稀疏张量压缩网络

低复杂度高压缩率

该网络通过稀疏卷积和跨尺度相关性利用，在保持低计算复杂度的同时实现优于现有方法的点云几何压缩性能。

王建强 · 丁丹丹 · Li, Zhu · Xiaoxing, Feng · Chuntong, Cao · 马展

IEEE Transactions on Pattern Analysis and Machine Intelligence 2023

技术优势

复杂度低

只对稀疏分布的 MP-POV 体素执行卷积，避免了稠密三维卷积的巨大开销。

跨尺度利用

通过多尺度表示，可独立编码各尺度 MP-POV，并灵活利用跨尺度与同尺度相关性提升压缩效率。

状态领先

在多个数据集上的无损与有损模式均超越 MPEG G-PCC 以及其他学习方法。

应用场景

• 3D点云传输：用更低带宽传输高质量点云，降低通信成本。
• 实时三维重建：低复杂度压缩解码快，适合实时重建。
• 自动驾驶感知：高效压缩稀疏 LiDAR 点云，减少车载存储与传输压力。
• VR/AR内容压缩：为高分辨率三维内容提供无损压缩，节省存储空间。