本发明公开了一种点云属性压缩方法、装置、终端及介质，所述方法通过属性变换模块将点云属性变换为隐特征，将隐特征转换为量化后的形式，熵编码模块中的熵模型基于先验信息估计隐特征的真实概率分布，并根据其概率分布使用熵编码器将其编码为码流；解码阶段为编码阶段的反过程，首先将解码需要的先验信息输入至熵模型中，得到待解码隐特征的概率分布，再利用该分布从码流中解码隐特征，使用属性变换模块中合成变换来从解码的隐特征中重建点云属性。因此，本发明实施例能够将点云属性变换与熵模型联合优化，以充分地利用GPU的并行处理能力，在压缩率与计算复杂度之间取得平衡，以保证在维持较快编解码速度的前提下实现较高的压缩性能。