Sebuah tim gabungan dari Akademi Ilmu Pengetahuan Tiongkok, Universitas Tongji, dan Universitas Ningbo telah mengembangkan terobosan teknologi kompresi point cloud, TSC-PCAC, yang secara signifikan meningkatkan efisiensi kompresi dan kecepatan pemrosesan data point cloud serta memecahkan masalah besar yang dihadapi oleh aplikasi 3D seperti tantangan pemrosesan data. Teknologi ini didasarkan pada Transformator voxel ujung ke ujung dan konvolusi jarang, menggunakan arsitektur kompresi dua tahap untuk secara efektif mengurangi redundansi data, dan mengoptimalkan korelasi antar saluran melalui modul konteks saluran TSCM yang inovatif untuk lebih meningkatkan efisiensi kompresi. Teknologi ini telah mencapai terobosan signifikan dalam kecepatan kompresi data dan kecepatan pemrosesan, memberikan dukungan teknis yang kuat untuk pengembangan aplikasi 3D.
Dalam konteks pesatnya perkembangan teknologi visi 3D saat ini, point cloud, sebagai bentuk data utama untuk realitas virtual dan augmented reality, menghadapi tantangan transmisi dan penyimpanan yang sangat besar. Point cloud berkualitas tinggi mungkin berisi jutaan titik data, masing-masing membawa informasi multidimensi seperti lokasi, warna, dan transparansi. Efisiensi pemrosesan data yang sangat besar ini secara langsung mempengaruhi popularitas aplikasi 3D.
Untuk mengatasi masalah ini, tim peneliti mengembangkan teknologi kompresi atribut point cloud (TSC-PCAC) berdasarkan voxel Transformer ujung ke ujung dan konvolusi jarang. Inti dari teknologi ini terletak pada arsitektur kompresi dua tahap yang unik: tahap pertama berfokus pada ekstraksi dan pemodelan fitur lokal point cloud, dan tahap kedua menangkap fitur global melalui bidang reseptif yang lebih besar, sehingga secara efektif mengurangi redundansi data.
Tim peneliti juga secara inovatif merancang modul konteks saluran berdasarkan TSCM, yang secara signifikan meningkatkan efisiensi kompresi data dengan mengoptimalkan korelasi antar saluran. Data eksperimental menunjukkan bahwa dibandingkan dengan teknologi arus utama yang ada, TSC-PCAC telah mencapai peningkatan signifikan dalam laju kompresi data: 38,53% lebih tinggi dari Sparse-PCAC, 21,30% lebih tinggi dari NF-PCAC, dan 21,30% lebih tinggi dari peningkatan G-PCAC v23 sebesar 11,19%. Yang lebih mengesankan lagi adalah kecepatan pemrosesannya juga mencapai lompatan kualitatif, dengan waktu pengkodean dan penguraian kode berkurang masing-masing sebesar 97,68% dan 98,78%.
Pencapaian terobosan ini tidak hanya menyelesaikan permasalahan utama dalam pemrosesan data point cloud, namun juga meletakkan landasan penting untuk pengembangan lebih lanjut aplikasi 3D seperti AR/VR. Tim peneliti menyatakan bahwa mereka akan terus mengeksplorasi teknologi jaringan dalam dengan rasio kompresi yang lebih tinggi di masa depan dan mengerjakan solusi pemrosesan terpadu untuk geometri dan pengkodean atribut.
Alamat makalah: https://arxiv.org/html/2407.04284v1
Keberhasilan pengembangan teknologi TSC-PCAC menandai kemajuan signifikan dalam teknologi kompresi point cloud dan memberikan dukungan teknis yang kuat untuk mempopulerkan dan pengembangan aplikasi 3D seperti AR/VR. Teknologi ini diharapkan dapat digunakan secara luas di lebih banyak bidang di masa depan.