PCQA-GRAPHPOINT: Efficients Deep-Based Graph Metric For Point Cloud Quality Assessment

要約

没入型技術の出現とインタラクティブな幾何学的フォーマットの表現への関心の高まりを受けて、3Dポイントクラウド（PC）は、3D視覚情報を表示する有望なソリューションと効果的な手段として浮上してきた。没入型アプリケーションにおける他の課題に加え、圧縮された3Dコンテンツの客観的・主観的品質評価は、依然として未解決の問題であり、研究上の関心分野である。しかし、この研究分野での取り組みのほとんどは、点表現間の局所的な幾何学的構造を無視している。本論文では、グラフニューラルネットワーク（GNN）を用いて局所的な依存関係を学習することにより、点群品質評価のための新規かつ効率的な客観的指標を導入し、この制限を克服する。本手法の性能を評価するために、2つの有名なデータセットを用いた。その結果、本手法の有効性と信頼性が、最新の評価指標と比較して実証された。

要約(オリジナル)

Following the advent of immersive technologies and the increasing interest in representing interactive geometrical format, 3D Point Clouds (PC) have emerged as a promising solution and effective means to display 3D visual information. In addition to other challenges in immersive applications, objective and subjective quality assessments of compressed 3D content remain open problems and an area of research interest. Yet most of the efforts in the research area ignore the local geometrical structures between points representation. In this paper, we overcome this limitation by introducing a novel and efficient objective metric for Point Clouds Quality Assessment, by learning local intrinsic dependencies using Graph Neural Network (GNN). To evaluate the performance of our method, two well-known datasets have been used. The results demonstrate the effectiveness and reliability of our solution compared to state-of-the-art metrics.

arxiv情報

提供元, 利用サービス

arxiv.jp, DeepL