Une équipe conjointe de l'Académie chinoise des sciences, de l'Université de Tongji et de l'Université de Ningbo a développé une technologie révolutionnaire de compression des nuages de points, TSC-PCAC, qui améliore considérablement l'efficacité de la compression et la vitesse de traitement des données des nuages de points et résout le problème majeur auquel sont confrontées les applications 3D. tels que les défis de traitement des données AR/VR. Cette technologie est basée sur un transformateur de voxel de bout en bout et une convolution clairsemée, utilisant une architecture de compression en deux étapes pour réduire efficacement la redondance des données, et optimise la corrélation inter-canaux grâce au module innovant de contexte de canal TSCM pour améliorer encore l'efficacité de la compression. Cette technologie a permis de réaliser des avancées significatives en termes de taux de compression des données et de vitesse de traitement, offrant ainsi un solide support technique pour le développement d'applications 3D.
Dans le contexte du développement rapide actuel de la technologie de vision 3D, le nuage de points, en tant que forme de données clé pour la réalité virtuelle et la réalité augmentée, est confronté à d'énormes défis de transmission et de stockage. Un nuage de points de haute qualité peut contenir des millions de points de données, chacun contenant des informations multidimensionnelles telles que l'emplacement, la couleur et la transparence. L’efficacité du traitement de ces données massives affecte directement la popularité des applications 3D.
Pour résoudre ce problème, l'équipe de recherche a développé une technologie de compression d'attributs de nuage de points (TSC-PCAC) basée sur un transformateur de voxel de bout en bout et une convolution clairsemée. Le cœur de cette technologie réside dans son architecture de compression unique en deux étapes : la première étape se concentre sur l'extraction et la modélisation des caractéristiques locales des nuages de points, et la deuxième étape capture les caractéristiques globales via un champ de réception plus large, réduisant ainsi efficacement la redondance des données.
L'équipe de recherche a également conçu de manière innovante un module de contexte de canal basé sur TSCM, qui a considérablement amélioré l'efficacité de la compression des données en optimisant la corrélation entre les canaux. Les données expérimentales montrent que par rapport aux technologies traditionnelles existantes, TSC-PCAC a obtenu des améliorations significatives du taux de compression des données : 38,53 % de plus que Sparse-PCAC, 21,30 % de plus que NF-PCAC et 21,30 % de plus que G-PCAC v23 amélioré. de 11,19%. Plus impressionnant encore, sa vitesse de traitement a également réalisé un saut qualitatif, avec des temps d'encodage et de décodage réduits respectivement de 97,68 % et 98,78 %.
Cette avancée révolutionnaire résout non seulement les principaux problèmes liés au traitement des données de nuages de points, mais pose également une base importante pour le développement ultérieur d'applications 3D telles que l'AR/VR. L'équipe de recherche a déclaré qu'elle continuerait à explorer la technologie de réseau profond avec des taux de compression plus élevés à l'avenir et à travailler sur une solution de traitement unifiée pour le codage de la géométrie et des attributs.
Adresse papier : https://arxiv.org/html/2407.04284v1
Le développement réussi de la technologie TSC-PCAC marque un progrès significatif dans la technologie de compression des nuages de points et fournit un solide support technique pour la vulgarisation et le développement d'applications 3D telles que l'AR/VR. Elle devrait être largement utilisée dans davantage de domaines à l'avenir.