KR20230173695A - 엔트로피 인코딩, 디코딩 방법 및 장치 - Google Patents

엔트로피 인코딩, 디코딩 방법 및 장치 Download PDF

Info

Publication number
KR20230173695A
KR20230173695A KR1020237039690A KR20237039690A KR20230173695A KR 20230173695 A KR20230173695 A KR 20230173695A KR 1020237039690 A KR1020237039690 A KR 1020237039690A KR 20237039690 A KR20237039690 A KR 20237039690A KR 20230173695 A KR20230173695 A KR 20230173695A
Authority
KR
South Korea
Prior art keywords
point cloud
target point
information
context model
entropy decoding
Prior art date
Application number
KR1020237039690A
Other languages
English (en)
Inventor
웨이 장
텡야 티엔
쥬이 뤼
푸젱 양
Original Assignee
비보 모바일 커뮤니케이션 컴퍼니 리미티드
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 비보 모바일 커뮤니케이션 컴퍼니 리미티드 filed Critical 비보 모바일 커뮤니케이션 컴퍼니 리미티드
Publication of KR20230173695A publication Critical patent/KR20230173695A/ko

Links

Classifications

    • 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
    • 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
    • H04N19/10—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding
    • H04N19/102—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the element, parameter or selection affected or controlled by the adaptive coding
    • H04N19/13—Adaptive entropy coding, e.g. adaptive variable length coding [AVLC] or context adaptive binary arithmetic coding [CABAC]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T9/00—Image coding
    • 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
    • H04N19/10—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding
    • H04N19/134—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the element, parameter or criterion affecting or controlling the adaptive coding
    • H04N19/136—Incoming video signal characteristics or properties
    • 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
    • H04N19/70—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals characterised by syntax aspects related to video coding, e.g. related to compression standards
    • 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
    • H04N19/90—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using coding techniques not provided for in groups H04N19/10-H04N19/85, e.g. fractals
    • H04N19/91—Entropy coding, e.g. variable length coding [VLC] or arithmetic coding

Landscapes

  • Engineering & Computer Science (AREA)
  • Multimedia (AREA)
  • Signal Processing (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Compression, Expansion, Code Conversion, And Decoders (AREA)
  • Compression Or Coding Systems Of Tv Signals (AREA)

Abstract

본 출원은 엔트로피 인코딩, 디코딩 방법 및 장치를 개시하며, 본 출원의 실시예의 엔트로피 인코딩 방법은, 엔트로피 인코딩 장치가 인코딩될 타겟 포인트 클라우드의 소밀도 정보를 획득하는 단계; 상기 소밀도 정보에 따라, 상기 타겟 포인트 클라우드의 엔트로피 인코딩에 사용되는 점유 코드 컨텍스트 모델의 유형을 결정하는 단계; 상기 점유 코드 컨텍스트 모델의 유형에 따라, 상기 타겟 포인트 클라우드의 엔트로피 인코딩을 수행하는 단계; 를 포함한다.

Description

엔트로피 인코딩, 디코딩 방법 및 장치
관련 출원에 대한 참조
본 출원은 2021년 06월 11일 중국에 제출된 특허 출원 제202110656066.6호의 우선권을 주장하며, 그 전체 내용을 본 출원에 원용한다.
본 개시는 이미지 처리 기술분야에 관한 것으로, 특히 엔트로피 인코딩, 디코딩 방법 및 장치에 관한 것이다.
포인트 클라우드 참조 소프트웨어 모델(Point cloud Reference Software Model, PCRM) V3 중의 두 세트의 컨텍스트 모델은 각각 비교적 희소 포인트 클라우드(cat1A, cat2frame)와 비교적 밀집 포인트 클라우드(cat1B, cat3) 두 가지 유형의 포인트 클라우드를 대상으로 하며, 그 컨텍스트 모델의 선택은 다음과 같은 단점이 있다.
1. 디지털 오디오 비디오 코딩 기술 표준(Audio Video coding Standard, AVS) 포인트 클라우드 그룹의 공식 테스트 시퀀스에서 cat1B 시퀀스는 포인트 수가 많고, 저장 공간이 큰 특징을 가지고 있으나, 그 기하학적 정보로 표현되는 공간 체적도 그만큼 크기 때문에, 전체 포인트 클라우드를 “밀집” 포인트 클라우드로 간주하는 것은 반드시 정확하다고 할 수 없으며, 이에 따라 컨텍스트 모델 2를 선택한다고 반드시 최적의 성능을 얻을 수 있는 것이 아니다.
2, AVS 포인트 클라우드 그룹의 기존의 테스트 조건 중, 그 기하학적 손실 조건에서 전처리 과정에 포인트 클라우드 기하학적 좌표에 대해 양자화를 수행하며, 이는 어느 정도로 포인트 클라우드에 대해 다양한 정도의 스케일링을 수행하는 것으로 간주할 수 있다. 따라서 기하학적 손실 조건에서, 희소 포인트 클라우드(cat1A, cat2frame)는 낮은 코드율 포인트에서 “희소”하지 않다.
기존 구성에서, 동일한 시퀀스의 서로 다른 슬라이스(slice)의 각 코드율 포인트에서 모두 동일한 컨텍스트 모델로 구성되어, 최적의 성능을 얻을 수 없다.
본 출원의 실시예는 기존의 엔트로피 인코딩 과정에서 포인트 클라우드의 컨텍스트 모델의 선택 방식으로 최적의 인코딩 성능을 보장할 수 없는 문제를 해결할 수 있는 엔트로피 인코딩, 디코딩 방법 및 장치를 제공한다.
제1 양상에서, 엔트로피 인코딩 방법을 제공함에 있어서,
엔트로피 인코딩 장치가 인코딩될 타겟 포인트 클라우드의 소밀도 정보를 획득하는 단계;
상기 소밀도 정보에 따라, 상기 타겟 포인트 클라우드의 엔트로피 인코딩에 사용되는 점유 코드 컨텍스트 모델의 유형을 결정하는 단계;
상기 점유 코드 컨텍스트 모델의 유형에 따라, 상기 타겟 포인트 클라우드의 엔트로피 인코딩을 수행하는 단계; 를 포함한다.
제2 양상에서, 일 엔트로피 디코딩 방법을 제공함에 있어서,
엔트로피 디코딩 장치가 디코딩될 타겟 포인트 클라우드의 엔트로피 디코딩에 사용되는 점유 코드 컨텍스트 모델의 유형을 획득하는 단계 - 여기서, 상기 타겟 포인트 클라우드의 엔트로피 디코딩에 사용되는 점유 코드 컨텍스트 모델의 유형은 상기 타겟 포인트 클라우드의 소밀도 정보에 의해 결정됨 - ;
상기 점유 코드 컨텍스트 모델의 유형에 따라, 상기 타겟 포인트 클라우드의 엔트로피 디코딩을 수행하는 단계; 를 포함한다.
제3 양상에서, 엔트로피 인코딩 장치를 제공함에 있어서,
인코딩될 타겟 포인트 클라우드의 소밀도 정보를 획득하도록 구성되는 제1 획득 모듈;
상기 소밀도 정보에 따라, 상기 타겟 포인트 클라우드의 엔트로피 인코딩에 사용되는 점유 코드 컨텍스트 모델의 유형을 결정하도록 구성되는 제1 결정 모듈;
상기 점유 코드 컨텍스트 모델의 유형에 따라, 상기 타겟 포인트 클라우드의 엔트로피 인코딩을 수행하도록 구성되는 인코딩 모듈; 을 포함한다.
제4 양상에서, 엔트로피 디코딩 장치를 제공함에 있어서,
디코딩될 타겟 포인트 클라우드의 엔트로피 디코딩에 사용되는 점유 코드 컨텍스트 모델의 유형을 획득하도록 구성되는 제2 획득 모듈 - 여기서, 상기 타겟 포인트 클라우드의 엔트로피 디코딩에 사용되는 점유 코드 컨텍스트 모델의 유형은 상기 타겟 포인트 클라우드의 소밀도 정보에 의해 결정됨 - ;
상기 점유 코드 컨텍스트 모델의 유형에 따라, 상기 타겟 포인트 클라우드의 엔트로피 디코딩을 수행하도록 구성되는 디코딩 모듈; 을 포함한다.
제5 양상에서, 프로세서, 메모리, 및 상기 메모리에 저장되고 상기 프로세서에서 실행될 수 있는 프로그램 또는 명령을 포함하는 엔트로피 인코딩 장치를 제공함에 있어서, 상기 프로그램 또는 명령이 상기 프로세서에 의해 실행될 때 제1 양상에 따른 방법의 단계를 구현한다.
제6 양상에서, 프로세서 및 통신 인터페이스를 포함하는 엔트로피 인코딩 장치를 제공함에 있어서, 상기 프로세서는 인코딩될 타겟 포인트 클라우드의 소밀도 정보를 획득하고;
상기 소밀도 정보에 따라, 상기 타겟 포인트 클라우드의 엔트로피 인코딩에 사용되는 점유 코드 컨텍스트 모델의 유형을 결정하고;
상기 점유 코드 컨텍스트 모델의 유형에 따라, 상기 타겟 포인트 클라우드의 엔트로피 인코딩을 수행하도록 구성된다.
제7 양상에서, 프로세서, 메모리, 및 상기 메모리에 저장되고 상기 프로세서에서 실행될 수 있는 프로그램 또는 명령을 포함하는 엔트로피 디코딩 장치를 제공함에 있어서, 상기 프로그램 또는 명령이 상기 프로세서에 의해 실행될 때 제2 양상에 따른 방법의 단계를 구현한다.
제8 양상에서, 프로세서 및 통신 인터페이스를 포함하는 엔트로피 디코딩 장치를 제공함에 있어서, 상기 프로세서는 디코딩될 타겟 포인트 클라우드의 엔트로피 디코딩에 사용되는 점유 코드 컨텍스트 모델의 유형을 획득하고 - 여기서 상기 타겟 포인트 클라우드의 엔트로피 디코딩에 사용되는 점유 코드 컨텍스트 모델의 유형은 상기 타겟 포인트 클라우드의 소밀도 정보에 의해 결정됨 - ;
상기 점유 코드 컨텍스트 모델의 유형에 따라, 상기 타겟 포인트 클라우드의 엔트로피 디코딩을 수행하도록 구성된다.
제9 양상에서, 판독가능 저장 매체를 제공함에 있어서, 상기 판독가능 저장 매체에는 프로그램 또는 명령이 저장되며, 상기 프로그램 또는 명령이 프로세서에 의해 실행될 때 제1 양상에 따른 방법의 단계를 구현하거나, 제2 양상에 따른 방법의 단계를 구현한다.
제10 양상에서, 칩을 제공함에 있어서, 상기 칩은 프로세서 및 통신 인터페이스를 포함하고, 상기 통신 인터페이스는 상기 프로세서와 결합되고, 상기 프로세서는 프로그램 또는 명령을 실행하도록 구성되어 제1 양상 또는 제2 양상에 따른 방법의 단계를 구현한다.
제11 양상에서, 컴퓨터 프로그램/프로그램 제품을 제공함에 있어서, 상기 컴퓨터 프로그램/프로그램 제품은 비휘발성 저장 매체에 저장되고, 상기 컴퓨터 프로그램/프로그램 제품이 적어도 하나의 프로세서에 의해 실행됨으로써 제1 양상 또는 제2 양상에 따른 방법의 단계를 구현한다.
제12 양상에, 제1 양상에 따른 방법의 단계를 실행하거나, 제2 양상에 따른 방법의 단계를 실행하도록 구성된 통신기기를 제공한다.
본 출원의 실시예에서, 타겟 포인트 클라우드의 소밀도 정보를 이용하여, 타겟 포인트 클라우드의 엔트로피 인코딩에 사용되는 점유 코드 컨텍스트 모델의 유형을 결정하는 것을 통해, 점유 코드 컨텍스트 모델의 선택을 합리적으로 수행하여 최적의 인코딩 성능을 보장할 수 있다.
도 1은 AVS 코덱의 프레임워크를 나타내는 도이다.
도 2는 본 출원의 실시예의 엔트로피 인코딩 방법의 흐름도이다.
도 3은 현재 노드에 대한 8개의 자식 노드의 공간 위치 및 좌표계의 개략도이다.
도 4는 각 자식 노드의 동일층 참조 이웃 노드의 개략도이다.
도 5는 현재 노드의 4개의 참조 이웃 노드 그룹의 개략도이다.
도 6은 각 자식 노드의 부모 노드층(현재 노드층) 참조 이웃 노드의 개략도이다.
도 7은 각 자식 노드의 동일층 공면을 이루는 이웃의 개략도이다.
도 8은 본 출원의 실시예의 엔트로피 인코딩 장치의 모듈 개략도이다.
도 9는 본 출원의 실시예의 엔트로피 인코딩 장치의 구조 블록도이다.
도 10은 본 출원의 실시예의 엔트로피 디코딩 방법의 흐름도이다.
도 11은 본 출원의 실시예의 엔트로피 디코딩 장치의 모듈 개략도이다.
도 12는 본 출원의 실시예의 인코딩/디코딩 장치의 구조 블록도이다.
아래에서는 본 출원의 실시예에서의 도면에 결부하여 본 출원의 실시예에서의 기술적 솔루션에 대해 상세하게 설명하며, 여기에 설명된 실시예는 본 출원의 모든 실시예가 아니라 일부 실시예에 불과함이 분명하다. 본 분야의 일반 기술자가 본 출원에서의 실시예를 기반으로 얻은 다른 모든 실시예들은 모두 본 출원의 보호 범위에 속한다.
본 출원의 명세서 및 청구범위에서 "제1", "제2" 등 용어는 유사한 대상을 구별하는 데 사용되며, 특정 순서나 선후 순서를 설명하는 데 사용되지 않는다. 이렇게 사용된 용어는 본 출원의 실시예가 여기에 도시되거나 설명된 것 외의 다른 순서로 구현될 수 있도록 적절한 상황에서 서로 교환될 수 있다는 것을 이해해야 하며, "제1", "제2"는 일반적으로 동일한 유형의 대상을 구별하는 데 사용되며, 대상의 수를 한정하지 않는다. 예를 들어, 제1 대상은 하나 또는 다수일 수 있다. 또한, 명세서 및 청구 범위에서 "및/또는"은 연결된 대상 중 적어도 하나를 나타내고, 부호 "/"는 일반적으로 앞뒤의 연관 대상이 "또는"의 관계임을 나타낸다.
본 출원 실시예에서의 엔트로피 인코딩 방법에 대응하는 인코더와 엔트로피 디코딩 방법에 대응하는 디코더는 모두 단말일 수 있으며, 이 단말은 단말 기기 또는 사용자 단말(User Equipment, UE)이라고도 할 수 있으며, 단말은 휴대폰, 태블릿 PC(Tablet Personal Computer), 노트북이라고도 불리는 랩톱 컴퓨터(Laptop Computer), 개인 휴대 정보 단말기(Personal Digital Assistant, PDA), 팜탑 컴퓨터, 넷북, 울트라 모바일 PC(ultra-mobile personal computer, UMPC), 모바일 인터넷 장치(Mobile Internet Device, MID), 증강현실(augmented reality, AR)/가상현실(virtual reality, VR) 기기, 로봇, 웨어러블 기기(Wearable Device) 또는 차량탑재 단말기(VUE), 보행자 단말(PUE) 등과 같은 단말 측 기기일 수 있으며, 웨어러블 기기는 스마트 워치, 스마트 밴드, 이어폰, 스마트 안경 등을 포함한다. 본 출원 실시예에서는 단말의 구체적인 유형에 대해 한정하지 않는다는 점에 유의해야 한다.
이해를 돕기 위하여, 다음은 본 출원의 실시예에 언급된 일부 내용에 대해 설명하도록 한다.
도1은 디지털 오디오 비디오 코딩 기술 표준 코덱 프레임워크를 나타내는 도로, 포인트 클라우드 AVS 인코더 프레임워크에서 포인트 클라우드의 기하학적 정보와 각 점에 대응되는 속성 정보는 별도로 인코딩된다. 먼저 기하학적 정보에 대해 좌표 변환을 수행하여, 포인트 클라우드가 모두 하나의 바운딩 박스(bounding box)에 포함되도록 한다. 그 다음 양자화를 수행하는데, 이 양자화 단계는 주로 스케일링 작용을 일으키며, 양자화 및 라운딩으로 인해 일부 점의 기하학적 정보가 동일하게 되므로, 파라미터에 따라 중복점 제거 여부를 결정하며, 양자화 및 중복점 제거 과정은 전처리 과정에 속한다. 이어서, 너비 우선 탐색의 순서에 따라 bounding box에 대한 분할(옥트리/사진 트리/이진 트리)을 수행하고, 각 노드의 점유 코드에 대한 인코딩을 수행한다. 옥트리 기반의 기하학적 코드 프레임에서, 바운딩 박스를 순차적으로 분할하여 서브 큐브를 얻고, 비어 있지 않은(포인트 클라우드 내의 포인트를 포함함) 서브 큐브에 대해 계속 분할하며, 분할하여 얻은 리프 노드가 1×1×1인 단위 큐브이면 분할을 중지한 다음, 리프 노드에 포함된 포인트 수에 대해 인코딩을 수행하고, 최종적으로 기하학적 옥트리의 인코딩을 완성하여, 이진 코드 스트림을 생성한다. 옥트리 기반의 기하학적 디코딩 과정에서, 디코딩 엔드는 너비 우선 탐색의 순서에 따라, 연속적인 해석을 통해 각 노드의 점유 코드를 얻고, 또한 순차적으로 노드를 연속적으로 분할하며, 분할하여 1×1×1인 단위 큐브를 얻으면 분할을 중지하고, 각 리프 노드에 포함된 포인트 수를 해석하여 얻고, 최종적으로 기하학적 재구성 포인트 클라우드 정보를 복원하여 얻는다.
기하학적 인코딩을 완성 후, 기하학적 정보에 대해 재구성한다. 현재, 속성 인코딩은 주로 색상, 반사율 정보에 대해 수행된다. 먼저 색상 공간 변환을 수행할지 여부를 판단하고, 색상 공간 변환을 수행하는 경우, 색상 정보를 적녹청(Red Green Blue, RGB) 색상 공간에서 YUV(Y는 휘도 성분이고, UV는 색차 성분임) 색상 공간으로 변환한다. 그 다음, 오리지널 포인트 클라우드를 이용하여 재구성 포인트 클라우드에 대해 리컬러링을 수행하여, 미인코딩된 속성 정보와 재구성된 기하학적 정보가 대응되도록 한다. 색상 정보 인코딩은 속성 예측과 속성 변환의 2개의 모듈로 나뉜다. 속성 예측 과정: 먼저 점군에 대해 재정렬을 수행하고, 그 다음 차분 예측을 수행한다. 여기서 재정렬의 방법에는 두 가지, 즉 모튼 재정렬 및 힐버트(Hilbert) 재정렬이 있다. cat1A 시퀀스와 cat2 시퀀스의 경우, 이에 대해 Hilbert 재정렬을 수행하고; cat1B 시퀀스와 cat3 시퀀스의 경우, 이에 대해 모튼 재정렬을 수행한다. 정렬된 후의 포인트 클라우드에 대해 차분 방식을 사용하여 속성 예측을 수행하고, 마지막으로 예측 잔차에 대해 양자화 및 엔트로피 인코딩을 수행하여, 이진 코드 스트림을 생성한다. 속성 변환 과정: 먼저 포인트 클라우드 속성에 대해 웨이브릿 변환을 수행하고, 변환 계수에 대해 양자화를 수행하고; 그 다음 역 양자화, 역 웨이브릿 변환을 통해 속성 재구성 값을 획득하고; 그 다음 원시 속성과 속성 재구성 값의 차를 계산하여 속성 잔차를 획득하고 이를 양자화하고; 마지막으로 양자화된 변환 계수 및 속성 잔차에 대한 엔트로피 인코딩을 수행하여 이진 코드 스트림을 생성한다. 본 출원에서 언급된 기하학적 인코딩과 기하학적 디코딩 부분은, 더 정확하게 말하자면 본 출원은 기하학적 인코딩과 기하학적 디코딩 부분의 엔트로피 인코딩과 엔트로피 디코딩에 대해 개선한 것이다.
아래에서는 도면에 결부하여, 일부 실시예 및 이의 적용 시나리오를 통해 본 출원의 실시예에 따른 엔트로피 인코딩, 디코딩 방법 및 장치에 대해 자세히 설명하도록 한다.
도 2에 도시된 바와 같이, 본 출원의 실시예는 엔트로피 인코딩 방법을 제공함에 있어서, 다음 단계들을 포함한다.
단계 201: 엔트로피 인코딩 장치가 인코딩될 타겟 포인트 클라우드의 소밀도 정보를 획득한다.
본 출원에서 말하는 타겟 포인트 클라우드는 포인트 클라우드 시퀀스 또는 포인트 클라우드 시퀀스 내의 포인트 클라우드 슬라이스를 가리키며; 진일보로, 해당 포인트 클라우드 시퀀스는 인코딩될 포인트 클라우드 시퀀스에 대해 전처리를 수행한 후의 포인트 클라우드 시퀀스를 가리키며, 여기서 말하는 전처리는 좌표 이동, 좌표 양자화 및 중복점 제거 중의 하나 또는 다수를 가리킨다는 점에 유의해야 한다.
단계 202: 상기 소밀도 정보에 따라, 상기 타겟 포인트 클라우드의 엔트로피 인코딩에 사용되는 점유 코드 컨텍스트 모델의 유형을 결정한다.
단계 203: 상기 점유 코드 컨텍스트 모델의 유형에 따라, 상기 타겟 포인트 클라우드의 엔트로피 인코딩을 수행한다.
본 출원의 실시예에서 말하는 상기 타겟 포인트 클라우드의 엔트로피 인코딩을 수행한다는 것은, 타겟 포인트 클라우드의 기하학적 정보에 대해 엔트로피 인코딩을 수행하는 것을 가리킨다는 점에 유의해야 한다.
타겟 포인트 클라우드의 소밀도 정보를 이용하여 타겟 포인트 클라우드의 엔트로피 인코딩에 사용되는 점유 코드 컨텍스트 모델의 유형을 결정하고 엔트로피 인코딩을 수행하는 것을 통해, 점유 코드 컨텍스트 모델의 선택을 합리적으로 수행하여 최적의 인코딩 성능을 보장할 수 있다는 점에 유의해야 한다.
선택적으로, 상기 단계 201의 채택 가능한 일 구현 방식은 다음과 같다.
단계 2011: 상기 타겟 포인트 클라우드에 대응되는 바운딩 박스의 사이즈 정보 및 상기 타겟 포인트 클라우드에 포함된 포인트 수 정보를 획득한다.
해당 바운딩 박스의 사이즈 정보는 일반적으로 바운딩 박스의 길이, 너비, 높이의 정보, 즉 X, Y 및 Z 3개 차원의 사이즈 크기를 가리키고, 해당 사이즈 정보를 통해 바운딩 박스의 체적을 결정할 수 있으며, 바운딩 박스의 체적은 길이, 너비 및 높이의 곱과 같다는 점에 유의해야 한다.
단계 2012: 상기 사이즈 정보 및 상기 포인트 수 정보에 따라, 상기 타겟 포인트 클라우드의 소밀도 정보를 결정한다.
이 단계는 주로 바운딩 박스의 체적 및 바운딩 박스에 포함된 포인트의 수를 통해, 단일 포인트의 점유 체적을 결정할 수 있으며, 그 다음 단일 포인트의 점유 체적을 이용하여, 포인트 클라우드의 소밀도를 결정하는 것이며, 구체적인 구현 방식은,
상기 사이즈 정보 및 상기 포인트 수 정보에 따라, 제1 체적을 결정하는 단계 - 상기 제1 체적은 바운딩 박스에 대한 상기 타겟 포인트 클라우드 내 각 포인트의 평균 점유 체적임 - ;
상기 제1 체적과 미리 설정된 임계값의 관계에 따라, 상기 타겟 포인트 클라우드의 소밀도 정보를 결정하는 단계; 를 포함한다.
진일보로, 바운딩 박스에 대한 각 포인트의 평균 점유 체적을 이용하여 소밀도 정보를 결정하는 일 채택 가능한 구현 방식은 하기 중 적어도 하나를 포함할 수 있다.
A11: 상기 제1 체적이 상기 미리 설정된 임계값보다 크면, 상기 타겟 포인트 클라우드의 소밀도 정보를 희소 포인트 클라우드로 결정한다.
A12: 상기 제1 체적이 상기 미리 설정된 임계값보다 작거나 같으면, 상기 타겟 포인트 클라우드의 소밀도 정보를 밀집 포인트 클라우드로 결정한다.
본 출원에서는 변수 S를 도입하는 것을 통해 제1 체적과 미리 설정된 임계값의 비교 결과를 나타낼 수 있으며, S의 값은 다음과 같다는 점에 유의해야 한다.
여기서, S는 소밀도 정보이고, p는 제1 체적이고, p=V/N이며, V는 타겟 포인트 클라우드에 대응되는 바운딩 박스의 체적이고, N은 타겟 포인트 클라우드에 포함된 포인트 수이며, Th는 미리 설정된 임계값이다.
S=1일 때, 타겟 포인트 클라우드가 희소 포인트 클라우드임을 나타내고, S=0일 때, 타겟 포인트 클라우드가 밀집 포인트 클라우드임을 나타낸다.
물론, 본 출원에서 S의 값은 하나의 예에 불과하며, 위에서는 S=1로 희소 포인트 클라우드를 나타내고 S=0으로 밀집 포인트 클라우드를 나타내며, 선택적으로, S=0으로 희소 포인트 클라우드를 나타내고 S=1로 밀집 포인트 클라우드를 나타낼 수도 있으며, 본 출원에서는 S의 구체적인 값에 대해 제한하지 않는다.
여기서, 해당 미리 설정된 임계값은 하기 방식을 채택하여 결정할 수 있다는 점에 유의해야 한다.
B11: 상기 엔트로피 인코딩 장치에 의해 결정된다.
일반적인 상황에서, 해당 미리 설정된 임계값은 사용자에 의해 결정되며, 즉 엔트로피 인코딩 장치는 사용자의 입력에 따라 미리 설정된 임계값을 결정한다.
진일보로, 엔트로피 인코딩 장치는 하기 방식을 채택하여 미리 설정된 임계값을 결정할 수 있다.
B111: 엔트로피 인코딩 장치에 사용자가 설정한 하나의 미리 설정된 임계값이 저장되어 있고, 엔트로피 인코딩을 수행할 때 해당 미리 설정된 임계값을 직접 사용한다.
B112: 엔트로피 인코딩 장치에 다수의 임계값이 설정되어 하나의 임계값 목록을 구성하며, 사용자는 이번 엔트로피 인코딩에 사용되는 임계값을 설정할 수 있다.
이런 경우, 엔트로피 인코딩 장치는 엔트로피 인코딩에 사용되는 미리 설정된 임계값을 엔트로피 디코딩 장치에 알려야 하며, 엔트로피 디코딩 장치는 동일한 미리 설정된 임계값에 따라 엔트로피 디코딩을 수행하며, 일 채택 가능한 구현 방식은,
상기 제1 체적과 미리 설정된 임계값의 관계에 따라, 상기 타겟 포인트 클라우드의 소밀도 정보를 결정한 후, 제1 정보를 상기 타겟 포인트 클라우드의 기하학적 헤더 정보에 인코딩하는 단계를 포함할 수 있으며;
여기서, 상기 제1 정보는 상기 미리 설정된 임계값 또는 상기 미리 설정된 임계값에 대응되는 식별 정보이다.
이런 경우, 엔트로피 인코딩 장치는 미리 설정된 임계값에 대해 인코딩을 수행해야 하며; 엔트로피 인코딩 장치가 B111의 방식을 채택할 때, 일반적으로 해당 제1 정보는 미리 설정된 임계값을 가리키고; 엔트로피 인코딩 장치가 B112의 방식을 채택할 때, 일반적으로 해당 제1 정보는 미리 설정된 임계값에 대응되는 식별 정보를 가리키며, 예를 들어, 해당 식별 정보는 임계값 목록에서 미리 설정된 임계값의 번호 또는 인덱스이며, 이에 대응하여, 엔트로피 디코딩 장치 측에도 동일한 임계값 목록이 설정되어 있고, 엔트로피 디코딩 장치가 해당 식별 정보를 수신한 후, 어느 임계값이 이에 대응되는지 알 수 있다는 점에 유의해야 한다.
B12: 프로토콜에 의해 지정된다.
이런 경우, 해당 미리 설정된 임계값은 엔트로피 인코딩 장치와 엔트로피 디코딩 장치가 모두 알고 있는 것으로 지정되며, 이런 경우, 엔트로피 인코딩 장치는 미리 설정된 임계값의 인코딩을 수행할 필요가 없다는 점에 유의해야 한다.
추가로, 상기 단계 202의 일 선택적인 구현 방식은 하기 중 적어도 하나를 포함한다는 점에 유의해야 한다.
C11: 상기 타겟 포인트 클라우드의 소밀도 정보가 희소 포인트 클라우드인 경우, 상기 타겟 포인트 클라우드의 엔트로피 인코딩에 사용되는 점유 코드 컨텍스트 모델의 유형을 점유 코드 컨텍스트 모델 1로 결정한다.
C12: 상기 타겟 포인트 클라우드의 소밀도 정보가 밀집 포인트 클라우드인 경우, 상기 타겟 포인트 클라우드의 엔트로피 인코딩에 사용되는 점유 코드 컨텍스트 모델의 유형을 점유 코드 컨텍스트 모델 2로 결정한다.
현재 AVS 포인트 클라우드 참조 소프트웨어 모델 V3.0에서, 공간 점유 코드에 대한 인코딩은 컨텍스트 기반의 적응형 이진 산술 인코더를 채택하며, 그 컨텍스트 모델은 두 세트가 있고, 각각 비교적 희소 포인트 클라우드 시퀀스(cat1A 및 cat2frame 시퀀스)와 비교적 밀집 포인트 클라우드 시퀀스(cat1B 및 cat3 시퀀스)에 사용되며, 아래에서는 이 두 세트의 컨텍스트 모델에 대해 각각 자세히 소개하도록 한다는 점에 유의해야 한다. 설명의 편의를 위해, 본 출원과 관련된 좌표계 및 옥트리 분할에 의해 생성된 8개의 자식 노드의 부모 노드 즉 현재 노드에 대한 공간 위치는 도 3에 도시된 바와 같다.
일. 점유 코드 컨텍스트 모델 1
옥트리 너비 우선 탐색의 분할 방식에서, 현재 포인트의 자식 노드를 인코딩할 때 획득할 수 있는 이웃 정보는 좌-전-하 세 개 방향의 이웃 자식 노드를 포함하며, 여기서, 현재 포인트의 인코딩될 자식 노드와 공면을 이루는 3개의 이웃 자식 노드, 3개의 공선을 이루는 이웃 자식 노드, 1개의 공점을 이루는 이웃 자식 노드를 포함한다.
자식 노드층의 점유 코드 컨텍스트 모델 설계: 인코딩될 자식 노드층에 대해, 인코딩될 자식 노드와 동일층에 있는 좌-전-하 방향의 3개 공면, 3개 공선, 1개 공점을 이루는 노드 및 노드 변 길이가 가장 짧은 차원에서 음방향으로 현재 인코딩될 자식 노드로부터 두 개의 노드 변 길이만큼 떨어진 노드의 점유 코드 상태를 검색한다. X 차원 상의 노드 변 길이가 가장 짧은 것을 예로, 각 자식 노드가 선택한 참조 노드는 도 4에 도시된 바와 같다. 여기서 점선틀 노드는 현재 노드이고, 화살표가 가리키는 노드는 현재 인코딩될 자식 노드이며, 실선틀 노드는 각 자식 노드가 선택한 참조 노드이다.
여기서, 3개 공면, 3개 공선 노드 및 노드 변 길이가 가장 짧은 차원에서 음방향으로 현재 인코딩될 자식 노드로부터 두 개의 노드 변 길이만큼 떨어진 노드의 점유 코드 상태를 자세히 고려하며, 이 7개 노드의 점유 코드 상태에는 모두 27=128가지 상태가 있다. 모두 점유되지 않은 것이 아닌 경우, 총 27-1=127가지 상태가 있고, 각 상태에 대해 하나의 컨텍스트를 할당하고; 이 7개 노드가 모두 점유되지 않는 경우, 공점 이웃 노드의 점유 코드 상태를 고려한다. 해당 공점 이웃은 점유되거나 점유되지 않은 2가지 가능성이 있다. 해당 공점 이웃 노드가 점유된 상태에 대해 하나의 컨텍스트를 단독으로 할당하며, 해당 공점 이웃도 점유되지 않은 경우, 아래에서 설명할 현재 노드층 이웃의 점유 코드 상태를 고려한다. 즉 인코딩될 자식 노드층 이웃은 총 127+2-1=128개의 컨텍스트에 대응된다.
인코딩될 자식 노드의 8개의 동일층 참조 노드가 모두 점유되지 않은 경우, 도 5에 도시된 현재 노드층의 네 개의 이웃 그룹의 점유 코드 상태를 고려한다. 여기서 점선틀 노드는 현재 노드이고, 실선틀 노드는 이웃 노드이다.
현재 노드층에 대해, 하기 단계에 따라 점유 코드 컨텍스트를 결정한다.
1. 먼저 현재 노드의 우-상-후 3개 공면을 이루는 이웃을 고려한다. 현재 노드 우-상-후의 공면을 이루는 3개 이웃의 점유 코드 상태는 총 23=8가지 가능성이 있으며, 모두 점유되지 않은 것이 아닌 상태에 대해 각각 하나의 컨텍스트를 할당한 다음, 인코딩될 자식 노드의 현재 노드에 위치한 위치를 고려하면, 해당 이웃 노드 그룹은 모두 (8-1)×8=56개의 컨텍스트를 제공한다. 현재 노드의 우-상-후 3개의 공면을 이루는 이웃이 모두 점유되지 않으면, 계속하여 현재 노드층의 나머지 3개의 이웃 그룹을 고려한다.
2. 최근에 점유된 노드와 현재 노드의 거리를 고려한다.
구체적인 이웃 노드의 분포와 거리의 대응 관계는 표 1에 나타낸 바와 같다.
현재 노드층 점유 코드 상태와 거리의 대응 관계
현재 노드층 점유 코드 상태 거리
좌-전-하 공면을 이루는 이웃이 점유되거나 우-상-후 공선을 이루는 이웃이 점유됨 1
좌-전-하 공면을 이루는 이웃, 우-상-후 공선을 이루는 이웃이 모두 점유되지 않고 좌-전-하 공선을 이루는 이웃이 점유됨 2
현재 노드층의 네 개의 이웃 그룹이 모두 점유되지 않음 3
표 1에서 알 수 있듯이, 거리는 총 3개 값을 갖는다. 이 3개 값 상태에 대해 각각 1개의 컨텍스트를 할당한 다음, 현재 노드에서 인코딩될 자식 노드가 위치한 위치 상태를 고려하면, 총 3×8=24개의 컨텍스트이다.
지금까지, 공간 점유 코드 컨텍스트 모델 1에서는 총 128+56+24=208개의 컨텍스트를 할당하였다.
이. 점유 코드 컨텍스트 모델 2
해당 컨텍스트 세트는 두 층의 컨텍스트 참조 관계 구성을 사용한다. 제1 층은 현재 노드층에서 현재 노드와 공면, 공선을 이루는 이웃 노드의 점유 상태이고; 제2 층은 인코딩될 자식 노드층에서 인코딩될 자식 노드와 공면을 이루는 이웃 노드의 점유 상태이다.
먼저, 도 6에 도시된 바와 같이, 각 인코딩될 자식 노드에 대해, 그 부모 노드층 즉 현재 노드층에서 이와 공면, 공선을 이루는 6개의 현재 노드층 이웃을 모두 획득할 수 있다. 도 6에서 점선틀 노드는 현재 노드이고, 화살표가 가리키는 노드는 각 인코딩될 자식 노드이고, 실선틀 노드는 현재 노드의 공면, 공선을 이루는 이웃이다. 여기서 3개의 공면을 이루는 이웃에 대해, 그 각각의 분포 상태를 고려하면 총 23=8가지 상태가 있고; 나머지 3개의 공선을 이루는 이웃에 대해, 3개의 이웃에서 점유된 노드 개수만 계산하면 0, 1, 2, 3 총 네 가지 상태가 있다. 둘을 결합하면 총 4×8=32가지 상태가 있으며, 각 상태마다 1개의 컨텍스트를 구성하면, 현재 노드층은 총 32개의 컨텍스트를 제공한다.
그 다음, 도 7에 도시된 바와 같이, 각 인코딩될 자식 노드에 대해, 그와 동일층에 있는 좌, 전, 하(각 좌표축 음방향) 3개의 공면을 이루는 이웃 노드를 찾아 참조 노드로 사용한다. 도 7에서 점선틀 노드는 현재 노드이고, 화살표가 가리키는 노드는 인코딩될 자식 노드이며, 실선틀 노드는 각 자식 노드와 동일층에 있는 공면을 이루는 이웃이다. 인코딩될 자식 노드와 동일층에 있는 이 3개의 공면을 이루는 이웃 노드는 모두 23=8가지 상태가 있으며, 각 상태마다 하나의 컨텍스트를 할당하면, 현재 노드는 총 8개의 컨텍스트를 제공한다.
이 두 층의 컨텍스트 간에는 서로 간섭하지 않기 때문에, 해당 세트의 컨텍스트 모델에서는 총 32×8=256개의 컨텍스트를 제공하고, 비교적 밀집 포인트 클라우드 시퀀스 또는 포인트 클라우드 슬라이스에 사용된다.
선택적으로, 엔트로피 디코딩 장치의 디코딩 복잡도를 줄이기 위해, 엔트로피 인코딩 장치는 획득한 타겟 포인트 클라우드의 소밀도 정보 또는 타겟 포인트 클라우드의 엔트로피 인코딩에 사용되는 점유 코드 컨텍스트 모델의 유형을 직접 인코딩하고 엔트로피 디코딩 장치에 알릴 수 있으며, 엔트로피 디코딩 장치는 엔트로피 인코딩 장치가 통지한 정보를 직접 이용하여 디코딩하여 디코딩 속도를 높일 수 있으며, 구체적인 구현 방식은,
상기 소밀도 정보에 따라, 상기 타겟 포인트 클라우드의 엔트로피 인코딩에 사용되는 점유 코드 컨텍스트 모델의 유형을 결정한 다음, 제2 정보를 상기 타겟 포인트 클라우드의 기하학적 헤더 정보에 인코딩하는 단계를 포함하며;
여기서, 상기 제2 정보는 상기 타겟 포인트 클라우드의 소밀도 정보 또는 상기 타겟 포인트 클라우드의 엔트로피 인코딩에 사용되는 점유 코드 컨텍스트 모델의 유형을 포함한다.
요약하면, 본 출원은 포인트 클라우드에서 포인트 클라우드 슬라이스 또는 포인트 클라우드 시퀀스의 소밀도를 고려하여 현재 포인트 클라우드 슬라이스 또는 포인트 클라우드 시퀀스의 점유 코드 컨텍스트 모델을 적응적으로 선택하는 방식을 제안하며, 소밀도의 고려는 포인트 클라우드 슬라이스 또는 포인트 클라우드 시퀀스의 체적 크기 및 포함된 포인트 수를 기반으로 하며; 체적 크기 및 포함된 포인트 수 이 두 개의 정보는 모두 기하학적 헤더 정보에서 획득할 수 있으며; 포인트 클라우드의 체적 크기 및 포함된 포인트 수의 비율이 특정 임계값보다 클 때, 이를 “희소” 포인트 클라우드로 판정하고, 컨텍스트 모델 1을 선택하여 엔트로피 인코딩을 수행하며; 포인트 클라우드의 체적 크기 및 포함된 포인트 수의 비율이 특정 임계값보다 작을 때, 이를 “밀집” 포인트 클라우드로 판정하고, 컨텍스트 모델 2를 선택하여 엔트로피 인코딩을 수행하며; 이 방식은 포인트 클라우드 시퀀스 또는 포인트 클라우드 시퀀스 내의 각 포인트 클라우드 슬라이스가 각 조건에서 엔트로피 인코딩에 모두 적합한 점유 코드 컨텍스트 모델을 선택할 수 있도록 하여, 성능 향상을 획득한다. 실험 결과는, 본 출원에 설명된 알고리즘을 이용하면 인코딩 성능을 향상시킬 수 있음을 나타내며, 아래 표 2에 나타낸 바와 같이, 손실 조건에서, 본 출원은 PCRMV3.0에 비해 성능이 향상된다.
여기서, 포인트 클라우드 압축의 성능 지표는 두 개의 측면에서 평가하며, 하나는 포인트 클라우드의 왜곡 정도로, 왜곡 정도가 높을수록 포인트 클라우드 재구성의 객관적 품질이 나쁘며; 다른 하나는 압축 후의 비트 스트림 크기라는 점에 유의해야 한다. 무손실 압축의 경우, 즉 포인트 클라우드에 왜곡이 없기 때문에 포인트 클라우드 압축 후의 비트 스트림 크기만 고려하고; 손실 압축의 경우, 두 개의 측면을 모두 고려해야 한다. 둘 중 비트 스트림 크기는 인코딩 후 출력된 비트수로 가늠할 수 있고, 포인트 클라우드 왜곡 정도의 평가의 경우, PCRM은 두 가지 대응되는 왜곡 평가 알고리즘을 제공한다.
일반적으로, 하나의 압축 알고리즘의 성능을 평가하기 위해, 일반적으로 레이트 왜곡(RD) 곡선을 사용하여 두 개의 알고리즘의 성능 차이를 비교한다. 포인트 클라우드 압축의 이상적인 목표는, 코드 스트림이 더 작아지고, 객관적 품질을 가늠하는 지표인 피크 신호 대 잡음비(Peak Signal to Noise Ratio, PSNR)가 더 커지는 것이다. 그러나 이런 상황은 거의 발생하지 않으며, 일반적인 상황은 코드 스트림이 원래 방법에 비해 더 낮지만 PSNR 즉 포인트 클라우드의 품질이 낮아지고, 또는, PSNR이 높아지지만 코드 스트림이 높아진다. 이 두 가지 상황에서 새로운 방법의 좋고 나쁨을 측정하려면 코드 스트림과 PSNR을 종합적으로 고려한 지표가 필요하다. AVS 포인트 클라우드 그룹은 BD-Rate로 포인트 클라우드 압축 알고리즘의 코드 레이트 및 객관적 품질을 종합적으로 평가하고, 이를 BDGeomRate 및 BDAttrRate의 기하학적 및 속성의 측면으로 세분화한다. BD-Rate값이 음수이면 새로운 방법이 원래 방법에 비해 성능이 향상되었음을 나타내고; BD-Rate값이 양수이면 새로운 방법이 원래 방법에 비해 성능이 낮아짐을 나타낸다. 오차는 평균 제곱 오차를 채택하는지 하우스도르프(Hausdorff) 거리를 사용하는지에 따라, 두 가지 PSNR을 계산하는 방법과 결과가 있으며, 해당되는 BD-Rate도 두 가지 결과가 있고, 평균 제곱 오차를 채택하여 계산된 것을 D1로 기록하고, hausdorff를 채택하여 계산된 것을 D1-H로 기록한다.
손실 조건에서 본 출원과 PCRM V3.0의 성능 비교 결과
시퀀스 BD-GeomRate(D1) BD-GeomRate(D1-H)
bridge_1mm -5.4% -5.4%
double_T_section_1mm -2.2% -2.2%
intersection1_1mm -2.4% -2.3%
intersection2_1mm -1.6% -1.6%
straight_road_1mm -1.7% -1.7%
T_section_1mm -2.0% -1.9%
stanford_area_2_vox20 -0.8% -0.9%
stanford_area_4_vox20 -1.1% -1.1%
ford_01 -1.3% -1.3%
ford_02 -1.7% -1.7%
ford_03 -1.3% -1.3%
livox_01_all -0.9% -0.9%
livox_02_all -0.8% -0.8%
본 출원의 실시예에 따른 엔트로피 인코딩 방법은 엔트로피 인코딩 장치에 의해 수행되거나, 해당 엔트로피 인코딩 장치 내의 엔트로피 인코딩 방법을 수행하도록 구성된 제어 모듈에 의해 수행될 수 있다는 점에 유의해야 한다. 본 출원의 실시예에서는 엔트로피 인코딩 장치가 엔트로피 인코딩 방법을 수행하는 것을 예로, 본 출원의 실시예에 따른 엔트로피 인코딩 장치를 설명한다.
도 8에 도시된 바와 같이, 본 출원의 실시예는 일 엔트로피 인코딩 장치(800)를 제공함에 있어서,
인코딩될 타겟 포인트 클라우드의 소밀도 정보를 획득하도록 구성되는 제1 획득 모듈(801);
상기 소밀도 정보에 따라, 상기 타겟 포인트 클라우드의 엔트로피 인코딩에 사용되는 점유 코드 컨텍스트 모델의 유형을 결정하도록 구성되는 제1 결정 모듈(802);
상기 점유 코드 컨텍스트 모델의 유형에 따라, 상기 타겟 포인트 클라우드의 엔트로피 인코딩을 수행하도록 구성되는 인코딩 모듈(803); 을 포함한다.
선택적으로, 상기 제1 획득 모듈(801)은,
상기 타겟 포인트 클라우드에 대응되는 바운딩 박스의 사이즈 정보 및 상기 타겟 포인트 클라우드에 포함된 포인트 수 정보를 획득하도록 구성되는 제1 획득 유닛;
상기 사이즈 정보 및 상기 포인트 수 정보에 따라, 상기 타겟 포인트 클라우드의 소밀도 정보를 결정하도록 구성되는 제1 획득 유닛; 을 포함한다.
선택적으로, 상기 제1 결정 유닛은,
상기 사이즈 정보 및 상기 포인트 수 정보에 따라, 제1 체적을 결정하도록 구성되는 제1 결정 서브 유닛 - 상기 제1 체적은 바운딩 박스에 대한 상기 타겟 포인트 클라우드 내 각 포인트의 평균 점유 체적임 - ;
상기 제1 체적과 미리 설정된 임계값의 관계에 따라, 상기 타겟 포인트 클라우드의 소밀도 정보를 결정하도록 구성되는 제2 결정 서브 유닛; 을 포함한다.
선택적으로, 상기 제2 결정 서브 유닛은,
상기 제1 체적이 상기 미리 설정된 임계값보다 크면, 상기 타겟 포인트 클라우드의 소밀도 정보를 희소 포인트 클라우드로 결정하는 단계;
상기 제1 체적이 상기 미리 설정된 임계값보다 작거나 같으면, 상기 타겟 포인트 클라우드의 소밀도 정보를 밀집 포인트 클라우드로 결정하는 단계; 중 적어도 하나를 구현하도록 구성된다.
선택적으로, 상기 미리 설정된 임계값은 상기 엔트로피 인코딩 장치에 의해 결정되거나 프로토콜에 의해 지정된다.
선택적으로, 상기 미리 설정된 임계값이 상기 엔트로피 인코딩 장치에 의해 결정되는 경우, 상기 제2 결정 서브 유닛이 상기 제1 체적과 미리 설정된 임계값의 관계에 따라 상기 타겟 포인트 클라우드의 소밀도 정보를 결정한 후,
제1 정보를 상기 타겟 포인트 클라우드의 기하학적 헤더 정보에 인코딩하도록 구성되는 제1 인코딩 모듈을 더 포함하며;
여기서, 상기 제1 정보는 상기 미리 설정된 임계값 또는 상기 미리 설정된 임계값에 대응되는 식별 정보이다.
선택적으로, 상기 제1 결정 모듈(802)은,
상기 타겟 포인트 클라우드의 소밀도 정보가 희소 포인트 클라우드인 경우, 상기 타겟 포인트 클라우드의 엔트로피 인코딩에 사용되는 점유 코드 컨텍스트 모델의 유형을 점유 코드 컨텍스트 모델 1로 결정하는 단계;
상기 타겟 포인트 클라우드의 소밀도 정보가 밀집 포인트 클라우드인 경우, 상기 타겟 포인트 클라우드의 엔트로피 인코딩에 사용되는 점유 코드 컨텍스트 모델의 유형을 점유 코드 컨텍스트 모델 2로 결정하는 단계; 중 적어도 하나를 구현하도록 구성된다.
선택적으로, 상기 제1 결정 모듈(802)이 상기 소밀도 정보에 따라 상기 타겟 포인트 클라우드의 엔트로피 인코딩에 사용되는 점유 코드 컨텍스트 모델의 유형을 결정한 후,
제2 정보를 상기 타겟 포인트 클라우드의 기하학적 헤더 정보에 인코딩하도록 구성되는 제2 인코딩 모듈을 더 포함하며;
여기서, 상기 제2 정보는 상기 타겟 포인트 클라우드의 소밀도 정보 또는 상기 타겟 포인트 클라우드의 엔트로피 인코딩에 사용되는 점유 코드 컨텍스트 모델의 유형을 포함한다.
선택적으로, 상기 타겟 포인트 클라우드는 포인트 클라우드 시퀀스 또는 포인트 클라우드 시퀀스 내의 포인트 클라우드 슬라이스이다.
타겟 포인트 클라우드의 소밀도 정보를 이용하여 타겟 포인트 클라우드의 엔트로피 인코딩에 사용되는 점유 코드 컨텍스트 모델의 유형을 결정하는 것을 통해, 점유 코드 컨텍스트 모델의 선택을 합리적으로 수행하여 최적의 인코딩 성능을 보장할 수 있다는 점에 유의해야 한다.
본 출원의 실시예에서의 엔트로피 인코딩 장치는 단말, 운영체제를 갖는 장치 또는 전자기기일 수 있고, 단말 중의 부품, 직접회로, 또는 칩일 수도 있다. 해당 장치 또는 전자기기는 모바일 단말일 수 있고, 비모바일 단말일 수도 있다. 예시적으로, 모바일 단말은 휴대폰, 태블릿 PC(Tablet Personal Computer), 노트북이라고도 불리우는 랩톱 컴퓨터(Laptop Computer), 개인 휴대 정보 단말기(Personal Digital Assistant, PDA), 팜탑 컴퓨터, 넷북, 울트라 모바일 개인 컴퓨터(ultra-mobile personal computer, UMPC), 모바일 인터넷 장치(Mobile Internet Device, MID), 웨어러블 기기(Wearable Device) 또는 차량탑재 기기(VUE), 보행자 단말(PUE) 등 단말 측 기기를 포함하나 이에 한정되지 않으며, 웨어러블 기기는 스마트 워치, 스마트 밴드, 이어폰, 스마트 안경 등을 포함하며, 비모바일 단말은 서버, 네트워크 결합 스토리지(Network Attached Storage, NAS), 개인 컴퓨터(personal computer, PC), 텔레비젼(television, TV), 현금 자동 입출금기 또는 자판기 등일 수 있으며, 본 출원의 실시예는 구체적으로 한정하지 않는다.
본 출원의 실시예에 따른 엔트로피 인코딩 장치는 도 2의 방법 실시예에서 구현되는 각 과정을 구현하고, 또한 동일한 기술적 효과를 얻을 수 있으며, 반복을 피하기 위해, 여기서는 상세한 설명을 생략한다.
본 출원의 실시예는 프로세서 및 통신 인터페이스를 포함하는 엔트로피 인코딩 장치를 더 제공함에 있어서, 프로세서는 인코딩될 타겟 포인트 클라우드의 소밀도 정보를 획득하고;
상기 소밀도 정보에 따라, 상기 타겟 포인트 클라우드의 엔트로피 인코딩에 사용되는 점유 코드 컨텍스트 모델의 유형을 결정하고;
상기 점유 코드 컨텍스트 모델의 유형에 따라, 상기 타겟 포인트 클라우드의 엔트로피 인코딩을 수행하도록 구성된다.
해당 엔트로피 인코딩 장치 실시예는 상기 엔트로피 인코딩 장치 측 방법 실시예에 대응되며, 상기 방법 실시예의 각 실시 과정과 구현 방식은 모두 해당 장치 실시예에 적용될 수 있으며, 또한 동일한 기술적 효과를 얻을 수 있다. 구체적으로, 도 9는 본 출원의 실시예를 구현하기 위한 일 엔트로피 인코딩 장치의 하드웨어 구조 개략도이다.
해당 엔트로피 인코딩 장치(900)는, 무선 주파수 유닛(901), 네트워크 모듈(902), 오디오 출력 유닛(903), 입력 유닛(904), 센서(905), 표시 유닛(906), 사용자 입력 유닛(907), 인터페이스 유닛(908), 메모리(909) 및 프로세서(910) 등을 포함하지만 이에 한정되지 않는다.
당업자라면, 엔트로피 인코딩 장치(900)에는 각 부품에 전력을 공급하는 전원(예: 배터리)이 추가로 포함될 수 있고, 전원은 전원 관리 시스템을 통해 프로세서(910)에 논리적으로 연결되어 전원 관리 시스템을 통해 충전관리, 방전관리, 및 전력소비관리 등의 기능을 수행할 수 있음을 이해할 수 있다. 도 9에 도시된 단말의 구조가 단말에 어떠한 제한도 구성하지 않으며, 단말은 도에 도시된 구성요소의 수를 늘리거나 줄일 수 있으며, 일부 구성요소의 조합이나 배치를 다르게 변경할 수 있으며, 여기서는 상세한 설명을 생략한다.
본 출원 실시예에서, 입력 유닛(904)은 그래픽 처리 장치(Graphics Processing Unit, GPU)(9041) 및 마이크로폰(9042)을 포함할 수 있고, 그래픽 처리 장치(9041)는 비디오 캡처 모드 또는 이미지 캡처 모드에서 이미지 캡처 장치(예: 카메라)가 획득한 정적 이미지 또는 비디오의 이미지 데이터를 처리할 수 있음을 이해해야 한다. 표시 유닛(906)은 표시 패널(9061)을 포함할 수 있고, 표시 패널(9061)은 액정 표시 장치, 유기 발광 다이오드 등의 형태로 구성될 수 있다. 사용자 입력 유닛(907)은 터치 패널(9071) 및 기타 입력 장치(9072)를 포함한다. 터치 패널(9071)은 터치 스크린이라고도 한다. 터치 패널(9071)은 터치 감지 장치 및 터치 컨트롤러를 포함할 수 있다. 기타 입력 장치(9072)는 물리적 키보드, 기능 키(예: 볼륨 제어 버튼, 스위치 버튼 등), 트랙 볼, 마우스, 조이스틱을 포함하지만 이에 한정되지 않으며, 여기서는 상세한 설명을 생략한다.
본 출원의 실시예에서, 무선 주파수 유닛(901)은 네트워크 측 기기로부터 하향링크 데이터를 수신한 후 처리를 위해 프로세서(910)로 보내고, 또한, 상향링크 데이터를 네트워크 측 기기로 송신한다. 일반적으로, 무선 주파수 유닛(901)은 안테나, 적어도 하나의 증폭기, 송수신기, 커플러, 저잡음 증폭기, 듀플렉서 등을 포함하지만 이에 한정되지 않는다.
메모리(909)는 소프트웨어 프로그램 또는 명령 및 다양한 데이터를 저장하는 데 사용될 수 있다. 메모리(909)는 주로 프로그램 또는 명령 저장 영역과 데이터 저장 영역을 포함하며, 여기서 프로그램 또는 명령 저장 영역에는 운영체제, 적어도 하나의 기능에 필요한 애플리케이션 프로그램 또는 명령(예: 음성 재생 기능, 이미지 재생 기능 등) 등이 저장될 수 있다. 또한, 메모리(909)는 고속 랜덤 액세스 메모리 또는 비휘발성 메모리를 포함할 수 있으며, 여기서 비휘발성 메모리는 판독 전용 메모리(Read-Only Memory, ROM), 프로그래머블 판독 전용 메모리(Programmable ROM, PROM), 소거 가능한 프로그래머블 판독 전용 메모리(Erasable PROM, EPROM), 전기적 소거 가능한 프로그래머블 판독 전용 메모리(Electrically EPROM, EEPROM) 또는 플래시 메모리일 수 있다. 예를 들어 적어도 하나의 디스크 저장 장치, 플래시 메모리 장치, 또는 기타 비휘발성 고체 저장 장치이다.
프로세서(910)는 하나 또는 다수의 처리 유닛을 포함할 수 있다. 선택적으로, 프로세서(910)에 애플리케이션 프로세서와 모뎀 프로세서가 통합될 수 있으며, 여기서, 애플리케이션 프로세서는 주로 운영체제, 사용자 인터페이스 및 애플리케이션 프로그램 또는 명령 등을 처리하고, 모뎀 프로세서는 주로 무선통신을 처리한다. 예를 들어, 기저 대역 프로세서이다. 상기 모뎀 프로세서는 프로세서(910)에 통합되지 않을 수도 있음을 이해할 수 있다.
여기서, 프로세서(910)는,
인코딩될 타겟 포인트 클라우드의 소밀도 정보를 획득하는 단계;
상기 소밀도 정보에 따라, 상기 타겟 포인트 클라우드의 엔트로피 인코딩에 사용되는 점유 코드 컨텍스트 모델의 유형을 결정하는 단계;
상기 점유 코드 컨텍스트 모델의 유형에 따라, 상기 타겟 포인트 클라우드의 엔트로피 인코딩을 수행하는 단계를 구현하도록 구성된다.
본 출원의 실시예에 따른 단말은 타겟 포인트 클라우드의 소밀도 정보를 이용하여, 타겟 포인트 클라우드의 엔트로피 인코딩에 사용되는 점유 코드 컨텍스트 모델의 유형을 결정하는 것을 통해, 점유 코드 컨텍스트 모델의 선택을 합리적으로 수행하여 최적의 인코딩 성능을 보장할 수 있다.
선택적으로, 프로세서(910)는,
상기 타겟 포인트 클라우드에 대응되는 바운딩 박스의 사이즈 정보 및 상기 타겟 포인트 클라우드에 포함된 포인트 수 정보를 획득하는 단계;
상기 사이즈 정보 및 상기 포인트 수 정보에 따라, 상기 타겟 포인트 클라우드의 소밀도 정보를 결정하는 단계를 구현하도록 더 구성된다.
선택적으로, 프로세서(910)는,
상기 사이즈 정보 및 상기 포인트 수 정보에 따라, 제1 체적을 결정하는 단계 - 상기 제1 체적은 바운딩 박스에 대한 상기 타겟 포인트 클라우드 내 각 포인트의 평균 점유 체적임 - ;
상기 제1 체적과 미리 설정된 임계값의 관계에 따라, 상기 타겟 포인트 클라우드의 소밀도 정보를 결정하는 단계; 를 구현하도록 더 구성된다.
선택적으로, 프로세서(910)는,
상기 제1 체적이 상기 미리 설정된 임계값보다 크면, 상기 타겟 포인트 클라우드의 소밀도 정보를 희소 포인트 클라우드로 결정하는 단계;
상기 제1 체적이 상기 미리 설정된 임계값보다 작거나 같으면, 상기 타겟 포인트 클라우드의 소밀도 정보를 밀집 포인트 클라우드로 결정하는 단계; 중 적어도 하나를 구현하도록 더 구성된다.
선택적으로, 상기 미리 설정된 임계값은 상기 엔트로피 인코딩 장치에 의해 결정되거나 프로토콜에 의해 지정된다.
선택적으로, 프로세서(910)는,
제1 정보를 상기 타겟 포인트 클라우드의 기하학적 헤더 정보에 인코딩하는 단계를 구현하도록 더 구성되며;
여기서, 상기 제1 정보는 상기 미리 설정된 임계값 또는 상기 미리 설정된 임계값에 대응되는 식별 정보이다.
선택적으로, 프로세서(910)는,
상기 타겟 포인트 클라우드의 소밀도 정보가 희소 포인트 클라우드인 경우, 상기 타겟 포인트 클라우드의 엔트로피 인코딩에 사용되는 점유 코드 컨텍스트 모델의 유형을 점유 코드 컨텍스트 모델 1로 결정하는 단계;
상기 타겟 포인트 클라우드의 소밀도 정보가 밀집 포인트 클라우드인 경우, 상기 타겟 포인트 클라우드의 엔트로피 인코딩에 사용되는 점유 코드 컨텍스트 모델의 유형을 점유 코드 컨텍스트 모델 2로 결정하는 단계; 중 적어도 하나를 구현하도록 더 구성된다.
선택적으로, 프로세서(910)는,
제2 정보를 상기 타겟 포인트 클라우드의 기하학적 헤더 정보에 인코딩하는 단계를 구현하도록 더 구성되며;
여기서, 상기 제2 정보는 상기 타겟 포인트 클라우드의 소밀도 정보 또는 상기 타겟 포인트 클라우드의 엔트로피 인코딩에 사용되는 점유 코드 컨텍스트 모델의 유형을 포함한다.
선택적으로, 상기 타겟 포인트 클라우드는 포인트 클라우드 시퀀스 또는 포인트 클라우드 시퀀스 내의 포인트 클라우드 슬라이스이다.
바람직하게, 본 출원의 실시예는 프로세서, 메모리, 및 메모리에 저장되고 상기 프로세서에서 실행될 수 있는 프로그램 또는 명령을 포함하는 엔트로피 인코딩 장치를 더 제공함에 있어서, 해당 프로그램 또는 명령이 프로세서에 의해 실행될 때 엔트로피 인코딩 방법 실시예의 각 과정을 구현하고, 또한 동일한 기술적 효과를 얻을 수 있으며, 반복을 피하기 위해, 여기서는 상세한 설명을 생략한다.
본 출원의 실시예는 판독가능 저장 매체를 더 제공함에 있어서, 판독가능 저장 매체에는 프로그램 또는 명령이 저장되어 있고, 해당 프로그램 또는 명령이 프로세서에 의해 실행될 때 엔트로피 인코딩 방법 실시예의 각 과정을 구현하고, 또한 동일한 기술적 효과를 얻을 수 있으며, 반복을 피하기 위해, 여기서는 상세한 설명을 생략한다. 여기서, 상기 컴퓨터 판독가능 저장 매체는 판독 전용 메모리(Read-Only Memory, ROM), 랜덤 액세스 메모리(Random Access Memory, RAM), 자기 디스크 또는 시디롬 등 일 수 있다.
도 10에 도시된 바와 같이, 본 출원의 실시예는 엔트로피 디코딩 방법을 더 제공함에 있어서, 다음 단계들을 포함한다.
단계 1001: 엔트로피 디코딩 장치가 디코딩될 타겟 포인트 클라우드의 엔트로피 디코딩에 사용되는 점유 코드 컨텍스트 모델의 유형을 획득하며;
여기서, 상기 타겟 포인트 클라우드의 엔트로피 디코딩에 사용되는 점유 코드 컨텍스트 모델의 유형은 상기 타겟 포인트 클라우드의 소밀도 정보에 의해 결정된다.
본 출원에서 말하는 타겟 포인트 클라우드는 포인트 클라우드 시퀀스 또는 포인트 클라우드 시퀀스 내의 포인트 클라우드 슬라이스를 가리키며; 진일보로, 해당 포인트 클라우드 시퀀스는 인코딩될 포인트 클라우드 시퀀스에 대해 전처리를 수행한 후의 포인트 클라우드 시퀀스를 가리키며, 여기서 말하는 전처리는 좌표 이동, 좌표 양자화 및 중복점 제거 중의 하나 또는 다수를 가리킨다는 점에 유의해야 한다.
단계 1002: 상기 점유 코드 컨텍스트 모델의 유형에 따라, 상기 타겟 포인트 클라우드의 엔트로피 디코딩을 수행한다.
본 출원의 실시예에서 말하는 상기 타겟 포인트 클라우드의 엔트로피 디코딩의 수행은, 타겟 포인트 클라우드의 기하학적 정보에 대해 엔트로피 디코딩을 수행하는 것을 가리킨다는 점에 유의해야 한다.
타겟 포인트 클라우드의 소밀도 정보를 이용하여 타겟 포인트 클라우드의 엔트로피 디코딩에 사용되는 점유 코드 컨텍스트 모델의 유형을 결정하고 엔트로피 디코딩을 수행하는 것을 통해, 점유 코드 컨텍스트 모델의 선택을 합리적으로 수행하여 최적의 디코딩 성능을 보장할 수 있다는 점에 유의해야 한다.
선택적으로, 단계 1001의 채택 가능한 일 구현 방식은 다음과 같다.
단계 10011: 상기 타겟 포인트 클라우드의 기하학적 헤더 정보를 획득한다.
단계 10012: 상기 기하학적 헤더 정보 중의 제2 정보에 따라, 상기 타겟 포인트 클라우드의 엔트로피 디코딩에 사용되는 점유 코드 컨텍스트 모델의 유형을 결정한다.
여기서, 상기 제2 정보는 상기 타겟 포인트 클라우드의 소밀도 정보 또는 상기 타겟 포인트 클라우드의 엔트로피 인코딩에 사용되는 점유 코드 컨텍스트 모델의 유형을 포함한다.
이런 경우, 기하학적 헤더 정보에 상기 타겟 포인트 클라우드의 엔트로피 인코딩에 사용되는 점유 코드 컨텍스트 모델의 유형을 포함시키면, 엔트로피 디코딩 장치는 단독으로 점유 코드 컨텍스트 모델의 유형을 계산할 필요가 없으며, 상기 타겟 포인트 클라우드의 엔트로피 디코딩에 사용되는 점유 코드 컨텍스트 모델의 유형과 상기 타겟 포인트 클라우드의 엔트로피 인코딩에 사용되는 점유 코드 컨텍스트 모델의 유형이 동일한 것으로 직접 결정할 수 있어, 디코딩의 효율을 향상시킬 수 있으며; 기하학적 헤더 정보에 타겟 포인트 클라우드의 소밀도 정보를 포함시키면, 엔트로피 디코딩 장치는 직접 해당 타겟 포인트 클라우드의 소밀도 정보를 이용하여 상기 타겟 포인트 클라우드의 엔트로피 디코딩에 사용되는 점유 코드 컨텍스트 모델의 유형을 결정할 수 있고, 단독으로 타겟 포인트 클라우드의 소밀도 정보를 계산할 필요가 없으므로, 디코딩의 효율을 향상시킬 수 있다는 점에 유의해야 한다.
구체적으로, 이런 경우, 타겟 포인트 클라우드의 소밀도 정보에 따라, 상기 타겟 포인트 클라우드의 엔트로피 디코딩에 사용되는 점유 코드 컨텍스트 모델의 유형을 결정하는 일 채택 가능한 구현 방식은 하기 중 적어도 하나를 포함한다.
D11: 상기 타겟 포인트 클라우드의 소밀도 정보가 희소 포인트 클라우드인 경우, 상기 타겟 포인트 클라우드의 엔트로피 디코딩에 사용되는 점유 코드 컨텍스트 모델의 유형을 점유 코드 컨텍스트 모델 1로 결정한다.
D12: 상기 타겟 포인트 클라우드의 소밀도 정보가 밀집 포인트 클라우드인 경우, 상기 타겟 포인트 클라우드의 엔트로피 디코딩에 사용되는 점유 코드 컨텍스트 모델의 유형을 점유 코드 컨텍스트 모델 2로 결정한다.
본 실시예에서 말하는 점유 코드 컨텍스트 모델 1과 점유 코드 컨텍스트 모델 2는 상기 실시예에서의 점유 코드 컨텍스트 모델 1과 점유 코드 컨텍스트 모델 2에 대한 설명을 참조하며, 여기서는 상세한 설명을 생략한다는 점에 유의해야 한다.
선택적으로, 단계 1001의 채택 가능한 다른 일 구현 방식은 다음과 같다.
단계 10013: 상기 타겟 포인트 클라우드의 소밀도 정보를 획득한다.
단계 10014: 상기 타겟 포인트 클라우드의 소밀도 정보에 따라, 상기 타겟 포인트 클라우드의 엔트로피 디코딩에 사용되는 점유 코드 컨텍스트 모델의 유형을 결정한다.
선택적으로, 상기 단계 10013의 채택 가능한 일 구현 방식은 다음과 같다.
단계 100131: 상기 타겟 포인트 클라우드에 대응되는 바운딩 박스의 사이즈 정보 및 상기 타겟 포인트 클라우드에 포함된 포인트 수 정보를 획득한다.
해당 바운딩 박스의 사이즈 정보는 일반적으로 바운딩 박스의 길이, 너비, 높이의 정보, 즉 X, Y 및 Z 3개 차원의 사이즈 크기를 가리키고, 해당 사이즈 정보를 통해 바운딩 박스의 체적을 결정할 수 있으며, 바운딩 박스의 체적은 길이, 너비 및 높이의 곱과 같다는 점에 유의해야 한다.
단계 100132: 상기 사이즈 정보 및 상기 포인트 수 정보에 따라, 상기 타겟 포인트 클라우드의 소밀도 정보를 결정한다.
이 단계는 주로 바운딩 박스의 체적 및 바운딩 박스에 포함된 포인트의 수를 통해, 단일 포인트의 점유 체적을 결정할 수 있으며, 그 다음 단일 포인트의 점유 체적을 이용하여, 포인트 클라우드의 소밀도를 결정하는 것이며, 구체적인 구현 방식은,
상기 사이즈 정보 및 상기 포인트 수 정보에 따라, 제1 체적을 결정하는 단계 - 상기 제1 체적은 바운딩 박스에 대한 상기 타겟 포인트 클라우드 내 각 포인트의 평균 점유 체적임 - ;
상기 제1 체적과 미리 설정된 임계값의 관계에 따라, 상기 타겟 포인트 클라우드의 소밀도 정보를 결정하는 단계; 를 포함할 수 있다.
진일보로, 바운딩 박스에 대한 각 포인트의 평균 점유 체적을 이용하여 소밀도 정보를 결정하는 일 채택 가능한 구현 방식은 하기 중 적어도 하나를 포함할 수 있다.
E11: 상기 제1 체적이 상기 미리 설정된 임계값보다 크면, 상기 타겟 포인트 클라우드의 소밀도 정보를 희소 포인트 클라우드로 결정한다.
E12: 상기 제1 체적이 상기 미리 설정된 임계값보다 작거나 같으면, 상기 타겟 포인트 클라우드의 소밀도 정보를 밀집 포인트 클라우드로 결정한다.
본 출원에서는 변수 S를 도입하는 것을 통해 제1 체적과 미리 설정된 임계값의 비교 결과를 나타낼 수 있으며, S의 값은 다음과 같다는 점에 유의해야 한다.
여기서, S는 소밀도 정보이고, p는 제1 체적이고, p=V/N이며, V는 타겟 포인트 클라우드에 대응되는 바운딩 박스의 체적이고, N은 타겟 포인트 클라우드에 포함된 포인트 수이며, Th는 미리 설정된 임계값이다.
S=1일 때, 타겟 포인트 클라우드가 희소 포인트 클라우드임을 나타내고, S=0일 때, 타겟 포인트 클라우드가 밀집 포인트 클라우드임을 나타낸다.
물론, 본 출원의 실시예에서의 S의 값은 하나의 예에 불과하며, 상기는 S=1로 희소 포인트 클라우드를 나타내고 S=0으로 밀집 포인트 클라우드를 나타내며, 선택적으로, S=0으로 희소 포인트 클라우드를 나타내고 S=1로 밀집 포인트 클라우드를 나타낼 수도 있으며, 본 출원에서는 S의 구체적인 값에 대해 제한하지 않는다.
구체적으로, 이런 경우, 타겟 포인트 클라우드의 소밀도 정보에 따라, 상기 타겟 포인트 클라우드의 엔트로피 디코딩에 사용되는 점유 코드 컨텍스트 모델의 유형을 결정하는 일 채택 가능한 구현 방식은 하기 중 적어도 하나를 포함한다.
E11: 상기 타겟 포인트 클라우드의 소밀도 정보가 희소 포인트 클라우드인 경우, 상기 타겟 포인트 클라우드의 엔트로피 디코딩에 사용되는 점유 코드 컨텍스트 모델의 유형을 점유 코드 컨텍스트 모델 1로 결정한다.
E12: 상기 타겟 포인트 클라우드의 소밀도 정보가 밀집 포인트 클라우드인 경우, 상기 타겟 포인트 클라우드의 엔트로피 디코딩에 사용되는 점유 코드 컨텍스트 모델의 유형을 점유 코드 컨텍스트 모델 2로 결정한다.
선택적으로, 상기 제1 체적과 미리 설정된 임계값의 관계에 따라, 상기 타겟 포인트 클라우드의 소밀도 정보를 결정하기 전에,
상기 미리 설정된 임계값을 획득하는 단계를 더 포함하며;
여기서, 상기 미리 설정된 임계값은 상기 엔트로피 디코딩 장치에 의해 결정되거나 프로토콜에 의해 지정된다.
미리 설정된 임계값이 상기 엔트로피 디코딩 장치에 의해 결정된 경우, 일반적인 상황에서, 해당 미리 설정된 임계값은 사용자에 의해 결정되며, 즉 엔트로피 인코딩 장치는 사용자의 입력에 따라 미리 설정된 임계값을 결정한다. 미리 설정된 임계값이 프로토콜에 의해 지정된 경우, 해당 미리 설정된 임계값은 엔트로피 인코딩 장치와 엔트로피 디코딩 장치가 모두 알고 있는 것으로 지정되며, 이런 경우, 엔트로피 인코딩 장치는 미리 설정된 임계값의 인코딩을 수행할 필요가 없다.
선택적으로, 상기 미리 설정된 임계값이 상기 엔트로피 디코딩 장치에 의해 결정된 경우, 상기 미리 설정된 임계값을 획득하는 단계는,
상기 타겟 포인트 클라우드의 기하학적 헤더 정보를 획득하는 단계;
상기 기하학적 헤더 정보 중의 제1 정보에 따라, 상기 미리 설정된 임계값을 획득하는 단계; 를 포함한다.
여기서, 상기 제1 정보는 상기 미리 설정된 임계값 또는 상기 미리 설정된 임계값에 대응되는 식별 정보이다.
엔트로피 인코딩 장치는 하기 방식을 채택하여 미리 설정된 임계값을 결정할 수 있다는 점에 유의해야 한다.
F111: 엔트로피 인코딩 장치에 사용자가 설정한 하나의 미리 설정된 임계값이 저장되어 있고, 엔트로피 인코딩을 수행할 때 해당 미리 설정된 임계값을 직접 사용한다.
F112: 엔트로피 인코딩 장치에 다수의 임계값이 설정되어 하나의 임계값 목록을 구성하며, 사용자는 이번 엔트로피 인코딩에 사용되는 임계값을 설정할 수 있다.
이런 경우, 엔트로피 인코딩 장치는 그 엔트로피 인코딩에 사용되는 미리 설정된 임계값을 엔트로피 디코딩 장치에 알려야 하고, 엔트로피 디코딩 장치는 동일한 미리 설정된 임계값에 따라 엔트로피 디코딩을 수행하며, 엔트로피 인코딩 장치가 B111의 방식을 채택할 때, 일반적으로 해당 제1 정보는 미리 설정된 임계값을 가리키고; 엔트로피 인코딩 장치가 B112의 방식을 채택할 때, 일반적으로 해당 제1 정보는 미리 설정된 임계값에 대응되는 식별 정보를 가리키며, 예를 들어, 해당 식별 정보는 임계값 목록에서 미리 설정된 임계값의 번호 또는 인덱스이며, 이에 대응하여, 엔트로피 디코딩 장치 측에도 동일한 임계값 목록이 설정되어 있고, 엔트로피 디코딩 장치가 해당 식별 정보를 수신한 후, 어느 임계값이 이에 대응되는지 알 수 있다.
본 출원의 실시예는 타겟 포인트 클라우드의 소밀도 정보를 이용하여 타겟 포인트 클라우드의 엔트로피 디코딩에 사용되는 점유 코드 컨텍스트 모델의 유형을 결정하는 것을 통해, 점유 코드 컨텍스트 모델의 선택을 합리적으로 수행하여 최적의 디코딩 성능을 보장할 수 있다는 점에 유의해야 한다.
도 11에 도시된 바와 같이, 본 출원의 실시예는 엔트로피 디코딩 장치(1100)를 더 제공함에 있어서,
디코딩될 타겟 포인트 클라우드의 엔트로피 디코딩에 사용되는 점유 코드 컨텍스트 모델의 유형을 획득하도록 구성되는 제2 획득 모듈(1101) - 여기서, 상기 타겟 포인트 클라우드의 엔트로피 디코딩에 사용되는 점유 코드 컨텍스트 모델의 유형은 상기 타겟 포인트 클라우드의 소밀도 정보에 의해 결정됨 - ;
상기 점유 코드 컨텍스트 모델의 유형에 따라, 상기 타겟 포인트 클라우드의 엔트로피 디코딩을 수행하도록 구성되는 디코딩 모듈(1102); 을 포함한다.
선택적으로, 상기 제2 획득 모듈(1101)은,
상기 타겟 포인트 클라우드의 기하학적 헤더 정보를 획득하도록 구성되는 제2 획득 유닛;
상기 기하학적 헤더 정보 중의 제2 정보에 따라, 상기 타겟 포인트 클라우드의 엔트로피 디코딩에 사용되는 점유 코드 컨텍스트 모델의 유형을 결정하도록 구성되는 제2 결정 유닛; 을 포함하며,
여기서, 상기 제2 정보는 상기 타겟 포인트 클라우드의 소밀도 정보 또는 상기 타겟 포인트 클라우드의 엔트로피 인코딩에 사용되는 점유 코드 컨텍스트 모델의 유형을 포함한다.
선택적으로, 상기 제2 정보는 상기 타겟 포인트 클라우드의 엔트로피 인코딩에 사용되는 점유 코드 컨텍스트 모델의 유형을 포함하고, 상기 제2 결정 유닛은,
상기 타겟 포인트 클라우드의 엔트로피 디코딩에 사용되는 점유 코드 컨텍스트 모델의 유형과 상기 타겟 포인트 클라우드의 엔트로피 인코딩에 사용되는 점유 코드 컨텍스트 모델의 유형이 동일한 것으로 결정하도록 구성된다.
선택적으로, 상기 제2 정보는 상기 타겟 포인트 클라우드의 소밀도 정보를 포함하고, 상기 제2 결정 유닛은,
상기 타겟 포인트 클라우드의 소밀도 정보에 따라, 상기 타겟 포인트 클라우드의 엔트로피 디코딩에 사용되는 점유 코드 컨텍스트 모델의 유형을 결정하도록 구성된다.
선택적으로, 상기 제2 획득 모듈(1101)은,
상기 타겟 포인트 클라우드의 소밀도 정보를 획득하도록 구성되는 제3 획득 유닛;
상기 타겟 포인트 클라우드의 소밀도 정보에 따라, 상기 타겟 포인트 클라우드의 엔트로피 디코딩에 사용되는 점유 코드 컨텍스트 모델의 유형을 결정하도록 구성되는 제3 결정 유닛; 을 포함한다.
선택적으로, 상기 제3 획득 유닛은,
상기 타겟 포인트 클라우드에 대응되는 바운딩 박스의 사이즈 정보 및 상기 타겟 포인트 클라우드에 포함된 포인트 수 정보를 획득하도록 구성되는 제1 획득 서브 유닛;
상기 사이즈 정보 및 상기 포인트 수 정보에 따라, 상기 타겟 포인트 클라우드의 소밀도 정보를 결정하도록 구성되는 제2 결정 서브 유닛; 을 포함한다.
선택적으로, 상기 제2 결정 서브 유닛은,
상기 사이즈 정보 및 상기 포인트 수 정보에 따라, 제1 체적을 결정하는 단계 - 상기 제1 체적은 바운딩 박스에 대한 상기 타겟 포인트 클라우드 내 각 포인트의 평균 점유 체적임 - ;
상기 제1 체적과 미리 설정된 임계값의 관계에 따라, 상기 타겟 포인트 클라우드의 소밀도 정보를 결정하는 단계; 를 구현하도록 구성된다.
선택적으로, 상기 제1 체적과 미리 설정된 임계값의 관계에 따라, 상기 타겟 포인트 클라우드의 소밀도 정보를 결정하는 구현 방식은,
상기 제1 체적이 상기 미리 설정된 임계값보다 크면, 상기 타겟 포인트 클라우드의 소밀도 정보를 희소 포인트 클라우드로 결정하는 단계;
상기 제1 체적이 상기 미리 설정된 임계값보다 작거나 같으면, 상기 타겟 포인트 클라우드의 소밀도 정보를 밀집 포인트 클라우드로 결정하는 단계; 중 적어도 하나를 포함한다.
선택적으로, 상기 제2 결정 서브 유닛이 상기 제1 체적과 미리 설정된 임계값의 관계에 따라, 상기 타겟 포인트 클라우드의 소밀도 정보를 결정하기 전에,
상기 미리 설정된 임계값을 획득하도록 구성되는 제3 획득 모듈을 더 포함하며;
여기서, 상기 미리 설정된 임계값은 상기 엔트로피 디코딩 장치에 의해 결정되거나 프로토콜에 의해 지정된다.
선택적으로, 상기 미리 설정된 임계값이 상기 엔트로피 디코딩 장치에 의해 결정된 경우, 상기 제3 획득 모듈은,
상기 타겟 포인트 클라우드의 기하학적 헤더 정보를 획득하도록 구성되는 제4 획득 유닛;
상기 기하학적 헤더 정보 중의 제1 정보에 따라, 상기 미리 설정된 임계값을 획득하도록 구성되는 제5 획득 유닛; 을 포함하며,
여기서, 상기 제1 정보는 상기 미리 설정된 임계값 또는 상기 미리 설정된 임계값에 대응되는 식별 정보이다.
선택적으로, 상기 타겟 포인트 클라우드의 소밀도 정보에 따라, 상기 타겟 포인트 클라우드의 엔트로피 디코딩에 사용되는 점유 코드 컨텍스트 모델의 유형을 결정하는 구현 방식은,
상기 타겟 포인트 클라우드의 소밀도 정보가 희소 포인트 클라우드인 경우, 상기 타겟 포인트 클라우드의 엔트로피 디코딩에 사용되는 점유 코드 컨텍스트 모델의 유형을 점유 코드 컨텍스트 모델 1로 결정하는 단계;
상기 타겟 포인트 클라우드의 소밀도 정보가 밀집 포인트 클라우드인 경우, 상기 타겟 포인트 클라우드의 엔트로피 디코딩에 사용되는 점유 코드 컨텍스트 모델의 유형을 점유 코드 컨텍스트 모델 2로 결정하는 단계; 중 적어도 하나를 포함한다.
선택적으로, 상기 타겟 포인트 클라우드는 포인트 클라우드 시퀀스 또는 포인트 클라우드 시퀀스 내의 포인트 클라우드 슬라이스이다.
본 출원의 실시예는 타겟 포인트 클라우드의 소밀도 정보를 이용하여 타겟 포인트 클라우드의 엔트로피 디코딩에 사용되는 점유 코드 컨텍스트 모델의 유형을 결정하는 것을 통해, 점유 코드 컨텍스트 모델의 선택을 합리적으로 수행하여 최적의 디코딩 성능을 보장할 수 있다는 점에 유의해야 한다.
바람직하게, 본 출원의 실시예는 프로세서, 메모리, 및 메모리에 저장되고 상기 프로세서에서 실행될 수 있는 프로그램 또는 명령을 포함하는 엔트로피 디코딩 장치를 더 제공함에 있어서, 해당 프로그램 또는 명령이 프로세서에 의해 실행될 때 엔트로피 디코딩 방법 실시예의 각 과정을 구현하고, 또한 동일한 기술적 효과를 얻을 수 있으며, 반복을 피하기 위해, 여기서는 상세한 설명을 생략한다.
본 출원의 실시예는 판독가능 저장 매체를 더 제공함에 있어서, 판독가능 저장 매체에는 프로그램 또는 명령이 저장되어 있고, 해당 프로그램 또는 명령이 프로세서에 의해 실행될 때 엔트로피 디코딩 방법 실시예의 각 과정을 구현하고, 또한 동일한 기술적 효과를 얻을 수 있으며, 반복을 피하기 위해, 여기서는 상세한 설명을 생략한다.
여기서, 상기 컴퓨터 판독가능 저장 매체는 판독 전용 메모리(Read-Only Memory, ROM), 랜덤 액세스 메모리(Random Access Memory, RAM), 자기 디스크 또는 시디롬 등 일 수 있다.
본 출원의 실시예는 프로세서 및 통신 인터페이스를 포함하는 엔트로피 디코딩 장치를 더 제공함에 있어서, 프로세서는 디코딩될 타겟 포인트 클라우드의 엔트로피 디코딩에 사용되는 점유 코드 컨텍스트 모델의 유형을 획득하고 - 여기서, 상기 타겟 포인트 클라우드의 엔트로피 디코딩에 사용되는 점유 코드 컨텍스트 모델의 유형은 상기 타겟 포인트 클라우드의 소밀도 정보에 의해 결정됨 - ; 상기 점유 코드 컨텍스트 모델의 유형에 따라, 상기 타겟 포인트 클라우드의 엔트로피 디코딩을 수행하도록 구성된다.
해당 엔트로피 디코딩 장치 실시예는 상기 엔트로피 디코딩 방법 실시예에 대응되며, 상기 방법 실시예의 각 실시 과정과 구현 방식은 모두 해당 엔트로피 디코딩 장치 실시예에 적용될 수 있으며, 또한 동일한 기술적 효과를 얻을 수 있다.
구체적으로, 본 출원의 실시예는 엔트로피 디코딩 장치를 더 제공하며, 구체적으로, 해당 엔트로피 디코딩 장치의 구조는 도 9에 도시된 엔트로피 인코딩 장치의 구조와 유사하며, 여기서는 상세한 설명을 생략한다.
선택적으로, 프로세서는,
디코딩될 타겟 포인트 클라우드의 엔트로피 디코딩에 사용되는 점유 코드 컨텍스트 모델의 유형을 획득하는 단계 - 여기서, 상기 타겟 포인트 클라우드의 엔트로피 디코딩에 사용되는 점유 코드 컨텍스트 모델의 유형은 상기 타겟 포인트 클라우드의 소밀도 정보에 의해 결정됨 - ;
상기 점유 코드 컨텍스트 모델의 유형에 따라, 상기 타겟 포인트 클라우드의 엔트로피 디코딩을 수행하는 단계; 를 구현하도록 구성된다.
선택적으로, 프로세서는,
상기 타겟 포인트 클라우드의 기하학적 헤더 정보를 획득하는 단계;
상기 기하학적 헤더 정보 중의 제2 정보에 따라, 상기 타겟 포인트 클라우드의 엔트로피 디코딩에 사용되는 점유 코드 컨텍스트 모델의 유형을 결정하는 단계; 를 구현하도록 더 구성된다.
여기서, 상기 제2 정보는 상기 타겟 포인트 클라우드의 소밀도 정보 또는 상기 타겟 포인트 클라우드의 엔트로피 인코딩에 사용되는 점유 코드 컨텍스트 모델의 유형을 포함한다.
선택적으로, 프로세서는,
상기 타겟 포인트 클라우드의 엔트로피 디코딩에 사용되는 점유 코드 컨텍스트 모델의 유형과 상기 타겟 포인트 클라우드의 엔트로피 인코딩에 사용되는 점유 코드 컨텍스트 모델의 유형이 동일한 것으로 결정하는 단계를 구현하도록 더 구성된다.
선택적으로, 프로세서는,
상기 타겟 포인트 클라우드의 소밀도 정보에 따라, 상기 타겟 포인트 클라우드의 엔트로피 디코딩에 사용되는 점유 코드 컨텍스트 모델의 유형을 결정하는 단계를 구현하도록 더 구성된다.
선택적으로, 프로세서는,
상기 타겟 포인트 클라우드의 소밀도 정보를 획득하는 단계;
상기 타겟 포인트 클라우드의 소밀도 정보에 따라, 상기 타겟 포인트 클라우드의 엔트로피 디코딩에 사용되는 점유 코드 컨텍스트 모델의 유형을 결정하는 단계; 를 구현하도록 더 구성된다.
선택적으로, 프로세서는,
상기 타겟 포인트 클라우드에 대응되는 바운딩 박스의 사이즈 정보 및 상기 타겟 포인트 클라우드에 포함된 포인트 수 정보를 획득하는 단계;
상기 사이즈 정보 및 상기 포인트 수 정보에 따라, 상기 타겟 포인트 클라우드의 소밀도 정보를 결정하는 단계; 를 구현하도록 더 구성된다.
선택적으로, 프로세서는,
상기 사이즈 정보 및 상기 포인트 수 정보에 따라, 제1 체적을 결정하는 단계 - 상기 제1 체적은 바운딩 박스에 대한 상기 타겟 포인트 클라우드 내 각 포인트의 평균 점유 체적임 - ;
상기 제1 체적과 미리 설정된 임계값의 관계에 따라, 상기 타겟 포인트 클라우드의 소밀도 정보를 결정하는 단계; 를 구현하도록 더 구성된다.
선택적으로, 프로세서는,
상기 제1 체적이 상기 미리 설정된 임계값보다 크면, 상기 타겟 포인트 클라우드의 소밀도 정보를 희소 포인트 클라우드로 결정하는 단계;
상기 제1 체적이 상기 미리 설정된 임계값보다 작거나 같으면, 상기 타겟 포인트 클라우드의 소밀도 정보를 밀집 포인트 클라우드로 결정하는 단계; 중 적어도 하나를 구현하도록 더 구성된다.
선택적으로, 프로세서는,
상기 미리 설정된 임계값을 획득하는 단계를 구현하도록 더 구성되며;
여기서, 상기 미리 설정된 임계값은 상기 엔트로피 디코딩 장치에 의해 결정되거나 프로토콜에 의해 지정된다.
선택적으로, 프로세서는,
상기 타겟 포인트 클라우드의 기하학적 헤더 정보를 획득함;
상기 기하학적 헤더 정보 중의 제1 정보에 따라, 상기 미리 설정된 임계값을 획득함; 을 구현하기 위해 더 사용된다.
여기서, 상기 제1 정보는 상기 미리 설정된 임계값 또는 상기 미리 설정된 임계값에 대응되는 식별 정보이다.
선택적으로, 프로세서는,
상기 타겟 포인트 클라우드의 소밀도 정보가 희소 포인트 클라우드인 경우, 상기 타겟 포인트 클라우드의 엔트로피 디코딩에 사용되는 점유 코드 컨텍스트 모델의 유형을 점유 코드 컨텍스트 모델 1로 결정하는 단계;
상기 타겟 포인트 클라우드의 소밀도 정보가 밀집 포인트 클라우드인 경우, 상기 타겟 포인트 클라우드의 엔트로피 디코딩에 사용되는 점유 코드 컨텍스트 모델의 유형을 점유 코드 컨텍스트 모델 2로 결정하는 단계; 중 적어도 하나를 구현하도록 더 구성된다.
선택적으로, 상기 타겟 포인트 클라우드는 포인트 클라우드 시퀀스 또는 포인트 클라우드 시퀀스 내의 포인트 클라우드 슬라이스이다.
본 출원의 실시예에서 말하는 엔트로피 인코딩 장치와 엔트로피 디코딩 장치는 동일한 기기에 설치될 수 있으며, 즉 해당 기기는 엔트로피 인코딩 기능을 구현할 수 있을 뿐만 아니라 엔트로피 디코딩 기능도 구현할 수 있다는 점에 유의해야 한다.
선택적으로, 도 12에 도시된 바와 같이, 본 출원의 실시예는 프로세서(1201), 메모리(1202), 및 메모리(1202)에 저장되고 상기 프로세서(1201)에서 실행될 수 있는 프로그램 또는 명령을 포함하는 인코딩/디코딩 장치(1200)를 더 제공함에 있어서, 예를 들어, 해당 인코딩/디코딩 장치(1200)가 엔트로피 인코딩 장치일 때, 해당 프로그램 또는 명령이 프로세서(1201)에 의해 실행될 때 상기 엔트로피 인코딩 방법 실시예의 각 과정을 구현하고, 또한 동일한 기술적 효과를 얻을 수 있다. 해당 인코딩/디코딩 장치(1200)가 엔트로피 디코딩 장치일 때, 해당 프로그램 또는 명령이 프로세서(1201)에 의해 실행될 때 상기 엔트로피 디코딩 방법 실시예의 각 과정을 구현하고, 또한 동일한 기술적 효과를 얻을 수 있으며, 반복을 피하기 위해, 여기서는 상세한 설명을 생략한다.
본 출원의 실시예는 칩을 더 제공함에 있어서, 상기 칩은 프로세서와 통신 인터페이스를 포함하며, 상기 통신 인터페이스는 상기 프로세서와 결합되고, 상기 프로세서는 프로그램 또는 명령을 실행하도록 구성되어 상기 엔트로피 인코딩 방법 또는 엔트로피 디코딩 방법 실시예의 각 과정을 구현하고, 또한 동일한 기술적 효과를 얻을 수 있으며, 반복을 피하기 위해, 여기서는 상세한 설명을 생략한다.
본 출원 실시예에서 언급된 칩은 시스템 레벨 칩, 시스템 칩, 칩 시스템 또는 시스템-온 칩 등이라고도 지칭될 수 있음을 이해해야 한다.
본 출원의 실시예는 컴퓨터 프로그램 제품을 더 제공함에 있어서, 상기 컴퓨터 프로그램 제품은 비일시적 저장 매체에 저장되고, 상기 컴퓨터 프로그램 제품이 적어도 하나의 프로세서에 의해 실행됨으로써 상기 엔트로피 인코딩 방법 또는 엔트로피 디코딩 방법 실시예의 각 과정을 구현하고, 또한 동일한 기술적 효과를 얻을 수 있으며, 반복을 피하기 위해, 여기서는 상세한 설명을 생략한다.
본 출원의 실시예는 상기 엔트로피 인코딩 방법 또는 엔트로피 디코딩 방법 실시예의 각 과정을 수행하도록 구성되고, 또한 동일한 기술적 효과를 얻을 수 있는 통신기기를 더 제공하며, 반복을 피하기 위해, 여기서는 상세한 설명을 생략한다.
여기서 출현되는 용어 "포함한다", "갖는다" 또는 다른 임의의 변형은 비배타적 포함을 의도하며, 일련의 요소를 포함하는 과정, 방법, 물품 또는 장치는 그 요소뿐만 아니라 명확하게 나열되지 않은 다른 요소도 포함하며, 또는 이러한 과정, 방법, 물품 또는 장치의 고유한 요소도 포함한다는 점에 유의해야 한다. 별도로 제한이 없는 한, "하나의 ~을 포함한다"로 한정된 요소는 이 요소를 포함하는 과정, 방법, 물품 또는 장치에서 다른 동일한 요소의 존재를 배제하지 않는다. 또한, 본 출원의 실시형태에서의 방법 및 장치의 범위는 도시되거나 논의된 순서로 기능을 실행하는 것으로 제한되지 않고, 관련된 기능에 따라 기본적으로 동시적인 방식 또는 역순으로 기능을 실행할 수도 있다는 점에 유의해야 한다. 예를 들어, 설명된 방법은 설명된 것과 다른 순서로 실행될 수 있고, 다양한 단계들이 추가, 생략 또는 조합될 수도 있다. 또한, 특정 예를 참조하여 설명된 특징은 기타 예에서 조합될 수 있다.
상기 실시형태의 설명을 통해, 본 분야의 기술자라면 상기 실시예의 방법이 소프트웨어와 필요한 일반 하드웨어 플랫폼을 결합하는 방식으로 구현될 수 있으며, 물론 하드웨어를 통해서도 구현될 수 있지만, 많은 경우에 전자가 더 나은 실시형태라는 것을 명백하게 이해할 수 있을 것이다. 이러한 이해를 기반으로, 본 출원의 기술적 솔루션의 본질적 부분 또는 종래기술에 기여한 부분은 소프트웨어 제품의 형태로 구현될 수 있으며, 해당 컴퓨터 소프트웨어 제품은 하나의 저장 매체(예: ROM/RAM, 자기 디스크, 시디롬)에 저장되고, 한 대의 단말(휴대폰, 컴퓨터, 서버, 에어컨 또는 네트워크 기기 등일 수 있음)이 본 출원의 각 실시예에 따른 방법을 실행하도록 몇몇 명령을 포함한다.
위에서는 도면에 결부하여 본 출원의 실시예를 설명하였지만, 본 출원은 상기 구체적인 실시형태에 국한되지 않으며, 상기 구체적인 실시형태들은 제한적이 아니라 예시적이며, 본 분야의 일반 기술자라면 본 출원의 주지 및 청구항에 따른 보호범위를 벗어나지 않고 본 출원에 기반하여 다양한 형태를 도출할 수 있으며, 이는 모두 본 출원의 보호범위에 속한다.

Claims (29)

  1. 엔트로피 인코딩 방법에 있어서,
    엔트로피 인코딩 장치가 인코딩될 타겟 포인트 클라우드의 소밀도 정보를 획득하는 단계;
    상기 소밀도 정보에 따라, 상기 타겟 포인트 클라우드의 엔트로피 인코딩에 사용되는 점유 코드 컨텍스트 모델의 유형을 결정하는 단계;
    상기 점유 코드 컨텍스트 모델의 유형에 따라, 상기 타겟 포인트 클라우드의 엔트로피 인코딩을 수행하는 단계; 를 포함하는, 엔트로피 인코딩 방법.
  2. 제1항에 있어서, 인코딩될 타겟 포인트 클라우드의 소밀도 정보를 획득하는 단계는,
    상기 타겟 포인트 클라우드에 대응되는 바운딩 박스의 사이즈 정보 및 상기 타겟 포인트 클라우드에 포함된 포인트 수 정보를 획득하는 단계;
    상기 사이즈 정보 및 상기 포인트 수 정보에 따라, 상기 타겟 포인트 클라우드의 소밀도 정보를 결정하는 단계; 를 포함하는, 엔트로피 인코딩 방법.
  3. 제2항에 있어서, 상기 사이즈 정보 및 상기 포인트 수 정보에 따라, 상기 타겟 포인트 클라우드의 소밀도 정보를 결정하는 단계는,
    상기 사이즈 정보 및 상기 포인트 수 정보에 따라, 제1 체적을 결정하는 단계 - 상기 제1 체적은 바운딩 박스에 대한 상기 타겟 포인트 클라우드 내 각 포인트의 평균 점유 체적임 - ;
    상기 제1 체적과 미리 설정된 임계값의 관계에 따라, 상기 타겟 포인트 클라우드의 소밀도 정보를 결정하는 단계; 를 포함하는, 엔트로피 인코딩 방법.
  4. 제3항에 있어서, 상기 제1 체적과 미리 설정된 임계값의 관계에 따라, 상기 타겟 포인트 클라우드의 소밀도 정보를 결정하는 단계는,
    상기 제1 체적이 상기 미리 설정된 임계값보다 크면, 상기 타겟 포인트 클라우드의 소밀도 정보를 희소 포인트 클라우드로 결정하는 단계;
    상기 제1 체적이 상기 미리 설정된 임계값보다 작거나 같으면, 상기 타겟 포인트 클라우드의 소밀도 정보를 밀집 포인트 클라우드로 결정하는 단계; 중 적어도 하나를 포함하는, 엔트로피 인코딩 방법.
  5. 제3항에 있어서, 상기 미리 설정된 임계값은 상기 엔트로피 인코딩 장치에 의해 결정되거나 프로토콜에 의해 지정되는, 엔트로피 인코딩 방법.
  6. 제3항에 있어서, 상기 미리 설정된 임계값이 상기 엔트로피 인코딩 장치에 의해 결정되는 경우, 상기 제1 체적과 미리 설정된 임계값의 관계에 따라, 상기 타겟 포인트 클라우드의 소밀도 정보를 결정하는 단계 이후에,
    제1 정보를 상기 타겟 포인트 클라우드의 기하학적 헤더 정보에 인코딩하는 단계를 더 포함하며;
    상기 제1 정보는 상기 미리 설정된 임계값 또는 상기 미리 설정된 임계값에 대응되는 식별 정보인, 엔트로피 인코딩 방법.
  7. 제1항에 있어서, 상기 소밀도 정보에 따라, 상기 타겟 포인트 클라우드의 엔트로피 인코딩에 사용되는 점유 코드 컨텍스트 모델의 유형을 결정하는 단계는,
    상기 타겟 포인트 클라우드의 소밀도 정보가 희소 포인트 클라우드인 경우, 상기 타겟 포인트 클라우드의 엔트로피 인코딩에 사용되는 점유 코드 컨텍스트 모델의 유형을 점유 코드 컨텍스트 모델 1로 결정하는 단계;
    상기 타겟 포인트 클라우드의 소밀도 정보가 밀집 포인트 클라우드인 경우, 상기 타겟 포인트 클라우드의 엔트로피 인코딩에 사용되는 점유 코드 컨텍스트 모델의 유형을 점유 코드 컨텍스트 모델 2로 결정하는 단계; 중 적어도 하나를 포함하는, 엔트로피 인코딩 방법.
  8. 제1항에 있어서, 상기 소밀도 정보에 따라, 상기 타겟 포인트 클라우드의 엔트로피 인코딩에 사용되는 점유 코드 컨텍스트 모델의 유형을 결정하는 단계 이후에,
    제2 정보를 상기 타겟 포인트 클라우드의 기하학적 헤더 정보에 인코딩하는 단계를 더 포함하며;
    상기 제2 정보는 상기 타겟 포인트 클라우드의 소밀도 정보 또는 상기 타겟 포인트 클라우드의 엔트로피 인코딩에 사용되는 점유 코드 컨텍스트 모델의 유형을 포함하는, 엔트로피 인코딩 방법.
  9. 제1항 내지 제8항 중 어느 한 항에 있어서, 상기 타겟 포인트 클라우드는 포인트 클라우드 시퀀스 또는 포인트 클라우드 시퀀스 내의 포인트 클라우드 슬라이스인, 엔트로피 인코딩 방법.
  10. 엔트로피 디코딩 방법에 있어서,
    엔트로피 디코딩 장치가 디코딩될 타겟 포인트 클라우드의 엔트로피 디코딩에 사용되는 점유 코드 컨텍스트 모델의 유형을 획득하는 단계 - 여기서, 상기 타겟 포인트 클라우드의 엔트로피 디코딩에 사용되는 점유 코드 컨텍스트 모델의 유형은 상기 타겟 포인트 클라우드의 소밀도 정보에 의해 결정됨 - ;
    상기 점유 코드 컨텍스트 모델의 유형에 따라, 상기 타겟 포인트 클라우드의 엔트로피 디코딩을 수행하는 단계; 를 포함하는, 엔트로피 디코딩 방법.
  11. 제10항에 있어서, 디코딩될 타겟 포인트 클라우드의 엔트로피 디코딩에 사용되는 점유 코드 컨텍스트 모델의 유형을 획득하는 단계는,
    상기 타겟 포인트 클라우드의 기하학적 헤더 정보를 획득하는 단계;
    상기 기하학적 헤더 정보 중의 제2 정보에 따라, 상기 타겟 포인트 클라우드의 엔트로피 디코딩에 사용되는 점유 코드 컨텍스트 모델의 유형을 결정하는 단계를 포함하며;
    상기 제2 정보는 상기 타겟 포인트 클라우드의 소밀도 정보 또는 상기 타겟 포인트 클라우드의 엔트로피 인코딩에 사용되는 점유 코드 컨텍스트 모델의 유형을 포함하는, 엔트로피 디코딩 방법.
  12. 제11항에 있어서, 상기 제2 정보가 상기 타겟 포인트 클라우드의 엔트로피 인코딩에 사용되는 점유 코드 컨텍스트 모델의 유형을 포함하고, 상기 타겟 포인트 클라우드의 엔트로피 디코딩에 사용되는 점유 코드 컨텍스트 모델의 유형을 결정하는 단계는,
    상기 타겟 포인트 클라우드의 엔트로피 디코딩에 사용되는 점유 코드 컨텍스트 모델의 유형과 상기 타겟 포인트 클라우드의 엔트로피 인코딩에 사용되는 점유 코드 컨텍스트 모델의 유형이 동일한 것으로 결정하는 단계를 포함하는, 엔트로피 디코딩 방법.
  13. 제11항에 있어서, 상기 제2 정보가 상기 타겟 포인트 클라우드의 소밀도 정보를 포함하고, 상기 타겟 포인트 클라우드의 엔트로피 디코딩에 사용되는 점유 코드 컨텍스트 모델의 유형을 결정하는 단계는,
    상기 타겟 포인트 클라우드의 소밀도 정보에 따라, 상기 타겟 포인트 클라우드의 엔트로피 디코딩에 사용되는 점유 코드 컨텍스트 모델의 유형을 결정하는 단계를 포함하는, 엔트로피 디코딩 방법.
  14. 제10항에 있어서, 디코딩될 타겟 포인트 클라우드의 엔트로피 디코딩에 사용되는 점유 코드 컨텍스트 모델의 유형을 획득하는 단계는,
    상기 타겟 포인트 클라우드의 소밀도 정보를 획득하는 단계;
    상기 타겟 포인트 클라우드의 소밀도 정보에 따라, 상기 타겟 포인트 클라우드의 엔트로피 디코딩에 사용되는 점유 코드 컨텍스트 모델의 유형을 결정하는 단계; 를 포함하는, 엔트로피 디코딩 방법.
  15. 제14항에 있어서, 상기 타겟 포인트 클라우드의 소밀도 정보를 획득하는 단계는,
    상기 타겟 포인트 클라우드에 대응되는 바운딩 박스의 사이즈 정보 및 상기 타겟 포인트 클라우드에 포함된 포인트 수 정보를 획득하는 단계;
    상기 사이즈 정보 및 상기 포인트 수 정보에 따라, 상기 타겟 포인트 클라우드의 소밀도 정보를 결정하는 단계; 를 포함하는, 엔트로피 디코딩 방법.
  16. 제15항에 있어서, 상기 사이즈 정보 및 상기 포인트 수 정보에 따라, 상기 타겟 포인트 클라우드의 소밀도 정보를 결정하는 단계는,
    상기 사이즈 정보 및 상기 포인트 수 정보에 따라, 제1 체적을 결정하는 단계 - 상기 제1 체적은 바운딩 박스에 대한 상기 타겟 포인트 클라우드 내 각 포인트의 평균 점유 체적임 - ;
    상기 제1 체적과 미리 설정된 임계값의 관계에 따라, 상기 타겟 포인트 클라우드의 소밀도 정보를 결정하는 단계; 를 포함하는, 엔트로피 디코딩 방법.
  17. 제16항에 있어서, 상기 제1 체적과 미리 설정된 임계값의 관계에 따라, 상기 타겟 포인트 클라우드의 소밀도 정보를 결정하는 단계는,
    상기 제1 체적이 상기 미리 설정된 임계값보다 크면, 상기 타겟 포인트 클라우드의 소밀도 정보를 희소 포인트 클라우드로 결정하는 단계;
    상기 제1 체적이 상기 미리 설정된 임계값보다 작거나 같으면, 상기 타겟 포인트 클라우드의 소밀도 정보를 밀집 포인트 클라우드로 결정하는 단계; 중 적어도 하나를 포함하는, 엔트로피 디코딩 방법.
  18. 제16항에 있어서, 상기 제1 체적과 미리 설정된 임계값의 관계에 따라, 상기 타겟 포인트 클라우드의 소밀도 정보를 결정하는 단계 이전에,
    상기 미리 설정된 임계값을 획득하는 단계를 더 포함하며;
    상기 미리 설정된 임계값은 상기 엔트로피 디코딩 장치에 의해 결정되거나 프로토콜에 의해 지정되는, 엔트로피 디코딩 방법.
  19. 제18항에 있어서, 상기 미리 설정된 임계값이 상기 엔트로피 디코딩 장치에 의해 결정되는 경우, 상기 미리 설정된 임계값을 획득하는 단계는,
    상기 타겟 포인트 클라우드의 기하학적 헤더 정보를 획득하는 단계;
    상기 기하학적 헤더 정보 중의 제1 정보에 따라, 상기 미리 설정된 임계값을 획득하는 단계; 를 포함하며,
    상기 제1 정보는 상기 미리 설정된 임계값 또는 상기 미리 설정된 임계값에 대응되는 식별 정보인, 엔트로피 디코딩 방법.
  20. 제13항 또는 제14항에 있어서, 상기 타겟 포인트 클라우드의 소밀도 정보에 따라, 상기 타겟 포인트 클라우드의 엔트로피 디코딩에 사용되는 점유 코드 컨텍스트 모델의 유형을 결정하는 단계는,
    상기 타겟 포인트 클라우드의 소밀도 정보가 희소 포인트 클라우드인 경우, 상기 타겟 포인트 클라우드의 엔트로피 디코딩에 사용되는 점유 코드 컨텍스트 모델의 유형을 점유 코드 컨텍스트 모델 1로 결정하는 단계;
    상기 타겟 포인트 클라우드의 소밀도 정보가 밀집 포인트 클라우드인 경우, 상기 타겟 포인트 클라우드의 엔트로피 디코딩에 사용되는 점유 코드 컨텍스트 모델의 유형을 점유 코드 컨텍스트 모델 2로 결정하는 단계; 중 적어도 하나를 포함하는, 엔트로피 디코딩 방법.
  21. 제10항 내지 제19항 중 어느 한 항에 있어서, 상기 타겟 포인트 클라우드는 포인트 클라우드 시퀀스 또는 포인트 클라우드 시퀀스 내의 포인트 클라우드 슬라이스인, 엔트로피 디코딩 방법.
  22. 엔트로피 인코딩 장치에 있어서,
    인코딩될 타겟 포인트 클라우드의 소밀도 정보를 획득하도록 구성되는 제1 획득 모듈;
    상기 소밀도 정보에 따라, 상기 타겟 포인트 클라우드의 엔트로피 인코딩에 사용되는 점유 코드 컨텍스트 모델의 유형을 결정하도록 구성되는 제1 결정 모듈;
    상기 점유 코드 컨텍스트 모델의 유형에 따라, 상기 타겟 포인트 클라우드의 엔트로피 인코딩을 수행하도록 구성되는 인코딩 모듈; 을 포함하는, 엔트로피 인코딩 장치.
  23. 프로세서, 메모리, 및 상기 메모리에 저장되고 상기 프로세서에서 실행될 수 있는 프로그램 또는 명령을 포함하며, 상기 프로그램 또는 명령이 상기 프로세서에 의해 실행될 때 제1항 내지 제9항 중 어느 한 항에 따른 엔트로피 인코딩 방법의 단계를 구현하는, 엔트로피 인코딩 장치.
  24. 엔트로피 디코딩 장치에 있어서,
    디코딩될 타겟 포인트 클라우드의 엔트로피 디코딩에 사용되는 점유 코드 컨텍스트 모델의 유형을 획득하도록 구성되는 제2 획득 모듈 - 여기서, 상기 타겟 포인트 클라우드의 엔트로피 디코딩에 사용되는 점유 코드 컨텍스트 모델의 유형은 상기 타겟 포인트 클라우드의 소밀도 정보에 의해 결정됨 - ;
    상기 점유 코드 컨텍스트 모델의 유형에 따라, 상기 타겟 포인트 클라우드의 엔트로피 디코딩을 수행하도록 구성되는 디코딩 모듈; 을 포함하는, 엔트로피 디코딩 장치.
  25. 프로세서, 메모리, 및 상기 메모리에 저장되고 상기 프로세서에서 실행될 수 있는 프로그램 또는 명령을 포함하며, 상기 프로그램 또는 명령이 상기 프로세서에 의해 실행될 때 제10항 내지 제21항 중 어느 한 항에 따른 엔트로피 디코딩 방법의 단계를 구현하는, 엔트로피 디코딩 장치.
  26. 프로그램 또는 명령이 저장되고, 상기 프로그램 또는 명령이 프로세서에 의해 실행될 때 제1항 내지 제9항 중 어느 한 항에 따른 엔트로피 인코딩 방법의 단계를 구현하거나, 제10항 내지 제21항 중 어느 한 항에 따른 엔트로피 디코딩 방법의 단계를 구현하는, 판독가능 저장 매체.
  27. 프로세서 및 통신 인터페이스를 포함하고, 상기 통신 인터페이스는 상기 프로세서와 결합되고, 상기 프로세서는 프로그램 또는 명령을 실행하도록 구성되어 제1항 내지 제9항 중 어느 한 항에 따른 엔트로피 인코딩 방법의 단계를 구현하거나, 제10항 내지 제21항 중 어느 한 항에 따른 엔트로피 디코딩 방법의 단계를 구현하는, 칩.
  28. 비휘발성 저장 매체에 저장되고, 적어도 하나의 프로세서에 의해 실행될 때 제1항 내지 제9항 중 어느 한 항에 따른 엔트로피 인코딩 방법의 단계를 구현하거나, 제10항 내지 제21항 중 어느 한 항에 따른 엔트로피 디코딩 방법의 단계를 구현하는, 컴퓨터 프로그램 제품.
  29. 제1항 내지 제9항 중 어느 한 항에 따른 엔트로피 인코딩 방법의 단계를 수행하거나, 제10항 내지 제21항 중 어느 한 항에 따른 엔트로피 디코딩 방법의 단계를 수행하도록 구성되는, 통신기기.
KR1020237039690A 2021-06-11 2022-06-09 엔트로피 인코딩, 디코딩 방법 및 장치 KR20230173695A (ko)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
CN202110656066.6 2021-06-11
CN202110656066.6A CN115474050A (zh) 2021-06-11 2021-06-11 熵编码、解码方法及装置
PCT/CN2022/097852 WO2022258009A1 (zh) 2021-06-11 2022-06-09 熵编码、解码方法及装置

Publications (1)

Publication Number Publication Date
KR20230173695A true KR20230173695A (ko) 2023-12-27

Family

ID=84365373

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020237039690A KR20230173695A (ko) 2021-06-11 2022-06-09 엔트로피 인코딩, 디코딩 방법 및 장치

Country Status (6)

Country Link
US (1) US20240104784A1 (ko)
EP (1) EP4354864A1 (ko)
JP (1) JP2024521832A (ko)
KR (1) KR20230173695A (ko)
CN (1) CN115474050A (ko)
WO (1) WO2022258009A1 (ko)

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP3595180B1 (en) * 2018-07-10 2021-12-08 BlackBerry Limited Methods and devices for neighbourhood-based occupancy prediction in point cloud compression
US10915779B2 (en) * 2019-04-26 2021-02-09 Unikie Oy Method for extracting uniform features from point cloud and system therefor
US10693492B1 (en) * 2019-06-28 2020-06-23 Blackberry Limited Context determination for planar mode in octree-based point cloud coding
US20220376702A1 (en) * 2019-10-11 2022-11-24 Blackberry Limited Methods and devices for tree switching in point cloud compression
US11281917B2 (en) * 2019-10-31 2022-03-22 Aptiv Technologies Limited Multi-domain neighborhood embedding and weighting of point cloud data

Also Published As

Publication number Publication date
WO2022258009A1 (zh) 2022-12-15
US20240104784A1 (en) 2024-03-28
EP4354864A1 (en) 2024-04-17
CN115474050A (zh) 2022-12-13
JP2024521832A (ja) 2024-06-04

Similar Documents

Publication Publication Date Title
CN112218077B (zh) 通道间点云属性编码方法、装置以及可读存储介质
WO2022121650A1 (zh) 点云属性的预测方法、编码器、解码器及存储介质
CN110278443B (zh) 划分标志位的上下文建模方法及装置
CN115086658A (zh) 点云数据的处理方法、装置、存储介质及编解码设备
KR20230173695A (ko) 엔트로피 인코딩, 디코딩 방법 및 장치
EP4319167A1 (en) Point cloud encoding processing method and apparatus, and point cloud decoding processing method and apparatus
WO2023024842A1 (zh) 点云编解码方法、装置、设备及存储介质
US20240236381A9 (en) Encoding Control Method and Apparatus, and Decoding Control Method and Apparatus
WO2023025024A1 (zh) 点云属性编码方法、点云属性解码方法及终端
WO2023098820A1 (zh) 点云编码、解码方法、装置及通信设备
CN115474041B (zh) 点云属性的预测方法、装置及相关设备
CN115086716B (zh) 点云中邻居点的选择方法、装置及编解码器
WO2023098807A1 (zh) 点云编、解码处理方法、装置、编码设备及解码设备
WO2022257968A1 (zh) 点云编码方法、点云解码方法及终端
WO2023103565A1 (zh) 点云属性信息的编解码方法、装置、设备及存储介质
WO2022140937A1 (zh) 点云编解码方法与***、及点云编码器与点云解码器
WO2022116118A1 (zh) 预测方法、编码器、解码器以及存储介质
US20240121439A1 (en) Point cloud attribute information encoding method and apparatus, point cloud attribute information decoding method and apparatus, and related device
CN118175319A (zh) 点云编码方法、点云解码方法及相关设备
CN116634179A (zh) 点云数据处理方法、装置、电子设备及存储介质

Legal Events

Date Code Title Description
A201 Request for examination