要旨: 点群に対する既存のポストデコード品質向上手法は、静的データ向けに設計されており、通常は各フレームを独立に処理する。その結果、点群シーケンスに存在する時空間相関を効果的に活用できない。そこで本研究では、幾何と属性の統一的な強化フレームワーク（DUGAE）を、G-PCCで圧縮された動的点群に対して提案する。DUGAEは、幾何と属性の両方において、フレーム間の時空間相関を明示的に活用する。まず、疎畳み込み（SPConv）と特徴空間における幾何モーション補償（GMC）に基づく動的幾何強化ネットワーク（DGE-Net）が、時空間情報を整列・集約する。次に、エンコーダ側で元の属性を強化された幾何へ写像する、詳細を考慮したk近傍（DA-KNN）再着色モジュールにより、写像の完全性が向上し、属性の詳細が保持される。最後に、専用の時間的特徴抽出と特徴空間における属性モーション補償（AMC）を備えた動的属性強化ネットワーク（DAE-Net）が、複雑な時空間相関をモデル化することで属性を洗練する。8iVFB v2、Owlii、MVUBデータセットの7つの動的点群に対し、DUGAEは最新のG-PCC幾何ベース固形コンテンツテストモデル（GeS-TM v10）の性能を大幅に向上させた。幾何（D1）では、平均BD-PSNRが11.03 dB向上し、BDビットレートが93.95%削減された。輝度成分では、4.23 dBのBD-PSNR向上と66.61%のBDビットレート削減を達成した。DUGAEは知覚品質（PCQMで測定）も改善し、V-PCCを上回った。ソースコードはGitHubで公開予定で、以下の通りである: https://github.com/yuanhui0325/DUGAE
DUGAE：G-PCC圧縮ダイナミック・ポイントクラウドに向けた時空間相関による統合的ジオメトリおよび属性強調
arXiv cs.CV / 2026/3/30
💬 オピニオンSignals & Early TrendsIdeas & Deep AnalysisModels & Research
要点
- 本論文は、フレーム非依存の強調手法が抱える限界に対し、フレーム間の時空間相関を活用することで対応する、G-PCC圧縮ダイナミック・ポイントクラウド向けの統合型ポストデコーディング・フレームワーク「DUGAE」を提案する。
- DUGAEは3つの構成要素からなる：疎畳み込みおよび特徴領域のモーション補償によって幾何のアラインメント／集約を行うDGE-Net、詳細に着目した再着色により属性マッピングの完全性を高めるDA-KNN、時系列の特徴モデリングおよび属性モーション補償を用いて属性を洗練して強調するDAE-Net。
- 8iVFB v2、Owlii、MVUBからなる7つのダイナミック・ポイントクラウド・データセットでの実験により、最新のG-PCC幾何ベースのソリッド・コンテンツ試験モデル（GeS-TM v10）に対して顕著な向上が示される。
- 幾何に関して、DUGAEは平均で+11.03 dBのBD-PSNR向上と93.95%のBDビットレート削減を報告しており、輝度（luma）成分では+4.23 dBのBD-PSNR向上と66.61%のBDビットレート削減を報告している。
- 本研究は知覚品質（PCQM）も改善し、V-PCCを上回る結果を報告しており、ソースコードのGitHubでの公開予定がある。
