No-Reference Point Cloud Quality Assessment via Weighted Patch Quality Prediction

要約

点群に基づく 3D ビジョン アプリケーションの急速な開発に伴い、点群品質評価 (PCQA) が重要な研究テーマになりつつあります。
ただし、従来の PCQA 方法では、点群のさまざまな領域にわたる局所的な品質の差異の影響が無視されます。
品質分布の不均衡を利用するために、COPP-Net と呼ばれるローカルエリア相関分析機能を備えた非基準点群品質評価 (NR-PCQA) 方法を提案します。
より具体的には、点群をパッチに分割し、パッチごとにテクスチャと構造の特徴を生成し、それらをパッチの特徴に融合してパッチの品質を予測します。
次に、相関分析のために点群のすべてのパッチの特徴を収集し、相関重みを取得します。
最後に、すべてのパッチの予測品質と相関重みを使用して、最終的な品質スコアが導出されます。
実験結果は、私たちの方法が最先端のベンチマーク NR-PCQA 方法よりも優れていることを示しています。
提案されている COPP-Net のソース コードは、https://github.com/philox12358/COPP-Net にあります。

要約(オリジナル)

With the rapid development of 3D vision applications based on point clouds, point cloud quality assessment(PCQA) is becoming an important research topic. However, the prior PCQA methods ignore the effect of local quality variance across different areas of the point cloud. To take an advantage of the quality distribution imbalance, we propose a no-reference point cloud quality assessment (NR-PCQA) method with local area correlation analysis capability, denoted as COPP-Net. More specifically, we split a point cloud into patches, generate texture and structure features for each patch, and fuse them into patch features to predict patch quality. Then, we gather the features of all the patches of a point cloud for correlation analysis, to obtain the correlation weights. Finally, the predicted qualities and correlation weights for all the patches are used to derive the final quality score. Experimental results show that our method outperforms the state-of-the-art benchmark NR-PCQA methods. The source code for the proposed COPP-Net can be found at https://github.com/philox12358/COPP-Net.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google