, 및/또는 컴포넌트들을 포함하지 않는 것을 의미하지 않는다. 실시예들을 설명하기 위해 사용되는, ~인 경우, ~때 등의 조건 표현은 선택적인 경우로만 제한 해석되지 않는다. 특정 조건을 만족하는 때, 특정 조건에 대응하여 관련 동작을 수행하거나, 관련 정의가 해석되도록 의도되었다.
또한, 본 문서에서 설명하는 실시예들에 따른 동작은 실시예들에 따라서 메모리 및/또는 프로세서를 포함하는 송수신 장치에 의해 수행될 수 있다. 메모리는 실시예들에 따른 동작을 처리/제어하기 위한 프로그램들을 저장할 수 있고, 프로세서는 본 문서에서 설명한 다양한 동작을 제어할 수 있다. 프로세서는 컨트롤러 등으로 지칭가능하다. 실시예들에 동작들은 펌웨어, 소프트웨어, 및/또는 그것들의 조합에 의해 수행될 수 있고, 펌웨어, 소프트웨어, 및/또는 그것들의 조합은 프로세서에 저장되거나 메모리에 저장될 수 있다.
한편, 상술한 실시예들에 따른 동작은 실시예들 따른 송신 장치 및/또는 수신 장치에 의해서 수행될 수 있다. 송수신 장치는 미디어 데이터를 송수신하는 송수신부, 실시예들에 따른 프로세스에 대한 인스트럭션(프로그램 코드, 알고리즘, flowchart 및/또는 데이터)을 저장하는 메모리, 송/수신 장치의 동작들을 제어하는 프로세서를 포함할 수 있다.
프로세서는 컨트롤러 등으로 지칭될 수 있고, 예를 들어, 하드웨어, 소프트웨어, 및/또는 그것들의 조합에 대응할 수 있다. 상술한 실시예들에 따른 동작은 프로세서에 의해 수행될 수 있다. 또한, 프로세서는 상술한 실시예들의 동작을 위한 인코더/디코더 등으로 구현될 수 있다.
상술한 바와 같이, 실시예들을 실시하기 위한 최선의 형태에서 관련 내용을 설명하였다.
상술한 바와 같이, 실시예들은 포인트 클라우드 데이터 송수신 장치 및 시스템에 전체적 또는 부분적으로 적용될 수 있다.
당업자는 실시예들의 범위 내에서 실시예들을 다양하게 변경 또는 변형할 수 있다.
실시예들은 변경/변형들을 포함할 수 있고, 변경/변형은 청구항들 및 그 와 동일한 것들의 범위를 벗어나지 않는다.

Claims (15)

  1. 포인트 클라우드 데이터를 인코딩하는 단계; 및
    상기 포인트 클라우드 데이터를 포함하는 비트스트림을 전송하는 단계; 를 포함하는,
    포인트 클라우드 데이터 송신 방법.
  2. 제1항에 있어서,
    상기 포인트 클라우드 데이터를 인코딩하는 단계는,
    상기 포인트 클라우드 데이터의 어트리뷰트를 인코딩하는 단계를 포함하고,
    상기 어트리뷰트를 인코딩하는 단계는,
    상기 어트리뷰트에 대한 LOD(Level of Detail)에 기초하여 레이어 그룹을 생성하고,
    상기 어트리뷰트의 이웃 후보를 상기 레이어 그룹의 서브 그룹의 이웃 노드들에 기초하여 서치하는,
    포인트 클라우드 데이터 송신 방법.
  3. 제2항에 있어서,
    상기 어트리뷰트를 인코딩하는 단계는,
    상기 어트리뷰트의 이웃 후보를 상기 레이어 그룹의 서브 그룹의 상위 서브 그룹의 이웃 노드들에 기초하여 서치하는,
    포인트 클라우드 데이터 송신 방법.
  4. 제3항에 있어서,
    상기 이웃 후보가 상기 서브 그룹 내 있는 경우, 상기 이웃 후보의 지오메트리 포지션을 상기 서브 그룹에 기초하여 고려하고,
    상기 이웃 후보가 상기 서브 그룹 밖에 있는 경우, 상기 이웃 후보의 지오메트리 포지션을 상기 서브 그룹의 상위 서브 그룹에 기초하여 고려하는,
    포인트 클라우드 데이터 송신 방법.
  5. 제4항에 있어서,
    상기 어트리뷰트를 인코딩하는 단계는
    상기 서브 그룹에 포함된 노드의 시작 위치 및 상기 서브 그룹의 상위 서브 그룹에 포함된 노드의 시작 위치를 얼라인(aling)하는 단계를 더 포함하고,
    상기 어트리뷰트에 아틀라스 정보가 시프팅되는,
    포인트 클라우드 데이터 송신 방법.
  6. 제4항에 있어서,
    상기 어트리뷰트를 인코딩하는 단계는,
    양자화 가중치에 기초하여, 상기 어트리뷰트에 대해 예측 변환을 수행하는 단계를 더 포함하고,
    상기 양자화 가중치는 현재 노드가 이웃 노드로 참조되는지 여부에 기초하여 생성되는,
    포인트 클라우드 데이터 송신 방법.
  7. 제6항에 있어서,
    상기 양자화 가중치는 현내 노드를 이웃 노드로 참조한 노드들의 개수, 현재 서브 그룹에서 관련된 노드들의 최대 개수, 및 가중치에 관한 계수에 기초하여 생성되는,
    포인트 클라우드 데이터 송신 방법.
  8. 제1항에 있어서,
    상기 비트스트림은 상기 포인트 클라우드 데이터를 포함하는 서브 그룹에 관한 가중치에 관련된 계수 정보를 포함하는,
    포인트 클라우드 데이터 송신 방법.
  9. 포인트 클라우드 데이터를 인코딩하는 인코더; 및
    상기 포인트 클라우드 데이터를 전송하는 트랜스미터; 를 포함하는,
    포인트 클라우드 데이터 송신 장치.
  10. 포인트 클라우드 데이터를 포함하는 비트스트림을 수신하는 단계; 및
    상기 포인트 클라우드 데이터를 디코딩하는 단계; 를 포함하는,
    포인트 클라우드 데이터 수신 방법.
  11. 제10항에 있어서,
    상기 포인트 클라우드 데이터를 디코딩하는 단계는,
    상기 포인트 클라우드 데이터의 어트리뷰트를 디코딩하는 단계를 포함하고,
    상기 어트리뷰트를 디코딩하는 단계는,
    상기 어트리뷰트에 대한 LOD(Level of Detail)에 기초하여 레이어 그룹을 생성하고,
    상기 어트리뷰트의 이웃 후보를 상기 레이어 그룹의 서브 그룹의 이웃 노드들에 기초하여 서치하는,
    포인트 클라우드 데이터 수신 방법.
  12. 상기 어트리뷰트를 디코딩하는 단계는,
    상기 어트리뷰트의 이웃 후보를 상기 레이어 그룹의 서브 그룹의 상위 서브 그룹의 이웃 노드들에 기초하여 서치하는,
    포인트 클라우드 데이터 수신 방법.
  13. 제12항에 있어서,
    상기 이웃 후보가 상기 서브 그룹 내 있는 경우, 상기 이웃 후보의 지오메트리 포지션을 상기 서브 그룹에 기초하여 고려하고,
    상기 이웃 후보가 상기 서브 그룹 밖에 있는 경우, 상기 이웃 후보의 지오메트리 포지션을 상기 서브 그룹의 상위 서브 그룹에 기초하여 고려하는,
    포인트 클라우드 데이터 수신 방법.
  14. 제13항에 있어서,
    상기 어트리뷰트를 디코딩하는 단계는
    상기 서브 그룹에 포함된 노드의 시작 위치 및 상기 서브 그룹의 상위 서브 그룹에 포함된 노드의 시작 위치를 얼라인(aling)하는 단계를 더 포함하고,
    상기 어트리뷰트에 아틀라스 정보가 시프팅되는,
    포인트 클라우드 데이터 수신 방법.
  15. 포인트 클라우드 데이터를 포함하는 비트스트림을 수신하는 리시버; 및
    상기 포인트 클라우드 데이터를 디코딩하는 디코더; 를 포함하는,
    포인트 클라우드 데이터 수신 장치.
PCT/KR2023/010183 2022-07-15 2023-07-17 포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법 WO2024014935A1 (ko)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
KR20220087808 2022-07-15
KR10-2022-0087808 2022-07-15

Publications (1)

Publication Number Publication Date
WO2024014935A1 true WO2024014935A1 (ko) 2024-01-18

Family

ID=89537165

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/KR2023/010183 WO2024014935A1 (ko) 2022-07-15 2023-07-17 포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법

Country Status (1)

Country Link
WO (1) WO2024014935A1 (ko)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20210272324A1 (en) * 2018-07-10 2021-09-02 Blackberry Limited Methods and devices for neighbourhood-based occupancy prediction in point cloud compression
US20210383590A1 (en) * 2020-05-27 2021-12-09 Nokia Technologies Oy Offset Texture Layers for Encoding and Signaling Reflection and Refraction for Immersive Video and Related Methods for Multi-Layer Volumetric Video
KR20220027847A (ko) * 2019-07-02 2022-03-08 소니그룹주식회사 정보 처리 장치 및 방법
KR20220077097A (ko) * 2020-12-01 2022-06-08 현대자동차주식회사 매핑 함수를 이용하는 포인트 클라우드 코딩 장치 및 방법
WO2022149810A1 (ko) * 2021-01-06 2022-07-14 엘지전자 주식회사 포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20210272324A1 (en) * 2018-07-10 2021-09-02 Blackberry Limited Methods and devices for neighbourhood-based occupancy prediction in point cloud compression
KR20220027847A (ko) * 2019-07-02 2022-03-08 소니그룹주식회사 정보 처리 장치 및 방법
US20210383590A1 (en) * 2020-05-27 2021-12-09 Nokia Technologies Oy Offset Texture Layers for Encoding and Signaling Reflection and Refraction for Immersive Video and Related Methods for Multi-Layer Volumetric Video
KR20220077097A (ko) * 2020-12-01 2022-06-08 현대자동차주식회사 매핑 함수를 이용하는 포인트 클라우드 코딩 장치 및 방법
WO2022149810A1 (ko) * 2021-01-06 2022-07-14 엘지전자 주식회사 포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법

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
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
WO2021045601A1 (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
WO2021246843A1 (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
WO2022019713A1 (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
WO2022015006A1 (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
WO2022149810A1 (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
WO2022050650A1 (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
WO2023287213A1 (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
WO2022075753A1 (ko) 포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법
WO2022092971A1 (ko) 포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법
WO2021141221A1 (ko) 포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법
WO2021132834A1 (ko) 포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법
WO2023287243A1 (ko) 포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법
WO2022225233A1 (ko) 포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법
WO2022186651A1 (ko) 포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법
WO2021256885A1 (ko) 포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법

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: 23840026

Country of ref document: EP

Kind code of ref document: A1