TAFA-GSGC：逐次残差リファインメントを用いたグループ別スケーラブルな点群ジオメトリ圧縮

Abstract

スケーラブルな圧縮は、帯域適応型の伝送に不可欠である一方、ほとんどの学習型コーデックは固定のレート歪み点に最適化されているため、再エンコードや複数のビットストリームの維持が必要となり、レート適応が高コストになります。本研究では、単一のビットストリームおよび単一の学習済みモデルから、多品質のデコードを可能にするスケーラブルな学習型ポイントクラウド幾何学コーデックであるTAFA-GSGCを提案します。TAFA-GSGCは、層状の残差改良とチャネル・グループのエントロピー符号化を組み合わせ、さらに、改良用残差における層間冗長性を削減するTarget-Aligned Feature Aggregationモジュールを導入します。提案フレームワークは、受信するサブビットストリームが増えるにつれて品質が単調に向上することを維持しつつ、最大9つのデコード可能な品質レベルをサポートし、強力な圧縮効率も維持します。ベースラインのPCGCv2と比較して、TAFA-GSGCは同等かわずかに優れたRD性能を達成し、D1で平均BD-Rateが-4.99%、D2で-5.92%の削減となります。