颜色分类leetcode pcc geo cnn 学习点云几何压缩的卷积变换

颜色分类leetcode学习点云几何压缩的卷积变换更新后的版本： ,补充材料：作者： ,和隶属关系：L2S、CNRS、CentraleSupelec资金来源：ANR ReVeRy国家基金(REVERY ANR-17-CE23-0020)概述高效的点云压缩是部署虚拟和混合现实应用程序的基础，因为代码点的数量可以达到数百万。在本文中，我们提出了一种基于学习卷积变换和均匀量化的静态点云数据驱动几何压缩方法。我们使用权衡参数对速率和失真进行联合优化。此外，我们将解码过程转换为点云占用图的二元分类。我们的方法在Microsoft Voxelized Upper Bodies数据集上的率失真方面优于MPEG参考解决方案，平均节省51.5%的BDBR。此外，虽然基于八叉树的方法在低比特率下点数呈指数减少，但我们的方法即使在低比特率下仍能产生高分辨率输出。可以获得率失真数据。 eval_64_*文件对应于我们的方法， eval_mpeg_*文件对应于MPEG锚点。还可以对这些数据进行分析。版本Python 3.6.7和Tensorflow v