KR20220127837A - Haar 기반 포인트 클라우드 코딩을 위한 방법 및 장치 - Google Patents

Haar 기반 포인트 클라우드 코딩을 위한 방법 및 장치 Download PDF

Info

Publication number
KR20220127837A
KR20220127837A KR1020227025354A KR20227025354A KR20220127837A KR 20220127837 A KR20220127837 A KR 20220127837A KR 1020227025354 A KR1020227025354 A KR 1020227025354A KR 20227025354 A KR20227025354 A KR 20227025354A KR 20220127837 A KR20220127837 A KR 20220127837A
Authority
KR
South Korea
Prior art keywords
point cloud
coding
attribute
haar
quantized transform
Prior art date
Application number
KR1020227025354A
Other languages
English (en)
Other versions
KR102645508B1 (ko
Inventor
웬 가오
시앙 장
샨 리우
Original Assignee
텐센트 아메리카 엘엘씨
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 텐센트 아메리카 엘엘씨 filed Critical 텐센트 아메리카 엘엘씨
Publication of KR20220127837A publication Critical patent/KR20220127837A/ko
Application granted granted Critical
Publication of KR102645508B1 publication Critical patent/KR102645508B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T9/00—Image coding
    • G06T9/40—Tree coding, e.g. quadtree, octree
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T9/00—Image coding
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T9/00—Image coding
    • G06T9/001—Model-based coding, e.g. wire frame
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T9/00—Image coding
    • G06T9/005—Statistical coding, e.g. Huffman, run length coding
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T9/00—Image coding
    • G06T9/007—Transform coding, e.g. discrete cosine transform
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/50—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using predictive coding
    • H04N19/597—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using predictive coding specially adapted for multi-view video sequence encoding
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/60—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using transform coding
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10028—Range image; Depth image; 3D point clouds
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2210/00—Indexing scheme for image generation or computer graphics
    • G06T2210/56—Particle system, point based geometry or rendering

Landscapes

  • Engineering & Computer Science (AREA)
  • Multimedia (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Signal Processing (AREA)
  • Discrete Mathematics (AREA)
  • Compression Or Coding Systems Of Tv Signals (AREA)
  • Compression, Expansion, Code Conversion, And Decoders (AREA)
  • Error Detection And Correction (AREA)
  • Compression Of Band Width Or Redundancy In Fax (AREA)
  • Computer Graphics (AREA)

Abstract

포인트 클라우드 디코더에서의 포인트 클라우드 속성 디코딩 방법에서, 포인트의 포인트 세트의 정렬 방법이 결정된다. 포인트 클라우드의 Haar 기반 속성 코딩의 변환 계수를 양자화하기 위한 양자화 파라미터가 포인트 클라우드의 코딩된 비트스트림의 제1 시그널링 정보에 기반하여 결정된다. Haar 기반 속성 코딩은 Haar 변환에 기반하여 포인트 클라우드의 포인트 세트에 대해 포인트 클라우드 압축을 수행하도록 구성된다. 양자화된 변환 계수를 디코딩하기 위한 엔트로피 디코딩 방법이, 제1 시그널링 정보에 기반하여 결정된 양자화 파라미터에 따라 결정된다. 양자화된 변환 계수가 추가로 엔트로피 디코딩 방법에 기반하여 결정된다. 결정된 정렬 방법 및 결정된 양자화된 변환 계수에 기반하여 포인트 클라우드의 속성을 재구성한다.

Description

HAAR 기반 포인트 클라우드 코딩을 위한 방법 및 장치
본 출원은 2021년 5월 10일에 출원되고 명칭이 "포인트 클라우드를 위한 HAAR 기반 속성 코딩"인 미국 가출원 번호 제63/159,409호에 대한 우선권을 주장하는, 2021년 8월 27일에 출원되고 명칭이 "HAAR 기반 포인트 클라우드 코딩을 위한 방법 및 장치"인 미국 특허 출원 번호 제17/446,263호에 대한 우선권을 주장하는 바이다. 선행 출원의 전체 개시는 그 전체가 참고로 여기에 포함된다.
본 개시는 포인트 클라우드에 대한 Haar 기반 속성 코딩(attribute coding)에 대한 개선을 포함하여, 일반적으로 포인트 클라우드 코딩과 관련된 실시예를 설명한다.
본 명세서에 제공된 배경 설명은 본 개시의 맥락을 일반적으로 제시하기 위한 것이다. 여기에서 제공된 배경 설명은 본 개시의 맥락을 일반적으로 제시하기 위한 것이다. 현재 명명된 발명가의 작업은 이 배경 섹션에 설명된 한도 내에서 그리고 출원 당시 선행 기술로 자격이 없는 설명의 측면은 명시적으로나 묵시적으로 본 개시의 선행 기술로 인정되지 않는다.
세계의 객체, 세계의 환경 등과 같은 세계를 3차원(3-dimensional, 3D) 공간으로 캡처하여 표현하기 위한 다양한 기술이 개발되고 있다. 세계를 3D로 표현하면 보다 몰입감 있는 형태의 상호 작용과 의사 소통이 가능한다. 포인트 클라우드(point cloud)는 세계의 3D 표현으로 사용될 수 있다. 포인트 클라우드는 3D 공간의 포인트 세트로, 각각은 연관된 속성 예를 들어, 색상, 물질(material) 특성, 텍스처 정보, 강도(intensity) 속성, 반사도(reflectivity) 속성, 모션 관련 속성, 양식(modality) 속성 및/또는 다양한 기타 속성을 갖는다. 이러한 포인트 클라우드에는 많은 양의 데이터가 포함될 수 있으며, 저장 및 전송에 비용과 시간이 많이 소요될 수 있다.
본 개시의 측면은 포인트 클라우드 압축 및 압축해제를 위한 방법 및 장치를 제공한다. 본 개시의 일 측면에 따르면, 포인트 클라우드 디코더에서의 포인트 클라우드 속성 디코딩 방법이 제공된다. 이 방법에서, 포인트 클라우드의 포인트 세트의 정렬(sorting) 방법이 결정될 수 있다. 포인트 클라우드의 Haar 기반 속성 코딩의 변환 계수를 양자화하기 위한 양자화 파라미터가, 포인트 클라우드의 코딩된 비트스트림 내의 제1 시그널링 정보에 기반하여 결정될 수 있다. Haar 기반 속성 코딩은 Haar 변환에 기반하여 포인트 클라우드의 포인트 세트에 대해 포인트 클라우드 압축을 수행하도록 구성될 수 있다. 양자화된 변환 계수를 디코딩하기 위한 엔트로피 디코딩(entropy decoding) 방법은, 제1 시그널링 정보에 기반하여 결정된 양자화 파라미터에 따라 결정될 수 있다. 양자화된 변환 계수가 추가로, 엔트로피 디코딩 방법에 기반하여 결정될 수 있다. 포인트 클라우드의 속성은 결정된 정렬 방법 및 결정된 양자화된 변환 계수에 기반하여 재구성될 수 있다.
일 예에서, 정렬 방법은 포인트 클라우드의 코딩된 비트스트림의 제2 시그널링 정보에 기반하여 결정될 수 있다. 정렬 방법은 제1 값과 같은(equal) 제2 시그널링 정보에 기반한 몰톤(Morton) 정렬일 수 있다. 다른 예에서, 정렬 방법은 제2 값과 같은 제2 시그널링 정보에 기반한 힐베르트(Hilbert) 정렬로 결정될 수 있다.
일부 실시예에서, 제1 시그널링 정보는 양자화 파라미터, 포인트 클라우드의 애플리케이션(application) 및 포인트 클라우드의 특성 중 하나에 기반하여 설정될 수 있다.
상기 방법에서, 엔트로피 디코딩 방법이 지수 골롬 코딩(exponential Golomb coding)일 때, 지수 골롬 코딩의 차수(order) k는 코딩된 비트스트림의 제3 시그널링 정보에 기반하여 결정될 수 있으며, 제3 시그널링 정보는 지수 골롬 코딩의 차수 k를 지시한다.
상기 방법에서, 엔트로피 디코딩 방법이 지수 골롬 코딩일 때, 지수 골롬 코딩의 차수 k는 양자화 파라미터에 기반하여 결정될 수 있다. 따라서, 차수
Figure pct00001
이다. max_k는 양자화된 변환 계수를 디코딩하기 위한 지수 골롬 코딩의 최대 차수(maximum order)이고, trans_coeff_qp는 양자화 파라미터의 값이며, s는 6 및 8 중 하나와 같은 양의 정수이다.
일부 실시예에서, 엔트로피 디코딩 방법에 기반하여 양자화된 변환 계수를 결정하기 위해, 양자화된 변환 계수의 절대값에서 임계값을 뺀 값이 지수 골롬 코딩 및 지수 골롬 코딩의 결정된 차수 k에 기반하여 디코딩될 수 있다. 임계값은 1, 2, 3 중 하나와 같을 수 있다.
일부 실시예에서, 엔트로피 디코딩 방법에 기반하여 양자화된 변환 계수를 결정하기 위해, 양자화된 변환 계수의 제1 양자화된 변환 계수 x가 디코딩될 수 있다. 제1 부분
Figure pct00002
이 차수 k가 0인 지수 골롬 코딩을 사용하여 코딩되고, 제2 부분(
Figure pct00003
modulo
Figure pct00004
)은 이진 형식으로 코딩되도록, 제1 양자화된 변환 계수 x는 지수 골롬 코딩에 의해 코딩될 수 있다.
상기 방법에서, 포인트 클라우드의 포인트 세트가 결정된 정렬 방법에 기반하여 정렬될 수 있다. 포인트 클라우드의 정렬된 포인트 세트는 코딩된 비트스트림의 시그널링 정보를 파티셔닝하는(partitioning) 것에 의해 지시되는 파티션 크기(partition size)에 기반하여, 복수의 세그먼트로 더 파티셔닝될 수 있다. 포인트 클라우드의 복수의 세그먼트 각각은 결정된 양자화된 변환 계수에 기반하여 각각 재구성될 수 있다.
일부 실시예에서, 복수의 세그먼트의 수는
Figure pct00005
과 같을 수 있으며, 여기서 N은 포인트 클라우드에서 포인트 세트의 수일 수 있고, M은 양의 정수일 수 있다.
Figure pct00006
은 N/M보다 크거나 같은 정수일 수 있다.
상기 방법에서, 포인트 클라우드를 재구성하기 위해, Haar 기반 속성 코딩과 연관된 Haar 변환 행렬의 ½의 스케일링 팩터(scaling factor)가 결정될 수 있다. 양자화된 변환 계수에 대해 역양자화 연산(inverse quantization operation)을 수행하여 Haar 기반 속성 코딩에 기반한 변환 계수를 획득할 수 있다. Haar 변환 행렬 및 변환 계수에 기반하여 포인트 클라우드에 대해 역변환 연산(inverse transform operation)을 수행하여 속성 잔차(attribute residual)를 획득할 수 있다. 포인트 클라우드의 속성은 추가로, 속성 잔차 및 Haar 기반 속성 코딩을 통해 획득된 포인트 클라우드의 예측 속성에 기반하여 재구성될 수 있다.
포인트 클라우드 데이터를 처리하는 장치는 상기 방법을 수행하도록 구성된다. 예를 들어, 포인트 클라우드 데이터를 처리하는 장치는 위에서 설명된 방법들 중 하나 이상을 수행하도록 구성된 수신 회로 및 처리 회로를 포함한다. 예를 들어, 상기 장치는 포인트 클라우드의 코딩된 비트스트림의 제1 시그널링 정보에 기반하여 포인트 클라우드의 포인트 세트의 정렬 방법을 결정하도록 구성되는 처리 회로를 포함할 수 있다. 처리 회로는 또한 포인트 클라우드의 코딩된 비트스트림의 제2 시그널링 정보에 기반하여 포인트 클라우드의 Haar 기반 속성 코딩의 변환 계수를 양자화하기 위한 양자화 파라미터를 결정하도록 구성될 수 있다. 처리 회로는 제2 시그널링 정보에 기반하여 결정되는 양자화 파라미터에 따라, 양자화된 변환 계수를 디코딩하기 위한 엔트로피 디코딩 방법을 결정하도록 구성될 수 있다. 처리 회로는 추가로, 엔트로피 디코딩 방법에 기반하여, 양자화된 변환 계수를 결정하도록 구성될 수 있다. 처리 회로는 결정된 정렬 방법 및 결정된 양자화된 변환 계수에 기반하여 포인트 클라우드의 속성을 재구성하도록 구성될 수 있다.
일부 실시예에서, 처리 회로는 추가로, 결정된 정렬 방법에 기반하여 포인트 클라우드의 포인트 세트를 정렬하도록 구성될 수 있다. 그런 다음, 처리 회로는 코딩된 비트스트림에서 시그널링 정보를 파티셔닝하는 것에 의해 지시되는 파티션 크기에 기반하여 포인트 클라우드의 정렬된 포인트 세트를 복수의 세그먼트로 파티셔닝하도록 구성될 수 있다. 이어서, 처리 회로는 결정된 양자화된 변환 계수에 기반하여 포인트 클라우드의 복수의 세그먼트 각각을 재구성하도록 구성될 수 있다. 일부 실시예에서, 복수의 세그먼트의 수는
Figure pct00007
과 같다. N은 포인트 클라우드에 있는 포인트 세트의 수이고, M은 양의 정수일 수 있다.
Figure pct00008
은 N/M보다 크거나 같은 정수일 수 있다.
본 개시의 측면에 따르면, 컴퓨터가 판독 가능한 비일시적 저장 매체가 제공된다. 컴퓨터가 판독 가능한 비일시적 저장 매체는 적어도 하나의 프로세서에 의해 실행될 때 적어도 하나의 프로세서로 하여금 위에서 설명된 방법 중 하나 이상을 수행하게 하는 명령어를 저장한다. 예를 들어, 상기 방법에서, 포인트 클라우드의 코딩된 비트스트림의 제1 시그널링 정보에 기반하여 포인트 클라우드의 포인트 세트의 정렬 방법이 결정될 수 있다. 포인트 클라우드의 Haar 기반 속성 코딩의 변환 계수를 양자화하기 위한 양자화 파라미터는, 포인트 클라우드의 코딩된 비트스트림의 제2 시그널링 정보에 기반하여 결정될 수 있다. 양자화된 변환 계수를 디코딩하기 위한 엔트로피 디코딩 방법은 제2 시그널링 정보에 기반하여 결정된 양자화 파라미터에 따라 결정될 수 있다. 양자화된 변환 계수는 추가로, 엔트로피 디코딩 방법에 기반하여 결정될 수 있다. 포인트 클라우드의 속성은 결정된 정렬 방법 및 결정된 양자화된 변환 계수에 기반하여 재구성될 수 있다.
개시된 주제의 추가 특징, 특성 및 다양한 이점은 다음의 상세한 설명 및 첨부 도면으로부터 더욱 명백해질 것이다.
도 1은 일 실시예에 따른 통신 시스템의 간략화된 블록도의 개략도이다.
도 2는 일 실시예에 따른 스트리밍 시스템의 단순화된 블록도의 개략도이다.
도 3은 일부 실시예에 따른 포인트 클라우드 프레임을 인코딩하는 인코더의 블록도를 도시한다.
도 4는 일부 실시예에 따른 포인트 클라우드 프레임에 대응하는 압축된 비트스트림을 디코딩하는 디코더의 블록도를 도시한다.
도 5는 일부 실시예에 따른 포인트 클라우드 프레임을 인코딩하는 인코더의 블록도를 도시한다.
도 6은 일부 실시예에 따른 포인트 클라우드 프레임에 대응하는 압축된 비트스트림을 디코딩하는 디코더의 블록도를 도시한다.
도 7은 일부 실시예에 따른 리프팅 기반 속성 코딩에서의 순방향 변환의 블록도를 도시한다.
도 8은 일부 실시예에 따른 리프팅 기반 속성 코딩에서의 역변환의 블록도를 도시한다.
도 9a는 본 개시의 일부 실시예에 따른 영역 적응 계층 변환(RAHT) 기반 속성 코딩에서의 순방향 변환의 다이어그램을 도시한다.
도 9b는 본 개시의 일부 실시예에 따른 영역 적응 계층 변환(RAHT) 기반 속성 코딩에서의 역변환의 다이어그램을 도시한다.
도 10은 본 개시의 일부 실시예에 따른 포인트 클라우드를 세그먼트로 파티셔닝하는 블록도를 도시한다.
도 11은 일부 실시예에 따른 예시적인 디코딩 프로세스를 개략하는 흐름도를 도시한다.
도 12는 일 실시예에 따른 컴퓨터 시스템의 개략도이다.
포인트 클라우드는 최근 몇 년 동안 더 널리 사용되게 되었다. 예를 들어, 포인트 클라우드는 객체 검출 및 위치 파악(localization)을 위해 자율 주행 차량에서 사용할 수 있다. 포인트 클라우드는 매핑을 위한 지리 정보 시스템(geographic information system, GIS)에서도 사용될 수 있으며, 문화 유산 객체(cultural heritage object) 및 컬렉션 등을 시각화하고 보관하는 데 사용할 수 있다.
포인트 클라우드는 일반적으로 3차원(three dimensions, 3D)의 고차원 포인트의 세트를 포함할 수 있다. 각각의 고차원 포인트는 3D 위치 정보 그리고 색상, 반사율 등과 같은 추가 속성을 포함할 수 있다. 고차원 포인트는 다양한 설정에서 다수의(multiple) 카메라와 깊이 센서 또는 라이다(Lidar)를 사용하여 캡처될 수 있으며, 원본 장면을 사실적으로 표현하기 위해 수천 또는 수십억 개의 포인트로 구성될 수 있다.
따라서, 더 빠른 전송 또는 저장의 감소를 위해 포인트 클라우드를 나타내기 위해 필요한 데이터의 양을 줄이기 위한 압축 기술이 필요하다. ISO/IEC MPEG(JTC 1/SC 29/WG 11)은 정적 또는 동적 포인트 클라우드에 대한 압축 기술을 표준화하기 위해 임시 그룹(ad-hoc group)(MPEG-PCC)을 만들었다. 또한, 중국의 오디오 비디오 코딩 표준 작업 그룹도 포인트 클라우드 압축을 표준화하기 위해 임시 그룹(AVS-PCC)을 만들었다.
도 1은 본 개시의 실시예에 따른 통신 시스템(100)의 간략화된 블록도를 예시한다. 통신 시스템(100)은 예를 들어 네트워크(150)를 통해 서로 통신할 수 있는 복수의 단말 디바이스를 포함한다. 예를 들어, 통신 시스템(100)은 네트워크(150)를 통해 상호 연결된 한 쌍의 단말 디바이스(110, 120)를 포함한다. 도 1에서, 제1 쌍의 단말 디바이스(110, 120)는 포인트 클라우드 데이터의 단방향 전송을 수행할 수 있다. 예를 들어, 단말 디바이스(110)는 단말 디바이스(110)와 연결된 센서(105)에 의해 캡처된 포인트 클라우드(예: 구조를 나타내는 포인트)를 압축할 수 있다. 압축된 포인트 클라우드는 예를 들어 비트스트림의 형태로 네트워크(150)를 통해 다른 단말 디바이스(120)로 전송될 수 있다. 단말 디바이스(120)는 네트워크(150)로부터 압축된 포인트 클라우드를 수신하고, 비트스트림을 압축해제하여 포인트 클라우드를 재구성하며, 재구성된 포인트 클라우드를 적절하게 디스플레이할 수 있다. 단방향 데이터 전송은 미디어 서빙 애플리케이션 등에서 일반적일 수 있다.
도 1의 예에서, 단말 디바이스(110, 120)는 서버 및 퍼스널 컴퓨터로 예시될 수 있지만, 본 발명의 원리는 이에 제한되지 않을 수 있다. 본 개시의 실시예는 랩톱 컴퓨터, 태블릿 컴퓨터, 스마트폰, 게임 단말, 미디어 플레이어, 및/또는 전용 3차원(3D) 장비를 사용한 애플리케이션을 찾는다. 네트워크(150)는 단말 디바이스(110, 120) 간에 압축된 포인트 클라우드를 전송하는 임의의 수의 네트워크를 나타낸다. 네트워크(150)는 예를 들어 유선(wired) 및/또는 무선 통신 네트워크를 포함할 수 있다. 네트워크(150)는 회선 교환 및/또는 패킷 교환 채널에서 데이터를 교환할 수 있다. 대표적인 네트워크는 통신 네트워크, 근거리 통신망, 광역 통신망, 및/또는 인터넷을 포함한다. 본 논의의 목적을 위해, 네트워크(150)의 아키텍처 및 토폴로지는 이하에서 설명되지 않는 한 본 개시의 작동에 중요하지 않을 수 있다.
도 2는 일 실시예에 따른 스트리밍 시스템(200)의 단순화된 블록도를 도시한다. 도 2의 예는 포인트 클라우드에 대해 개시된 주제에 대한 애플리케이션이다. 개시된 주제는 3D 텔레프레즌스(telepresence) 애플리케이션, 가상 현실 애플리케이션 등과 같은 다른 포인트 클라우드 인에이블드(enabled) 애플리케이션에 동일하게 적용될 수 있다.
스트리밍 시스템(200)은 캡처 서브시스템(213)을 포함할 수 있다. 캡처 서브시스템(213)은 포인트 클라우드 소스(201), 예를 들어 LIDAR(light detection and ranging) 시스템, 3D 카메라, 3D 스캐너, 소프트웨어에서 압축되지 않은 포인트 클라우드를 생성하는 그래픽 생성 컴포넌트, 그리고 예를 들어 압축되지 않은 포인트 클라우드(202)를 생성하는 유사한 것을 포함할 수 있다. 일 예에서, 포인트 클라우드(202)는 3D 카메라에 의해 캡처된 포인트를 포함한다. 포인트 클라우드(202)는 압축된 포인트 클라우드(204)(압축된 포인트 클라우드의 비트스트림)와 비교할 때 높은 데이터 볼륨을 강조하기 위해 굵은 선으로 묘사된다(depict). 압축된 포인트 클라우드(204)는 포인트 클라우드 소스(201)에 결합된 인코더(203)를 포함하는 전자 디바이스(220)에 의해 생성될 수 있다. 인코더(203)는 하드웨어, 소프트웨어, 또는 이들의 조합을 포함하여 아래에서 더 자세히 설명되는 바와 같이 개시된 주제의 측면을 가능하게 하거나 구현할 수 있다. 포인트 클라우드(202)의 스트림과 비교할 때 더 낮은 데이터 볼륨을 강조하기 위해 가는 선으로 묘사되는, 압축된 포인트 클라우드(204)(또는 압축된 포인트 클라우드(204)의 비트스트림)는 향후 사용을 위해 스트리밍 서버(205)에 저장될 수 있다. 도 2의 클라이언트 서브시스템(206 및 208)과 같은 하나 이상의 스트리밍 클라이언트 서브시스템은 스트리밍 서버(205)에 액세스하여 압축된 포인트 클라우드(204)의 사본(207, 209)을 검색할(retrieve) 수 있다. 클라이언트 서브시스템(206)은 예를 들어 전자 디바이스(230)에서 디코더(210)를 포함할 수 있다. 디코더(210)는 압축된 포인트 클라우드의 들어오는 사본(incoming copy)(207)을 디코딩하고, 렌더링 디바이스(212)에서 렌더링될 수 있는 재구성된 포인트 클라우드(211)의 나가는 스트림(outgoing stream)을 생성한다.
전자 디바이스(220, 230)는 다른 컴포넌트(도시되지 않음)를 포함할 수 있음에 유의한다. 예를 들어, 전자 디바이스(220)는 디코더(도시되지 않음)를 포함할 수 있고, 전자 디바이스(230)는 인코더(도시되지 않음)도 포함할 수 있다.
일부 스트리밍 시스템에서, 압축된 포인트 클라우드(204, 207, 209)(예: 압축된 포인트 클라우드의 비트스트림)은 특정 표준에 따라 압축될 수 있다. 일부 예에서, 비디오 코딩 표준은 포인트 클라우드의 압축에 사용된다. 이러한 표준의 예로는 고효율 비디오 코딩(High Efficiency Video Coding, HEVC), 다목적 비디오 코딩(Versatile Video Coding, VVC) 등이 있다.
도 3은 일부 실시예에 따른 포인트 클라우드 프레임을 인코딩하기 위한 V-PCC 인코더(300)의 블록도를 도시한다. 일부 실시예에서, V-PCC 인코더(300)는 통신 시스템(100) 및 스트리밍 시스템(200)에서 사용될 수 있다. 예를 들어, 인코더(203)는 V-PCC 인코더(300)와 유사한 방식으로 구성되고 작동할 수 있다.
V-PCC 인코더(300)는 압축되지 않은 입력으로서 포인트 클라우드 프레임을 수신하고, 압축된 포인트 클라우드 프레임에 대응하는 비트스트림을 생성한다. 일부 실시예에서, V-PCC 인코더(300)는 포인트 클라우드 소스(201) 등과 같은 포인트 클라우드 소스로부터 포인트 클라우드 프레임을 수신할 수 있다.
도 3에서, V-PCC 인코더(300)는 패치(patch) 생성 모듈(306), 패치 패킹(packing) 모듈(308), 지오메트리 이미지(geometry image) 생성 모듈(310), 텍스처(texture) 이미지 생성 모듈(312), 패치 정보 모듈(304), 점유 맵(occupancy map) 모듈(314), 평활화(smoothing) 모듈(336), 이미지 패딩(padding) 모듈(316 및 318), 그룹 확장(group dilation) 모듈(320), 비디오 압축 모듈(322, 323 및 332), 보조 패치 정보(auxiliary patch info) 압축 모듈(338), 엔트로피 압축 모듈(334) 및 다중화기(multiplexer)(324)를 포함한다.
본 개시의 측면에 따르면, V-PCC 인코더(300)는 압축된 포인트 클라우드를 압축해제된 포인트 클라우드로 변환하는 데 사용되는 일부 메타 데이터(예: 점유 맵 및 패치 정보)와 함께 3D 포인트 클라우드 프레임을 이미지 기반 표현(image-based representation)으로 변환한다. 일부 예에서, V-PCC 인코더(300)는 3D 포인트 클라우드 프레임을 지오메트리 이미지, 텍스처 이미지 및 점유 맵으로 변환한 다음, 비디오 코딩 기술을 사용하여 지오메트리 이미지, 텍스처 이미지 및 점유 맵을 비트스트림으로 인코딩할 수 있다. 일반적으로, 지오메트리 이미지는 픽셀에 투영된 포인트과 관련된 지오메트리 값으로 채워진 픽셀이 있는 2D 이미지이며, 지오메트리 값으로 채워진 픽셀을 지오메트리 샘플이라고 할 수 있다. 텍스처 이미지는 픽셀에 투영된 포인트들과 연관된 텍스처 값으로 채워진 픽셀로 이루어진 2차원 이미지이며, 텍스처 값으로 채워진 픽셀을 텍스처 샘플이라고 할 수 있다. 점유 맵은 패치가 점유하거나 점유하지 않음을 지시하는(indicate) 값으로 채워진 픽셀이 있는 2D 이미지이다.
패치는 일반적으로 포인트 클라우드에 의해 기술된 표면(surface)의 인접 서브세트를 지칭할 수 있다. 일 예에서, 패치는 임계값보다 작은 어긋나는 표면 법선 벡터(surface normal vector)를 갖는 포인트를 포함한다. 패치 생성 모듈(306)은 포인트 클라우드를 패치 세트로 세그먼트화하며(segment), 패치 세트는 중첩되거나 그렇지 않을 수 있으므로, 각 패치는 2D 공간의 평면에 대한 깊이 필드로 설명될 수 있다. 일부 실시예에서, 패치 생성 모듈(306)은 포인트 클라우드를 부드러운 경계를 갖는 최소 수의 패치로 분해하는(decomposing) 동시에 재구성 오류를 최소화하는 것을 목표로 한다.
패치 정보 모듈(304)은 패치의 크기 및 형상을 지시하는 패치 정보를 수집할 수 있다. 일부 예에서, 패치 정보는 이미지 프레임으로 패킹되고, 그런 다음 압축된 보조 패치 정보를 생성하기 위해 보조 패치 정보 압축 모듈(338)에 의해 인코딩될 수 있다.
패치 패킹 모듈(308)은 추출된 패치를 2차원(2D) 그리드(grid)에 매핑하면서 사용되지 않는 공간을 최소화하고 그리드의 모든
Figure pct00009
(예: 16×16) 블록이 고유한 패치와 연관되는 것을 보장한다. 효율적인 패치 패킹은 사용되지 않는 공간을 최소화하거나 시간적 일관성을 보장하여 압축 효율성에 직접적인 영향을 줄 수 있다.
지오메트리 이미지 생성 모듈(310)은 주어진 패치 위치에서 포인트 클라우드의 지오메트리와 연관된 2D 지오메트리 이미지를 생성할 수 있다. 텍스처 이미지 생성 모듈(312)은 주어진 패치 위치에서 포인트 클라우드의 텍스처와 관련된 2D 텍스처 이미지를 생성할 수 있다. 지오메트리 이미지 생성 모듈(310) 및 텍스처 이미지 생성 모듈(312)은 패킹 프로세스 동안 계산된 3D에서 2D로의 매핑을 활용하여 포인트 클라우드의 지오메트리 및 텍스처를 이미지로 저장한다. 다수의 포인트가 동일한 샘플에 투영될 때를 더 잘 처리하기 위해, 각 패치는 레이어(layer)라고 하는 두 개의 이미지에 투영된다. 일 예에서, 지오메트리 이미지는 YUV420-8비트 포맷의 W×H 단색 프레임(monochromatic frame)으로 표현된다. 텍스처 이미지를 생성하기 위해, 텍스처 생성 절차는 재구성된/평활화된 지오메트리를 활용하여, 재샘플링된 포인트와 연관될 색상(color)을 계산한다.
점유 맵 모듈(314)은 각 유닛에서 패딩 정보를 설명하는 점유 맵을 생성할 수 있다. 예를 들어, 점유 이미지는 그리드의 각 셀에 대해 셀이 빈 공간에 속하는지 아니면 포인트 클라우드에 속하는지를 지시하는 이진 맵을 포함한다. 일 예에서, 점유 맵은 픽셀이 패딩되는지를 각 픽셀에 대해 설명하는 이진 정보를 사용한다. 다른 예에서, 점유 맵은 픽셀 블록이 패딩되는지를 픽셀의 각 블록에 대해 설명하는 이진 정보를 사용한다.
점유 맵 모듈(314)에 의해 생성된 점유 맵은 무손실 코딩 또는 손실 코딩을 사용하여 압축될 수 있다. 무손실 코딩이 사용될 때, 엔트로피 압축 모듈(334)은 점유 맵을 압축하는데 사용된다. 손실 코딩이 사용될 때, 비디오 압축 모듈(332)이 점유 맵을 압축하는데 사용된다.
패치 패킹 모듈(308)은 이미지 프레임에 패킹된 2D 패치 사이에 일부 빈 공간을 남길 수 있다는 것에 유의한다. 이미지 패딩 모듈(316, 318)은 2D 비디오 및 이미지 코덱에 적합할 수 있는 이미지 프레임을 생성하기 위해, 빈 공간을 채울 수 있다(패딩이라고 함). 이미지 패딩은 사용되지 않는 공간을 중복 정보로 채울 수 있는 배경 채우기(background filling)라고도 한다. 일부 예에서, 좋은 배경 채우기는 비트 레이트를 최소한으로 증가시키고, 패치 경계 주위에 심각한 코딩 왜곡을 도입하지 않는다.
비디오 압축 모듈(322, 323, 332)은 HEVC, VVC 등과 같은 적절한 비디오 코딩 표준에 기반하여, 패딩된 지오메트리 이미지, 패딩된 텍스처 이미지 및 점유 맵과 같은 2D 이미지를 인코딩할 수 있다. 일 예에서, 비디오 압축 모듈(322, 323, 332)은 개별적으로 작동하는 개별 컴포넌트이다. 비디오 압축 모듈(322, 323, 332)은 다른 예에서 단일 컴포넌트로서 구현될 수 있음에 유의한다.
일부 예에서, 평활화 모듈(336)은 재구성된 지오메트리 이미지의 평활화된 이미지를 생성하도록 구성된다. 평활화된 이미지는 텍스처 이미지 생성(312)에 제공될 수 있다. 이후, 텍스쳐 이미지 생성(312)은 재구성된 지오메트리 이미지에 기반하여 텍스쳐 이미지의 생성을 조절할 수 있다. 예를 들어, 인코딩 및 디코딩 동안 패치 형상(예: 지오메트리)이 약간 왜곡될 때, 패치 형상의 왜곡을 보정하기 위해 텍스처 이미지를 생성할 때 왜곡이 고려될 수 있다.
일부 실시예에서, 그룹 확장(320)은 코딩 이득 및 재구성된 포인트 클라우드의 시각적 품질을 개선하기 위해 중복 저주파 콘텐츠(redundant low-frequency content)로 객체 경계 주변의 픽셀을 채우도록 구성된다.
다중화기(324)는 압축된 지오메트리 이미지, 압축된 텍스처 이미지, 압축된 점유 맵 및/또는 압축된 보조 패치 정보를 압축된 비트스트림으로 다중화할 수 있다.
도 4는 일부 실시예에 따른 포인트 클라우드 프레임에 대응하는 압축된 비트스트림을 디코딩하기 위한 V-PCC 디코더(400)의 블록도를 도시한다. 일부 실시예에서, V-PCC 디코더(400)는 통신 시스템(100) 및 스트리밍 시스템(200)에서 사용될 수 있다. 예를 들어, 디코더(210)는 V-PCC 디코더(400)와 유사한 방식으로 작동하도록 구성될 수 있다. V-PCC 디코더(400)는 압축된 비트스트림을 수신하고, 압축된 비트스트림에 기반하여 재구성된 포인트 클라우드를 생성한다.
도 4의 예에서, V-PCC 디코더(400)는 역다중화기(432), 비디오 압축해제 모듈(434, 436), 점유 맵 압축해제 모듈(438), 보조 패치 정보 압축해제 모듈(442), 지오메트리 재구성 모듈(444), 평활화 모듈(446), 텍스처 재구성 모듈(448), 및 색상 평활화 모듈(452)을 포함한다.
역다중화기(432)는 압축된 비트스트림을 수신하여 압축된 텍스처 이미지, 압축된 지오메트리 이미지, 압축된 점유 맵 및 압축된 보조 패치 정보로 분리할 수 있다.
비디오 압축해제 모듈(434, 436)은 적절한 표준(예: HEVC, VVC 등)에 따라 압축된 이미지를 디코딩하고 압축해제된 이미지를 출력할 수 있다. 예를 들어, 비디오 압축해제 모듈(434)은 압축된 텍스처 이미지를 디코딩하고 압축해제된 텍스처 이미지를 출력하며; 비디오 압축해제 모듈(436)은 압축된 지오메트리 이미지를 디코딩하고 압축해제된 지오메트리 이미지를 출력한다.
점유 맵 압축해제 모듈(438)은 적절한 표준(예: HEVC, VVC 등)에 따라 압축된 점유 맵을 디코딩하고 압축해제된 점유 맵을 출력할 수 있다.
보조 패치 정보 압축해제 모듈(442)은 압축된 보조 패치 정보를 적절한 표준(예: HEVC, VVC 등)에 따라 디코딩하고 압축해제된 보조 패치 정보를 출력할 수 있다.
지오메트리 재구성 모듈(444)은 압축해제된 지오메트리 이미지를 수신하고, 압축해제된 점유 맵 및 압축해제된 보조 패치 정보에 기반하여 재구성된 포인트 클라우드 지오메트리를 생성할 수 있다.
평활화 모듈(446)은 패치의 에지(edge)에서 불일치(incongruences)를 평활화할 수 있다. 평활화 절차는 압축 아티팩트(compression artifact)로 인해 패치 경계에서 발생할 수 있는 잠재적인 불연속성을 완화하는 것을 목표로 한다. 일부 실시예에서, 압축/압축해제에 의해 야기될 수 있는 왜곡을 완화하기 위해 평활화 필터가 패치 경계 상에 위치된 픽셀에 적용될 수 있다.
텍스처 재구성 모듈(448)은 압축해제된 텍스처 이미지 및 평활화 지오메트리에 기반하여 포인트 클라우드의 포인트에 대한 텍스처 정보를 결정할 수 있다.
색상 평활화 모듈(452)은 색상의 불일치를 평활화할 수 있다. 3D 공간에서 이웃하지 않은 패치는 종종 2D 비디오에서 나란히 패킹된다. 일부 예에서, 이웃하지 않은 패치로부터의 픽셀 값은 블록 기반 비디오 코덱에 의해 혼합될 수 있다. 색상 평활화의 목표는 패치 경계에 나타나는 눈에 보이는 아티팩트를 줄이는 것이다.
도 5는 일부 실시예에 따른 G-PPC 인코더(500)의 블록도를 도시한다. 인코더(500)는 포인트 클라우드 데이터를 수신하고 포인트 클라우드 데이터를 압축하여, 압축된 포인트 클라우드 데이터를 운반하는 비트 스트림을 생성하도록 구성될 수 있다. 일 실시예에서, 인코더(500)는 위치 양자화(position quantization) 모듈(510), 중복 포인트 제거(duplicated points removal) 모듈(512), 옥트리(octree) 인코딩 모듈(530), 속성 전달(attribute transfer) 모듈(520), LOD(level of detail) 생성 모듈 (540), 속성 예측 모듈(550), 잔차 양자화 모듈(560), 산술 코딩 모듈(570), 역 잔차 양자화 모듈(580), 가산 모듈(581), 및 재구성된 속성 값을 저장하는 메모리 (590)를 포함할 수 있다.
도시된 바와 같이, 입력 포인트 클라우드(501)가 인코더(500)에서 수신될 수 있다. 포인트 클라우드(501)의 위치(예: 3차원 좌표)가 양자화 모듈(510)에 제공된다. 양자화 모듈(510)은 좌표를 양자화하여 양자화된 위치를 생성하도록 구성된다. 중복 포인트 제거 모듈(512)은 양자화된 위치를 수신하고 필터 프로세스를 수행하여 중복 포인트를 식별 및 제거하도록 구성된다. 옥트리 인코딩 모듈(530)은 중복 포인트 제거 모듈(512)로부터 필터링된 위치를 수신하고, 옥트리 기반 인코딩 프로세스를 수행하여, 복셀(voxel)의 3D 그리드를 설명하는 점유 코드의 시퀀스를 생성하도록 구성된다. 점유 코드는 산술 코딩 모듈(570)로 제공된다.
속성 전달 모듈(520)은 입력 포인트 클라우드의 속성을 수신하고, 속성 전달 프로세스를 수행하여 복수의 속성 값이 각각의 복셀과 연관될 때 각 복셀에 대한 속성 값을 결정하도록 구성된다. 속성 전달 프로세스는 옥트리 인코딩 모듈(530)로부터 출력된 재정렬된 포인트들에 대해 수행될 수 있다. 전달 작동 후의 속성은 속성 예측 모듈(550)에 제공된다. LOD 생성 모듈(540)은 옥트리 인코딩 모듈(530)로부터 출력된 재정렬된 포인트에 대해 작동하고, 포인트를 상이한 LOD로 재구성하도록 구성된다. LOD 정보는 속성 예측 모듈(550)로 제공된다.
속성 예측 모듈(550)은 LOD 생성 모듈(540)로부터의 LOD 정보에 의해 지시되는 LOD 기반 차수에 따라 포인트를 처리한다. 속성 예측 모듈(550)은 메모리(590)에 저장된 현재 포인트의 이웃 포인트 세트의 재구성된 속성에 기반하여 현재 포인트에 대한 속성 예측을 생성한다. 예측 잔차는 속성 전달 모듈(520)로부터 수신된 원래 속성 값 및 국부적으로 생성된 속성 예측에 기반하여 후속적으로 획득될 수 있다. 각 속성 예측 프로세스에서 후보 인덱스가 사용될 때, 선택된 예측 후보에 대응하는 인덱스가 산술 코딩 모듈(570)로 제공될 수 있다.
잔차 양자화 모듈(560)은 속성 예측 모듈(550)로부터 예측 잔차를 수신하고, 양자화를 수행하여 양자화된 잔차를 생성하도록 구성된다. 양자화된 잔차는 산술 코딩 모듈(570)로 제공된다.
역 잔차 양자화 모듈(580)은 잔차 양자화 모듈(560)로부터 양자화된 잔차를 수신하고, 잔차 양자화 모듈(560)에서 수행된 양자화 연산의 역을 수행함으로써 재구성된 예측 잔차를 생성하도록 구성된다. 가산(addition) 모듈(581)은 역 잔차 양자화 모듈(580)로부터 재구성된 예측 잔차를 수신하고 속성 예측 모듈(550)로부터 각각의 속성 예측을 수신하도록 구성된다. 재구성된 예측 잔차와 속성 예측을 조합함으로써, 재구성된 속성 값이 생성되어 메모리(590)에 저장된다.
산술 코딩 모듈(570)은 점유 코드, 후보 인덱스(사용되면), 양자화된 잔차(생성되면) 및 기타 정보를 수신하고, 엔트로피 인코딩을 수행하여 수신된 값 또는 정보를 추가로 압축하도록 구성된다. 그 결과, 압축된 정보를 운반하는 압축된 비트스트림(502)이 생성될 수 있다. 비트스트림(502)은 압축된 비트스트림을 디코딩하는 디코더로 전송되거나 제공될 수 있거나 또는 저장 디바이스에 저장될 수 있다.
도 6은 일 실시예에 따른 G-PCC 디코더(600)의 블록도를 도시한다. 디코더(600)는 압축된 비트스트림을 수신하고, 포인트 클라우드 데이터 압축해제를 수행하여 비트스트림을 압축해제하여 디코딩된 포인트 클라우드 데이터를 생성하도록 구성될 수 있다. 일 실시예에서, 디코더(600)는 산술 디코딩 모듈(610), 역 잔차 양자화 모듈(620), 옥트리 디코딩 모듈(630), LOD 생성 모듈(640), 속성 예측 모듈(650) 및 재구성된 속성 값을 저장하기 위한 메모리(660)를 포함할 수 있다.
도시된 바와 같이, 압축된 비트스트림(601)은 산술 디코딩 모듈(610)에서 수신될 수 있다. 산술 디코딩 모듈(610)은 포인트 클라우드의 양자화된 잔차(생성되면) 및 점유 코드를 획득하기 위해 압축된 비트스트림(601)을 디코딩하도록 구성된다. 옥트리 디코딩 모듈(630)은 점유 코드에 따라 포인트 클라우드에서 포인트의 재구성된 위치를 결정하도록 구성된다. LOD 생성 모듈(640)은 재구성된 위치에 기반하여 포인트를 상이한 LOD로 재구성하고, LOD 기반 차수(LOD-based order)를 결정하도록 구성된다. 역 잔차 양자화 모듈(620)은 산술 디코딩 모듈(610)로부터 수신된 양자화된 잔차에 기반하여 재구성된 잔차를 생성하도록 구성된다.
속성 예측 모듈(650)은 속성 예측 프로세스를 수행하여 LOD 기반 차수에 따라 포인트에 대한 속성 예측을 결정하도록 구성된다. 예를 들어, 현재 포인트의 속성 예측은 메모리(660)에 저장된 현재 포인트의 이웃 포인트의 재구성된 속성 값에 기반하여 결정될 수 있다. 일부 예에서, 속성 예측은 현재 포인트에 대한 재구성된 속성을 생성하기 위해 각각의 재구성된 잔차와 조합될 수 있다.
속성 예측 모듈(650)에서 생성된 재구성된 속성의 시퀀스는 옥트리 디코딩 모듈(630)에서 생성된 재구성된 위치와 함께, 일 예에서 디코더(600)에서 출력되는 디코딩된 포인트 클라우드(602)에 대응한다. 또한, 재구성된 속성은 또한 메모리(660)에 저장되고 후속 포인트에 대한 속성 예측을 유도하기 위해 후속적으로 사용될 수 있다.
다양한 실시예에서, 인코더(300), 디코더(400), 인코더(500), 및/또는 디코더(600)는 하드웨어, 소프트웨어, 또는 이들의 조합으로 구현될 수 있다. 예를 들어, 인코더(300), 디코더(400), 인코더(500), 및/또는 디코더(600)는 ASIC(application specific integrated circuit), FPGA(field programmable gate array) 등과 같은 소프트웨어와 함께 또는 없이 작동하는 하나 이상의 집적 회로(integrated circuit, IC)와 같은 처리 회로로 구현될 수 있다. 다른 예에서, 인코더(300), 디코더(400), 인코더(500), 및/또는 디코더(600)는 비휘발성(또는 비일시적) 컴퓨터가 판독 가능한 저장 매체에 저장된 명령어를 포함하는 소프트웨어 또는 펌웨어로서 구현될 수 있다. 명령어는 하나 이상의 프로세서와 같은 처리 회로에 의해 실행될 때, 처리 회로로 하여금 인코더(300), 디코더(400), 인코더(500), 및/또는 디코더(600)의 기능을 수행하게 한다.
본 명세서에 개시된 속성 예측 기술을 구현하도록 구성된 속성 예측 모듈(550, 650)은 도 5 및 도 6에 도시된 것과 유사하거나 상이한 구조를 가질 수 있는 다른 디코더 또는 인코더에 포함될 수 있음에 유의한다. 또한, 인코더(500) 및 디코더(600)는 다양한 예에서 동일한 디바이스에 포함될 수도 있고, 별도의 디바이스에 포함될 수도 있다.
테스트 모델 13(TMC13)에서, 지오메트리 정보 및 색상 또는 반사율과 같은 포인트 클라우드의 관련 속성은 별도로 압축될 수 있다. 포인트 클라우드의 3차원 좌표인 지오메트리 정보는 포인트 클라우드의 점유 정보와 함께 옥트리 파티션(octree-partition)으로 코딩될 수 있다. 그런 다음, 예측, 리프팅(lifting) 및 영역 적응 계층 변환(region adaptive hierarchical transform, RAHT) 기술을 사용하여, 재구성된 지오메트리에 기반하여 속성을 압축할 수 있다.
포인트 클라우드에 대한 예측 기반 속성 코딩은 다음과 같이 설명될 수 있다. 단순화를 위해, 예측 기반 속성 코딩에서 하나의 LoD(level of detail)가 가정될 수 있다.
Figure pct00010
를 포인트 클라우드의 포인트과 연관된 파티션 세트로 하고,
Figure pct00011
는
Figure pct00012
와 연관된 몰톤 코드(Morton code)라고 한다. 먼저, 포인트는 포인트의 연관된 몰톤 코드에 따라 오름차순으로 정렬될 수 있다.
Figure pct00013
를 오름차순으로 정렬된 포인트 인덱스의 어레이라고 한다. 인코더/디코더는
Figure pct00014
에 의해 정의된 차수에 따라 포인트를 각각 압축/압축해제할 수 있다. 각 반복
Figure pct00015
에서 포인트
Figure pct00016
를 선택할 수 있다.
Figure pct00017
에서
Figure pct00018
(예:
Figure pct00019
=64)까지의 거리를 분석할 수 있고,
Figure pct00020
의
Figure pct00021
(예:
Figure pct00022
=3)개의 최근접 이웃을 선택하여 예측에 사용할 수 있다. 보다 정확하게, 포인트 i의 최근접 이웃의 거리에 기반하여 선형 보간 프로세스를 사용하여 속성 값
Figure pct00023
을 예측할 수 있다.
Figure pct00024
를 현재 포인트 i의 k개의 최근접 이웃 세트로 하고,
Figure pct00025
를 k개의 최근접 이웃의 세트의 디코딩/재구성된 속성값으로 하며, 그리고
Figure pct00026
를 현재 포인트 i에 대한 k개의 최근접 이웃의 세트의 거리라고 한다. 예측된 속성 값
Figure pct00027
은 이웃의 속성 값과 이웃 세트의 현재 지점까지의 거리에 기반하여, 수식 (1)에 따라 다음과 같이 계산될 수 있다:
Figure pct00028
수식 (1)
AVS-PCC의 예측 기반 속성 코딩은 MPEG의 속성 코딩과 상이할 수 있다. 한 가지 차이점은 정렬 차수(sorting order)이다. AVS-PCC에서 예측 기반 속성 코딩을 위해 힐베르트(Hilbert) 정렬 차수를 사용할 수 있다. AVS-PCC에서 예측 기반 속성 코딩의 코딩 프로세스는 다음과 같이 나타낼 수 있다: 먼저, 포인트 클라우드에서 포인트의 힐베르트 코드는 룩업 테이블을 사용하여 결정될 수 있다. 그런 다음, 포인트 클라우드의 모든 포인트는 포인트의 힐베르트 코드 값을 사용하여 정렬될 수 있다. 더 작은 힐베르트 코드를 가진 포인트는 더 큰 힐베르트 코드를 가진 포인트 앞에 나타날 수 있다.
리프팅 기반 속성 코딩은 예측 기반 속성 코딩에 기반하여 구축될 수 있다. 예측 기반 속성 코딩과 비교하여 리프팅 기반 속성 코딩에는 두 가지 추가적인 단계: (a) 업데이트 연산자(update operator)의 도입; 및 (b) 적응 양자화 전략의 사용이 도입된다.
예시를 위해, 리프팅 기반 속성 코딩의 작동은 도 7 및 도 8에 도시될 수 있다. 도 7은 리프팅 기반 속성 코딩에서 순방향 변환(700)의 블록도를 도시하며, 도 8은 리프팅 기반 속성 코딩에서의 역변환(800)의 블록도를 도시한다.
도 7에 도시된 바와 같이, 레벨 N의 속성 신호는 하이 패스 신호(high-pass signal) H(N)와 로우 패스 신호(low-pass signal)L(N)로 분리될 수 있다. L(N)은 예측 프로세스(702)에 기반하여 예측 신호 P(N)을 생성할 수 있다. H(N)과 L(N)의 차이에 기반하여 차이 신호(difference signal) D(N)가 생성될 수 있다. 차이 신호 D(N)는 업데이트된 신호 U(N)을 생성하기 위해 추가로 업데이트될 수 있다. U(N)과 L(N)의 합은 업데이트된 로우 패스 신호 L'(N)을 생성할 수 있다. L'(N)은 후속 레벨(N-1)에서 하이 패스 신호 H(N-1) 및 로우 패스 신호 L(N-1)로 더 분할될(split) 수 있다. L(N-1)은 레벨 N-1의 예측 신호 P(N-1)를 생성할 수 있다. H(N-1)과 L(N-1)의 차이에 기반하여 레벨 N-1의 차이 신호 D(N-1)가 생성될 수 있다. 차이 신호 D(N-1)는 레벨 N-1의 업데이트된 신호 U(N-1)를 생성하기 위해 추가로 업데이트될 수 있다. U(N-1)과 L(N-1)의 합은 레벨 N-1의 업데이트된 로우 패스 신호 L'(N-1)을 생성할 수 있다.
차분 신호 D(N-1) 및 업데이트된 로우 패스 신호 L'(N-1)은 D(N-2) 및 L'(N-2)로 더 분해될 수 있다. 기본 레이어의 업데이트된 로우 패스 신호 L'(0)을 획득할 때까지 분할 단계가 반복적으로 적용될 수 있다.
도 8에서, 리프팅 기반 속성 코딩의 역변환(800)이 제공된다. 도 8에 도시된 바와 같이, 업데이트된 로우 패스 신호 L'(0)과 업데이트된 신호 U(0)의 차이에 기반하여 레벨 0의 로우 패스 신호 L(0)이 생성될 수 있다. 업데이트된 신호 U(0)은 차분 신호 D(0)를 업데이트함으로써 획득된다. L(0)은 예측 프로세스(802)에 기반하여 예측 신호 P(0)를 추가로 생성할 수 있다. P(0)은 D(0)과 함께 가산되어 하이 패스 신호 H(0)를 생성한다. H(0) 및 L(0)을 병합하여(merge) 레벨 1의 업데이트된 로우 패스 L'(1)을 생성할 수 있다. 병합 단계는 레벨 N에서 하이 패스 신호 H(N)와 로우 패스 신호 L(N)이 생성될 때까지 반복적으로 적용될 수 있다. H(N) 및 L(N)은 재구성된 속성 신호를 형성하기 위해 추가로 병합될 수 있다.
도 9a는 RAHT 기반 속성 코딩을 위한 순방향 변환(900A)을 예시하며, 도 9b는 RAHT 기반 속성 코딩을 위한 역변환(900B)을 예시한다. 도 9a 및 도 9b에서,
Figure pct00029
및
Figure pct00030
이고 w 0는 입력 계수 F l +1,2 n 의 가중치의 표기(notation)이며, w 1은 입력 계수 F l +1,2 n +1의 가중치의 표기이다.
Haar 기반 속성 코딩은 AVS-PCC에서도 도입될 수 있다. Haar 기반 속성 코딩 기술은 다음과 같이 설명될 수 있다. Haar 기반 속성 코딩은 Haar 변환에 기반하여 포인트 클라우드의 포인트에 대해 포인트 클라우드 압축을 수행하도록 구성할 수 있다.
Haar 기반 속성 코딩의 제1 단계에서, 포인트 클라우드의 포인트는 속성 코딩 전에 몰톤 차수를 사용하여 정렬될 수 있으며, 여기서 더 작은 몰톤 코드를 갖는 포인트는 더 큰 몰톤 코드를 갖는 포인트 앞에 나타날 수 있다. 포인트 클라우드에서 k번째 포인트의 좌표는 (Xk, Yk, Zk)로 표시되며, k=0, ..., N-1이고, Xk, YK, 및 Zk는 수식 (2)-(4)의 3개의 L비트 수로 표현된다:
Figure pct00031
수식 (2)
Figure pct00032
수식 (3)
Figure pct00033
수식 (4)
k번째 포인트의 몰톤 코드는 3L 비트 수로 표현될 수 있으며, 이는 다음 수식 (5)와 같이 나타낼 수 있다:
Figure pct00034
수식 (5)
몰톤 차수의 대응하는 속성은
Figure pct00035
로 표시될 수 있다.
Haar 기반 속성 코딩의 제2 단계에서, Haar 변환은 다음과 같이 수식 (6)에서 몰톤 차수의 연속적인 포인트 쌍의 속성에 적용될 수 있다:
Figure pct00036
수식 (6)
여기서
Figure pct00037
는
Figure pct00038
에 대해
Figure pct00039
보다 작거나 같은 가장 큰 정수를 표시하며, Haar 변환 행렬 T는 수식 (7)에서 다음과 같이 표시될 수 있다:
Figure pct00040
수식 (7)
여기서,
Figure pct00041
는 Haar 변환 계수이다.
Figure pct00042
는 스케일링 팩터이다.
Figure pct00043
이 홀수이면 마지막 포인트
Figure pct00044
은 짝을 이룰 포인트가 없다. 마지막 포인트
Figure pct00045
의 대응하는 Haar 변환 계수는 수식 (8)에서 다음과 같이 표시될 수 있다:
Figure pct00046
수식 (8)
Figure pct00047
에 대한 고주파수 컴포넌트
Figure pct00048
은 그룹화되어 최종 Haar 변환 계수의 일부를 형성할 수 있다.
Figure pct00049
및
Figure pct00050
에 대한 저주파 컴포넌트
Figure pct00051
의 경우, N이 홀수이면, 하나의 컴포넌트만이 남을 때까지 연속 컴포넌트 쌍에 Haar 변환의 또 다른 라운드를 적용할 수 있다. 또한, 모든 고주파 컴포넌트와 마지막 컴포넌트는 그룹화되어 최종 Haar 변환 계수를 형성할 수 있으며, 이는
Figure pct00052
에 대해
Figure pct00053
로 표시될 수 있다.
Haar 기반 속성 코딩의 제3 단계에서, 변환 계수는 양자화될 수 있고 양자화된 변환 계수는 추가로 코딩될 수 있다.
Haar 기반 속성 코딩의 제4 단계에서, 역 Haar 변환이 양자화된 변환 계수에 적용되어 재구성된 속성을 획득할 수 있다. 잔차는 원래 속성에서 재구성된 속성을 빼는 것에 의해 계산될 수 있다.
Haar 기반 속성 코딩의 마지막 단계에서, 속성 잔차가 양자화될 수 있고, 양자화된 속성 잔차가 추가로 코딩될 수 있다.
속성 잔차에 대한 양자화 단계가
Figure pct00054
로 주어지면, 변환 계수에 대한 양자화 단계 크기
Figure pct00055
는 다음과 같이 수식 (9)에서 주어질 수 있다는 것에 유의해야 한다.
Figure pct00056
수식 (9)
또한, 속성 잔차 및 양자화 변환 계수의 코딩 방법은 동일할 수 있다. 예를 들어, 값 x가 주어지면, 코딩 방법은 다음과 같이 단계 (a)-(e)에서 설명될 수 있다:
(a) x가 0과 같은지를 지시하는 플래그를 코딩한다(x가 0과 같을 때 플래그 = 1이며; x가 0과 같지 않을 때 플래그 = 0임).
(b) x가 0과 같지 않으면, x의 부호(sign)를 코딩한다(x가 0보다 작거나 같을 때 부호= 0이고, x가 0보다 클 때 부호 =1임);
(c) x의 절대값이 1과 같은지를 지시하는 플래그를 코딩한다(|x|가 1과 같을 때 플래그 = 1이고; |x|>1일 때 플래그 = 0이며, |x|는 x의 절대값을 표시함)
(d) |x|>1이면, x의 절대값이 2와 같은지를 지시하는 플래그를 코딩한다(|x| 가 2와 같을 때 플래그 = 1이고; |x| > 2일 때 플래그=0임); 및
(e) |x|>2이면, |x|-3은 0번째 지수 골롬 코드를 사용한다.
AVS-PCC에서 채택된 Haar 기반 속성 코딩에는 몇 가지 문제가 있을 수 있다. 예를 들어, Haar 기반 속성 코딩에서 전체 포인트 클라우드의 속성은 Haar 변환의 다수의 레이어를 구성하는 데 사용된다. N개의 포인트를 갖는 포인트 클라우드의 경우, Haar 변환의
Figure pct00057
레이어를 적용하여 모든 최종 변환 계수를 획득해야 하며,
Figure pct00058
는
Figure pct00059
보다 작지 않은 최소 정수이다. 따라서, N이 크면 대기 시간(latency)이 커질 수 있다. 또한, 포인트의 정렬, 양자화 방식, 양자화된 변환 계수의 코딩 및 양자화된 속성 잔차도 개선될 수 있다.
본 개시는 Haar 기반 속성 코딩을 개선하기 위한 방법을 포함한다.
포인트의 정렬을 개선하기 위해, 일 실시예에서, 몰톤 차수 정렬(Morton order sorting)(몰톤 정렬 또는 몰톤 차수라고도 함) 대신에, 힐베르트 정렬(Hilbert sorting)(또는 힐베르트 차수)과 같은 상이한 정렬 차수가 Haar 기반 속성 코딩 전에 포인트 클라우드의 포인트를 정렬하기 위해 사용될 수 있다. 힐베르트 차수로 정렬된 포인트는 종종 이웃 포인트와 더 높은 상관관계를 가질 수 있으므로, 속성 코딩 성능 이득을 획득할 수 있다.
일 실시예에서, sort_method와 같은 정렬 방법 플래그는 Haar 기반 속성 코딩에서 어떤 정렬 방법이 사용되는지를 지시하는 데 사용될 수 있다. 정렬 방법 플래그는 시퀀스 파라미터 세트(sequence parameter set, SPS), 속성 파라미터 세트(attribute parameter set, APS), 슬라이스 헤더 등과 같은 높은 레벨의 신택스에서 운반될 수 있다. 예를 들어, 정렬 방법 플래그는 표 1과 같이 APS에 포함될 수 있다.
속성 파라미터 세트(APS)에서 운반되는 정렬 방법 플래그
attribute_parameter_set(　) { 디스크립터
… …
aps_sort_method u(1)
… …
byte_alignment(　)
}
표 1과 같이 정렬 방법 플래그(예: aps_sort_method)는 Haar 기반 속성 코딩 이전에 정렬 방법을 지정할 수 있다. 정렬 방법 플래그(예: aps_sort_method)가 제1 값(예: 0)과 같을 때, 몰톤 정렬이 사용됨을 지시한다. 정렬 방법 플래그(예: aps_sort_method)가 제2 값(예: 1)과 같을 때, 힐베르트 정렬과 같은 다른 정렬 방법이 사용됨을 지시한다. 일반적으로 증가 정렬 차수(increasing sorting order)가 사용됨을 유의한다. 그러나, 감소 정렬(decreasing sorting)도 사용될 수 있다. 또한, 정렬 방법은 몰톤 차수 및 힐베르트 차수로 제한되지 않으며, 다른 실시예에서 하나 이상의 상이한 정렬 방법이 이용될 수 있다. 다른 실시예에서, 힐베르트 정렬 차수가 항상 사용되며, 속성 파라미터 세트에 aps_sort_method 플래그를 추가할 필요가 없다.
일 실시예에서, 속성 잔차에 대한 양자화 파라미터에 기반하여 변환 계수에 대한 양자화 파라미터를 결정하는 대신에, 양자화 파라미터가 SPS, APS, 슬라이스 헤더 등과 같은 고레벨 신택스에서 지정될 수 있다. 따라서, 변환 계수에 대한 상이한 양자화 파라미터는 상이한 애플리케이션(예: 객체 검출 및 위치 파악, 매핑, 문화 유산 객체 시각화 및 보관) 또는 포인트 클라우드의 상이한 특성(예: 지오메트리 정보, 색상 및 반사율)에 기반하여 설정될 수 있다. 예를 들어, 양자화 파라미터는 APS에서 운반될 수 있으며, 이는 표 2에서 나타낼 수 있다.
APS에서 운반되는 양자화 파라미터를 보여주는 신택스
attribute_parameter_set(　) { 디스크립터
… …
aps_tran_coeff_qp ue(v)
… …
byte_alignment(　)
}
표 2에 도시된 바와 같이, 양자화 파라미터 플래그(예: aps_tran_coeff_qp)는 변환 계수를 양자화하기 위해 사용되는 양자화 파라미터를 지정할 수 있다. 인코더 측에서, 양자화 파라미터는 속성 잔차에 대한 양자화 파라미터에 기반하거나 또는 다른 기준, 예를 들어 애플리케이션(예: 객체 검출 및 위치 파악, 매핑 및/또는 문화 유산 객체 시각화 및 보관) 또는 포인트 클라우드의 상이한 특성(예: 지오메트리 정보, 색상 및 반사율)에 기반하여 설정될 수 있다. 또한, 결정된 양자화 파라미터는 양자화 파라미터 플래그(예: aps_tran_coeff_qp)를 통해 디코더 측에 시그널링될 수 있다. 다른 실시예에서, 비트스트림에서 aps_trans_coeff_qp를 직접 송신하는 대신에, aps_trans_qp_delta로 표시는 속성 잔차를 코딩하는 데 사용되는 aps_trans_coeff_qp와 qp 간의 차이가 비트스트림에서 운반될 수 있다.
양자화된 변환 계수의 특성은 원시(양자화되지 않은) 변환 계수의 특성에 의존할 수 있을 뿐만 아니라 양자화 파라미터에도 의존할 수 있다는 것이 관찰된다. 양자화 파라미터가 클 때, 양자화된 변환 계수가 0 값 주변에 더 집중될 수 있고 양자화된 변환 계수의 범위가 작을 수 있다. 그러나, 양자화 파라미터가 작을수록 양자화된 변환 계수는 더 큰 범위에서 더 많이 퍼지는 경향이 있다. 따라서, 양자화 파라미터가 상이할 때 상이한 코딩 방법이 활용될 수 있다.
애플리케이션에서, 지수 골롬 코드는 양자화된 변환 계수를 엔트로피 코딩하기 위해 적용될 수 있다. 일 실시예에서, 지수 골롬 코드의 차수는 변환 계수의 양자화 파라미터와 함께 SPS, APS, 슬라이스 헤더 등과 같은 상위 레벨 신택스에서 지정될 수 있다. 예를 들어, 지수 골롬 코드의 차수는 표 3과 같이 APS에서 지정될 수 있다.
APS에서 지수 골롬 코드의 차수를 보여주는 신택스
attribute_parameter_set(　) { 디스크립터
… …
aps_tran_coeff_qp ue(v)
aps_trans_coeff_eg_order
… …
byte_alignment(　)
}
표 3에서 전술한 바와 같이 양자화 파라미터 플래그 aps_tran_coeff_qp는 변환 계수를 양자화하기 위해 사용되는 양자화 파라미터를 지정할 수 있다. 코딩 플래그(예: aps_trans_coeff_eg_order)는 양자화된 변환 계수의 절대값에서 임계값을 뺀 값이 코딩될 때 지수 골롬 코드의 차수를 지정할 수 있다. 임계값은 전체 양자화된 변환 코딩 방식에 따라 2 또는 다른 값 예를 들어 1 또는 3일 수 있다.
지수 골롬 부호의 차수 k가 코딩 플래그(예: aps_trans_coeff_eg_order)에 의해 결정되면, k번째 차수 지수 골롬 코드를 사용하여 음이 아닌 정수
Figure pct00060
를 코딩하는 엔트로피 코딩 프로세스는 다음과 같이 수행될 수 있다: (a) 먼저, 0번째 지수 골롬 코드를 사용하여
Figure pct00061
을 인코딩하며; 그런 다음 (b) 이진 형식으로 (
Figure pct00062
modulo
Figure pct00063
)를 인코딩하며, 여기서
Figure pct00064
는 양자화된 변환 계수일 수 있다.
다른 실시예에서, 지수 골롬 코드의 차수 k는 더 작은 양자화 파라미터가 상대적으로 큰 차수를 요구한다는 원리에 의해 변환 계수에 대한 양자화 파라미터에 기반하여 묵시적으로 결정될 수 있다. 일 실시예에서, 차수 k는 다음과 같이 수식 (10)에서 지정될 수 있다:
Figure pct00065
수식 (10)
여기서 max_k는 양자화된 변환 계수의 코딩에 사용되는 지수 골롬 코드의 최대 차수이고, trans_coeff_qp는 변환 계수의 양자화에 사용되는 양자화 파라미터의 값이며, s는 양의 스칼라이며 종종 6 또는 8 등으로 설정된다. 일부 실시예에서, 양자화 파라미터의 값이 0과 같을 때, 무손실 코딩이 지시될 수 있다. 양자화 파라미터의 값이 증가할 때, 그에 따라 양자화 단계가 증가한다. 일부 실시예에서, max_k 값은 2 또는 3으로 설정될 수 있다.
AVS-PCC에서, 위에서 언급한 바와 같이, N개의 포인트를 갖는 포인트 클라우드의 경우, Haar 변환(또는 Haar 기반 변환)의
Figure pct00066
레이어가 모든 최종 변환 계수를 획득하기 위해 적용될 필요가 있으며, 이는 N이 크면 대기 시간이 길어진다.
일 실시예에서, N개의 포인트를 갖는 포인트 클라우드가 먼저 선택적으로 정렬될 수 있다. 예를 들어. 포인트 클라우드는 앞에서 설명한 몰톤 차수 또는 힐베르트 차수를 사용하여 선택적으로 정렬될 수 있다. 정렬 차수는 몰톤 차수 및 힐베르트 차수로 제한되지 않으며, 다른 실시예에서 하나 이상의 상이한 정렬 차수가 이용될 수 있다. 정렬된 N개의 포인트는 다수의 세그먼트로 더 파티셔닝될 수 있다. 다수의 세그먼트 각각은 마지막 세그먼트가 M개보다 작은 포인트를 포함할 수 있다는 점을 제외하고 M개의 포인트를 포함할 수 있다. 세그먼트의 수는 K=
Figure pct00067
로 표현될 수 있다. 파티션이 예를 들어, 도 10에 도시될 수 있다.
각 세그먼트에 대해 다층(multi-layer) Haar 변환이 적용될 수 있다. 다수의 세그먼트는 서로 의존하지 않기 때문에 다수의 세그먼트를 병렬로 인코딩/디코딩할 수 있다. 병렬 인코딩/디코딩은 인코딩/디코딩 대기 시간을 줄이는 데 도움이 될 수 있다. 또한, 각 세그먼트를 직렬 방식으로 인코딩/디코딩하면 메모리 요건을 크게 줄일 수 있다.
AVS-PCC에서, 고정 소수점 연산은 수식 (7)에 나타낸 변환 행렬 T에서의 스케일링 팩터
Figure pct00068
또는
Figure pct00069
로 인해 순방향 Haar 기반 변환 및 역 Haar 기반 변환 모두에서 활용된다.
일 실시예에서, 순방향 Haar 기반 변환 및 역 Haar 기반 변환은 동일할 수 있으며, 이는 수식 (1)에서 나타낼 수 있다. 다른 실시예에서, 순방향 Haar 기반 변환의 변환 행렬의 스케일링 팩터는 하나일 수 있으며, 이는 수식 (11)에서 나타낼 수 있다. 역 Haar 기반 변환의 변환 행렬에서 스케일링 팩터는 ½일 수 있으며, 이는 수식 (12)에서 나타낼 수 있다.
Figure pct00070
수식 (11)
Figure pct00071
수식 (12)
Figure pct00072
이 홀수이면, 마지막 포인트
Figure pct00073
은 짝을 이룰 포인트가 없다. 마지막 포인트
Figure pct00074
에 대한 대응하는 변환 계수는 다음과 같이 수식 (13)으로 표시될 수 있다.
Figure pct00075
수식 (13)
따라서, 역 Haar 기반 변환 동안,
Figure pct00076
이 홀수이면 변환 계수는 마지막 포인트에 대해 2로 나눌 수 있다. 따라서, 정수 연산만 요구된다. 변환 및 역변환 복잡성을 줄일 수 있다.
본 개시는 TMC13 소프트웨어, MPEG-PCC, 또는 AVS-PCC 표준으로 제한되지 않는다는 점에 유의해야 한다. 본 개시는 대부분의 PCC 시스템에 대한 일반적인 솔루션을 제공한다. 또한, 본 개시의 방법 및 실시예는 별도로 사용되거나 임의의 순서로 조합되어 사용될 수 있다. 또한, 각각의 방법(또는 실시예)은 처리 회로(예: 하나 이상의 프로세서 또는 하나 이상의 집적 회로)에 의해 구현될 수 있다. 일 예에서, 하나 이상의 프로세서는 컴퓨터가 판독 가능한 비일시적 매체에 저장된 프로그램을 실행할 수 있다.
도 11은 본 개시의 실시예에 따른 프로세스(1100)를 개략적으로 나타내는 흐름도를 도시한다. 프로세스(1100)는 포인트 클라우드에 대한 디코딩 프로세스 동안 사용될 수 있다. 다양한 실시예에서, 프로세스(1100)는 단말 디바이스(110)의 처리 회로, 인코더(203) 및/또는 디코더(201)의 기능을 수행하는 처리 회로, 인코더(300), 디코더(400), 인코더(500) 및/또는 디코더(600)의 기능을 수행하는 처리 회로 등과 같은 처리 회로에 의해 실행될 수 있다. 일부 실시예에서, 프로세스(1100)는 소프트웨어 명령어로 구현될 수 있고, 따라서 처리 회로가 소프트웨어 명령어를 실행할 때, 처리 회로는 프로세스(1100)를 수행한다.
도 11에 도시된 바와 같이, 프로세스(1100)는 (S1101)에서 시작하여 (S1110)으로 진행한다.
(S1110)에서, 포인트 클라우드의 코딩된 비트스트림의 제1 시그널링 정보에 기반하여, 포인트 클라우드의 포인트 세트의 정렬 방법이 결정될 수 있다.
(S1120)에서, 포인트 클라우드의 코딩된 비트스트림의 제2 시그널링 정보에 기반하여, 포인트 클라우드의 Haar 기반 속성 코딩의 변환 계수를 양자화하기 위한 양자화 파라미터가 결정될 수 있다.
(S1130)에서, 제2 시그널링 정보에 기반하여 결정된 양자화 파라미터에 따라, 양자화된 변환 계수를 디코딩하기 위한 엔트로피 디코딩 방법이 결정될 수 있다.
(S1140)에서, 양자화된 변환 계수가 추가로, 엔트로피 디코딩 방법에 기반하여 결정될 수 있다.
(S1150)에서, 결정된 정렬 방법 및 양자화된 변환 계수에 기반하여 포인트 클라우드의 속성을 재구성할 수 있다.
일 예에서, 정렬 방법은 제1 값과 같은 제1 시그널링 정보에 기반하여 몰톤 정렬인 것으로 결정될 수 있다. 다른 예에서, 정렬 방법은 제2 값과 같은 제1 시그널링 정보에 기반하여 힐베르트 정렬인 것으로 결정될 수 있다.
일부 실시예에서, 제2 시그널링 정보는 양자화 파라미터, 포인트 클라우드의 애플리케이션 및 포인트 클라우드의 특성 중 하나에 기반하여 설정될 수 있다.
프로세스(1100)에서, 엔트로피 디코딩 방법이 지수 골롬 코딩일 때, 지수 골롬 코딩의 차수 k는 코딩된 비트스트림의 제3 시그널링 정보에 기반하여 결정될 수 있으며, 여기서 제3 시그널링 정보는 지수 골롬 코딩의 차수 k를 지시한다.
프로세스(1100)에서, 엔트로피 디코딩 방법이 지수 골롬 코딩일 때, 지수 골롬 코딩의 차수 k는 양자화 파라미터에 기반하여 결정될 수 있다. 따라서, 차수
Figure pct00077
이다. max_k는 양자화된 변환 계수를 디코딩하기 위한 지수 골롬 코딩의 최대 차수이고, trans_coeff_qp는 양자화 파라미터의 값이며, s는 6 및 8 중 하나와 같은 양의 정수이다.
일부 실시예에서, 엔트로피 디코딩 방법에 기반하여 양자화된 변환 계수를 결정하기 위해, 양자화된 변환 계수의 절대값에서 임계값을 뺀 값이 지수 골롬 코딩 및 지수 골롬 코딩의 결정된 차수 k에 기반하여 디코딩될 수 있다. 임계값은 1, 2, 3 중 하나와 같을 수 있다.
일부 실시예에서, 엔트로피 디코딩 방법에 기반하여 양자화된 변환 계수를 결정하기 위해, 양자화된 변환 계수의 제1 양자화된 변환 계수 x가 디코딩될 수 있다. 제1 부분
Figure pct00078
이 차수 k가 0인 지수 골롬 코딩을 사용하여 코딩되고, 제2 부분(x modulo
Figure pct00079
)은 이진 형식으로 코딩되도록, 제1 양자화된 변환 계수 x는 지수 골롬 코딩에 의해 코딩될 수 있다.
프로세스(1100)에서, 포인트 클라우드의 포인트 세트는 결정된 정렬 방법에 기반하여 정렬될 수 있다. 포인트 클라우드의 정렬된 포인트 세트는 코딩된 비트스트림에서 시그널링 정보를 파티셔닝하는 것에 의해 지시되는 파티션 크기에 기반하여 복수의 세그먼트로 더 파티셔닝될 수 있다. 포인트 클라우드의 복수의 세그먼트 각각은 결정된 양자화된 변환 계수에 기반하여 재구성될 수 있다.
일부 실시예에서, 복수의 세그먼트의 수는
Figure pct00080
과 동일할 수 있으며, 여기서 N은 포인트 클라우드의 포인트 세트의 수일 수 있고 M은 양의 정수일 수 있다.
프로세스(1100)에서, 포인트 클라우드를 재구성하기 위해, Haar 기반 속성 코딩과 연관된 Haar 변환 행렬의 ½의 스케일링 팩터가 결정될 수 있다. 양자화된 변환 계수에 대해 역양자화 연산을 수행하여 Haar 기반 속성 코딩에 기반한 변환 계수를 획득할 수 있다. Haar 변환 행렬 및 변환 계수에 기반하여 포인트 클라우드에 대해 역변환 연산을 수행하여 속성 잔차를 획득할 수 있다. 포인트 클라우드의 속성은 추가로, 속성 잔차 및 Haar 기반 속성 코딩을 통해 획득된 포인트 클라우드의 예측 속성에 기반하여 재구성될 수 있다.
위에서 언급한 바와 같이, 위에서 설명된 기술은 컴퓨터가 판독 가능한 명령어를 사용하여 컴퓨터 소프트웨어로서 구현될 수 있고, 물리적으로 하나 이상의 컴퓨터가 판독 가능한 매체에 저장될 수 있다. 예를 들어, 도 12는 개시된 주제의 특정 실시예를 구현하기에 적합한 컴퓨터 시스템(1800)을 도시한다.
컴퓨터 소프트웨어는 임의의 적절한 머신 코드 또는 컴퓨터 언어를 사용하여 코딩될 수 있으며, 이는 어셈블리, 컴파일, 링크 또는 유사한 메커니즘 하에서 해석(interpretation), 마이크로 코드 실행 및 하나 이상의 컴퓨터 중앙 처리 유닛(central processing unit, CPU), 그래픽 처리 유닛(Graphics Processing Unit, GPU) 등을 통해 또는 직접 실행될 수 있는 명령어를 포함하는 코드를 생성한다.
명령어는 예를 들어 개인용 컴퓨터, 태블릿 컴퓨터, 서버, 스마트 폰, 게임 디바이스, 사물 인터넷 디바이스 등을 포함하는 다양한 유형의 컴퓨터 또는 그 컴포넌트에서 실행될 수 있다.
컴퓨터 시스템(1800)에 대해 도 12에 도시된 컴포넌트는 본질적으로 예시적인 것이며, 본 개시의 실시예를 구현하는 컴퓨터 소프트웨어의 사용 또는 기능의 범위에 대한 어떠한 제한도 제안하도록 의도되지 않는다. 컴포넌트의 구성은 컴퓨터 시스템(1800)의 예시적인 실시예에 예시된 컴포넌트의 임의의 하나 또는 조합과 관련된 임의의 종속성 또는 요구 사항을 갖는 것으로 해석되어서는 안된다.
컴퓨터 시스템(1800)은 특정한 휴먼 인터페이스 입력 디바이스를 포함할 수 있다. 이러한 휴먼 인터페이스 입력 디바이스는 예를 들어, 촉각 입력(예: 키스트로크(keystroke), 스와이프, 데이터 글러브 움직임), 오디오 입력(예: 음성, 박수), 시각적 입력(예: 제스처), 후각 입력(도시되지 않음)을 통해 한 명 이상의 인간 사용자의 입력에 응답할 수 있다. 휴먼 인터페이스 디바이스는 또한 오디오(예: 음성, 음악, 주변 소리), 이미지(예: 스캔된 이미지, 정지 이미지 카메라로부터 획득하는 사진 이미지), 비디오(예: 2차원 비디오, 입체 비디오를 포함한 3차원 비디오)와 같이 인간의 의식적 입력과 직접 관련이 없는 특정 미디어를 캡처하는 데 사용될 수도 있다.
입력 휴먼 인터페이스 디바이스는 키보드(1801), 마우스(1802), 트랙패드(1803), 터치 스크린(1810), 데이터 글러브(도시되지 않음), 조이스틱(1805), 마이크(1806), 스캐너(1807), 카메라(1808) 중 하나 이상(각 도시된 것 중 하나만)을 포함할 수 있다.
컴퓨터 시스템(1800)은 또한 특정 휴먼 인터페이스 출력 디바이스를 포함할 수 있다. 이러한 휴먼 인터페이스 출력 디바이스는 예를 들어 촉각 출력, 소리, 빛 및 냄새/맛을 통해 한 명 이상의 인간 사용자의 감각을 자극할 수 있다. 이러한 휴먼 인터페이스 출력 디바이스는, 촉각 출력 디바이스(예를 들어, 터치 스크린(1810), 데이터 글러브(도시되지 않음), 또는 조이스틱(1805)에 의한 촉각 피드백을 포함하지만, 입력 디바이스로서 기능하지 않는 촉각 피드백 디바이스일 수도 있음), 오디오 출력 디바이스(예: 스피커(1809), 헤드폰(도시되지 않음)), 시각 출력 디바이스(예: CRT 스크린, LCD 스크린, 플라즈마 스크린, OLED 스크린을 포함하는 스크린(1810)를 포함하며, 이들 각각은 터치 스크린 입력 기능을 가지고 있을 수도 없을 수도 있고, 이들 각각은 촉각 피드백 능력을 가지고 있을 수도 없을 수도 있으며, 일부는 2차원 시각 출력 또는 가상 현실 안경(도시되지 않음), 홀로그래픽 디스플레이 및 스모크 탱크(smoke tank, 도시되지 않음)와 같은 스테레오그래픽 출력 수단을 통한 3차원 출력이 가능함), 및 프린터(도시되지 않음)를 포함할 수 있다.
컴퓨터 시스템(1800)은 또한 사람이 액세스할 수 있는 저장 디바이스 및 이와 연관된 매체로서, CD/DVD를 가진 CD/DVD ROM/RW(1820) 또는 이와 유사한 매체(1821)를 포함하는 광학 매체, 썸 드라이브(thumb-driver)(1822), 탈착식 하드 드라이브 또는 솔리드 스테이트 드라이브(1823), 테이프 및 플로피 디스크(도시되지 않음)와 같은 레거시 자기 매체, 보안 동글(도시되지 않음)과 같은 특수 ROM/ASIC/PLD 기반 디바이스 등을 포함한다.
당업자는 또한 현재 개시된 주제와 관련하여 사용되는 용어 "컴퓨터가 판독 가능한 매체"가 전송 매체, 반송파, 또는 다른 일시적 신호를 포함하지 않는다는 것을 이해해야 한다.
컴퓨터 시스템(1800)은 또한, 하나 이상의 통신 네트워크에 대한 인터페이스를 포함할 수 있다. 네트워크는 예를 들어, 무선, 유선, 광일 수 있다. 네트워크는 또한 로컬, 광역, 대도시, 차량 및 산업, 실시간, 지연 허용 등일 수 있다. 네트워크의 예로는 이더넷과 같은 근거리 네트워크, 무선 LAN, GSM, 3G, 4G, 5G, LTE 등을 포함하는 셀룰러 네트워크, 케이블 TV, 위성 TV 및 지상파 방송 TV를 포함하는 TV 유선 또는 무선 광역 디지털 네트워크, CANBus를 포함하는 차량 및 산업용 등이 포함된다. 특정 네트워크는 일반적으로 특정 범용 데이터 포트 또는 주변기기 버스(1849)(예를 들어, 컴퓨터 시스템(1800)의 USB 포트)에 부착된 외부 네트워크 인터페이스 어댑터를 필요로 하며; 다른 것들은 아래에서 설명된 바와 같이, 일반적으로 시스템 버스에 부착되는 것(예를 들어, PC 컴퓨터 시스템에 대한 이더넷 인터페이스 또는 스마트 폰 컴퓨터 시스템에 대한 셀룰러 네트워크 인터페이스)에 의해 컴퓨터 시스템(1800)의 코어에 통합된다. 이러한 네트워크 중 임의의 것을 사용하여 컴퓨터 시스템(1800)은 다른 엔티티와 통신할 수 있다. 이러한 통신은 예를 들어, 로컬 또는 광역 디지털 네트워크를 사용하는 다른 컴퓨터 시스템에 대한, 단방향, 수신 전용(예를 들어, 방송 TV), 단방향 송신 전용(예를 들어, CANbus에서 특정 CANbus 디바이스로) 또는 양방향일 수 있다. 특정 프로토콜 및 프로토콜 스택이 위에서 설명한 바와 같이 각 네트워크 및 네트워크 인터페이스에서 사용될 수 있다.
전술한 휴먼 인터페이스 디바이스, 사람이 액세스할 수 있는 저장 디바이스 및 네트워크 인터페이스는 컴퓨터 시스템(1800)의 코어(1840)에 부착될 수 있다.
코어(1840)는 하나 이상의 중앙 처리 유닛(CPU)(1841), 그래픽 처리 유닛(GPU)(1842), FPGA(Field Programmable Gate Areas) 형태의 특수 프로그래머블 처리 유닛(1843), 특정 태스크에 대한 하드웨어 가속기(1844) 등을 포함할 수 있다. 읽기 전용 메모리(Read-only memory, ROM)(1845), 랜덤 액세스 메모리(1846), 내부 비 사용자 액세스 가능 하드 드라이브, SSD 등과 같은 내부 대용량 스토리지(1847)와 함께 이러한 디바이스는 시스템 버스(1848)를 통해 연결될 수 있다. 일부 컴퓨터 시스템에서, 시스템 버스(1848)는 추가 CPU, GPU 등에 의한 확장을 가능하게 하기 위해 하나 이상의 물리적 플러그의 형태로 액세스할 수 있다. 주변 디바이스는 코어의 시스템 버스(1848)에 직접 또는 주변기기 버스(1849)를 통해 부착될 수 있다. 주변 버스의 아키텍처에는 PCI, USB 등이 포함된다.
CPU(1841), GPU(1842), FPGA(1843), 및 가속기(1844)는 조합하여 전술한 컴퓨터 코드를 구성할 수 있는 특정 명령어를 실행할 수 있다. 이 컴퓨터 코드는 ROM(1845) 또는 RAM(1846)에 저장될 수 있다. 과도기 데이터(Transitional data)는 RAM(1846)에 저장될 수도 있지만 영구(permanent) 데이터는 예를 들어 내부 대용량 스토리지(1847)에 저장될 수 있다. 하나 이상의 CPU(1841), GPU(1842), 대용량 스토리지(1847), ROM(1845), RAM(1846) 등과 밀접하게 연관될 수 있는 캐시 메모리를 사용하여 모든 메모리 디바이스에 대한 빠른 저장 및 검색을 가능하게 할 수 있다.
컴퓨터가 판독 가능한 매체는 다양한 컴퓨터 구현 작동을 수행하기 위한 컴퓨터 코드를 가질 수 있다. 매체 및 컴퓨터 코드는 본 개시의 목적을 위해 특별히 설계되고 구성된 것이거나, 컴퓨터 소프트웨어 분야의 숙련자에게 잘 알려져 있고 이용 가능한 종류일 수 있다.
제한이 아닌 예로서, 아키텍처(1800)를 갖는 컴퓨터 시스템, 특히 코어(1840)는 하나 이상의 유형의 컴퓨터가 판독 가능한 매체에 구현된 소프트웨어를 실행하는 프로세서(들)(CPU, GPU, FPGA, 가속기 등을 포함)의 결과로서 기능을 제공할 수 있다. 이러한 컴퓨터가 판독 가능한 매체는 위에서 소개된 사용자 액세스 가능 대용량 스토리지와 관련된 미디어일 수 있으며, 코어 내부 대용량 스토리지(1847) 또는 ROM(1845)과 같은 비 일시적 특성을 가진 코어(1840)의 특정 스토리지일 수 있다. 본 개시의 다양한 실시예를 구현하는 소프트웨어는 이러한 디바이스에 저장되고 코어(1840)에 의해 실행될 수 있다. 컴퓨터가 판독 가능한 매체는 특정 요구에 따라 하나 이상의 메모리 디바이스 또는 칩을 포함할 수 있다. 소프트웨어는 코어(1840) 및 특히 그 안의 프로세서(CPU, GPU, FPGA 등을 포함)가 RAM(1846)에 저장된 데이터 구조를 정의하는 것과 소프트웨어에서 정의한 프로세스에 따라 이러한 데이터 구조를 수정하는 것을 포함하여, 여기에 설명된 특정 프로세스 또는 특정 프로세스의 일부를 실행하도록 할 수 있다. 추가로 또는 대안으로, 컴퓨터 시스템은 여기에 설명된 특정 프로세스나 특정 프로세스의 특정 부분을 실행하기 위해 소프트웨어 대신 또는 소프트웨어와 함께 작동할 수 있는 회로(예: 가속기(1844))에 배선(hardwired)되거나 구현된 로직의 결과로 기능을 제공할 수 있다. 소프트웨어에 대한 참조는 로직을 포함할 수 있으며 적절한 경우에 그 반대도 마찬가지이다. 컴퓨터가 판독 가능한 매체에 대한 참조는 실행을 위한 소프트웨어를 저장하는 회로(예: 집적 회로(IC)), 실행을 위한 로직을 구현하는 회로 또는 적절한 경우 둘 다를 포함할 수 있다. 본 개시는 하드웨어 및 소프트웨어의 임의의 적절한 조합을 포괄한다.
본 개시는 몇몇 예시적인 실시예를 설명했지만, 개시의 범위 내에 속하는 변경, 순열 및 다양한 대체 등가물이 있다. 따라서, 당업자는 본 명세서에 명시적으로 도시되거나 설명되지는 않았지만 본 개시의 원리를 구현하고 따라서 본 발명의 사상 및 범위 내에 있는 수많은 시스템 및 방법을 고안할 수 있음을 이해할 것이다.

Claims (20)

  1. 포인트 클라우드 디코더에서의 포인트 클라우드 속성 디코딩 방법으로서,
    포인트 클라우드의 포인트 세트의 정렬 방법을 결정하는 단계;
    상기 포인트 클라우드의 코딩된 비트스트림의 제1 시그널링 정보에 기반하여 상기 포인트 클라우드의 Haar 기반 속성 코딩의 변환 계수를 양자화하기 위한 양자화 파라미터를 결정하는 단계 - 상기 Haar 기반 속성 코딩은 Haar 변환에 기반하여 상기 포인트 클라우드의 포인트 세트에 대해 포인트 클라우드 압축을 수행하도록 구성됨 -;
    상기 제1 시그널링 정보에 기반하여 결정된 상기 양자화 파라미터에 따라, 상기 양자화된 변환 계수를 디코딩하기 위한 엔트로피 디코딩 방법을 결정하는 단계;
    상기 엔트로피 디코딩 방법에 기반하여 상기 양자화된 변환 계수를 결정하는 단계; 및
    상기 결정된 정렬 방법 및 상기 결정된 양자화된 변환 계수에 기반하여 상기 포인트 클라우드의 속성을 재구성하는 단계
    를 포함하는 포인트 클라우드 속성 디코딩 방법.
  2. 제1항에 있어서,
    상기 정렬 방법을 결정하는 단계는,
    상기 포인트 클라우드의 코딩된 비트스트림의 제2 시그널링 정보에 기반하여 상기 포인트 클라우드의 포인트 세트의 정렬 방법을 결정하는 단계
    를 더 포함하고,
    상기 정렬 방법은 제1 값과 같은 상기 제2 시그널링 정보에 기반한 몰톤(Morton) 정렬이고,
    상기 정렬 방법은 제2 값과 같은 상기 제2 시그널링 정보에 기반한 힐베르트(Hilbert) 정렬인, 포인트 클라우드 속성 디코딩 방법.
  3. 제1항에 있어서,
    상기 제1 시그널링 정보는 상기 양자화 파라미터, 포인트 클라우드의 애플리케이션, 포인트 클라우드의 특성 중 어느 하나에 기반하여 설정되는, 포인트 클라우드 속성 디코딩 방법.
  4. 제1항에 있어서,
    상기 엔트로피 디코딩 방법을 결정하는 단계는,
    지수 골롬 코딩(exponential Golomb coding)인 상기 엔트로피 디코딩 방법에 기반하여,
    상기 코딩된 비트스트림의 제3 시그널링 정보에 기반하여 상기 지수 골롬 코딩의 차수(order) k를 결정하는 단계 - 상기 제3 시그널링 정보는 상기 지수 골롬 코딩의 차수를 지시함 -
    를 포함하는, 포인트 클라우드 속성 디코딩 방법.
  5. 제1항에 있어서,
    상기 엔트로피 디코딩 방법을 결정하는 단계는,
    지수 골롬 코딩인 상기 엔트로피 디코딩 방법에 기반하여,
    상기 양자화 파라미터에 기반하여 상기 지수 골롬 코딩의 차수 k를 결정하는 단계 - 상기 차수
    Figure pct00081
    이며, max_k는 상기 양자화된 변환 계수를 디코딩하기 위한 상기 지수 골롬 코딩의 최대 차수이고, trans_coeff_qp는 상기 양자화 파라미터의 값이며, s는 6과 8 중 하나와 같은 양의 정수임 -
    를 포함하는, 포인트 클라우드 속성 디코딩 방법.
  6. 제4항에 있어서,
    상기 양자화된 변환 계수를 결정하는 단계는,
    상기 지수 골롬 코딩 및 상기 지수 골롬 코딩의 결정된 차수 k에 기반하여, 상기 양자화된 변환 계수의 절대값에서 임계값을 뺀 값을 디코딩하는 단계 - 상기 임계값은 1, 2 및 3 중 하나와 같음 -
    를 더 포함하는, 포인트 클라우드 속성 디코딩 방법.
  7. 제4항에 있어서,
    상기 양자화된 변환 계수를 결정하는 단계는,
    상기 양자화된 변환 계수의 제1 양자화된 변환 계수 x를 디코딩하는 단계 - 제1 부분
    Figure pct00082
    이 0과 같은 차수 k를 갖는 상기 지수 골롬 코딩을 사용하여 코딩되고, 제2 부분(x modulo
    Figure pct00083
    )은 이진 형식으로 코딩되도록, 상기 제1 양자화된 변환 계수 x가 상기 지수 골롬 코딩에 의해 코딩됨 -
    를 더 포함하는, 포인트 클라우드 속성 디코딩 방법.
  8. 제2항에 있어서,
    상기 결정된 정렬 방법에 기반하여 상기 포인트 클라우드의 포인트 세트를 정렬하는 단계;
    상기 코딩된 비트스트림의 시그널링 정보를 파티셔닝하는 것에 의해 지시되는 파티션 크기에 기반하여, 상기 포인트 클라우드의 정렬된 포인트 세트를 복수의 세그먼트로 파티셔닝하는 단계; 및
    상기 결정된 양자화된 변환 계수에 기반하여 상기 포인트 클라우드의 복수의 세그먼트 각각을 재구성하는 단계
    를 더 포함하는 포인트 클라우드 속성 디코딩 방법.
  9. 제8항에 있어서,
    상기 복수의 세그먼트의 수는
    Figure pct00084
    과 같고, 상기 N은 상기 포인트 클라우드에서 포인트 세트의 수이고, 상기 M은 양의 정수인, 포인트 클라우드 속성 디코딩 방법.
  10. 제1항에 있어서,
    상기 재구성하는 단계는,
    상기 Haar 기반 속성 코딩과 연관된 Haar 변환 행렬의 ½의 스케일링 팩터를 결정하는 단계;
    상기 양자화된 변환 계수에 대해 역양자화 연산을 수행하여 상기 Haar 기반 속성 코딩에 기반한 변환 계수를 획득하는 단계;
    상기 Haar 변환 행렬 및 상기 변환 계수에 기반하여 상기 포인트 클라우드에 대해 역변환 연산을 수행하여 속성 잔차를 획득하는 단계; 및
    상기 속성 잔차 및 상기 Haar 기반 속성 코딩을 통해 획득된 상기 포인트 클라우드의 예측 속성에 기반하여, 상기 포인트 클라우드의 속성을 재구성하는 단계
    를 더 포함하는, 포인트 클라우드 속성 디코딩 방법.
  11. 포인트 클라우드 데이터를 처리하는 장치로서,
    처리 회로
    를 포함하고,
    상기 처리 회로는
    포인트 클라우드의 포인트 세트의 정렬 방법을 결정하고;
    상기 포인트 클라우드의 코딩된 비트스트림의 제1 시그널링 정보에 기반하여 상기 포인트 클라우드의 Haar 기반 속성 코딩의 변환 계수를 양자화하기 위한 양자화 파라미터를 결정하며 - 상기 Haar 기반 속성 코딩은 Haar 변환에 기반하여 상기 포인트 클라우드의 포인트 세트에 대해 포인트 클라우드 압축을 수행하도록 구성됨 -;
    상기 제1 시그널링 정보에 기반하여 결정된 상기 양자화 파라미터에 따라, 상기 양자화된 변환 계수를 디코딩하기 위한 엔트로피 디코딩 방법을 결정하고;
    상기 엔트로피 디코딩 방법에 기반하여 상기 양자화된 변환 계수를 결정하며; 그리고
    상기 결정된 정렬 방법 및 상기 결정된 양자화된 변환 계수에 기반하여 상기 포인트 클라우드의 속성을 재구성하도록 구성되는, 포인트 클라우드 데이터를 처리하는 장치.
  12. 제11항에 있어서,
    상기 처리 회로는 추가로,
    상기 포인트 클라우드의 코딩된 비트스트림의 제2 시그널링 정보에 기반하여 상기 포인트 클라우드의 포인트 세트의 정렬 방법을 결정하도록 구성되고,
    상기 정렬 방법은 제1 값과 같은 상기 제2 시그널링 정보에 기반한 몰톤 정렬이고,
    상기 정렬 방법은 제2 값과 같은 상기 제2 시그널링 정보에 기반한 힐베르트 정렬인, 포인트 클라우드 데이터를 처리하는 장치.
  13. 제11항에 있어서,
    상기 제1 시그널링 정보는 상기 양자화 파라미터, 포인트 클라우드의 애플리케이션, 포인트 클라우드의 특성 중 어느 하나에 기반하여 설정되는, 포인트 클라우드 데이터를 처리하는 장치.
  14. 제11항에 있어서,
    상기 처리 회로는 추가로,
    지수 골롬 코딩인 상기 엔트로피 디코딩 방법에 기반하여,
    상기 코딩된 비트스트림의 제3 시그널링 정보에 기반하여 상기 지수 골롬 코딩의 차수(order) k를 결정하도록 구성되고,
    상기 제3 시그널링 정보는 상기 지수 골롬 코딩의 차수를 지시하는, 포인트 클라우드 데이터를 처리하는 장치.
  15. 제11항에 있어서,
    상기 처리 회로는 추가로,
    지수 골롬 코딩인 상기 엔트로피 디코딩 방법에 기반하여,
    상기 양자화 파라미터에 기반하여 상기 지수 골롬 코딩의 차수 k를 결정하도록 구성되고,
    상기 차수
    Figure pct00085
    이며, max_k는 상기 양자화된 변환 계수를 디코딩하기 위한 상기 지수 골롬 코딩의 최대 차수이고, trans_coeff_qp는 상기 양자화 파라미터의 값이며, s는 6과 8 중 하나와 같은 양의 정수인, 포인트 클라우드 데이터를 처리하는 장치.
  16. 제14항에 있어서,
    상기 처리 회로는 추가로,
    상기 지수 골롬 코딩 및 상기 지수 골롬 코딩의 결정된 차수 k에 기반하여, 상기 양자화된 변환 계수의 절대값에서 임계값을 뺀 값을 디코딩하도록 구성되고,
    상기 임계값은 1, 2 및 3 중 하나와 같은, 포인트 클라우드 데이터를 처리하는 장치.
  17. 제14항에 있어서,
    상기 처리 회로는 추가로,
    상기 양자화된 변환 계수의 제1 양자화된 변환 계수 x를 디코딩하도록 구성되고,
    제1 부분
    Figure pct00086
    이 0과 같은 차수 k를 갖는 상기 지수 골롬 코딩을 사용하여 코딩되고, 제2 부분(x modulo
    Figure pct00087
    )은 이진 형식으로 코딩되도록, 상기 제1 양자화된 변환 계수 x가 상기 지수 골롬 코딩에 의해 코딩되는, 포인트 클라우드 데이터를 처리하는 장치.
  18. 제12항에 있어서,
    상기 처리 회로는 추가로,
    상기 결정된 정렬 방법에 기반하여 상기 포인트 클라우드의 포인트 세트를 정렬하고;
    상기 코딩된 비트스트림의 시그널링 정보를 파티셔닝하는 것에 의해 지시되는 파티션 크기에 기반하여, 상기 포인트 클라우드의 정렬된 포인트 세트를 복수의 세그먼트로 파티셔닝하며; 그리고
    상기 결정된 양자화된 변환 계수에 기반하여 상기 포인트 클라우드의 복수의 세그먼트 각각을 재구성하도록 구성되는, 포인트 클라우드 데이터를 처리하는 장치.
  19. 제18항에 있어서,
    상기 복수의 세그먼트의 수는
    Figure pct00088
    과 같고, 상기 N은 상기 포인트 클라우드에서 포인트 세트의 수이고, 상기 M은 양의 정수인, 포인트 클라우드 데이터를 처리하는 장치.
  20. 제11항에 있어서,
    상기 처리 회로는 추가로,
    상기 Haar 기반 속성 코딩과 연관된 Haar 변환 행렬의 ½의 스케일링 팩터를 결정하고;
    상기 양자화된 변환 계수에 대해 역양자화 연산을 수행하여 상기 Haar 기반 속성 코딩에 기반한 변환 계수를 획득하며;
    상기 Haar 변환 행렬 및 상기 변환 계수에 기반하여 상기 포인트 클라우드에 대해 역변환 연산을 수행하여 속성 잔차를 획득하고; 그리고
    상기 속성 잔차 및 상기 Haar 기반 속성 코딩을 통해 획득된 상기 포인트 클라우드의 예측 속성에 기반하여, 상기 포인트 클라우드의 속성을 재구성하도록 구성되는, 포인트 클라우드 데이터를 처리하는 장치.
KR1020227025354A 2021-03-10 2021-09-08 Haar 기반 포인트 클라우드 코딩을 위한 방법 및 장치 KR102645508B1 (ko)

Applications Claiming Priority (5)

Application Number Priority Date Filing Date Title
US202163159409P 2021-03-10 2021-03-10
US63/159,409 2021-03-10
US17/446,263 2021-08-27
US17/446,263 US12020461B2 (en) 2021-03-10 2021-08-27 Method and apparatus for Haar-based point cloud coding
PCT/US2021/049519 WO2022191872A1 (en) 2021-03-10 2021-09-08 Method and apparatus for haar-based point cloud coding

Publications (2)

Publication Number Publication Date
KR20220127837A true KR20220127837A (ko) 2022-09-20
KR102645508B1 KR102645508B1 (ko) 2024-03-07

Family

ID=83194928

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020227025354A KR102645508B1 (ko) 2021-03-10 2021-09-08 Haar 기반 포인트 클라우드 코딩을 위한 방법 및 장치

Country Status (6)

Country Link
US (1) US12020461B2 (ko)
EP (1) EP4088447A4 (ko)
JP (1) JP7486883B2 (ko)
KR (1) KR102645508B1 (ko)
CN (1) CN115336243A (ko)
WO (1) WO2022191872A1 (ko)

Families Citing this family (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US12003768B2 (en) * 2021-04-05 2024-06-04 Qualcomm Incorporated Residual coding for geometry point cloud compression
WO2024086123A1 (en) * 2022-10-17 2024-04-25 Innopeak Technology, Inc. Decoding method, encoding method, decoder and encoder
CN115688004B (zh) * 2022-11-08 2023-09-29 中国民用航空总局第二研究所 一种基于希尔伯特编码的目标属性确定方法、介质及设备
WO2024140985A1 (en) * 2022-12-29 2024-07-04 Douyin Vision Co., Ltd. Improvements for quantization of point cloud attribute transform domain coefficients
CN118338007A (zh) * 2023-01-11 2024-07-12 维沃移动通信有限公司 变换系数编码方法、变换系数解码方法及终端
US11710258B1 (en) * 2023-01-25 2023-07-25 Illuscio, Inc. Systems and methods for compressing three-dimensional image data

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20170347122A1 (en) * 2016-05-28 2017-11-30 Microsoft Technology Licensing, Llc Scalable point cloud compression with transform, and corresponding decompression
WO2020162495A1 (ja) * 2019-02-05 2020-08-13 パナソニック インテレクチュアル プロパティ コーポレーション オブ アメリカ 三次元データ符号化方法、三次元データ復号方法、三次元データ符号化装置、及び三次元データ復号装置

Family Cites Families (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2011024066A (ja) 2009-07-17 2011-02-03 Sony Corp 画像処理装置および方法
US9854253B2 (en) * 2014-06-30 2017-12-26 Qualcomm Incorporated Method for motion vector difference (MVD) and intra block copy vector difference (BVD) coding of screen content video data
CN106664405B (zh) * 2015-06-09 2020-06-09 微软技术许可有限责任公司 用调色板模式对经逸出编码的像素的稳健编码/解码
US10142629B2 (en) * 2015-12-28 2018-11-27 Mediatek Inc. Method and apparatus for entropy coding in image compression
US10223810B2 (en) 2016-05-28 2019-03-05 Microsoft Technology Licensing, Llc Region-adaptive hierarchical transform and entropy coding for point cloud compression, and corresponding decompression
CN117956147A (zh) * 2019-03-08 2024-04-30 佳能株式会社 自适应环路滤波器
CN109993839B (zh) * 2019-04-09 2022-11-25 北京大学深圳研究生院 一种自适应的点云条带划分方法
CN114041169A (zh) * 2019-07-03 2022-02-11 Lg 电子株式会社 点云数据发送设备、点云数据发送方法、点云数据接收设备、以及点云数据接收方法
CN114915795B (zh) * 2021-02-08 2024-04-30 荣耀终端有限公司 基于二维规则化平面投影的点云编解码方法及装置

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20170347122A1 (en) * 2016-05-28 2017-11-30 Microsoft Technology Licensing, Llc Scalable point cloud compression with transform, and corresponding decompression
WO2020162495A1 (ja) * 2019-02-05 2020-08-13 パナソニック インテレクチュアル プロパティ コーポレーション オブ アメリカ 三次元データ符号化方法、三次元データ復号方法、三次元データ符号化装置、及び三次元データ復号装置

Also Published As

Publication number Publication date
US12020461B2 (en) 2024-06-25
WO2022191872A1 (en) 2022-09-15
CN115336243A (zh) 2022-11-11
EP4088447A4 (en) 2023-08-30
KR102645508B1 (ko) 2024-03-07
JP7486883B2 (ja) 2024-05-20
US20220292730A1 (en) 2022-09-15
EP4088447A1 (en) 2022-11-16
JP2023521675A (ja) 2023-05-25

Similar Documents

Publication Publication Date Title
KR102584867B1 (ko) 포인트 클라우드 코딩을 위한 방법 및 장치
KR102645508B1 (ko) Haar 기반 포인트 클라우드 코딩을 위한 방법 및 장치
JP7478816B2 (ja) ポイントクラウドコーディングのための方法及び装置
EP3994668A1 (en) Method and apparatus for point cloud compression
JP2023552116A (ja) メッシュ解凍のための方法、処理回路構成を含む装置、並びに関連するプログラム及び記憶媒体
KR102650334B1 (ko) 포인트 클라우드 코딩을 위한 방법 및 장치
JP7497443B2 (ja) 点群コーディングのための方法、装置、およびコンピュータプログラム
JP7470211B2 (ja) ポイントクラウドコーディングのための距離ベースの加重平均を計算する方法および装置
RU2778377C1 (ru) Способ и устройство для кодирования облака точек
US11611775B2 (en) Method and apparatus for point cloud coding
JP2024512915A (ja) 非マニホールドメッシュにおける境界ループの検出のための方法、装置、およびコンピュータプログラム
JP2023548236A (ja) メッシュ圧縮のための頂点並べ替え方法における接続のコーディング
JP2024512921A (ja) メッシュ圧縮のためのパッチ時間的位置合わせの符号化
JP2023548237A (ja) ３次元（３ｄ）メッシュのｕｖ座標を処理するための方法、装置及びコンピュータプログラム
KR20230158622A (ko) 메시 압축을 위한 지오메트리 필터링
JP2024509886A (ja) メッシュ圧縮のための頂点接続性コーディング

Legal Events

Date Code Title Description
E902 Notification of reason for refusal
E701 Decision to grant or registration of patent right
GRNT Written decision to grant