公开(公告)号：CN119967190A

公开(公告)日：2025-05-09

申请号：CN202510125801.9

申请日：2025-01-27

Applicant: 重庆邮电大学

Inventor： 汪大勇 ,  杨浩 ,  马晓玉 ,  钟啸远

IPC: H04N19/597 ,  H04N19/503 ,  H04N19/593 ,  G06V20/40 ,  G06T3/4038 ,  G06T3/4046 ,  G06V10/80 ,  G06V10/764 ,  G06V10/82 ,  G06N3/0442 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明属于编码技术领域，涉及一种基于LSTM网络预测的动态点云快速编码方法，包括：获取点云并进行预处理，将预处理后的点云输入训练好的多层级预测划分网络，得到点云划分后的子编码单元，将子编码单元编码为比特流；多层级预测划分网络的训练过程包括：获取动态点云序列并进行预处理；将预处理后的动态点云序列输入多层级预测划分网络，得到划分后的子编码单元和预测占用结果；根据预测占用结果计算损失函数值来更新网络参数，直到得到训练好的网络；本发明利用各个层级的LSTM网络预测出CU的各个层级的占用结果，根据占用结果进而决定是否划分，同时各个层级的LSTM网络并行地对不同CU进行不同层级的划分预测，节省了编码时间。

公开(公告)号：CN119991834A

公开(公告)日：2025-05-13

申请号：CN202510084233.2

申请日：2025-01-20

Applicant: 重庆邮电大学

Inventor： 汪大勇 ,  钟啸远 ,  杨浩 ,  马晓玉

IPC: G06T9/00 ,  G06T19/20 ,  G06V10/80 ,  G06V10/40 ,  G06V10/82 ,  G06N3/0464

Abstract: 本发明公开了一种基于稀疏卷积神经网络的点云几何压缩方法，该方法包括：获取场景点云；利用稀疏卷积神经网络对点云稀疏张量进行处理，分别得到潜在变量和稀疏特征，对稀疏特征解码后得到稀疏预测特征；通过对所述潜在变量进行稀疏卷积上采样，得到重建特征；对点云稠密张量进行特征提取，得到稠密特征；根据所述稀疏预测特征和稠密特征，计算稀疏稠密残差特征；将所述稀疏稠密残差特征和重建特征进行特征融合，得到融合特征；对融合特征进行稀疏卷积上采样，得到重建点云。本发明减少了点云几何压缩编码冗余，明显提升了编码性能和压缩后点云的质量。

公开(公告)号：CN119676446A

公开(公告)日：2025-03-21

申请号：CN202411891592.0

申请日：2024-12-20

Applicant: 重庆邮电大学

Inventor： 汪大勇 ,  马晓玉 ,  杨浩 ,  钟啸远

IPC: H04N19/176 ,  H04N19/50 ,  H04N19/147 ,  H04N19/124 ,  H04N19/91 ,  H04N19/597 ,  G06N3/042 ,  G06T9/00

Abstract: 本发明属于点云技术领域，涉及一种基于图注意力网络的点云属性编码方法，包括：获取点云数据，对点云数据进行块划分；对经过块划分后的点云数据进行细节级别生成，按照细节级别生成顺序对点云属性进行预测，将具有属性信息的邻居点集输入到多头图注意力层进行特征提取，得到当前点的预测残差；对当前点预测残差进行编码得到属性码流；将属性码流输入到解码模块中，得到预测残差；在预测点集中搜索未预测点的邻居点集，将邻居点集输入到多头图注意力层中对当前点进行预测；将预测值与解码的预测残差进行合并，得到重构属性；本发明通过逐层递归预测编码的方式，实现了点云数据的高效压缩和精确重构，可应用于需要高效数据传输和存储的三维场景中。