三维点云编码通信进展

三维点云是三维视觉的最直接描述方式，应用领域广泛。随着传感、计算和通信技术的巨大进步，三维点云的应用场景越来越多，导致三维点云的数据量剧增，对现有的存储设备和通信系统带来巨大挑战。产业界和学术界纷纷关注到该问题，并围绕三维点云编码通信系统展开了深入研究。本文首先从产业界出发，对比国际MPEG（moving picture experts group）标准与国内AVS（audio video coding standard）标准的技术路线演进，阐述基于投影、八叉树及预测树等传统框架与新兴人工智能编码架构的异同。其次从压缩编码、采样增强、质量评价和传输控制4个方面全面梳理学术界在三维点云编码通信系统方面的研究进展。在压缩编码方面，重点探讨端到端深度学习架构在几何与属性压缩上的突破；在采样增强方面，分析针对稀疏非结构化数据的上下采样策略以及几何与颜色联合质量增强技术；在质量评价方面，归纳从点对点度量到多模态融合、以及基于码流分析的低复杂度评价新范式；在传输控制方面，论述精细化码率控制算法以及面向不可靠信道的联合信源信道编码与语义通信的最新成果。此外，本文深刻剖析国内外研究差异，指出虽然国际标准体系较为成熟且生态完善，但国内在人工智能驱动的压缩算法、无参考质量评价等领域已展现出显著创新优势。最后，对未来发展趋势进行研判，以期为该领域的研究人员和工程技术人员提供一定的参考。本文提及的算法已汇总至https://github.com/3DPCC/Point-Cloud-Coding-and-Transmission