Un equipo conjunto de la Academia de Ciencias de China, la Universidad de Tongji y la Universidad de Ningbo ha desarrollado una innovadora tecnología de compresión de nubes de puntos, TSC-PCAC, que mejora significativamente la eficiencia de la compresión y la velocidad de procesamiento de los datos de las nubes de puntos y resuelve el enorme problema al que se enfrentan las aplicaciones 3D. como los desafíos del procesamiento de datos AR/VR. Esta tecnología se basa en un transformador de voxel de extremo a extremo y convolución dispersa, utiliza una arquitectura de compresión de dos etapas para reducir efectivamente la redundancia de datos y optimiza la correlación entre canales a través del innovador módulo de contexto de canal TSCM para mejorar aún más la eficiencia de la compresión. Esta tecnología ha logrado avances significativos en la tasa de compresión de datos y la velocidad de procesamiento, brindando un sólido soporte técnico para el desarrollo de aplicaciones 3D.
En el contexto del rápido desarrollo actual de la tecnología de visión 3D, la nube de puntos, como forma de datos clave para la realidad virtual y la realidad aumentada, enfrenta enormes desafíos de transmisión y almacenamiento. Una nube de puntos de alta calidad puede contener millones de puntos de datos, cada uno de los cuales contiene información multidimensional como ubicación, color y transparencia. La eficiencia del procesamiento de estos datos masivos afecta directamente la popularidad de las aplicaciones 3D.
Para abordar este problema, el equipo de investigación desarrolló una tecnología de compresión de atributos de nube de puntos (TSC-PCAC) basada en un transformador de vóxel de extremo a extremo y convolución dispersa. El núcleo de esta tecnología radica en su arquitectura de compresión única de dos etapas: la primera etapa se centra en la extracción y el modelado de características locales de nubes de puntos, y la segunda etapa captura características globales a través de un campo receptivo más grande, lo que reduce efectivamente la redundancia de datos.
El equipo de investigación también diseñó de forma innovadora un módulo de contexto de canal basado en TSCM, que mejoró significativamente la eficiencia de la compresión de datos al optimizar la correlación entre canales. Los datos experimentales muestran que, en comparación con las tecnologías convencionales existentes, TSC-PCAC ha logrado mejoras significativas en la tasa de compresión de datos: 38,53% más que Sparse-PCAC, 21,30% más que NF-PCAC y 21,30% más que G-PCAC v23 mejorado. en un 11,19%. Aún más impresionante es que su velocidad de procesamiento también ha logrado un salto cualitativo, con tiempos de codificación y decodificación reducidos en un 97,68% y 98,78% respectivamente.
Este gran logro no solo resuelve los puntos débiles clave en el procesamiento de datos de nubes de puntos, sino que también sienta una base importante para el desarrollo futuro de aplicaciones 3D como AR/VR. El equipo de investigación afirmó que continuará explorando la tecnología de redes profundas con índices de compresión más altos en el futuro y trabajará en una solución de procesamiento unificado para geometría y codificación de atributos.
Dirección del artículo: https://arxiv.org/html/2407.04284v1
El desarrollo exitoso de la tecnología TSC-PCAC marca un progreso significativo en la tecnología de compresión de nubes de puntos y proporciona un sólido soporte técnico para la popularización y el desarrollo de aplicaciones 3D como AR/VR. Se espera que se utilice ampliamente en más campos en el futuro.