Reduced-Reference Quality Assessment of Point Clouds via Content-Oriented Saliency Projection

要約

多くの高密度 3D 点群が、従来の画像やビデオの代わりに視覚オブジェクトを表現するために利用されてきました。
さまざまなポイント クラウドの知覚品質を評価するために、このレターでは、コンテンツ指向の sAliency Projection (RR-CAP) に基づく、ポイント クラウドの斬新で効率的な縮小参照品質メトリックを提案します。
具体的には、ダウンサンプリング操作を使用して、参照および歪んだ点群を投影された顕著性マップに単純化する最初の試みを行います。
このプロセスを通じて、品質評価のために大量の元の点群をユーザーエンドに送信するという問題に取り組みます。
次に、人間の視覚系 (HVS) の特性に動機付けられて、歪んだ点群の客観的な品質スコアが、コンテンツ指向の類似性と統計的相関測定を組み合わせることによって生成されます。
最後に、SJTU-PCQA および WPC データベースで広範な実験が行われます。
実験結果は、提案されたアルゴリズムが既存の縮小参照および非参照品質メトリックよりも優れており、最先端の完全参照品質評価方法間のパフォーマンスギャップを大幅に削減することを示しています。
さらに、アブレーション テストによる各提案された技術コンポーネントのパフォーマンスの変化を示します。

要約(オリジナル)

Many dense 3D point clouds have been exploited to represent visual objects instead of traditional images or videos. To evaluate the perceptual quality of various point clouds, in this letter, we propose a novel and efficient Reduced-Reference quality metric for point clouds, which is based on Content-oriented sAliency Projection (RR-CAP). Specifically, we make the first attempt to simplify reference and distorted point clouds into projected saliency maps with a downsampling operation. Through this process, we tackle the issue of transmitting large-volume original point clouds to user-ends for quality assessment. Then, motivated by the characteristics of the human visual system (HVS), the objective quality scores of distorted point clouds are produced by combining content-oriented similarity and statistical correlation measurements. Finally, extensive experiments are conducted on SJTU-PCQA and WPC databases. The experimental results demonstrate that our proposed algorithm outperforms existing reduced-reference and no-reference quality metrics, and significantly reduces the performance gap between state-of-the-art full-reference quality assessment methods. In addition, we show the performance variation of each proposed technical component by ablation tests.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google