【技术实现步骤摘要】
本专利技术涉及点云压缩，具体涉及一种基于多模态双向循环场景流的动态点云压缩方法、系统、存储介质及设备。
技术介绍
1、传统的动态点云压缩方法可分为基于三维和基于二维投影两种。基于三维的方法执行块匹配以实现跨各种帧的运动估计和运动补偿。基于二维投影的方法利用了当前的视频编解码器，其中大多数探索都集中在投影算法设计和补丁排列上。
2、上述方法都是基于规则的，使用手工制作的特征提取模块和基于假设的匹配规则，编码效率不理想，如mpeg指定的动态点云压缩方法-vpcc需要将点云序列转换为视频，但是投影过程会破坏3d运动的连续性。
3、近年来，受深度学习技术在图像和视频压缩中的应用启发，最近的工作开始关注基于深度学习的动态点云压缩。动态点云压缩需要同时考虑空间和时间冗余的去除，相对于静态点云压缩，关键的挑战是如何将运动估计和运动补偿嵌入到端到端压缩网络中。
4、一些方法尝试利用me/mc（运动估计和补偿）结构进行运动估计和补偿，但是这些方法只关注单个分辨率尺度的优化，导致了较大的计算延迟。另一些方法虽然采用了多尺...
【技术保护点】
1.一种基于多模态双向循环场景流的动态点云压缩方法，其特征在于，该方法包括以下步骤：
2.根据权利要求1所述的一种基于多模态双向循环场景流的动态点云压缩方法，其特征在于：如果图像特征张量的维度超出了相应点云特征张量的尺寸，则通过插值方法调整图像特征张量的维度，以确保二者具有相同的尺寸；反之，则保持图像特征张量的原始尺寸不变。
3.根据权利要求1所述的一种基于多模态双向循环场景流的动态点云压缩方法，其特征在于：所述的多尺度特征提取模块在每个级别上，使用双向循环注意力机制双向增强点特征，并迭代优化相关性和运动预测；在相邻级别之间采用上采样层，用于将...
【技术特征摘要】
1.一种基于多模态双向循环场景流的动态点云压缩方法，其特征在于，该方法包括以下步骤：
2.根据权利要求1所述的一种基于多模态双向循环场景流的动态点云压缩方法，其特征在于：如果图像特征张量的维度超出了相应点云特征张量的尺寸，则通过插值方法调整图像特征张量的维度，以确保二者具有相同的尺寸；反之，则保持图像特征张量的原始尺寸不变。
3.根据权利要求1所述的一种基于多模态双向循环场景流的动态点云压缩方法，其特征在于：所述的多尺度特征提取模块在每个级别上，使用双向循环注意力机制双向增强点特征，并迭代优化相关性和运动预测；在相邻级别之间采用上采样层，用于将特征从高尺度传播到低尺度；给定更新后的每个点的相关特征，将相关性转换为运动向量。
4.根据权利要求3所述的一种基于多模态双向循环场景流的动态点云压缩方法，其特征在于：对于每个下采样的稀疏点，将k近邻的密集点局部分组形成一个局部区域进行特征提取，针对每个稀疏点，将其k近邻的点局部分组，以构建局部区域。
5.根据权利要求4所述的一种基于多模态双向循环场景流的动态点云压缩...
【专利技术属性】
技术研发人员：杨柏林，郑东，南方哲，沈玉良，李锦，
申请(专利权)人：杭州宇泛智能科技股份有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。