G-PCC 압축 포인트 클라우드의 복셀 기반 포인트 클라우드 렌더링 (Voxel-based Point Clouds Rendering of G-PCC Compressed Point Clouds)

서지정보

· 발행기관 : 한국방송∙미디어공학회
· 수록지 정보 : 방송공학회 논문지 / 29권 / 6호 / 1033 ~ 1042페이지
· 저자명 : 강형우, 장선영, 오병태

초록

본 논문에서는 Geometry-based Point Cloud Compression (G-PCC)로 압축된 포인트 클라우드의 효율적인 렌더링 적용을 위하여복셀 기반 처리를 통한 포인트 클라우드 렌더링 방식을 제안한다. G-PCC의 기하 정보 압축 특성을 활용하여 포인트 클라우드를 복셀로 변환함으로써, 희소한 포인트 클라우드에서도 홀 (Hole)이 발생하지 않고 기존의 그리드 기반 CNN이 적용할 수 있도록 네트워크를 구성하였다. 또한, 포인트 클라우드의 지역적, 전역적 동시에 추출하고 개별 포인트들의 특성까지 추출하여, 3차원 모델의 세부적표현을 가능하게 하여 압축된 포인트 클라우드 스트리밍 환경에서도 네트워크의 표현 능력을 향상하도록 한다. 실험을 통해, 복셀 기반 처리가 포인트 클라우드의 지역적 및 전역적 특성을 효과적으로 분석할 수 있음을 확인하였다. 이러한 특성들은 네트워크가 새로운데이터에 대해 더 정확하고 안정적인 성능을 발휘하는 데 기여하였으며, 이를 통해 네트워크는 다양한 종류의 포인트 클라우드 데이터에서 높은 일반화 능력과 희소한 데이터에서도 우수한 성능을 달성할 수 있었다.

영어초록

In this paper, we propose a method to improve point cloud rendering performance through voxel-based processing when usingpoint clouds compressed by G-PCC as input. By transforming the point cloud into voxels, leveraging the geometric compressioncharacteristics of G-PCC, the network is structured to apply existing grid-based CNNs without causing holes, even in sparse pointclouds. Additionally, it enhances the network's representational capability in compressed point cloud streaming environments byanalyzing both local and global features of the point clouds, as well as individual point features, enabling detailed representation of3D models. Through experiments, it was confirmed that the voxel-based processing effectively analyzes both local and globalfeatures of point clouds. These features contributed to the network's ability to deliver more accurate and stable performance onnew data. As a result, the network demonstrated strong generalization ability across various types of point cloud data and excellentperformance even on sparse data.

참고자료

· 없음