WO2021045603A1 - 포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법 - Google Patents

포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법 Download PDF

Info

Publication number
WO2021045603A1
WO2021045603A1 PCT/KR2020/012072 KR2020012072W WO2021045603A1 WO 2021045603 A1 WO2021045603 A1 WO 2021045603A1 KR 2020012072 W KR2020012072 W KR 2020012072W WO 2021045603 A1 WO2021045603 A1 WO 2021045603A1
Authority
WO
WIPO (PCT)
Prior art keywords
attribute
point
point cloud
prediction mode
information
Prior art date
Application number
PCT/KR2020/012072
Other languages
English (en)
French (fr)
Inventor
허혜정
오세진
박유선
Original Assignee
엘지전자 주식회사
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 엘지전자 주식회사 filed Critical 엘지전자 주식회사
Publication of WO2021045603A1 publication Critical patent/WO2021045603A1/ko

Links

Images

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T9/00Image coding
    • HELECTRICITY
    • H04ELECTRIC COMMUNICATION TECHNIQUE
    • H04NPICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N13/00Stereoscopic video systems; Multi-view video systems; Details thereof
    • H04N13/10Processing, recording or transmission of stereoscopic or multi-view image signals
    • H04N13/106Processing image signals
    • H04N13/161Encoding, multiplexing or demultiplexing different image signal components
    • HELECTRICITY
    • H04ELECTRIC COMMUNICATION TECHNIQUE
    • H04NPICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/10Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding
    • H04N19/134Methods 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
    • H04N19/157Assigned coding mode, i.e. the coding mode being predefined or preselected to be further used for selection of another element or parameter
    • HELECTRICITY
    • H04ELECTRIC COMMUNICATION TECHNIQUE
    • H04NPICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/10Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding
    • H04N19/169Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the coding unit, i.e. the structural portion or semantic portion of the video signal being the object or the subject of the adaptive coding
    • H04N19/184Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the coding unit, i.e. the structural portion or semantic portion of the video signal being the object or the subject of the adaptive coding the unit being bits, e.g. of the compressed video stream
    • HELECTRICITY
    • H04ELECTRIC COMMUNICATION TECHNIQUE
    • H04NPICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/90Methods 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
    • H04N19/93Run-length coding

Definitions

  • Embodiments relate to a method and apparatus for processing point cloud content.
  • the point cloud content is content expressed as a point cloud, which is a set of points (points) belonging to a coordinate system representing a three-dimensional space.
  • Point cloud content can express media consisting of three dimensions, VR (Virtual Reality, Virtual Reality), AR (Augmented Reality, Augmented Reality), MR (Mixed Reality, Mixed Reality), XR (Extended Reality), and autonomous driving. It is used to provide various services such as services. However, tens of thousands to hundreds of thousands of point data are required to represent point cloud content. Therefore, a method for efficiently processing a vast amount of point data is required.
  • the technical problem according to the embodiments is to provide a point cloud data transmission apparatus, a transmission method, a point cloud data reception apparatus, and a reception method for efficiently transmitting and receiving a point cloud in order to solve the above-described problems.
  • a technical problem according to embodiments is to provide a point cloud data transmission apparatus, a transmission method, a point cloud data reception apparatus, and a reception method for solving latency and encoding/decoding complexity.
  • the technical problem according to embodiments is to improve the encoding technology of the attribute information of geometry-based point cloud compression (G-PCC) to improve the compression performance of the point cloud data transmission. It is to provide an apparatus, a transmission method, a point cloud data receiving apparatus, and a receiving method.
  • G-PCC geometry-based point cloud compression
  • a technical problem according to embodiments is to provide a point cloud data transmission device, a transmission method, a point cloud data reception device, and a reception method for increasing compression efficiency while supporting parallel processing of attribute information of G-PCC.
  • a technical problem according to embodiments is a point cloud data transmission apparatus for increasing compression efficiency of attribute information by changing a prediction mode and a bitstream configuration of a quantized residual attribute value in a process of encoding and decoding attribute information of G-PCC , A transmission method, a point cloud data receiving apparatus and a receiving method.
  • the point cloud data transmission method includes the steps of acquiring point cloud data, encoding geometry information of the point cloud data, and the point cloud based on the geometry information. Encoding attribute information of data, and transmitting a bitstream including the encoded geometry information, the encoded attribute information, and signaling information.
  • the encoding of the attribute information includes selecting a prediction mode of each point to perform attribute encoding, and a predicted attribute value of each point and an original attribute value of each point predicted based on the selected prediction mode of each point.
  • the method includes obtaining a residual attribute value of each point by a difference between and.
  • the encoding of the attribute information includes separating a prediction mode and a residual attribute value from each point, and a prediction mode bitstream including a prediction mode separated from each point and a residual attribute value separated from each point.
  • the method further includes configuring a residual attribute bitstream to be included.
  • the encoding of the attribute information may further include applying and encoding zero run-length coding to a prediction mode bitstream including a prediction mode separated from each point.
  • the signaling information includes information for identifying whether a prediction mode and a residual attribute value are separated, and information for identifying whether zero run-length coding is applied to the prediction mode bitstream.
  • the prediction mode is one of first to fourth prediction modes, and the first prediction mode is a mode in which an average value of a value obtained by multiplying the attributes of the registered neighboring points of the corresponding point by a weight is determined as the predicted attribute value of the corresponding point.
  • the second prediction mode is a mode in which the attribute of the first nearest neighbor point among the registered neighbor points is determined as the predicted attribute value of the corresponding point based on a distance
  • the third prediction mode is the registered neighbor Among the points, the attribute of the second nearest neighboring point is determined as the predicted attribute value of the corresponding point based on the distance to the corresponding point
  • the fourth prediction mode is the third among the registered neighboring points based on the distance and the corresponding point.
  • an attribute of a nearby neighboring point is determined as a predicted attribute value of the corresponding point.
  • the point cloud data transmission apparatus includes an acquisition unit that obtains point cloud data, a geometry encoder that encodes geometry information of the point cloud data, and an attribute that encodes attribute information of the point cloud data based on the geometry information. It may include an encoder and a transmission unit for transmitting a bitstream including the encoded geometry information, the encoded attribute information, and signaling information.
  • the attribute encoder selects a prediction mode of each point to perform attribute encoding, and the difference between the predicted attribute value of each point predicted based on the selected prediction mode of each point and the original attribute value of each point. According to an embodiment, the residual attribute value of a point is calculated.
  • the attribute encoder separates a prediction mode and a residual attribute value from each point, a prediction mode bitstream including a prediction mode separated from each point, and a residual attribute bitstream including a residual attribute value separated from each point And encoding by applying zero run-length coding to a prediction mode bitstream including a prediction mode separated from each point.
  • the signaling information includes information for identifying whether a prediction mode and a residual attribute value are separated, and information for identifying whether zero run-length coding is applied to the prediction mode bitstream.
  • the method for receiving point cloud data includes receiving a bitstream including geometry information, attribute information, and signaling information, decoding the geometry information based on the signaling information, the signaling information and the geometry
  • the method includes decoding the attribute information based on the information, and rendering the reconstructed point cloud data based on the decoded geometry information and the decoded attribute information.
  • the signaling information includes information for identifying whether a prediction mode and a residual attribute value are separated, and information for identifying whether zero run-length coding is applied to a prediction mode bitstream including the prediction mode. Let's take an example.
  • the decoding of the attribute information if it is determined that the prediction mode and the residual attribute value are separated based on the signaling information, and when it is determined that zero run-length coding is applied to the prediction mode bitstream, zero run-length coding is applied to the prediction mode bitstream. According to an embodiment, it further includes performing run-length decoding.
  • the attribute value of each point is predicted based on the prediction mode of each received and decoded point, and the residual attribute value of each received and decoded point is added to the predicted attribute value of each point. According to an embodiment, it includes the step of restoring the attribute value of the point.
  • the prediction mode is one of first to fourth prediction modes, and the first prediction mode is a mode in which an average value of a value obtained by multiplying the attributes of the registered neighboring points of the corresponding point by a weight is determined as the predicted attribute value of the corresponding point.
  • the second prediction mode is a mode in which the attribute of the first nearest neighbor point among the registered neighbor points is determined as the predicted attribute value of the corresponding point based on a distance
  • the third prediction mode is the registered neighbor Among the points, the attribute of the second nearest neighboring point is determined as the predicted attribute value of the corresponding point based on the distance to the corresponding point
  • the fourth prediction mode is the third among the registered neighboring points based on the distance and the corresponding point.
  • an attribute of a nearby neighboring point is determined as a predicted attribute value of the corresponding point.
  • the point cloud data receiving apparatus includes a receiving unit that receives a bitstream including geometry information, attribute information, and signaling information, a geometry decoder that decodes the geometry information based on the signaling information, the signaling information and the An attribute decoder that decodes the attribute information based on geometry information, and a renderer that renders the reconstructed point cloud data based on the decoded geometry information and the decoded attribute information.
  • the signaling information includes information for identifying whether a prediction mode and a residual attribute value are separated, and information for identifying whether zero run-length coding is applied to a prediction mode bitstream including the prediction mode. Let's take an example.
  • the attribute decoder determines that the prediction mode and the residual attribute value are separated based on the signaling information, and when it is determined that zero run-length coding is applied to the prediction mode bitstream, zero run-length decoding is performed on the prediction mode bitstream. It is assumed to perform as an embodiment.
  • the attribute decoder predicts the attribute value of each point based on the prediction mode of each received and decoded point, adds the residual attribute value of each received and decoded point to the predicted attribute value of each point, and adds the attribute value of each point. It is assumed that the restoration is performed in an embodiment.
  • the prediction mode is one of first to fourth prediction modes, and the first prediction mode is a mode in which an average value of a value obtained by multiplying the attributes of the registered neighboring points of the corresponding point by a weight is determined as the predicted attribute value of the corresponding point.
  • the second prediction mode is a mode in which the attribute of the first nearest neighbor point among the registered neighbor points is determined as the predicted attribute value of the corresponding point based on a distance
  • the third prediction mode is the registered neighbor Among the points, the attribute of the second nearest neighboring point is determined as the predicted attribute value of the corresponding point based on the distance to the corresponding point
  • the fourth prediction mode is the third among the registered neighboring points based on the distance and the corresponding point.
  • an attribute of a nearby neighboring point is determined as a predicted attribute value of the corresponding point.
  • the point cloud data transmission method, the transmission device, the point cloud data reception method, and the reception device may provide a point cloud service with high quality.
  • the point cloud data transmission method, the transmission device, the point cloud data reception method, and the reception device may achieve various video codec schemes.
  • the point cloud data transmission method, the transmission device, the point cloud data reception method, and the reception device may provide general-purpose point cloud content such as an autonomous driving service.
  • the point cloud data transmission method, the transmission device, the point cloud data reception method, and the reception device perform spatial adaptive division of point cloud data for independent encoding and decoding of the point cloud data, thereby improving parallel processing and It can provide scalability.
  • the point cloud data transmission method, the transmission device, the point cloud data reception method, and the reception device perform encoding and decoding by spatially dividing the point cloud data into tiles and/or slice units, and signaling necessary data for this. It is possible to improve the encoding and decoding performance of the point cloud.
  • the point cloud data transmission method, the transmission device, the point cloud data reception method, and the reception device may increase attribute decoding efficiency by changing a prediction mode and a bitstream configuration of a residual attribute value when encoding an attribute.
  • the point cloud data transmission method, the transmission device, the point cloud data reception method, and the reception device separate a prediction mode and a residual attribute value from all points when an attribute is encoded, and the prediction mode is divided into the separated prediction modes.
  • attribute decoding efficiency can be improved.
  • parallel processing is possible and the encoding/decoding speed is increased.
  • the point cloud data transmission method, the transmission device, the point cloud data reception method, and the reception device separate the prediction mode and the residual attribute value from all points when the attribute is encoded, and prediction consisting of the separated prediction modes.
  • the size of the attribute bitstream can be reduced.
  • the peak signal-to-noise ratio (PSNR) does not change, thereby increasing the attribute compression efficiency.
  • FIG. 1 shows a system for providing point cloud content according to embodiments.
  • FIG. 2 shows a process for providing Point Cloud content according to embodiments.
  • FIG 3 shows the arrangement of Point Cloud capture equipment according to embodiments.
  • FIG. 4 shows a point cloud video encoder according to embodiments.
  • 5 shows voxels in a 3D space according to embodiments.
  • FIG. 6 shows an example of an octree and an occupancy code according to embodiments.
  • FIG. 7 illustrates an example of a neighbor node pattern according to embodiments.
  • FIG. 8 shows an example of a point configuration of Point Cloud content for each LOD according to embodiments.
  • FIG 9 shows an example of a point configuration of Point Cloud content for each LOD according to embodiments.
  • FIG. 10 shows an example of a block diagram of a point cloud video decoder according to embodiments.
  • FIG. 11 shows an example of a point cloud video decoder according to embodiments.
  • FIG. 12 shows components for encoding Point Cloud video of a transmitter according to embodiments.
  • FIG. 13 shows components for decoding Point Cloud video of a receiver according to embodiments.
  • FIG. 14 shows an example of a structure that can be interlocked with a point cloud data method/device according to embodiments.
  • 15 is a diagram illustrating another example of an apparatus for transmitting a point cloud according to embodiments.
  • 16(a) to 16(c) show an embodiment of dividing the bounding box into one or more tiles.
  • 17 is a detailed block diagram showing another example of a geometry encoder and an attribute encoder according to embodiments.
  • 18(a) is a diagram illustrating an example in which a prediction mode and a residual attribute value are grouped into pairs for each point to configure a bitstream according to embodiments.
  • 18(b) shows an example of separating a prediction mode and a residual attribute value for all points according to embodiments, configuring a prediction mode stream with prediction modes, and configuring a residual attribute value stream with residual attribute values. It is a drawing.
  • 19 is a detailed block diagram showing an example of a zero-run length encoding process according to embodiments.
  • FIG. 20 is a diagram illustrating another example of an apparatus for receiving a point cloud according to embodiments.
  • 21 is a detailed block diagram showing another example of a geometry decoder and an attribute decoder according to embodiments.
  • FIG. 22 is a diagram illustrating an example of a bitstream structure of point cloud data for transmission/reception according to embodiments.
  • FIG. 23 is a diagram illustrating an example of a bitstream structure of point cloud data according to embodiments.
  • 24 is a diagram illustrating a connection relationship between components in a bitstream of point cloud data according to embodiments.
  • 25 is a diagram showing an embodiment of a syntax structure of a sequence parameter set according to the present specification.
  • 26 is a diagram showing an embodiment of a syntax structure of a geometry parameter set according to the present specification.
  • 27 is a diagram illustrating an embodiment of a syntax structure of an attribute parameter set according to the present specification.
  • FIG. 28 is a diagram illustrating an embodiment of a syntax structure of a tile parameter set according to the present specification.
  • 29 is a diagram showing an embodiment of a syntax structure of a geometry slice bitstream () according to the present specification.
  • FIG. 30 is a diagram illustrating an embodiment of a syntax structure of a geometry slice header according to the present specification.
  • FIG. 31 is a diagram illustrating an embodiment of a syntax structure of geometry slice data according to the present specification.
  • 32 is a diagram showing an embodiment of a syntax structure of an attribute slice bitstream () according to the present specification.
  • 33 is a diagram illustrating an embodiment of a syntax structure of an attribute slice header according to the present specification.
  • 34 is a diagram illustrating an embodiment of a syntax structure of attribute slice data according to the present specification.
  • 35 is a flowchart of a method for transmitting point cloud data according to embodiments.
  • 36 is a flowchart of a method for receiving point cloud data according to embodiments.
  • FIG. 1 shows an example of a point cloud content providing system according to embodiments.
  • the point cloud content providing system illustrated in FIG. 1 may include a transmission device 10000 and a reception device 10004.
  • the transmission device 10000 and the reception device 10004 may perform wired or wireless communication in order to transmit and receive point cloud data.
  • the transmission device 10000 may secure, process, and transmit a point cloud video (or point cloud content).
  • the transmission device 10000 is a fixed station, a base transceiver system (BTS), a network, an artificial intelligence (AI) device and/or system, a robot, an AR/VR/XR device and/or server. And the like.
  • the transmission device 10000 uses a wireless access technology (eg, 5G NR (New RAT), LTE (Long Term Evolution)) to communicate with a base station and/or other wireless devices, Robots, vehicles, AR/VR/XR devices, portable devices, home appliances, Internet of Thing (IoT) devices, AI devices/servers, and the like may be included.
  • 5G NR New RAT
  • LTE Long Term Evolution
  • the transmission device 10000 includes a Point Cloud Video Acquisition unit (10001), a Point Cloud Video Encoder (10002) and/or a transmitter (Transmitter (or Communication module)), 10003)
  • the point cloud video acquisition unit 10001 acquires a point cloud video through a process such as capture, synthesis, or generation.
  • a point cloud video is a point cloud content expressed as a point cloud, which is a set of points located in a three-dimensional space, and may be referred to as point cloud video data or the like.
  • a point cloud video according to embodiments may include one or more frames. One frame represents a still image/picture. Accordingly, the point cloud video may include a point cloud image/frame/picture, and may be referred to as any one of a point cloud image, a frame, and a picture.
  • the point cloud video encoder 10002 encodes the secured point cloud video data.
  • the point cloud video encoder 10002 may encode point cloud video data based on point cloud compression coding.
  • Point cloud compression coding may include Geometry-based Point Cloud Compression (G-PCC) coding and/or Video based Point Cloud Compression (V-PCC) coding or next-generation coding.
  • G-PCC Geometry-based Point Cloud Compression
  • V-PCC Video based Point Cloud Compression
  • the point cloud video encoder 10002 may output a bitstream including encoded point cloud video data.
  • the bitstream may include not only the encoded point cloud video data, but also signaling information related to encoding of the point cloud video data.
  • the transmitter 10003 transmits a bitstream including encoded point cloud video data.
  • the bitstream according to the embodiments is encapsulated into a file or segment (for example, a streaming segment) and transmitted through various networks such as a broadcasting network and/or a broadband network.
  • the transmission device 10000 may include an encapsulation unit (or an encapsulation module) that performs an encapsulation operation.
  • the encapsulation unit may be included in the transmitter 10003.
  • a file or segment may be transmitted to the receiving device 10004 through a network or stored in a digital storage medium (eg, USB, SD, CD, DVD, Blu-ray, HDD, SSD, etc.).
  • the transmitter 10003 may perform wired/wireless communication with the receiving device 10004 (or a receiver 10005) through a network such as 4G, 5G, or 6G.
  • the transmitter 10003 may perform necessary data processing operations according to a network system (for example, a communication network system such as 4G, 5G, or 6G).
  • the transmission device 10000 may transmit encapsulated data according to an on demand method.
  • the receiving device 10004 includes a receiver 10005, a point cloud video decoder 10006, and/or a renderer 10007.
  • the receiving device 10004 uses a wireless access technology (e.g., 5G NR (New RAT), LTE (Long Term Evolution)) to communicate with a base station and/or other wireless devices, a robot , Vehicles, AR/VR/XR devices, portable devices, home appliances, Internet of Thing (IoT) devices, AI devices/servers, and the like.
  • 5G NR New RAT
  • LTE Long Term Evolution
  • the receiver 10005 receives a bitstream including point cloud video data or a file/segment in which the bitstream is encapsulated from a network or a storage medium.
  • the receiver 10005 may perform a necessary data processing operation according to a network system (for example, a communication network system such as 4G, 5G, or 6G).
  • the receiver 10005 may output a bitstream by decapsulating the received file/segment.
  • the receiver 10005 may include a decapsulation unit (or a decapsulation module) for performing a decapsulation operation.
  • the decapsulation unit may be implemented as an element (or component or module) separate from the receiver 10005.
  • the point cloud video decoder 10006 decodes a bitstream including point cloud video data.
  • the point cloud video decoder 10006 may decode the point cloud video data according to the encoding method (for example, a reverse process of the operation of the point cloud video encoder 10002). Accordingly, the point cloud video decoder 10006 may decode the point cloud video data by performing point cloud decompression coding, which is a reverse process of the point cloud compression.
  • Point cloud decompression coding includes G-PCC coding.
  • the renderer 10007 renders the decoded point cloud video data.
  • the renderer 10007 may output point cloud content by rendering audio data as well as point cloud video data.
  • the renderer 10007 may include a display for displaying point cloud content.
  • the display is not included in the renderer 10007 and may be implemented as a separate device or component.
  • the feedback information is information for reflecting an interaction ratio with a user who consumes point cloud content, and includes user information (eg, head orientation information, viewport information, etc.).
  • user information eg, head orientation information, viewport information, etc.
  • the feedback information is the content sending side (for example, the transmission device 10000) and/or a service provider. Can be delivered to.
  • the feedback information may be used not only in the transmitting device 10000 but also in the receiving device 10004 or may not be provided.
  • Head orientation information is information on a position, direction, angle, and movement of a user's head.
  • the reception device 10004 may calculate viewport information based on the head orientation information.
  • the viewport information is information on the area of the point cloud video that the user is viewing.
  • the viewpoint is a point at which the user is watching the point cloud video, and may mean a center point of the viewport area. That is, the viewport is an area centered on a viewpoint, and the size and shape of the area may be determined by a field of view (FOV).
  • FOV field of view
  • the receiving device 10004 may extract viewport information based on a vertical or horizontal FOV supported by the device in addition to the head orientation information.
  • the receiving device 10004 performs a gaze analysis and the like to check the point cloud consumption method of the user, the point cloud video area the user is staring, and the gaze time.
  • the receiving device 10004 may transmit feedback information including a result of the gaze analysis to the transmitting device 10000.
  • Feedback information may be obtained during rendering and/or display.
  • Feedback information may be secured by one or more sensors included in the receiving device 10004.
  • the feedback information may be secured by the renderer 10007 or a separate external element (or device, component, etc.).
  • a dotted line in FIG. 1 shows a process of transmitting feedback information secured by the renderer 10007.
  • the point cloud content providing system may process (encode/decode) point cloud data based on feedback information. Accordingly, the point cloud video decoder 10006 may perform a decoding operation based on the feedback information. Also, the receiving device 10004 may transmit feedback information to the transmitting device 10000. The transmission device 10000 (or the point cloud video encoder 10002) may perform an encoding operation based on the feedback information. Therefore, the point cloud content providing system does not process (encode/decode) all point cloud data, but efficiently processes necessary data (e.g., point cloud data corresponding to the user's head position) based on feedback information. Point cloud content can be provided to users.
  • the transmission apparatus 10000 may be referred to as an encoder, a transmission device, a transmitter, a transmission system, and the like
  • the reception apparatus 10004 may be referred to as a decoder, a reception device, a receiver, a reception system, and the like.
  • Point cloud data (processed in a series of acquisition/encoding/transmission/decoding/rendering) processed in the point cloud content providing system of FIG. 1 according to embodiments may be referred to as point cloud content data or point cloud video data.
  • the point cloud content data may be used as a concept including metadata or signaling information related to the point cloud data.
  • Elements of the point cloud content providing system shown in FIG. 1 may be implemented by hardware, software, a processor, and/or a combination thereof.
  • FIG. 2 is a block diagram illustrating an operation of providing point cloud content according to embodiments.
  • the block diagram of FIG. 2 shows the operation of the point cloud content providing system described in FIG. 1.
  • the point cloud content providing system may process point cloud data based on point cloud compression coding (eg, G-PCC).
  • point cloud compression coding eg, G-PCC
  • the point cloud content providing system may acquire a point cloud video (20000).
  • the point cloud video is expressed as a point cloud belonging to a coordinate system representing a three-dimensional space.
  • the point cloud video according to embodiments may include a Ply (Polygon File format or the Stanford Triangle format) file.
  • Ply files contain point cloud data such as the geometry and/or attributes of the point.
  • the geometry includes the positions of the points.
  • the position of each point may be expressed by parameters (eg, values of each of the X-axis, Y-axis, and Z-axis) representing a three-dimensional coordinate system (eg, a coordinate system composed of XYZ axes).
  • the attribute includes attributes of points (eg, texture information of each point, color (YCbCr or RGB), reflectance (r), transparency, etc.).
  • a point has one or more attributes (or attributes).
  • one point may have an attribute of one color or two attributes of a color and reflectance.
  • geometry may be referred to as positions, geometry information, geometry data, and the like, and attributes may be referred to as attributes, attribute information, attribute data, and the like.
  • the point cloud content providing system (for example, the point cloud transmission device 10000 or the point cloud video acquisition unit 10001) provides points from information (eg, depth information, color information, etc.) related to the acquisition process of the point cloud video. Cloud data can be secured.
  • the point cloud content providing system may encode point cloud data (20001).
  • the point cloud content providing system may encode point cloud data based on point cloud compression coding.
  • the point cloud data may include the geometry and attributes of the point.
  • the point cloud content providing system may output a geometry bitstream by performing geometry encoding for encoding geometry.
  • the point cloud content providing system may output an attribute bitstream by performing attribute encoding for encoding the attribute.
  • the point cloud content providing system may perform attribute encoding based on geometry encoding.
  • the geometry bitstream and the attribute bitstream according to the embodiments may be multiplexed and output as one bitstream.
  • the bitstream according to embodiments may further include signaling information related to geometry encoding and attribute encoding.
  • the point cloud content providing system may transmit encoded point cloud data (20002).
  • the encoded point cloud data may be expressed as a geometry bitstream and an attribute bitstream.
  • the encoded point cloud data may be transmitted in the form of a bitstream together with signaling information related to encoding of the point cloud data (eg, signaling information related to geometry encoding and attribute encoding).
  • the point cloud content providing system may encapsulate the bitstream for transmitting the encoded point cloud data and transmit it in the form of a file or segment.
  • the point cloud content providing system may receive a bitstream including encoded point cloud data.
  • the point cloud content providing system may demultiplex the bitstream.
  • the point cloud content providing system can decode the encoded point cloud data (e.g., geometry bitstream, attribute bitstream) transmitted as a bitstream.
  • the point cloud content providing system may decode the point cloud video data based on signaling information related to encoding of the point cloud video data included in the bitstream.
  • a point cloud content providing system (for example, the receiving device 10004 or the point cloud video decoder 10005) may restore positions (geometry) of points by decoding a geometry bitstream.
  • the point cloud content providing system may restore the attributes of points by decoding the attribute bitstream based on the restored geometry.
  • the point cloud content providing system (for example, the receiving device 10004 or the point cloud video decoder 10005) may restore the point cloud video based on the decoded attributes and positions according to the restored geometry.
  • the point cloud content providing system may render the decoded point cloud data (20004 ).
  • the point cloud content providing system may render the decoded geometry and attributes through a decoding process according to various rendering methods. Points of the point cloud content may be rendered as a vertex having a certain thickness, a cube having a specific minimum size centered on the vertex position, or a circle centered on the vertex position. All or part of the rendered point cloud content is provided to the user through a display (e.g., VR/AR display, general display, etc.).
  • a display e.g., VR/AR display, general display, etc.
  • the point cloud content providing system may secure feedback information (20005).
  • the point cloud content providing system may encode and/or decode point cloud data based on the feedback information. Since the operation of the feedback information and point cloud content providing system according to the embodiments is the same as the feedback information and operation described in FIG. 1, a detailed description will be omitted.
  • FIG 3 shows an example of a point cloud video capture process according to embodiments.
  • FIGS. 1 to 2 shows an example of a point cloud video capture process of the point cloud content providing system described in FIGS. 1 to 2.
  • Point cloud content is an object located in various three-dimensional spaces (for example, a three-dimensional space representing a real environment, a three-dimensional space representing a virtual environment, etc.) and/or a point cloud video (images and/or Videos). Therefore, the point cloud content providing system according to the embodiments includes one or more cameras (eg, an infrared camera capable of securing depth information, color information corresponding to the depth information) to generate the point cloud content.
  • the point cloud video can be captured using an RGB camera that can extract the image), a projector (for example, an infrared pattern projector to secure depth information), and LiDAR.
  • the point cloud content providing system may obtain point cloud data by extracting a shape of a geometry composed of points in a 3D space from depth information, and extracting an attribute of each point from color information.
  • An image and/or an image according to embodiments may be captured based on at least one or more of an inward-facing method and an outward-facing method.
  • the left side of FIG. 3 shows an inword-facing scheme.
  • the in-word-facing method refers to a method in which one or more cameras (or camera sensors) located surrounding a central object capture a central object.
  • the in-word-facing method provides point cloud content that provides users with 360-degree images of core objects (e.g., provides users with 360-degree images of objects (e.g., key objects such as characters, players, objects, actors, etc.) VR/AR content).
  • the right side of FIG. 3 shows an outword-pacing scheme.
  • the outward-facing method refers to a method in which one or more cameras (or camera sensors) located surrounding the central object capture the environment of the central object other than the central object.
  • the outward-facing method may be used to generate point cloud content (eg, content representing an external environment that may be provided to a user of an autonomous vehicle) to provide a surrounding environment appearing from a user's point of view.
  • point cloud content eg, content representing an external environment that may be provided to a user of an autonomous vehicle
  • the point cloud content may be generated based on a capture operation of one or more cameras.
  • the point cloud content providing system may calibrate one or more cameras to set a global coordinate system before the capture operation.
  • the point cloud content providing system may generate point cloud content by synthesizing an image and/or image captured by the above-described capture method with an arbitrary image and/or image.
  • the capture operation described in FIG. 3 may not be performed.
  • the point cloud content providing system may perform post-processing on the captured image and/or image. That is, the point cloud content providing system removes unwanted areas (e.g., background), recognizes the space where captured images and/or images are connected, and performs an operation to fill in a spatial hole if there is. I can.
  • the point cloud content providing system may generate one point cloud content by performing coordinate system transformation on points of the point cloud video acquired from each camera.
  • the point cloud content providing system may perform a coordinate system transformation of points based on the position coordinates of each camera. Accordingly, the point cloud content providing system may generate content representing one wide range, or may generate point cloud content having a high density of points.
  • FIG. 4 shows an example of a point cloud video encoder according to embodiments.
  • the point cloud video encoder uses point cloud data (e.g., positions and/or positions of points) to adjust the quality of the point cloud content (e.g., lossless-lossless, loss-lossy, near-lossless) according to network conditions or applications. Or attributes) and perform an encoding operation.
  • point cloud data e.g., positions and/or positions of points
  • the quality of the point cloud content e.g., lossless-lossless, loss-lossy, near-lossless
  • the point cloud content providing system may not be able to stream the content in real time. Therefore, the point cloud content providing system can reconstruct the point cloud content based on the maximum target bitrate in order to provide it in accordance with the network environment.
  • the point cloud video encoder may perform geometry encoding and attribute encoding. Geometry encoding is performed before attribute encoding.
  • a point cloud video encoder includes a coordinate system transform unit (Transformation Coordinates unit, 40000), a quantization unit (40001), an octree analysis unit (40002), and a surface approximation analysis unit (Surface Approximation).
  • the coordinate system transform unit 40000, the quantization unit 40001, the octree analysis unit 40002, the surface aproximation analysis unit 40003, the arithmetic encoder 40004, and the geometry reconstruction unit 40005 perform geometry encoding. can do.
  • Geometry encoding according to embodiments may include octree geometry coding, direct coding, trisoup geometry encoding, and entropy encoding. Direct coding and trisoup geometry encoding are applied selectively or in combination. Also, geometry encoding is not limited to the above example.
  • the coordinate system conversion unit 40000 receives positions and converts them into a coordinate system.
  • positions may be converted into position information in a three-dimensional space (eg, a three-dimensional space represented by an XYZ coordinate system).
  • Location information of a 3D space according to embodiments may be referred to as geometry information.
  • the quantization unit 40001 quantizes geometry information. For example, the quantization unit 40001 may quantize points based on the minimum position values of all points (eg, minimum values on each axis with respect to the X-axis, Y-axis, and Z-axis). The quantization unit 40001 multiplies the difference between the minimum position value and the position value of each point by a preset quantum scale value, and then performs a quantization operation to find the nearest integer value by performing a lowering or a rounding. Thus, one or more points may have the same quantized position (or position value). The quantization unit 40001 according to embodiments performs voxelization based on quantized positions to reconstruct quantized points.
  • the quantization unit 40001 performs voxelization based on quantized positions to reconstruct quantized points.
  • Voxelization refers to the minimum unit expressing position information in a three-dimensional space.
  • Points of point cloud content (or 3D point cloud video) according to embodiments may be included in one or more voxels.
  • the quantization unit 40001 may match groups of points in a 3D space with voxels. According to embodiments, one voxel may include only one point.
  • one voxel may include one or more points.
  • a position of a center point of a corresponding voxel may be set based on positions of one or more points included in one voxel.
  • attributes of all positions included in one voxel may be combined and assigned to a corresponding voxel.
  • the octree analysis unit 40002 performs octree geometry coding (or octree coding) to represent voxels in an octree structure.
  • the octree structure represents points matched to voxels based on an octal tree structure.
  • the surface aproxiation analysis unit 40003 may analyze and approximate an octree.
  • the octree analysis and approximation according to the embodiments is a process of analyzing to voxelize a region including a plurality of points in order to efficiently provide octree and voxelization.
  • the arithmetic encoder 40004 entropy encodes the octree and/or the approximated octree.
  • the encoding method includes an Arithmetic encoding method.
  • a geometry bitstream is generated.
  • Color conversion unit 40006, attribute conversion unit 40007, RAHT conversion unit 40008, LOD generation unit 40009, lifting conversion unit 40010, coefficient quantization unit 40011 and/or Arismatic encoder 40012 Performs attribute encoding.
  • one point may have one or more attributes. Attribute encoding according to embodiments is applied equally to attributes of one point. However, when one attribute (eg, color) includes one or more elements, independent attribute encoding is applied to each element.
  • Attribute encoding includes color transform coding, attribute transform coding, region adaptive hierarchical transform (RAHT) coding, interpolation-based hierarchical nearest-neighbor prediction-prediction transform coding, and interpolation-based hierarchical nearest -Neighbor prediction with an update/lifting step (Lifting Transform)) coding may be included.
  • RAHT region adaptive hierarchical transform
  • coding predictive transform coding
  • lifting transform coding may be selectively used, or a combination of one or more codings may be used.
  • attribute encoding according to embodiments is not limited to the above-described example.
  • the color conversion unit 40006 performs color conversion coding for converting color values (or textures) included in attributes.
  • the color conversion unit 40006 may convert the format of color information (eg, convert from RGB to YCbCr).
  • the operation of the color conversion unit 40006 according to the embodiments may be selectively applied according to color values included in attributes.
  • the geometry reconstruction unit 40005 reconstructs (decompresses) an octree and/or an approximated octree.
  • the geometry reconstruction unit 40005 reconstructs an octree/voxel based on a result of analyzing the distribution of points.
  • the reconstructed octree/voxel may be referred to as reconstructed geometry (or reconstructed geometry).
  • the attribute conversion unit 40007 performs attribute conversion for converting attributes based on the reconstructed geometry and/or positions for which geometry encoding has not been performed. As described above, since the attributes are dependent on geometry, the attribute conversion unit 40007 may convert the attributes based on the reconstructed geometry information. For example, the attribute conversion unit 40007 may convert an attribute of the point of the position based on the position value of the point included in the voxel. As described above, when a position of a center point of a corresponding voxel is set based on positions of one or more points included in one voxel, the attribute conversion unit 40007 converts attributes of one or more points. When trisoup geometry encoding is performed, the attribute converter 40007 may convert attributes based on trisoup geometry encoding.
  • the attribute conversion unit 40007 is an average value of attributes or attribute values (for example, color of each point, reflectance, etc.) of points neighboring within a specific position/radius from the position (or position value) of the center point of each voxel. Attribute conversion can be performed by calculating.
  • the attribute conversion unit 40007 may apply a weight according to a distance from a central point to each point when calculating an average value. Thus, each voxel has a position and a calculated attribute (or attribute value).
  • the attribute converter 40007 may search for neighboring points existing within a specific position/radius from the position of the center point of each voxel based on a K-D tree or a morton code.
  • the K-D tree is a binary search tree and supports a data structure that can manage points based on location so that the Nearest Neighbor Search (NNS) can be quickly performed.
  • the Molton code represents a coordinate value (for example, (x, y, z)) representing a three-dimensional position of all points as a bit value, and is generated by mixing the bits. For example, if the coordinate value indicating the position of the point is (5, 9, 1), the bit value of the coordinate value is (0101, 1001, 0001).
  • the attribute conversion unit 40007 may sort points based on a Molton code value and perform a shortest neighbor search (NNS) through a depth-first traversal process. After the attribute transformation operation, when a shortest neighbor search (NNS) is required in another transformation process for attribute coding, a K-D tree or a Molton code is used.
  • NSS shortest neighbor search
  • the converted attributes are input to the RAHT conversion unit 40008 and/or the LOD generation unit 40009.
  • the RAHT transform unit 40008 performs RAHT coding for predicting attribute information based on the reconstructed geometry information. For example, the RAHT transform unit 40008 may predict attribute information of a node at a higher level of the octree based on attribute information associated with a node at a lower level of the octree.
  • the LOD generator 40009 generates a level of detail (LOD).
  • LOD level of detail
  • the LOD according to the embodiments is a degree representing the detail of the point cloud content, and a smaller LOD value indicates that the detail of the point cloud content decreases, and a larger LOD value indicates that the detail of the point cloud content is high. Points can be classified according to LOD.
  • the lifting transform unit 40010 performs lifting transform coding that transforms the attributes of the point cloud based on weights. As described above, the lifting transform coding can be selectively applied.
  • the coefficient quantization unit 40011 quantizes attribute-coded attributes based on coefficients.
  • Arismatic encoder 40012 encodes quantized attributes based on Arismatic coding.
  • Elements of the point cloud video encoder of FIG. 4 are not shown in the drawing, but include one or more processors or integrated circuits configured to communicate with one or more memories included in the point cloud content providing apparatus. It may be implemented in hardware, software, firmware, or a combination thereof. One or more processors may perform at least one or more of the operations and/or functions of the elements of the point cloud video encoder of FIG. 4 described above. In addition, one or more processors may operate or execute a set of software programs and/or instructions for performing operations and/or functions of elements of the point cloud video encoder of FIG. 4.
  • One or more memories may include high speed random access memory, and nonvolatile memory (e.g., one or more magnetic disk storage devices, flash memory devices, or other nonvolatile solid state memory devices). Memory devices (solid-state memory devices, etc.).
  • FIG. 5 shows an example of a voxel according to embodiments.
  • voxels located in a three-dimensional space represented by a coordinate system composed of three axes of the X-axis, Y-axis, and Z-axis.
  • a point cloud video encoder eg, quantization unit 40001, etc.
  • FIG. 5 is an octree structure for recursive subdividing of a cubical axis-aligned bounding box defined by two poles (0,0,0) and (2 d , 2 d , 2 d) Shows an example of a voxel generated through.
  • One voxel includes at least one or more points.
  • the voxel can estimate spatial coordinates from the positional relationship with the voxel group.
  • voxels have attributes (color or reflectance, etc.) like pixels of a 2D image/video. A detailed description of the voxel is the same as that described with reference to FIG. 4 and thus will be omitted.
  • FIG. 6 shows an example of an octree and an occupancy code according to embodiments.
  • the point cloud content providing system (point cloud video encoder 10002) or the octree analysis unit 40002 of the point cloud video encoder efficiently manages the region and/or position of the voxel.
  • Octree geometry coding (or octree coding) based on an octree structure is performed.
  • the top of FIG. 6 shows an octree structure.
  • the three-dimensional space of the point cloud content according to the embodiments is represented by axes of a coordinate system (eg, X-axis, Y-axis, Z-axis).
  • the octree structure is created by recursive subdividing a cubical axis-aligned bounding box defined by two poles (0,0,0) and (2 d , 2 d , 2 d ). . 2d may be set to a value constituting the smallest bounding box surrounding all points of the point cloud content (or point cloud video).
  • d represents the depth of the octree.
  • the d value is determined according to Equation 1 below.
  • (x int n , y int n , z int n ) represents positions (or position values) of quantized points.
  • the entire 3D space may be divided into eight spaces according to the division.
  • Each divided space is represented by a cube with 6 faces.
  • each of the eight spaces is divided again based on the axes of the coordinate system (eg, X-axis, Y-axis, Z-axis).
  • the divided small space is also represented as a cube with 6 faces. This division method is applied until a leaf node of an octree becomes a voxel.
  • the lower part of FIG. 6 shows the octree's ocupancy code.
  • the octree's occupancy code is generated to indicate whether each of the eight divided spaces generated by dividing one space includes at least one point. Therefore, one Okufanshi code is represented by 8 child nodes. Each child node represents the occupancy of the divided space, and the child node has a value of 1 bit. Therefore, the Okufanshi code is expressed as an 8-bit code. That is, if at least one point is included in the space corresponding to the child node, the node has a value of 1. If the point is not included in the space corresponding to the child node (empty), the node has a value of 0. Since the ocupancy code shown in FIG.
  • the point cloud video encoder (for example, the Arismatic encoder 40004) according to the embodiments may entropy encode an ocupancy code. In addition, in order to increase compression efficiency, the point cloud video encoder can intra/inter code the ocupancy code.
  • the reception device (for example, the reception device 10004 or the point cloud video decoder 10006) according to the embodiments reconstructs an octree based on an ocupancy code.
  • a point cloud video encoder (eg, octree analysis unit 40002) may perform voxelization and octree coding to store positions of points.
  • the points in the 3D space are not always evenly distributed, there may be a specific area where there are not many points. In this case, it is inefficient to perform voxelization on the entire 3D space. For example, if there are almost no points in a specific area, it is not necessary to perform voxelization to the corresponding area.
  • the point cloud video encoder does not perform voxelization on the above-described specific region (or nodes other than the leaf nodes of the octree), but directly codes the positions of points included in the specific region. coding) can be performed. Coordinates of a direct coding point according to embodiments are referred to as a direct coding mode (DCM).
  • DCM direct coding mode
  • the point cloud video encoder may perform trisoup geometry encoding in which positions of points in a specific region (or node) are reconstructed based on voxels based on a surface model. .
  • Trisoup geometry encoding is a geometry encoding that expresses the representation of an object as a series of triangle meshes.
  • the point cloud video decoder can generate a point cloud from the mesh surface.
  • Direct coding and trisoup geometry encoding according to embodiments may be selectively performed.
  • direct coding and trisoup geometry encoding according to embodiments may be performed in combination with octree geometry coding (or octree coding).
  • the option to use direct mode for applying direct coding must be activated, and the node to which direct coding is applied is not a leaf node, but is below the threshold within a specific node. There must be points of. In addition, the total number of points subject to direct coding must not exceed a preset limit value.
  • the point cloud video encoder eg, the Arismatic encoder 40004
  • the embodiments may entropy-code the positions (or position values) of the points.
  • the point cloud video encoder determines a specific level of the octree (if the level is less than the depth d of the octree), and from that level, the surface model is used. It is possible to perform trisoup geometry encoding in which the position of a point in the node region is reconstructed based on voxels (tri-soup mode).
  • the point cloud video encoder according to embodiments may designate a level to which trisoup geometry encoding is applied. For example, if the specified level is equal to the depth of the octree, the point cloud video encoder does not operate in the try-soup mode.
  • the point cloud video encoder may operate in the try-soup mode only when the specified level is less than the depth value of the octree.
  • a 3D cube area of nodes of a designated level according to the embodiments is referred to as a block.
  • One block may include one or more voxels.
  • the block or voxel may correspond to a brick.
  • the geometry is represented by a surface.
  • the surface according to embodiments may intersect each edge (edge) of the block at most once.
  • one block has 12 edges, there are at least 12 intersections within one block. Each intersection is called a vertex (vertex, or vertex). Vertices existing along an edge are detected when there is at least one occupied voxel adjacent to the edge among all blocks sharing the edge.
  • An occupied voxel according to embodiments means a voxel including a point. The position of the vertex detected along the edge is the average position along the edge of all voxels among all blocks sharing the edge.
  • the point cloud video encoder When a vertex is detected, the point cloud video encoder according to the embodiments includes the starting point (x, y, z) of the edge and the direction vector of the edge ( x, y, z), vertex position values (relative position values within an edge) may be entropy-coded.
  • the point cloud video encoder for example, the geometry reconstruction unit 40005
  • the point cloud video encoder performs a triangle reconstruction, up-sampling, and voxelization process. To create reconstructed geometry (reconstructed geometry).
  • Vertices located at the edge of the block determine the surface through which the block passes.
  • the surface according to the embodiments is a non-planar polygon.
  • the triangle reconstruction process reconstructs the surface represented by a triangle based on the starting point of the edge, the direction vector of the edge, and the position value of the vertex.
  • the triangle reconstruction process is shown in Equation 2 below. 1 Calculate the centroid value of each vertex, 2 calculate the squared values to the values subtracting the center value from each vertex value, and calculate the sum of all the values.
  • each vertex is projected on the x-axis based on the center of the block, and projected on the (y, z) plane. If the projected value on the (y, z) plane is (ai, bi), ⁇ is obtained through atan2(bi, ai), and the vertices are aligned based on the ⁇ value.
  • Table 1 shows combinations of vertices for generating a triangle according to the number of vertices. Vertices are ordered from 1 to n.
  • the first triangle may be composed of 1st, 2nd, and 3rd vertices among the aligned vertices
  • the second triangle may be composed of 3rd, 4th, and 1st vertices among the aligned vertices.
  • the upsampling process is performed to voxelize by adding points in the middle along the edge of the triangle. Additional points are created based on the upsampling factor and the width of the block. The additional point is called a refined vertice.
  • the point cloud video encoder may voxelize refined vertices. In addition, the point cloud video encoder may perform attribute encoding based on the voxelized position (or position value).
  • FIG. 7 illustrates an example of a neighbor node pattern according to embodiments.
  • the point cloud video encoder may perform entropy coding based on context adaptive arithmetic coding.
  • the point cloud content providing system, the point cloud video encoder 10002 of FIG. 2, or the point cloud video encoder or Arismatic encoder 40004 of FIG. 4 can directly entropy code the ocupancy code. have.
  • the point cloud content providing system or point cloud video encoder performs entropy encoding (intra encoding) based on the ocupancy code of the current node and the ocupancy code of neighboring nodes, or entropy encoding (intermediate encoding) based on the ocupancy code of the previous frame. Encoding).
  • a frame refers to a set of point cloud videos generated at the same time.
  • the compression efficiency of intra-encoding/inter-encoding may vary depending on the number of referenced neighbor nodes. The larger the bit, the more complicated it is, but it can be skewed to one side, increasing the compression efficiency. For example, if you have a 3-bit context, you have to code in 8 ways. The divided coding part affects the complexity of the implementation. Therefore, it is necessary to match the appropriate level of compression efficiency and complexity.
  • a point cloud video encoder determines occupancy of neighboring nodes of each node of an octree and obtains a neighbor pattern value.
  • the neighboring node pattern is used to infer the occupancy pattern of the corresponding node.
  • the left side of FIG. 7 shows a cube corresponding to a node (a cube located in the center) and six cubes (neighbor nodes) that share at least one surface with the cube.
  • Nodes shown in the figure are nodes of the same depth (depth). Numbers shown in the figure indicate weights (1, 2, 4, 8, 16, 32, etc.) associated with each of the six nodes. Each weight is sequentially assigned according to the positions of neighboring nodes.
  • the right side of FIG. 7 shows neighboring node pattern values.
  • the neighbor node pattern value is the sum of values multiplied by the weights of the occupied neighbor nodes (neighbor nodes having points). Therefore, the value of the neighboring node pattern ranges from 0 to 63. If the neighbor node pattern value is 0, it indicates that no node (occupied node) has a point among neighboring nodes of the corresponding node. If the neighboring node pattern value is 63, it indicates that all neighboring nodes are occupied nodes. As shown in the figure, since neighboring nodes to which weights 1, 2, 4, and 8 are assigned are occupied nodes, the neighboring node pattern value is 15, which is the sum of 1, 2, 4, and 8.
  • the point cloud video encoder may perform coding according to the neighbor node pattern value (eg, if the neighbor node pattern value is 63, 64 types of coding are performed). According to embodiments, the point cloud video encoder may reduce coding complexity by changing a neighbor node pattern value (for example, based on a table changing 64 to 10 or 6).
  • the encoded geometry is reconstructed (decompressed) before attribute encoding is performed.
  • the geometry reconstruction operation may include changing the arrangement of the direct coded points (eg, placing the direct coded points in front of the point cloud data).
  • the geometry reconstruction process is triangular reconstruction, upsampling, voxelization, and the attribute depends on the geometry, so the attribute encoding is performed based on the reconstructed geometry.
  • the point cloud video encoder may reorganize or group points by LOD.
  • 8 shows point cloud content corresponding to the LOD.
  • the leftmost of FIG. 8 shows the original point cloud content.
  • the second figure from the left of FIG. 8 shows the distribution of the points of the lowest LOD, and the rightmost figure of FIG. 8 shows the distribution of the points of the highest LOD. That is, the points of the lowest LOD are sparse, and the points of the highest LOD are densely distributed. That is, as the LOD increases in the direction of the arrow indicated at the bottom of FIG. 8, the distance (or distance) between the points becomes shorter.
  • a point cloud content providing system or a point cloud video encoder (e.g., a point cloud video encoder 10002 in FIG. 2, a point cloud video encoder in FIG. 4, or an LOD generator 40009) ) Can generate LOD.
  • the LOD is generated by reorganizing the points into a set of refinement levels according to a set LOD distance value (or a set of Euclidean distance).
  • the LOD generation process is performed not only in the point cloud video encoder but also in the point cloud video decoder.
  • FIG. 9 shows examples (P0 to P9) of points of point cloud content distributed in a three-dimensional space.
  • the original order of FIG. 9 represents the order of points P0 to P9 before LOD generation.
  • the LOD based order of FIG. 9 represents the order of points according to LOD generation. Points are rearranged by LOD. Also, the high LOD includes points belonging to the low LOD.
  • LOD0 includes P0, P5, P4 and P2.
  • LOD1 includes the points of LOD0 and P1, P6 and P3.
  • LOD2 includes points of LOD0, points of LOD1 and P9, P8 and P7.
  • the point cloud video encoder may selectively or combine LOD-based predictive transform coding, lifting transform coding, and RAHT transform coding.
  • a point cloud video encoder may generate a predictor for points and perform LOD-based predictive transform coding to set a predicted attribute (or predicted attribute value) of each point. That is, N predictors may be generated for N points.
  • the predicted attribute (or attribute value) is a weight calculated based on the distance to each neighboring point on the attributes (or attribute values, for example, color, reflectance, etc.) of neighboring points set in the predictor of each point. It is set as the average value multiplied by (or weight value).
  • a point cloud video encoder e.g., the coefficient quantization unit 40011
  • Attributes, residual attribute values, attribute prediction residual values, prediction error attribute values, etc. can be quantized and inverse quantized. Is shown in Table 2.
  • Table 2 the inverse quantization process of the receiving device performed on the quantized residual attribute value is shown in Table 3.
  • the point cloud video encoder (for example, the arithmetic encoder 40012) entropy the quantized and dequantized residual attribute values as described above when there are points adjacent to the predictors of each point. You can code.
  • the point cloud video encoder (for example, the arithmetic encoder 40012) according to the embodiments may entropy-code the attributes of the corresponding point without performing the above-described process if there are no points adjacent to the predictor of each point.
  • the point cloud video encoder (for example, the lifting transform unit 40010) according to the examples generates a predictor of each point, sets the calculated LOD to the predictor, registers neighboring points, and Lifting transform coding can be performed by setting weights.
  • the lifting transform coding according to the embodiments is similar to the above-described LOD-based predictive transform coding, but differs in that a weight is accumulated and applied to an attribute value.
  • a process of cumulatively applying a weight to an attribute value according to embodiments is as follows.
  • the weights calculated by additionally multiplying the weights calculated for all predictors by the weights stored in the QW corresponding to the predictor indexes are cumulatively added to the update weight array by the indexes of neighboring nodes.
  • the value obtained by multiplying the calculated weight by the attribute value of the index of the neighboring node is accumulated and summed.
  • the predicted attribute value is calculated by additionally multiplying the attribute value updated through the lift update process by the weight updated through the lift prediction process (stored in QW).
  • a point cloud video encoder for example, the coefficient quantization unit 40011
  • the point cloud video encoder for example, the Arismatic encoder 40012
  • the point cloud video encoder entropy-codes the quantized attribute values.
  • the point cloud video encoder (for example, the RAHT transform unit 40008) according to the embodiments may perform RAHT transform coding that estimates the attributes of higher-level nodes by using an attribute associated with a node at a lower level of the octree. have.
  • RAHT transform coding is an example of attribute intra coding through octree backward scan.
  • the point cloud video encoder according to the embodiments scans from voxels to the entire area, and repeats the merging process up to the root node while merging the voxels into larger blocks in each step.
  • the merging process according to the embodiments is performed only for an occupied node.
  • the merging process is not performed for the empty node, and the merging process is performed for the node immediately above the empty node.
  • Equation 3 represents the RAHT transformation matrix.
  • g lx,y,z represents the average attribute value of voxels at level l.
  • g lx,y,z can be calculated from g l+1 2x,y,z and g l+1 2x+1,y,z.
  • g l-1 x,y,z are low-pass values and are used in the merging process at the next higher level.
  • h l-1 x,y,z are high-pass coefficients, and the high-pass coefficients in each step are quantized and entropy-coded (for example, encoding of the arithmetic encoder 40012).
  • the root node is generated as shown in Equation 4 below through the last g 1 0,0,0 and g 1 0,0,1.
  • the gDC value is also quantized and entropy coded like the high pass coefficient.
  • FIG. 10 shows an example of a point cloud video decoder according to embodiments.
  • the point cloud video decoder illustrated in FIG. 10 is an example of the point cloud video decoder 10006 described in FIG. 1 and may perform the same or similar operation as that of the point cloud video decoder 10006 described in FIG. 1.
  • the point cloud video decoder may receive a geometry bitstream and an attribute bitstream included in one or more bitstreams.
  • the point cloud video decoder includes a geometry decoder and an attribute decoder.
  • the geometry decoder performs geometry decoding on a geometry bitstream and outputs decoded geometry.
  • the attribute decoder outputs decoded attributes by performing attribute decoding on the attribute bitstream based on the decoded geometry.
  • the decoded geometry and decoded attributes are used to reconstruct the point cloud content.
  • FIG. 11 shows an example of a point cloud video decoder according to embodiments.
  • the point cloud video decoder illustrated in FIG. 11 is a detailed example of the point cloud video decoder described in FIG. 10, and may perform a decoding operation that is a reverse process of the encoding operation of the point cloud video encoder described in FIGS. 1 to 9.
  • the point cloud video decoder may perform geometry decoding and attribute decoding. Geometry decoding is performed before attribute decoding.
  • a point cloud video decoder includes an arithmetic decoder (11000), an octree synthesis unit (11001), a surface approximation synthesis unit (11002), and a geometry reconstruction unit. (geometry reconstruction unit, 11003), coordinates inverse transformation unit (11004), arithmetic decoder (11005), inverse quantization unit (11006), RAHT transform unit (11007), LOD generation A unit (LOD generation unit, 11008), an inverse lifting unit (11009), and/or a color inverse transformation unit (11010).
  • the arithmetic decoder 11000, the octree synthesizer 11001, the surface opoxidation synthesizer 11002, the geometry reconstruction unit 11003, and the coordinate system inverse transform unit 11004 may perform geometry decoding.
  • Geometry decoding according to embodiments may include direct decoding and trisoup geometry decoding. Direct decoding and trisoup geometry decoding are selectively applied. Further, the geometry decoding is not limited to the above example, and is performed in the reverse process of the geometry encoding described in FIGS. 1 to 9.
  • the Arismatic decoder 11000 decodes the received geometry bitstream based on Arismatic coding.
  • the operation of the Arismatic decoder 11000 corresponds to the reverse process of the Arismatic encoder 40004.
  • the octree synthesizer 11001 may generate an octree by obtaining an ocupancy code from a decoded geometry bitstream (or information on a geometry obtained as a result of decoding).
  • a detailed description of the OQFancy code is as described in FIGS. 1 to 9.
  • the surface opoxidation synthesizer 11002 may synthesize a surface based on the decoded geometry and/or the generated octree.
  • the geometry reconstruction unit 11003 may regenerate the geometry based on the surface and/or the decoded geometry. 1 to 9, direct coding and trisoup geometry encoding are selectively applied. Therefore, the geometry reconstruction unit 11003 directly fetches and adds position information of points to which direct coding is applied. In addition, when trisoup geometry encoding is applied, the geometry reconstruction unit 11003 performs a reconstruction operation of the geometry reconstruction unit 40005, for example, triangle reconstruction, up-sampling, and voxelization to restore the geometry. have. Detailed contents are the same as those described in FIG. 6 and thus will be omitted.
  • the reconstructed geometry may include a point cloud picture or frame that does not include attributes.
  • the coordinate system inverse transform unit 11004 may obtain positions of points by transforming a coordinate system based on the restored geometry.
  • Arithmetic decoder 11005, inverse quantization unit 11006, RAHT conversion unit 11007, LOD generation unit 11008, inverse lifting unit 11009, and/or color inverse conversion unit 11010 are the attributes described in FIG. Decoding can be performed.
  • Attribute decoding according to embodiments includes Region Adaptive Hierarchical Transform (RAHT) decoding, Interpolation-based hierarchical nearest-neighbor prediction-Prediction Transform decoding, and interpolation-based hierarchical nearest-neighbor prediction with an update/lifting.
  • step (Lifting Transform)) decoding may be included.
  • the above three decodings may be used selectively, or a combination of one or more decodings may be used.
  • attribute decoding according to embodiments is not limited to the above-described example.
  • the Arismatic decoder 11005 decodes the attribute bitstream by Arismatic coding.
  • the inverse quantization unit 11006 inverse quantizes information on the decoded attribute bitstream or the attribute obtained as a result of decoding, and outputs inverse quantized attributes (or attribute values). Inverse quantization can be selectively applied based on the attribute encoding of the point cloud video encoder.
  • the RAHT conversion unit 11007, the LOD generation unit 11008, and/or the inverse lifting unit 11009 may process reconstructed geometry and inverse quantized attributes. As described above, the RAHT conversion unit 11007, the LOD generation unit 11008, and/or the inverse lifting unit 11009 may selectively perform a decoding operation corresponding thereto according to the encoding of the point cloud video encoder.
  • the color inverse transform unit 11010 performs inverse transform coding for inverse transforming a color value (or texture) included in the decoded attributes.
  • the operation of the color inverse transform unit 11010 may be selectively performed based on the operation of the color transform unit 40006 of the point cloud video encoder.
  • the elements of the point cloud video decoder of FIG. 11 are not shown in the figure, but include one or more processors or integrated circuits configured to communicate with one or more memories included in the point cloud content providing system. It may be implemented in hardware, software, firmware, or a combination thereof. One or more processors may perform at least one or more of the operations and/or functions of the elements of the point cloud video decoder of FIG. 11 described above. In addition, one or more processors may operate or execute a set of software programs and/or instructions for performing operations and/or functions of elements of the point cloud video decoder of FIG. 11.
  • the transmission device illustrated in FIG. 12 is an example of the transmission device 10000 of FIG. 1 (or the point cloud video encoder of FIG. 4 ).
  • the transmission device illustrated in FIG. 12 may perform at least one or more of the same or similar operations and methods as the operations and encoding methods of the point cloud video encoder described in FIGS. 1 to 9.
  • the transmission device includes a data input unit 12000, a quantization processing unit 12001, a voxelization processing unit 12002, an octree occupancy code generation unit 12003, a surface model processing unit 12004, and an intra/ Inter-coding processing unit (12005), Arithmetic coder (12006), metadata processing unit (12007), color conversion processing unit (12008), attribute transformation processing unit (or attribute transformation processing unit) (12009), prediction/lifting/RAHT transformation
  • a processing unit 12010, an Arithmetic coder 12011, and/or a transmission processing unit 12012 may be included.
  • the data input unit 12000 receives or acquires point cloud data.
  • the data input unit 12000 may perform the same or similar operation and/or an acquisition method to the operation and/or acquisition method of the point cloud video acquisition unit 10001 (or the acquisition process 20000 described in FIG. 2 ).
  • the coder 12006 performs geometry encoding.
  • the geometry encoding according to the embodiments is the same as or similar to the geometry encoding described in FIGS. 1 to 9, so a detailed description thereof will be omitted.
  • the quantization processing unit 12001 quantizes a geometry (eg, a position value or a position value of points).
  • the operation and/or quantization of the quantization processing unit 12001 is the same as or similar to the operation and/or quantization of the quantization unit 40001 described in FIG. 4. Detailed descriptions are the same as those described in FIGS. 1 to 9.
  • the voxelization processing unit 12002 voxelizes the position values of the quantized points.
  • the voxelization processing unit 120002 may perform the same or similar operation and/or process as the operation and/or the voxelization process of the quantization unit 40001 described in FIG. 4. Detailed descriptions are the same as those described in FIGS. 1 to 9.
  • the octree ocupancy code generation unit 12003 performs octree coding on positions of voxelized points based on an octree structure.
  • the octree ocupancy code generation unit 12003 may generate an ocupancy code.
  • the octree occupancy code generation unit 12003 may perform the same or similar operation and/or method as the operation and/or method of the point cloud video encoder (or octree analysis unit 40002) described in FIGS. 4 and 6. . Detailed descriptions are the same as those described in FIGS. 1 to 9.
  • the surface model processing unit 12004 may perform trisoup geometry encoding for reconstructing positions of points in a specific area (or node) based on a voxel based on a surface model.
  • the face model processing unit 12004 may perform the same or similar operation and/or method as the operation and/or method of the point cloud video encoder (for example, the surface aproximation analysis unit 40003) described in FIG. 4. Detailed descriptions are the same as those described in FIGS. 1 to 9.
  • the intra/inter coding processing unit 12005 may intra/inter code point cloud data.
  • the intra/inter coding processing unit 12005 may perform the same or similar coding as the intra/inter coding described in FIG. 7. The detailed description is the same as described in FIG. 7.
  • the intra/inter coding processor 12005 may be included in the arithmetic coder 12006.
  • the arithmetic coder 12006 entropy encodes an octree and/or an approximated octree of point cloud data.
  • the encoding method includes an Arithmetic encoding method.
  • the Arismatic coder 12006 performs the same or similar operation and/or method to the operation and/or method of the Arismatic encoder 40004.
  • the metadata processing unit 12007 processes metadata about point cloud data, for example, a set value, and provides it to a necessary processing process such as geometry encoding and/or attribute encoding. Also, the metadata processing unit 12007 according to embodiments may generate and/or process signaling information related to geometry encoding and/or attribute encoding. Signaling information according to embodiments may be encoded separately from geometry encoding and/or attribute encoding. In addition, signaling information according to embodiments may be interleaved.
  • the color conversion processing unit 12008, the attribute conversion processing unit 12009, the prediction/lifting/RAHT conversion processing unit 12010, and the Arithmetic coder 12011 perform attribute encoding.
  • Attribute encoding according to embodiments is the same as or similar to the attribute encoding described in FIGS. 1 to 9, and thus a detailed description thereof will be omitted.
  • the color conversion processing unit 12008 performs color conversion coding for converting color values included in attributes.
  • the color conversion processing unit 12008 may perform color conversion coding based on the reconstructed geometry. Description of the reconstructed geometry is the same as described in FIGS. 1 to 9. In addition, the same or similar operation and/or method to the operation and/or method of the color conversion unit 40006 described in FIG. 4 is performed. Detailed description is omitted.
  • the attribute transformation processing unit 12009 performs attribute transformation for transforming attributes based on positions in which geometry encoding has not been performed and/or reconstructed geometry.
  • the attribute conversion processing unit 12009 performs the same or similar operation and/or method to the operation and/or method of the attribute conversion unit 40007 described in FIG. 4. Detailed description is omitted.
  • the prediction/lifting/RAHT transform processing unit 12010 may code transformed attributes by using one or a combination of RAHT coding, LOD-based predictive transform coding, and lifting transform coding.
  • the prediction/lifting/RAHT conversion processing unit 12010 performs at least one of the same or similar operations as the RAHT conversion unit 40008, LOD generation unit 40009, and lifting conversion unit 40010 described in FIG. 4. do.
  • descriptions of LOD-based predictive transform coding, lifting transform coding, and RAHT transform coding are the same as those described with reference to FIGS. 1 to 9, and thus detailed descriptions thereof will be omitted.
  • the Arismatic coder 12011 may encode coded attributes based on Arismatic coding.
  • the Arismatic coder 12011 performs the same or similar operation and/or method to the operation and/or method of the Arismatic encoder 40012.
  • the transmission processing unit 12012 transmits each bitstream including the encoded geometry and/or the encoded attribute and/or metadata, or transmits the encoded geometry and/or the encoded attribute and/or metadata. It can be configured and transmitted as one bitstream.
  • the bitstream may include one or more sub-bitstreams.
  • the bitstream according to the embodiments includes a sequence parameter set (SPS) for signaling of a sequence level, a geometry parameter set (GPS) for signaling of geometry information coding, an attribute parameter set (APS) for signaling of attribute information coding, and a tile.
  • SPS sequence parameter set
  • GPS geometry parameter set
  • APS attribute parameter set
  • Slice data may include information on one or more slices.
  • One slice according to embodiments may include one geometry bitstream (Geom0 0 ) and one or more attribute bitstreams (Attr0 0 and Attr1 0 ).
  • a slice refers to a series of syntax elements representing all or part of a coded point cloud frame.
  • the TPS may include information about each tile (eg, coordinate value information and height/size information of a bounding box) with respect to one or more tiles.
  • the geometry bitstream may include a header and a payload.
  • the header of the geometry bitstream according to the embodiments may include identification information (geom_parameter_set_id) of a parameter set included in GPS, a tile identifier (geom_tile_id), a slice identifier (geom_slice_id), information about data included in the payload, and the like. have.
  • the metadata processing unit 12007 may generate and/or process signaling information and transmit the generated and/or processed signaling information to the transmission processing unit 12012.
  • elements that perform geometry encoding and elements that perform attribute encoding may share data/information with each other as dotted line processing.
  • the transmission processing unit 12012 according to the embodiments may perform the same or similar operation and/or transmission method as the operation and/or transmission method of the transmitter 10003. Detailed descriptions are the same as those described in FIGS. 1 to 2, and thus will be omitted.
  • FIG 13 is an example of a reception device according to embodiments.
  • the receiving device illustrated in FIG. 13 is an example of the receiving device 10004 of FIG. 1 (or the point cloud video decoder of FIGS. 10 and 11 ).
  • the receiving device illustrated in FIG. 13 may perform at least one or more of the same or similar operations and methods as the operations and decoding methods of the point cloud video decoder described in FIGS. 1 to 11.
  • the receiving device includes a receiving unit 13000, a receiving processing unit 13001, an arithmetic decoder 13002, an octree reconstruction processing unit 13003 based on an occupancy code, and a surface model processing unit (triangle reconstruction).
  • a receiving unit 13000 Up-sampling, voxelization) 13004, inverse quantization processing unit 13005, metadata parser 13006, arithmetic decoder 13007, inverse quantization processing unit 13008, prediction A /lifting/RAHT inverse transformation processing unit 13009, an inverse color transformation processing unit 13010, and/or a renderer 13011 may be included.
  • Each component of the decoding according to the embodiments may perform the reverse process of the component of the encoding according to the embodiments.
  • the receiving unit 13000 receives point cloud data.
  • the receiving unit 13000 may perform the same or similar operation and/or a receiving method to the operation and/or receiving method of the receiver 10005 of FIG. 1. Detailed description is omitted.
  • the reception processor 13001 may obtain a geometry bitstream and/or an attribute bitstream from received data.
  • the reception processing unit 13001 may be included in the reception unit 13000.
  • the arithmetic decoder 13002, the ocupancy code-based octree reconstruction processing unit 13003, the surface model processing unit 13004, and the inverse quantization processing unit 13005 may perform geometry decoding. Since the geometry decoding according to the embodiments is the same as or similar to the geometry decoding described in FIGS. 1 to 10, a detailed description will be omitted.
  • the Arismatic decoder 13002 may decode a geometry bitstream based on Arismatic coding.
  • the Arismatic decoder 13002 performs the same or similar operation and/or coding as the operation and/or coding of the Arismatic decoder 11000.
  • the ocupancy code-based octree reconstruction processing unit 13003 may obtain an ocupancy code from a decoded geometry bitstream (or information on a geometry obtained as a result of decoding) to reconstruct the octree.
  • the ocupancy code-based octree reconstruction processing unit 13003 performs the same or similar operation and/or method as the operation of the octree synthesis unit 11001 and/or the method of generating an octree.
  • the surface model processing unit 13004 decodes the trisoup geometry based on the surface model method and reconstructs the related geometry (e.g., triangle reconstruction, up-sampling, voxelization). You can do it.
  • the surface model processing unit 13004 performs an operation identical or similar to that of the surface opoxidation synthesis unit 11002 and/or the geometry reconstruction unit 11003.
  • the inverse quantization processor 13005 may inverse quantize the decoded geometry.
  • the metadata parser 13006 may parse metadata included in the received point cloud data, for example, a setting value.
  • the metadata parser 13006 may pass metadata to geometry decoding and/or attribute decoding. A detailed description of the metadata is the same as that described with reference to FIG. 12, and thus will be omitted.
  • the arithmetic decoder 13007, the inverse quantization processing unit 13008, the prediction/lifting/RAHT inverse transformation processing unit 13009, and the color inverse transformation processing unit 13010 perform attribute decoding. Since attribute decoding is the same as or similar to the attribute decoding described in FIGS. 1 to 10, detailed descriptions will be omitted.
  • the Arismatic decoder 13007 may decode the attribute bitstream through Arismatic coding.
  • the arithmetic decoder 13007 may decode the attribute bitstream based on the reconstructed geometry.
  • the Arismatic decoder 13007 performs the same or similar operation and/or coding as the operation and/or coding of the Arismatic decoder 11005.
  • the inverse quantization processor 13008 may inverse quantize the decoded attribute bitstream.
  • the inverse quantization processing unit 13008 performs the same or similar operation and/or method as the operation and/or the inverse quantization method of the inverse quantization unit 11006.
  • the prediction/lifting/RAHT inverse transform processing unit 13009 may process reconstructed geometry and inverse quantized attributes.
  • the prediction/lifting/RAHT inverse transform processing unit 13009 is the same or similar to the operations and/or decodings of the RAHT transform unit 11007, the LOD generation unit 11008 and/or the inverse lifting unit 11009, and/or At least one or more of the decodings is performed.
  • the inverse color transform processing unit 13010 according to embodiments performs inverse transform coding for inverse transforming a color value (or texture) included in the decoded attributes.
  • the color inverse transform processing unit 13010 performs the same or similar operation and/or inverse transform coding as the operation and/or inverse transform coding of the color inverse transform unit 11010.
  • the renderer 13011 may render point cloud data.
  • FIG. 14 shows an example of a structure capable of interworking with a method/device for transmitting and receiving point cloud data according to embodiments.
  • the structure of FIG. 14 is a server 17600, a robot 17100, an autonomous vehicle 17200, an XR device 17300, a smartphone 17400, a home appliance 17500, and/or a head-mount display (HMD) 17700. At least one of them represents a configuration connected to the cloud network 17100.
  • the robot 17100, the autonomous vehicle 17200, the XR device 17300, the smartphone 17400, the home appliance 17500, and the like are referred to as devices.
  • the XR device 17300 may correspond to a point cloud compressed data (PCC) device according to embodiments or may be interlocked with a PCC device.
  • PCC point cloud compressed data
  • the cloud network 17000 may constitute a part of the cloud computing infrastructure or may refer to a network that exists in the cloud computing infrastructure.
  • the cloud network 17000 may be configured using a 3G network, a 4G or Long Term Evolution (LTE) network, or a 5G network.
  • LTE Long Term Evolution
  • the server 17600 includes at least one of a robot 17100, an autonomous vehicle 17200, an XR device 17300, a smartphone 17400, a home appliance 17500, and/or an HMD 17700, and a cloud network 17000.
  • the connected devices 17100 to 17700 may be connected through, and may assist at least some of the processing of the connected devices.
  • the HMD (Head-Mount Display) 17700 represents one of types in which an XR device and/or a PCC device according to embodiments may be implemented.
  • the HMD type device according to the embodiments includes a communication unit, a control unit, a memory unit, an I/O unit, a sensor unit, and a power supply unit.
  • the devices 17100 to 17500 shown in FIG. 14 may be interlocked/coupled with the point cloud data transmission/reception apparatus according to the above-described embodiments.
  • the XR/PCC device 17300 is applied with PCC and/or XR (AR+VR) technology to provide a head-mount display (HMD), a head-up display (HUD) provided in a vehicle, a television, a mobile phone, a smart phone, It may be implemented as a computer, a wearable device, a home appliance, a digital signage, a vehicle, a fixed robot or a mobile robot.
  • HMD head-mount display
  • HUD head-up display
  • vehicle a television
  • mobile phone a smart phone
  • It may be implemented as a computer, a wearable device, a home appliance, a digital signage, a vehicle, a fixed robot or a mobile robot.
  • the XR/PCC device 17300 analyzes 3D point cloud data or image data acquired through various sensors or from an external device to generate position data and attribute data for 3D points, thereby Information can be obtained, and the XR object to be output can be rendered and output.
  • the XR/PCC device 17300 may output an XR object including additional information on the recognized object in correspondence with the recognized object.
  • the autonomous vehicle 17200 may be implemented as a mobile robot, a vehicle, or an unmanned aerial vehicle by applying PCC technology and XR technology.
  • the autonomous driving vehicle 17200 to which the XR/PCC technology is applied may refer to an autonomous driving vehicle equipped with a means for providing an XR image, or an autonomous driving vehicle that is an object of control/interaction within the XR image.
  • the autonomous vehicle 17200 which is an object of control/interaction in the XR image, is distinguished from the XR device 17300 and may be interlocked with each other.
  • the autonomous vehicle 17200 having a means for providing an XR/PCC image may obtain sensor information from sensors including a camera, and may output an XR/PCC image generated based on the acquired sensor information.
  • the autonomous vehicle 17200 may provide an XR/PCC object corresponding to a real object or an object in a screen to the occupant by outputting an XR/PCC image with a HUD.
  • the XR/PCC object when the XR/PCC object is output to the HUD, at least a part of the XR/PCC object may be output to overlap the actual object facing the occupant's gaze.
  • the XR/PCC object when the XR/PCC object is output on a display provided inside the autonomous vehicle, at least a part of the XR/PCC object may be output to overlap the object in the screen.
  • the autonomous vehicle 17200 may output XR/PCC objects corresponding to objects such as lanes, other vehicles, traffic lights, traffic signs, motorcycles, pedestrians, and buildings.
  • VR Virtual Reality
  • AR Augmented Reality
  • MR Magnetic Reality
  • PCC Point Cloud Compression
  • VR technology is a display technology that provides objects or backgrounds in the real world only as CG images.
  • AR technology refers to a technology that shows a virtually created CG image on an image of a real object.
  • the MR technology is similar to the above-described AR technology in that it mixes and combines virtual objects in the real world.
  • real objects and virtual objects made of CG images are clear, and virtual objects are used in a form that complements real objects, whereas in MR technology, virtual objects are regarded as having the same characteristics as real objects. It is distinct from technology. More specifically, for example, it is a hologram service to which the aforementioned MR technology is applied.
  • VR, AR, and MR technologies are sometimes referred to as XR (extended reality) technology rather than clearly distinguishing between them. Therefore, the embodiments of the present specification are applicable to all of VR, AR, MR, and XR technologies.
  • This technology can be applied to encoding/decoding based on PCC, V-PCC, and G-PCC technology.
  • the PCC method/apparatus according to the embodiments may be applied to a vehicle providing an autonomous driving service.
  • Vehicles providing autonomous driving services are connected to PCC devices to enable wired/wireless communication.
  • the point cloud compressed data (PCC) transmission/reception device receives/processes AR/VR/PCC service related content data that can be provided with an autonomous driving service when connected to enable wired/wireless communication with a vehicle. Can be transferred to the vehicle.
  • the point cloud transmission/reception device may receive/process content data related to AR/VR/PCC service according to a user input signal input through the user interface device and provide it to the user.
  • the vehicle or user interface device may receive a user input signal.
  • the user input signal according to embodiments may include a signal indicating an autonomous driving service.
  • the point cloud video encoder of the transmitting side may further perform a spatial division process of dividing the point cloud data into one or more 3D blocks before encoding the point cloud data. That is, in order to perform encoding and transmission operations of the transmitting device and decoding and rendering operations of the receiving device in real time and to be processed with low delay, the transmitting device may spatially divide the point cloud data into a plurality of regions. In addition, the transmitting device independently or non-independently encodes the spatially divided regions (or blocks), thereby enabling random access and parallel encoding in the three-dimensional space occupied by the point cloud data. to provide. In addition, by performing encoding and decoding independently or non-independently in units of spatially divided regions (or blocks), the transmitting device and the receiving device may prevent errors accumulated in the encoding and decoding process.
  • 15 is a diagram illustrating another example of a point cloud transmission apparatus according to embodiments, and is an example including a space division unit.
  • the point cloud transmission apparatus includes a data input unit 51001, a coordinate system conversion unit 51002, a quantization processing unit 51003, a spatial division unit 51004, a signaling processing unit 51005, a geometry encoder 51006, and an attribute encoder. (51007), and a transmission processing unit (51008).
  • the coordinate system transform unit 51002, the quantization processing unit 51003, the spatial division unit 51004, the geometry encoder 51006, and the attribute encoder 51007 may be referred to as a point cloud video encoder.
  • the data input unit 51001 may perform some or all of the operations of the point cloud video acquisition unit 10001 of FIG. 1, or may perform some or all of the operations of the data input unit 12000 of FIG. 12.
  • the coordinate system conversion unit 51002 may perform some or all of the operations of the coordinate system conversion unit 40000 of FIG. 4.
  • the quantization processor 5103 may perform some or all of the operations of the quantization unit 40001 of FIG. 4, or may perform some or all of the operations of the quantization processor 12001 of FIG. 12.
  • the spatial dividing unit 51004 may spatially divide the point cloud data quantized and output from the quantization processing unit 5103 into one or more 3D blocks based on a bounding box and/or a sub-bounding box.
  • the 3D block may mean a tile group or a tile or a slice or a coding unit (CU), a prediction unit (PU), or a transformation unit (TU).
  • the signaling information for spatial division is entropy-encoded in the signaling processing unit 51005 and then transmitted through the transmission processing unit 51008 in the form of a bitstream.
  • the point cloud object corresponding to the point cloud data can be represented in the form of a box based on a coordinate system, which is called a bounding box.
  • the bounding box refers to a cube that can contain all the points of the point cloud.
  • 16(b) and 16(c) show an example in which the bounding box of FIG. 16(a) is divided into tile 1 (tile 1#) and tile 2 (tile 2#), and tile 2 (tile 2#) Shows an example of splitting into slice 1 (slice 1#) and slice 2 (slice 2#) again.
  • the point cloud content may be one person, several people, one object, or several objects such as an actor, but may be a map for autonomous driving in a larger range, or a map for indoor navigation of a robot. have.
  • the point cloud content may be a vast amount of data connected locally.
  • tile partitioning can be performed before compression of the point cloud content is performed. For example, you can divide the 101 into one tile and the other 102 into another tile in the building. In order to support fast encoding/decoding by applying parallelization to the divided tiles, it can be partitioned (or divided) into slices again. This may be referred to as slice partitioning (or splitting).
  • a tile may mean a partial area (eg, a rectangular cube) of a 3D space occupied by point cloud data according to embodiments.
  • a tile according to embodiments may include one or more slices. The tile according to the embodiments is divided (partitioned) into one or more slices, so that the point cloud video encoder may encode point cloud data in parallel.
  • a slice is a unit of data (or bitstream) that can be independently encoded by a point cloud video encoder according to embodiments and/or data that can be independently decoded by a point cloud video decoder ( Or bitstream).
  • a slice according to embodiments may refer to a set of data in a 3D space occupied by point cloud data, or may refer to a set of some data among point cloud data.
  • a slice may mean an area of points or a set of points included in a tile according to embodiments.
  • a tile according to embodiments may be divided into one or more slices based on the number of points included in one tile. For example, one tile may mean a set of points divided by the number of points.
  • a tile according to embodiments may be divided into one or more slices based on the number of points, and some data may be split or merged during the dividing process. That is, a slice may be a unit that can be independently coded within a corresponding tile. A tile divided into spaces as described above can be divided into one or more slices for fast and efficient processing.
  • the point cloud video encoder may encode point cloud data in a slice unit or a tile unit including one or more slices.
  • the point cloud video encoder according to embodiments may perform different quantization and/or transformation for each tile or for each slice.
  • Positions of one or more 3D blocks (e.g., slices) spatially divided by the spatial dividing unit 51004 are output to a geometry encoder 51006, and attribute information (or attributes) is used as an attribute encoder 51007. Is output.
  • the positions may be position information of points included in a divided unit (box or block or tile or tile group or slice), and is referred to as geometry information.
  • the geometry encoder 51006 constructs and encodes (ie, compresses) an octree based on positions output from the spatial division unit 51004 to output a geometry bitstream.
  • the geometry encoder 51006 may reconstruct the octree and/or the approximated octree and output it to the attribute encoder 51007.
  • the reconstructed octree may be referred to as reconstructed geometry (or reconstructed geometry).
  • the attribute encoder 51007 encodes (ie, compresses) the attributes output from the spatial division unit 51004 based on the reconstructed geometry output from the geometry encoder 51006 to output an attribute bitstream.
  • FIG. 17 is a detailed block diagram showing another example of a geometry encoder 51006 and an attribute encoder 51007 according to embodiments.
  • the voxelization processing unit 53001, the octree generation unit 53002, the geometry information prediction unit 53003, and the arithmetic coder 53004 of the geometry encoder 51006 of FIG. 17 are an octree analysis unit 40002 and a surface of FIG. Part or all of the operations of the aproximation analysis unit 40003, the arithmetic encoder 40004, and the geometry reconstruction unit 40005 may be performed, or the voxelization processing unit 12002 of FIG. Some or all of the operations of the code generation unit 12003, the surface model processing unit 12004, the intra/inter coding processing unit 12005, and the Arithmetic coder 12006 may be performed.
  • the attribute encoder 51007 of FIG. 17 includes a color conversion processing unit 53005, an attribute conversion processing unit 5306, an LOD configuration unit 53007, a neighboring point set configuration unit 5308, an attribute information prediction unit 5301, and residual attribute information. It may include a quantization processing unit 5301 and an arithmetic coder 5301.
  • a quantization processing unit may be further provided between the spatial division unit 51004 and the voxelization processing unit 53001.
  • the quantization processing unit quantizes positions of one or more 3D blocks (eg, slices) spatially divided by the spatial division unit 51004.
  • the quantization unit may perform some or all of the operations of the quantization unit 40001 of FIG. 4, or may perform some or all of the operations of the quantization processing unit 12001 of FIG. 12.
  • the quantization processing unit 51003 of FIG. 15 may or may not be omitted.
  • the voxelization processor 53001 performs voxelization based on positions of one or more spatially divided 3D blocks (eg, slices) or quantized positions.
  • Voxelization refers to the minimum unit expressing position information in a three-dimensional space.
  • Points of point cloud content (or 3D point cloud video) may be included in one or more voxels.
  • one voxel may include one or more points.
  • quantization is performed before voxelization is performed, a case in which a plurality of points belong to one voxel may occur.
  • the voxelization processing unit 53001 may output the redundant points belonging to one voxel to the octree generation unit 53002 as it is without merging, or merge the redundant points into one point and the octree generation unit ( 53002).
  • the octree generation unit 53002 generates an octree based on a voxel output from the voxelization processing unit 53001.
  • the geometry information prediction unit 53003 predicts and compresses geometry information based on the octree generated by the octree generation unit 53002, and outputs the prediction and compression to the arithmetic coding unit 53004.
  • the geometry information prediction unit 53003 reconstructs the geometry based on the positions changed through compression, and outputs the reconstructed (or decoded) geometry to the LOD configuration unit 53007 of the attribute encoder 51007.
  • the reconstruction of the geometry information may be performed in a device or component separate from the geometry information prediction unit 53003.
  • the reconstructed geometry may also be provided to the attribute conversion processing unit 5306 of the attribute encoder 51007.
  • the color conversion processing unit 53005 of the attribute encoder 51007 corresponds to the color conversion unit 40006 of FIG. 4 or the color conversion processing unit 12008 of FIG. 12.
  • the color conversion processing unit 5305 according to the embodiments performs color conversion coding for converting color values (or textures) included in attributes provided from the data input unit 51101 and/or the spatial division unit 51004. .
  • the color conversion processor 5305 may convert the format of color information (eg, convert from RGB to YCbCr).
  • the operation of the color conversion processing unit 5305 according to the embodiments may be selectively applied according to color values included in attributes.
  • the color conversion processing unit 5305 may perform color conversion coding based on the reconstructed geometry. For a detailed description of the geometry reconstruction, reference will be made to the descriptions of FIGS. 1 to 9.
  • the attribute conversion processing unit 5306 may perform attribute conversion for converting attributes based on positions in which geometry encoding has not been performed and/or reconstructed geometry.
  • the attribute conversion processing unit 53006 may be referred to as a color recoloring unit.
  • the operation of the attribute conversion processing unit 5306 according to the embodiments may be optionally applied according to whether or not duplicated points are merged. According to an embodiment, whether the overlapping points are merged is performed by the voxelization processing unit 53001 of the geometry encoder 51006.
  • the attribute transformation is performed by the attribute transformation processing unit 5306 as an embodiment.
  • the attribute conversion processing unit 5306 performs the same or similar operation and/or method as the operation and/or method of the attribute conversion unit 40007 of FIG. 4 or the attribute conversion processing unit 12009 of FIG. 12.
  • the geometry information reconstructed by the geometry information prediction unit 53003 and the attribute information output from the attribute conversion processing unit 53006 are provided to the LOD construction unit 53007 for attribute compression.
  • the attribute information output from the attribute transformation processing unit 5306 is a combination of any one or two or more of a RAHT coding method, an LOD-based predictive transform coding method, and a lifting transform coding method based on reconstructed geometry information. Can be compressed.
  • attribute compression is performed by combining any one or both of an LOD-based predictive transform coding technique and a lifting transform coding technique. Therefore, description of the RAHT coding technique will be omitted.
  • description of RAHT transform coding refer to the description of FIGS. 1 to 9.
  • the LOD configuration unit 53007 generates a Level of Detail (LOD).
  • LOD Level of Detail
  • the LOD is a degree representing the detail of the point cloud content, and a smaller LOD value indicates that the detail of the point cloud content decreases, and a larger LOD value indicates that the detail of the point cloud content is high. Points can be classified according to LOD.
  • points may be divided into LODs and grouped.
  • LOD generation process This is referred to as an LOD generation process, and a group having different LODs may be referred to as an LOD l set.
  • l represents the LOD and is an integer starting from 0.
  • LOD 0 is a set consisting of points with the largest distance between points, and as l increases, the distance between points belonging to LOD l decreases.
  • Example neighboring point set part (53 008) according to this LOD l set generated by the LOD part (53 007), equal to the LOD or less (that is, the distance between the nodes greater) based on LOD l set group X(>0) nearest neighbors can be found and registered as a set of neighboring points in a predictor.
  • X is the maximum number that can be set as a neighboring point and can be input as a user parameter.
  • a neighboring point of P3 belonging to LOD 1 is found in LOD 0 and LOD 1 .
  • the maximum number (X) that can be set as a neighboring point is 3
  • three neighboring nodes closest to P3 may be P2 P4 P6. These three nodes are registered as a set of neighboring points to the predictor of P3.
  • the neighboring node P4 is the closest to P3 based on distance, then P6, and then P2 as an embodiment.
  • all points of the point cloud data may each have a predictor.
  • the attribute information predictor 5309 predicts an attribute from neighboring points registered in the predictor.
  • the predictor of the node P3 calculates the weight based on the distance value of each neighboring point with (P2 P4 P6) as a set of neighboring points.
  • the weight of each neighboring point is Can be
  • the neighboring point set constructing unit 5308 or the attribute information predicting unit 5301 normalizes the weights of each neighboring point with the total sum of the weights of the neighboring points when the neighboring point set of the predictor is set. can do.
  • the attribute information predictor 5301 may predict attribute information through a predictor.
  • the average of the values obtained by multiplying the attributes (e.g., color, reflectance, etc.) of neighboring points registered in the predictor by a weight (or normalized weight) is set as the predicted result (i.e., predicted attribute value).
  • an attribute of a specific point may be set as a predicted result (ie, a predicted attribute value).
  • the predicted attribute value may be referred to as predicted attribute information.
  • the residual attribute value is the predicted attribute value of the point from the attribute value of the point (i.e., the original attribute value) (this is referred to as predicted attribute value or predicted attribute information). It can be found by subtracting.
  • a prediction mode ie, predictor index
  • a prediction mode is used in the same meaning as a predictor index (preindex), and may be broadly referred to as a prediction method.
  • the process of finding the most suitable prediction mode for each point and setting the found prediction mode to the predictor of the corresponding point is performed by the attribute information predictor 5301 as an embodiment.
  • a predicted attribute value calculated through a weighted average that is, an average value of a value obtained by multiplying the attributes of neighboring points set in the predictor of each point by a weight calculated based on the distance to each neighboring point
  • a prediction mode of the predictor of a corresponding point can be set by obtaining a residual attribute value at a predetermined time and selecting the smallest residual attribute value among the above residual attribute values.
  • a prediction mode having the smallest residual attribute value among residual attribute values obtained for each prediction mode may be selected as the prediction mode of the corresponding point.
  • the prediction method in which the attribute of the second neighboring point is determined as the predicted attribute value is selected as the prediction mode of the predictor of the corresponding point.
  • the neighboring point P4 of the neighboring points P2 P4 P6 of P3 is the closest to the corresponding point P3 based on distance
  • the neighboring point P6 and then the neighboring point P2 the first neighboring point is P4.
  • the second neighboring point may be P6, and the third neighboring point may be P2.
  • a value of a prediction mode that calculates a predicted attribute value through a weighted average is 0, a value of a prediction mode that determines an attribute of a first neighboring point as a predicted attribute value is 1, and an attribute of a second neighboring point is a predicted attribute value.
  • a value of the prediction mode determined as 2 may be assigned, and 3 may be assigned as a value of the prediction mode in which the attribute of the third neighboring point is set as the prediction attribute value.
  • the value of the prediction mode is 0, it may indicate that the attribute is predicted through the weighted average, if it is 1, the first neighboring node (i.e., neighboring point), if it is 2, the second neighboring node, and if it is 3, the third neighboring node.
  • the process of finding the most suitable prediction mode among the plurality of prediction modes and setting it as the prediction mode of the predictor of the corresponding point may be performed when a preset condition is satisfied. Therefore, when a predetermined condition is not satisfied, a prediction mode in which a prediction attribute value is calculated through a weighted average without performing a process of finding the most suitable prediction mode may be set as a prediction mode of the predictor of a corresponding point. As an embodiment, this process is performed for each point.
  • a difference value between attribute elements (eg, R, G, B) between neighboring points registered in the predictor of the corresponding point is a preset threshold. It may be larger, or if the difference between attribute elements (eg, R, G, B) between neighboring points registered in the predictor of the corresponding point is calculated, and the sum of the largest element values is greater than a preset threshold. May be. For example, it is assumed that the P3 point is the corresponding point, and P2 P4 P6 points are registered as neighboring points of the P3 point.
  • the difference values of R,G,B between points P2 and P4 are obtained, the difference values of R,G,B between points P2 and P6 are obtained, and R between points P4 and P6,
  • the difference in R is the largest between the points P2 and P4
  • the difference in G is the largest between the points P4 and P6
  • the difference in B is the largest between the points P2 and P6.
  • the R between points P2 and P4 of the largest R difference i.e. between P2 and P4
  • the largest G difference i.e. between P4 and P6
  • the largest B difference i.e. between P2 and P6. It is assumed that the difference is the largest.
  • the prediction mode can be signaled only when the largest R difference value is greater than a preset threshold value, or the sum of the largest R difference value, the largest G difference value, and the largest B difference value is greater than a preset threshold value. have. That is, the prediction mode may be signaled through the signaling processor 51005 only when a process of finding the most suitable prediction mode among the plurality of prediction modes is performed.
  • the transmitting side calculates a prediction attribute value based on a prediction mode set as a default (eg, prediction mode 0), and calculates a residual attribute value based on the difference between the original attribute value and the prediction attribute value.
  • the receiving side may obtain a prediction attribute value based on a prediction mode (eg, prediction mode 0) set as a default and restore the attribute value by adding it to the received residual attribute value.
  • the threshold value may be directly input or signaled in an attribute parameter set (eg, a lifting_adaptive_prediction_threshold field included in the APS).
  • an attribute parameter set eg, a lifting_adaptive_prediction_threshold field included in the APS.
  • the prediction mode selected for each point through the above-described process and the residual attribute value in the selected prediction mode are output to the residual attribute information quantization processor 5310.
  • the attribute information prediction unit 5301 configures a bitstream in which a prediction mode and a residual attribute value are used as one pair for each point as shown in FIG. 18(a), and then the residual attribute information quantization processing unit 53010 Can be printed as For example, the process of outputting the prediction mode of the point P1 and the residual attribute value to the residual attribute information quantization processing unit 5301, and then outputting the prediction mode and the residual attribute value of the P2 point to the residual attribute information quantization processing unit 5301 This also applies to the rest of the points.
  • the attribute information prediction unit 5301 separates the prediction mode and the residual attribute value for all points as shown in FIG. 18(b), and then separates the prediction mode bitstream composed of the separated prediction modes.
  • Each residual attribute value bitstream composed of the remaining attribute values may be output to the residual attribute information quantization processor 5310.
  • Two bitstreams may be output in parallel, or a bitstream including residual attribute values may be serially output after outputting a bitstream including prediction modes.
  • information about whether the prediction mode and the residual attribute value are separated may be signaled.
  • This information may be signaled to at least one of a sequence parameter set, an attribute parameter set, a tile parameter set, and an attribute slice header.
  • the separate prediction modes are additionally run-length. length) coding can be performed.
  • information on whether run-length coding is applied to the separated prediction modes eg, attribute_pred_residual_separate_encoding_flag
  • This information may be signaled to at least one of a sequence parameter set, an attribute parameter set, a tile parameter set, and an attribute slice header.
  • run-length coding when run-length coding is always applied to a bitstream of separated prediction modes, information on whether or not run-length coding of the prediction modes may be signaled.
  • the present specification includes information on whether the prediction mode and the residual attribute value are separated (eg, attribute_pred_residual_separate_encoding_flag) and information on whether run-length coding has been applied to the prediction modes (eg, attribute_pred_residual_separate_encoding_flag), and options related to prediction mode processing. It will be referred to as information.
  • the name of the above-described prediction mode processing related option information, information on whether the prediction mode and residual attribute values are separated, and information on whether run-length coding is applied to the prediction modes is within the scope of the meaning and function of the signaling information. Can be understood from.
  • each prediction mode of all transmitted points The value is 0, that is, there is a high probability that it is a prediction mode in which a predicted attribute value is calculated through a weighted average.
  • the preset threshold is set to 0. This is one embodiment, and the preset threshold may be set to a value greater than 0.
  • This specification describes the maximum value among the difference values between attribute elements (eg, R, G, B) between neighboring points registered as neighbors of a specific point or attribute elements between neighboring points registered as neighbors of a specific point (e.g., If the sum of the largest element values among the difference values of R, G, B) is greater than the preset threshold, the prediction mode and attribute values are separated from each point, and the prediction modes of all points are collected and the configured prediction mode bitstream is added. For example, zero run-length coding is applied.
  • attribute elements eg, R, G, B
  • 19 is a diagram illustrating an example of zero run-length coding according to embodiments.
  • the number of zeros in the list of prediction modes (selected predictor indexes, or prediction modes) may be counted in order through zerorun.
  • the first prediction mode is 1. Therefore, zerorun 0 is inserted into the coded prediction mode bitstream, and then 1 is inserted.
  • the next prediction mode is 0, and if the next value is 1 after 3 consecutive 0s appear, 3 counted through zerorun is inserted into the coded prediction mode bitstream, and 1 is then inserted.
  • the zero run-length coded prediction mode bitstream may be configured by putting zerorun 0 into the coded prediction mode bitstream and putting a value of 2 into the coded prediction mode bitstream. That is, taking FIG. 19 as an example, the size of the zero run-length coded prediction mode bitstream is reduced from '100012200000' to '013102025'.
  • the size of the attribute bitstream can be reduced by encoding through zero run-length coding as shown in FIG. 19.
  • the peak signal-to-noise ratio (PSNR) does not change, so attribute compression efficiency may be increased.
  • the residual attribute information quantization processing unit 53010 may include a bitstream in which a prediction mode and a residual attribute value are paired for each point as shown in FIG. 18(a) or FIG. 18(b) from the attribute information prediction unit 5301.
  • a prediction mode bitstream composed of prediction modes of all points and a residual attribute value bitstream composed of residual attribute values are input, and among them, quantization is performed on residual attribute values.
  • the prediction mode bitstream composed of prediction modes may be a prediction mode bitstream in which zero run-length coding has been performed, or a prediction mode bitstream in which zero run-length coding is not performed.
  • the residual attribute information quantization processing unit 5301 may be configured with respect to residual attribute values included in the input bitstream as shown in FIG. 18(a) or the residual attribute value bitstream input as shown in FIG. 18(b). Zero run-length coding may be applied to the included residual attribute values.
  • the residual attribute information quantization processing unit 5301 may basically apply zero run-length coding to residual attribute values included in the input residual attribute value bitstream as shown in FIG. 18(b), or , Zero run-length coding may be applied to the residual attribute values of FIG. 18(a) or FIG. 18(b) based on information on whether to separate the prediction mode and the residual attribute value (e.g., attribute_pred_residual_separate_encoding_flag).
  • zero run-length coding is performed on a bitstream composed of prediction modes of all points, and all points
  • quantization and zero run-length coding are performed on a bitstream composed of residual attribute values of.
  • the arithmetic coder 5301 applies arithmetic coding to the prediction modes and residual attribute values output from the residual attribute information quantization processor 5310 and outputs the result as an attribute bitstream.
  • encoding is first performed on the prediction modes of all the separated points, and then encoding the residual attribute values of all points. You can do it.
  • the encoding is zero run-length encoding.
  • the receiving device may first decode the prediction modes of all points, for example, when decoding a geometry by first decoding the prediction modes in another processor or a different thread, and can be used immediately when decoding a residual attribute value.
  • the geometry bitstream that is compressed and output by the geometry encoder 51006 and the attribute bitstream that is compressed and output by the attribute encoder 51007 are output to the transmission processing unit 5108.
  • the transmission processing unit 5108 may perform the same or similar operation and/or transmission method as the operation and/or transmission method of the transmission processing unit 12012 of FIG. 12, and the transmitter 10003 of FIG. 1 The same or similar operation and/or transmission method as the operation and/or transmission method may be performed.
  • FIG. 1 or 12 For a detailed description, reference will be made to the description of FIG. 1 or 12 and will be omitted here.
  • the transmission processing unit 5108 may include a geometry bitstream output from the geometry encoder 51006, an attribute bitstream output from the attribute encoder 51007, and a signaling bitstream output from the signaling processing unit 51005. Each may be transmitted or may be multiplexed into one bitstream and transmitted.
  • the transmission processor 5108 may encapsulate the bitstream into a file or segment (eg, a streaming segment) and then transmit it through various networks such as a broadcasting network and/or a broadband network.
  • a file or segment eg, a streaming segment
  • various networks such as a broadcasting network and/or a broadband network.
  • the signaling processing unit 51005 may generate and/or process signaling information and output the generated and/or processed signaling information to the transmission processing unit 5108 in the form of a bitstream.
  • the signaling information generated and/or processed by the signaling processing unit 51005 will be provided to the geometry encoder 51006, the attribute encoder 51007, and/or the transmission processing unit 5108 for geometry encoding, attribute encoding, and transmission processing.
  • the signaling processing unit 51005 may be provided with signaling information generated by the geometry encoder 51006, the attribute encoder 51007, and/or the transmission processing unit 5108.
  • signaling information may be signaled and transmitted in a parameter set (SPS: sequence parameter set, GPS: geometry parameter set, APS: attribute parameter set, TPS: Tile parameter set, etc.). Also, such as slices or tiles, signals may be transmitted in units of coding units of each image.
  • signaling information may include metadata (eg, a setting value, etc.) regarding point cloud data, and a geometry encoder 51006 and an attribute encoder 51007 for geometry encoding, attribute encoding, and transmission processing, And/or it may be provided to the transmission processing unit (51008).
  • the signaling information is file format, dynamic adaptive streaming over HTTP (DASH), MPEG media transport (MMT), etc., or high definition multimedia interface (HDMI), Display Port, Video Electronics Standards Association (VESA), CTA, etc. It can also be defined at the wired interface level of.
  • DASH dynamic adaptive streaming over HTTP
  • MMT MPEG media transport
  • HDMI high definition multimedia interface
  • VESA Video Electronics Standards Association
  • CTA CTA
  • a method/apparatus according to the embodiments may signal related information to add/perform an operation of the embodiments.
  • Signaling information according to embodiments may be used in a transmitting device and/or a receiving device.
  • option information related to prediction mode processing for example, information on whether the prediction mode and the residual attribute value are separated (e.g., attribute_pred_residual_separate_encoding_flag) and information on whether run-length coding is applied to the separated prediction modes ( Yes, attribute_pred_residual_separate_encoding_flag) is signaled to at least one of a sequence parameter set, an attribute parameter set, a tile parameter set, and an attribute slice header.
  • attribute_pred_residual_separate_encoding_flag information on whether the prediction mode and the residual attribute value are separated
  • the LOD l set is generated, and the nearest neighbor points are searched based on the LOD l set to the predictor. Is registered, and the process of normalizing by calculating the weight based on the distance value from each neighboring point is performed in the same or similar manner. Then, the received prediction mode is decoded, and an attribute value of a corresponding point is predicted according to the decoded prediction mode. In addition, after decoding the received residual attribute value, the attribute value of the corresponding point may be restored by adding the predicted attribute value.
  • the attribute encoder of the transmitting device separates the prediction mode and the residual attribute value from all points, configures the prediction mode bitstream with the separated prediction modes, and the residual attribute value bitstream with the separated residual attribute values. By configuring, it is possible to improve decoding efficiency when restoring an attribute value in the attribute decoder of the receiving device.
  • FIG. 20 is a diagram illustrating another example of an apparatus for receiving a point cloud according to embodiments.
  • the point cloud receiving apparatus may include a reception processing unit 61001, a signaling processing unit 61022, a geometry decoder 6103, an attribute decoder 6104, and a post-processor 6101. .
  • the geometry decoder 6103 and the attribute decoder 6104 may be referred to as point cloud video decoders.
  • the point cloud video decoder may be referred to as a PCC decoder, a PCC decoding unit, a point cloud decoder, a point cloud decoding unit, or the like.
  • the reception processor 61001 may receive one bitstream, or may receive a geometry bitstream, an attribute bitstream, and a signaling bitstream, respectively.
  • the reception processing unit 61001 may decapsulate the received file and/or segment and output it as a bitstream.
  • the reception processing unit 61001 When one bitstream is received (or decapsulated), the reception processing unit 61001 according to the embodiments demultiplexes a geometry bitstream, an attribute bitstream, and/or a signaling bitstream from one bitstream, and demultiplexes the The multiplexed signaling bitstream is output to the signaling processing unit 61022, the geometry bitstream is output to the geometry decoder 6103, and the attribute bitstream is output to the attribute decoder 61044.
  • the reception processing unit 61001 receives (or decapsulates) a geometry bitstream, an attribute bitstream, and/or a signaling bitstream, respectively, the signaling bitstream to the signaling processing unit 61022, and the geometry bitstream.
  • the s[deg.]m may be transmitted to the geometry decoder 6103, and the attribute bitstream may be delivered to the attribute decoder 6104.
  • the signaling processing unit 61022 parses and processes signaling information, e.g., SPS, GPS, APS, TPS, metadata, and the like from the input signaling bitstream, to provide a geometry decoder 6103, an attribute decoder 6104, and It may be provided to the post-processing unit 610105.
  • signaling information included in the geometry slice header and/or the attribute slice header may also be parsed in advance by the signaling processor 6102 before decoding the corresponding slice data. That is, if the point cloud data at the transmitting side is divided into tiles and/or slices as shown in FIG. 16, since the TPS includes the number of slices included in each tile, the point cloud video decoder according to the embodiments is The number of can be checked, and information for parallel decoding can be quickly parsed.
  • the point cloud video decoder can quickly parse a bitstream including point cloud data by receiving an SPS having a reduced amount of data.
  • the receiving device may perform decoding of a corresponding tile as soon as it receives the tiles, and may maximize decoding efficiency by performing decoding for each slice based on GPS and APS included in the tile for each tile.
  • the geometry decoder 6103 may restore the geometry by performing the reverse process of the geometry encoder 51006 of FIG. 15 based on signaling information (eg, geometry related parameters) for the compressed geometry bitstream.
  • the geometry reconstructed (or reconstructed) by the geometry decoder 6103 is provided to the attribute decoder 61044.
  • the attribute decoder 6204 may restore the attribute by performing the reverse process of the attribute encoder 51007 of FIG. 15 based on signaling information (e.g., attribute related parameters) and reconstructed geometry for the compressed attribute bitstream. have.
  • the geometry decoder 6103 and the attribute decoder 6104 decodes geometry and attributes in units of tiles and/or slices. Decoding can be performed.
  • 21 is a detailed block diagram showing another example of a geometry decoder 6103 and an attribute decoder 6104 according to embodiments.
  • the arithmetic decoder 63001, the octree reconstruction unit 63002, the geometry information prediction unit 63003, the inverse quantization processing unit 63004, and the coordinate system inverse transform unit 63005 included in the geometry decoder 6103 of FIG. 21 are shown in FIG. It is also possible to perform some or all of the operations of the arithmetic decoder 11000, the octree synthesis unit 11001, the surface opoxidation synthesis unit 11002, the geometry reconstruction unit 11003, and the coordinate system inverse transform unit 11004 of Alternatively, some or all of the operations of the arithmetic decoder 13002 of FIG.
  • the ocupancy code-based octree reconstruction processing unit 13003, the surface model processing unit 13004, and the inverse quantization processing unit 13005 may be performed.
  • the positions restored by the geometry decoder 6103 are output to a post-process unit 6101.
  • information on whether to separate a prediction mode and a residual attribute value in at least one of a sequence parameter set (SPS), an attribute parameter set (APS), a tile parameter set (TPS), and an attribute slice header e.g., attribute_pred_residual_separate_encoding_flag
  • attribute_pred_residual_separate_encoding_flag information about whether run-length coding has been applied to the separate prediction modes
  • attribute_pred_residual_separate_encoding_flag is signaled, it is obtained from the signaling processing unit 6102 and provided to the attribute decoder 6104, or the attribute It can also be obtained directly from the decoder (61004).
  • a prediction mode decoding unit 6301 may include a residual attribute information inverse quantization processing unit 6302, and a color inverse transformation processing unit 6301.
  • the arithmetic decoder 63006 may arithmetically decode the input attribute bitstream.
  • the arithmetic decoder 63006 may decode the attribute bitstream based on the reconstructed geometry.
  • the Arismatic decoder 63006 performs the same or similar operation and/or decoding as the operation and/or decoding of the Arismatic decoder 11005 of FIG. 11 or the Arismatic decoder 13007 of FIG. 13.
  • the attribute bitstream output from the arithmetic decoder 63006 is decoded by combining any one or two or more of RAHT decoding, LOD-based predictive transform decoding method, and lifting transform decoding method based on reconstructed geometry information. Can be.
  • the transmission device performs attribute compression by combining any one or both of the LOD-based predictive transform coding technique and the lifting transform coding technique
  • the LOD-based predictive transform decoding technique also in the receiving device It will be described as an embodiment of performing attribute decoding by combining any one or both of and lifting transform decoding techniques. Therefore, the description of the RAHT decoding technique in the receiving device will be omitted.
  • an attribute bitstream that is Arismatically decoded by the Arismatic decoder 63006 is provided to the LOD configuration unit 63007.
  • an attribute bitstream provided from the arithmetic decoder 63006 to the LOD constructing unit 63007 may include prediction modes and residual attribute values.
  • the LOD configuration unit 63007 generates the LOD in the same or similar manner as the LOD configuration unit 53007 of the transmission device and outputs the generated LOD to the neighboring point set configuration unit 63008.
  • the LOD configuration unit 63007 divides and groups points into LODs. At this time, a group having different LODs is referred to as an LOD l set.
  • LOD l represents the LOD and is an integer starting from 0.
  • LOD 0 is a set consisting of points with the largest distance between points, and as l increases, the distance between points belonging to LOD l decreases.
  • prediction modes and residual attribute values encoded by the transmission device may exist for each LOD or may exist only for a leaf node.
  • the neighboring point set constructing unit 63008 when the LOD l set is generated by the LOD constructing unit 63007, the neighboring point set constructing unit 63008 has the same or smaller LOD (that is, the distance between nodes is large) based on the LOD l set. It is possible to find X (>0) nearest neighbors in the group and register them as a set of neighboring points in a predictor.
  • the X number may be input as a user parameter as the maximum number that can be set as a neighboring point, or may be included in signaling information such as SPS, APS, GPS, TPS, geometry slice header, and attribute slice header and received.
  • the neighboring point set configuration unit 63008 may select neighboring points of the corresponding point for each point based on signaling information such as SPS, APS, GPS, TPS, geometry slice header, and attribute slice header. To this end, the neighbor point set configuration unit 63008 may receive corresponding information from the signaling processing unit 6102.
  • signaling information such as SPS, APS, GPS, TPS, geometry slice header, and attribute slice header.
  • P2 P4 P6 points may be selected as neighboring points of a P3 point (ie, a node) belonging to LOD 1 and registered as a neighboring point set in a predictor of P3.
  • the attribute information predictor 6301 performs a process of predicting an attribute from at least one neighboring point registered in a predictor of a corresponding point based on a prediction mode of a specific point.
  • the attribute prediction process is performed on all points or at least some points of the reconstructed geometry.
  • the attribute information prediction unit 6301 may receive a prediction mode of each point from the prediction mode determination unit 6301 or the prediction mode decoding unit 6301 to predict the attribute value of each point.
  • the attribute information predictor 6301 may predict an attribute value of each point based on a prediction mode set as a default (eg, prediction mode 0).
  • the average of the values obtained by multiplying the attributes of P2 P4 P6, which are neighboring points registered in the predictor of P3, by a weight (or normalized weight) is calculated, and the average value is calculated as P3. It can be determined by the predicted attribute value of the point.
  • the attribute value of the neighboring point P4 registered in the predictor of P3 may be determined as the predicted attribute value of the point P3.
  • the attribute value of the neighboring point P6 registered in the predictor of P3 may be determined as the predicted attribute value of the point P3.
  • the attribute value of the neighboring point P2 registered in the predictor of P3 may be determined as the predicted attribute value of the point P3.
  • the residual attribute information inverse quantization processing unit (63012) determines the attribute information in the residual attribute value of each received point. After reconstructing the attribute value of the corresponding point by adding the predicted attribute value of the corresponding point predicted by the prediction unit 6301, inverse quantization is performed in the reverse of the quantization process of the transmitting device.
  • the prediction mode of each point to predict the attribute value of each point may be a value predetermined by an appointment of the transmitting/receiving side, or may be signaled and received in signaling information such as SPS, APS, TPS, and attribute slice headers. have. According to an embodiment, the prediction mode determined in advance by an appointment of the transmitting/receiving side is 0.
  • the prediction mode may be signaled and received in signaling information such as SPS, APS, TPS, and/or attribute slice header.
  • the prediction mode of each point may be received in a bitstream that is paired with the residual attribute value of the corresponding point, or all points
  • the separated prediction modes and the separated residual attribute values may be independently configured and received as a bitstream.
  • the bitstream of the separated prediction modes may be received by applying zero run-length coding in the transmission device.
  • residual attribute values may be received by applying quantization and zero run-length coding in a transmitting device.
  • the prediction mode determination unit 6301 includes information signaled to at least one of the SPS, APS, TPS, and attribute slice headers, that is, information on whether to separate the prediction mode and the residual attribute value (e.g., attribute_pred_residual_separate_encoding_flag). Based on information on whether run-length coding is applied to the prediction modes separated from and (e.g., attribute_pred_residual_separate_encoding_flag), whether the prediction mode and the residual attribute value of each point are separated, and the prediction modes of all points are zero. It can be determined whether run-length coding has been applied.
  • the prediction mode determination unit 6301 may include signaling information parsed from at least one of the SPS, APS, TPS, and attribute slice headers from the signaling processing unit 61022, for example, information on whether to separate a prediction mode and a residual attribute value.
  • attribute_pred_residual_separate_encoding_flag and information on whether run-length coding is applied to separate prediction modes (eg, attribute_pred_residual_separate_encoding_flag) is provided as an embodiment.
  • the prediction mode determination unit 6301 may receive an arithmetically decoded prediction mode of each point through the LOD configuration unit 63007.
  • the prediction mode of each point may be provided as a pair with the residual attribute value of the corresponding point, or prediction modes of all points may be provided separately from the residual attribute values.
  • zero run length coding may be applied to each of the separated residual attribute values of all points and the separated prediction modes at the transmitting side.
  • the prediction mode determination unit 6301 determines that the prediction mode and the residual attribute value of each point are separated based on the signaling information, and that zero run-length coding is applied to the prediction modes of the points. Then, the prediction mode decoding unit 6301 performs zero run-length decoding on the prediction modes of the points in the reverse process of FIG. 18(b) and outputs them to the attribute information prediction unit 6301.
  • the prediction mode decoding unit 6301 performs zero run-length decoding on prediction modes of points, and provides the zero run-length decoded prediction modes to the attribute information prediction unit 6301. do.
  • the attribute information prediction unit 6301 predicts attribute values of points based on prediction modes of points provided from the prediction mode decoding unit 6301. For example, if the prediction mode of the P3 point is 1, among the P2 P4 P6 points registered as neighboring points of the P3 point, the attribute value of the P4 point closest to the P3 point based on the distance becomes the predicted attribute value of the P3 point. This process is applied to each point to be predicted to obtain a predicted attribute value of each point.
  • the predicted attribute value of each point obtained by the attribute information predicting unit 6301 is provided to the residual attribute information inverse quantization processing unit 6302.
  • the residual attribute values of the points transmitted from the transmitting side and which have been arithmetically decoded are the residual attribute values through one of the attribute information predictor (63009), the prediction mode determination unit (63010), and the prediction mode decoding unit (63011).
  • the attribute information may be provided to the inverse quantization processing unit 6302.
  • the residual attribute information inverse quantization processing unit 6302 performs inverse quantization of the input residual attribute values in an inverse process of the transmitting side, and then adds a predicted attribute value of the corresponding point to the residual attribute value of each inverse quantized point. To restore the attribute value of each point.
  • the residual attribute information inverse quantization processing unit 6302 performs zero run-length decoding on the residual attribute values of points. After that, inverse quantization is performed.
  • the residual attribute value of the corresponding point is calculated based on the prediction mode of each point that has been arithmetically decoded. By performing the addition process, the attribute value of each point is restored.
  • the attribute values restored by the residual attribute information inverse quantization processing unit 6302 through the above-described process are output to the color inverse transformation processing unit 6301.
  • the inverse color transformation processing unit 6301 performs inverse transformation coding for inverse transformation of the color values (or textures) included in the reconstructed attribute values, and outputs the attributes to the post processing unit 6101.
  • the inverse color transform processing unit 6301 performs the same or similar operation and/or inverse transform coding as the operation and/or inverse transform coding of the inverse color transform unit 11010 of FIG. 11 or the inverse color transform processor 13010 of FIG. 13.
  • the post-processing unit 6101 05 may reconstruct the point cloud data by matching positions restored and output from the geometry decoder 6103 with attributes restored and output from the attribute decoder 6104.
  • the post-processing unit 6101 may perform a reverse process of spatial division of the transmitting side based on the signaling information. For example, if the bounding box as shown in FIG. 16(a) is divided into tiles and slices as shown in FIGS. 16(b) and 16(c), tiles and/or slices are combined based on signaling information. As shown in Fig. 16(a), the bounding box can be restored.
  • FIG. 22 shows an example of a bitstream structure of point cloud data for transmission/reception according to embodiments.
  • the bitstream may include one or more sub-bitstreams.
  • the bitstream according to the embodiments is a sequence parameter set (SPS) for signaling of a sequence level, a geometry parameter set (GPS) for signaling of geometry information coding, at least one attribute parameter set (APS) for signaling of attribute information coding, APS 0 , APS 1 ), TPS (Tile Parameter Set) for signaling of a tile level, and one or more slices (slice 0 to slice n) may be included.
  • SPS sequence parameter set
  • GPS geometry parameter set
  • APS attribute parameter set
  • TPS TPS
  • slices slice 0 to slice n
  • a bitstream of point cloud data may include one or more tiles, and each tile may be a group of slices including one or more slices (slice 0 to slice n).
  • the TPS may include information about each tile (eg, coordinate value information of a bounding box and height/size information) with respect to one or more tiles.
  • Each slice may include one geometry bitstream (Geom0) and one or more attribute bitstreams (Attr0, Attr1).
  • the first slice (slice 0) may include one geometry bitstream (Geom0 0 ) and one or more attribute bitstreams (Attr0 0 , Attr1 0 ).
  • a geometry bitstream (or referred to as a geometry slice) within each slice may be composed of a geometry slice header (geom_slice_header) and geometry slice data (geom_slice_data).
  • the geometry slice header (geom_slice_header) according to the embodiments is included in the identification information (geom_parameter_set_id), the tile identifier (geom_tile_id), the slice identifier (geom_slice_id), and the geometry slice data (geom_slice_data) of the parameter set included in the geometry parameter set (GPS).
  • geomBoxOrigin is the geometry box origin information indicating the box origin of the geometry slice data
  • geom_box_log2_scale is information indicating the log scale of the geometry slice data
  • geom_max_node_size_log2 is information indicating the size of the root geometry octree node
  • geom_num_points is the geometry slice data. This is information related to the number of points of.
  • the geometry slice data (geom_slice_data) may include geometry information (or geometry data) of point cloud data within a corresponding slice.
  • Each attribute bitstream (or attribute slice) in each slice may include an attribute slice header (attr_slice_header) and attribute slice data (attr_slice_data).
  • the attribute slice header (attr_slice_header) may include information on the attribute slice data, and the attribute slice data includes attribute information (or attribute data or attribute value) of point cloud data in the slice. can do.
  • each may include different attribute information. For example, one attribute bitstream may include attribute information corresponding to color, and the other attribute stream may include attribute information corresponding to reflectance.
  • FIG. 23 shows an example of a bitstream structure of point cloud data according to embodiments.
  • FIG. 24 illustrates a connection relationship between components in a bitstream of point cloud data according to embodiments.
  • the bitstream structure of the point cloud data shown in FIGS. 23 and 24 may mean the bitstream structure of the point cloud data shown in FIG. 22.
  • the SPS includes an identifier (seq_parameter_set_id) for identifying the corresponding SPS
  • the GPS includes an identifier (geom_parameter_set_id) for identifying the corresponding GPS and an identifier indicating an active SPS (Active SPS) to which the GPS belongs (seq_parameter_set_id).
  • the APS may include an identifier (attr_parameter_set_id) for identifying a corresponding APS and an identifier (seq_parameter_set_id) indicating an active SPS (Active SPS) to which the APS belongs.
  • a geometry bitstream (or geometry slice) includes a geometry slice header and geometry slice data
  • the geometry slice header may include an identifier (geom_parameter_set_id) of an active GPS to be referenced in the geometry slice.
  • the geometry slice header may further include an identifier (geom_slice_id) for identifying a corresponding geometry slice and/or an identifier (geom_tile_id) for identifying a corresponding tile.
  • the geometry slice data may include geometry information belonging to a corresponding slice.
  • the attribute bitstream (or attribute slice) includes an attribute slice header and attribute slice data
  • the attribute slice header is an identifier (attr_parameter_set_id) of the active APS to be referred to in the attribute slice and geometry related to the attribute slice. It may include an identifier (geom_slice_id) for identifying the slice.
  • the attribute slice data may include attribute information belonging to a corresponding slice.
  • the geometry slice refers to the GPS
  • the GPS refers to the SPS.
  • the SPS lists the available attributes, assigns an identifier to each, and identifies a decoding method.
  • the attribute slice is mapped to output attributes according to the identifier, and the attribute slice itself has a dependency on the preceding (decoded) geometry slice and the APS.
  • APS refers to SPS.
  • parameters necessary for encoding the point cloud data may be newly defined in a parameter set and/or a corresponding slice header of the point cloud data.
  • attribute information may be added to an attribute parameter set (APS) when encoding attribute information, and to a tile and/or slice header when performing tile-based encoding.
  • APS attribute parameter set
  • a bitstream of point cloud data provides a tile or slice so that the point cloud data can be divided and processed by regions.
  • Each region of a bitstream according to embodiments may have a different importance. Therefore, when the point cloud data is divided into tiles, different filters (encoding methods) and different filter units may be applied for each tile. In addition, when the point cloud data is divided into slices, different filters and different filter units may be applied for each slice.
  • the transmitting device and the receiving device may transmit and receive a bitstream in a high-level syntax structure for selective transmission of attribute information in the divided region.
  • the transmission apparatus transmits point cloud data according to the structure of the bitstream as shown in FIGS. 22 to 24, so that different encoding operations can be applied according to importance, and an encoding method having good quality. It can provide a method that can be used in important areas. In addition, it supports efficient encoding and transmission according to the characteristics of point cloud data and can provide attribute values according to user requirements.
  • the receiving device receives the point cloud data according to the structure of the bitstream as shown in FIGS. 22 to 24, and thus a complex decoding (filtering) method for the entire point cloud data according to the processing capacity of the receiving device.
  • a complex decoding (filtering) method for the entire point cloud data according to the processing capacity of the receiving device.
  • different filtering (decoding methods) can be applied for each area (area divided into tiles or divided into slices). Therefore, it is possible to ensure better image quality in an area important to the user and an appropriate latency for the system.
  • a tile or a slice is provided to divide the point cloud data by region and process it. And, when dividing point cloud data by area, by setting an option to create a different set of neighboring points for each area, the complexity is low but the reliability is slightly lower, or conversely, the complexity is high but the reliability is high. have.
  • At least one of the SPS, APS, TPS, and attribute slice headers for each slice may include offset information related to prediction mode processing.
  • the prediction mode processing-related offset information includes information on whether a prediction mode and a residual attribute value are separated (e.g., attribute_pred_residual_separate_encoding_flag) and information on whether run-length coding is applied to the separated prediction modes. (Eg, attribute_pred_residual_separate_encoding_flag) may be included.
  • attribute slice data may be changed and signaled according to offset information related to prediction mode processing.
  • a field which is a term used in the syntaxes of the present specification described later, may have the same meaning as a parameter or element.
  • SPS sequence parameter set
  • the SPS may include sequence information of a point cloud data bitstream, and in particular, an example including offset information related to prediction mode processing is shown.
  • SPS may include a profile_idc field, a profile_compatibility_flags field, a level_idc field, a sps_bounding_box_present_flag field, a sps_source_scale_factor field, a sps_seq_parameter_set_id field, a sps_num_attribute_sets field, and a sps_extension_present_flag field.
  • the profile_idc field represents a profile that the bitstream conforms to.
  • profile_compatibility_flags field When the value of the profile_compatibility_flags field is 1, it may indicate that the bitstream conforms to the profile indicated by profile_idc.
  • the level_idc field indicates a level to which the bitstream follows.
  • the sps_bounding_box_present_flag field indicates whether source bounding box information is signaled to the SPS.
  • the source bounding box information may include source bounding box offset and size information. For example, if the value of the sps_bounding_box_present_flag field is 1, it indicates that source bounding box information is signaled to the SPS, and if it is 0, it is not signaled.
  • the sps_source_scale_factor field indicates the scale factor of the source point cloud.
  • the sps_seq_parameter_set_id field provides an identifier for the SPS for reference by other syntax elements.
  • the sps_num_attribute_sets field indicates the number of coded attributes in the bitstream (indicates the number of coded attributes in the bitstream).
  • the sps_extension_present_flag field indicates whether the sps_extension_data syntax structure exists in the corresponding SPS syntax structure. For example, if the value of the sps_extension_present_flag field is 1, the sps_extension_data syntax structure exists in this SPS syntax structure, and if it is 0, it indicates that the sps_extension_data syntax structure is present in the SPS syntax structure. When not present, the value of the sps_extension_present_flag field is inferred to be equal to 0).
  • the SPS may include a sps_bounding_box_offset_x field, sps_bounding_box_offset_y field, sps_bounding_box_offset_z field, sps_bounding_box_scale_factor field, sps_bounding_box_scale_factor field, sps_bounding_heights_size_box_size field, sps_bounding_box_size_box_size field, and sps_bounding_box_size_box_size field.
  • the sps_bounding_box_offset_x field represents the x offset of the source bounding box in Cartesian coordinates. If there is no x offset of the source bounding box, the value of the sps_bounding_box_offset_x field is 0.
  • the sps_bounding_box_offset_y field represents a y offset of a source bounding box in a Cartesian coordinate system. If there is no y offset of the source bounding box, the value of the sps_bounding_box_offset_y field is 0.
  • the sps_bounding_box_offset_z field represents a z offset of a source bounding box in a Cartesian coordinate system. If there is no z offset of the source bounding box, the value of the sps_bounding_box_offset_z field is 0.
  • the sps_bounding_box_scale_factor field represents a scale factor of a source bounding box in a Cartesian coordinate system. If the scale factor of the source bounding box does not exist, the value of the sps_bounding_box_scale_factor field may be 1.
  • the sps_bounding_box_size_width field represents the width of a source bounding box in a Cartesian coordinate system. If the width of the source bounding box does not exist, the value of the sps_bounding_box_size_width field may be 1.
  • the sps_bounding_box_size_height field represents the height of the source bounding box in a Cartesian coordinate system. If the height of the source bounding box does not exist, the value of the sps_bounding_box_size_height field may be 1.
  • the sps_bounding_box_size_depth field represents the depth of a source bounding box in a Cartesian coordinate system. If the depth of the source bounding box does not exist, the value of the sps_bounding_box_size_depth field may be 1.
  • the SPS includes a repetition sentence repeated by the value of the sps_num_attribute_sets field.
  • i is initialized to 0, increases by 1 each time the loop is executed, and the loop is repeated until the value of i becomes the value of the sps_num_attribute_sets field.
  • This loop includes attribute_dimension[i] field, attribute_instance_id[i] field, attribute_bitdepth[i] field, attribute_cicp_colour_primaries[i] field, attribute_cicp_transfer_characteristics[i] field, attribute_cicp_matrix_coeffs[i] field, attribute_cicp_video_label_full_range_flag field, and known_cicp_video_full_flag_flag field. May contain fields.
  • the attribute_dimension[i] field specifies the number of components of the i-th attribute.
  • the attribute_instance_id[i] field represents the instance identifier of the i-th attribute.
  • the attribute_bitdepth[i] field indicates the bitdepth of the i-th attribute signal(s) (specifies the bitdepth of the i-th attribute signal(s)).
  • the attribute_cicp_colour_primaries[i] field represents chromaticity coordinates of the color attribute source primary of the i-th attribute.
  • the attribute_cicp_transfer_characteristics[i] field is a reference opto-electronic transfer characteristic as a source input linear optical intensity having a nominal real-valued range of 0 to 1 of the i-th attribute. function) or represents the inverse of the reference opto-electronic transfer characteristic function as a function of output linear optical intensity. (either indicates the reference opto-electronic transfer characteristic function of the color attribute as a function of a source input linear optical intensity with a nominal real-valued range of 0 to 1 or indicates the inverse of the reference electro-optical transfer characteristic function as a function of an output linear optical intensity.)
  • the attribute_cicp_matrix_coeffs[i] field describes a matrix coefficient used to derive luma and chroma signals from green, blue, and red (or three primary colors of Y, Z, and X) of the i-th attribute. (describes the matrix coefficients used in deriving luma and chroma signals from the green, blue, and red, or Y, Z, and X primaries.)
  • the attribute_cicp_video_full_range_flag[i] field is a black level, luma, and saturation signal derived from E'Y, E'PB and E'PR or E'R, E'G and E'B real-value component signals of the i-th attribute. Indicates the range of. (specifies indicates the black level and range of the luma and chroma signals as derived from E'Y, E'PB, and E'PR or E'R, E'G real-valued component signals)
  • the known_attribute_label[i] field indicates whether a know_attribute_label field or an attribute_label_four_bytes field is signaled for the i-th attribute. For example, if the value of the known_attribute_label_flag[i] field is 1, the know_attribute_label field is signaled for the i-th attribute, and if the value of the known_attribute_label_flag[i] field is 1, it indicates that the attribute_label_four_bytes field is signaled for the i-th attribute. .
  • the known_attribute_label[i] field represents an attribute type. For example, if the value of the known_attribute_label[i] field is 0, it indicates that the ith attribute is a color, and if the value of the known_attribute_label[i] field is 1, it indicates that the ith attribute is reflectance, and the known_attribute_label[i] field When the value of is 1, it may indicate that the i-th attribute is a frame index.
  • the attribute_label_four_bytes field indicates a known attribute type in a 4-byte code.
  • a color may be indicated, and a value of 1 may indicate a reflectance.
  • SPS may further include a sps_extension_data_flag field when the value of the sps_extension_present_flag field is 1.
  • the sps_extension_data_flag field may have any value.
  • the SPS may further include offset information related to prediction mode processing.
  • the prediction mode processing-related offset information includes information on whether a prediction mode and a residual attribute value are separated (e.g., attribute_pred_residual_separate_encoding_flag) and information on whether run-length coding is applied to the separated prediction modes. (Eg, attribute_pred_residual_separate_encoding_flag) may be included.
  • the prediction mode processing-related offset information may be included in a repetition statement repeated by a value of the sps_num_attribute_sets field described above.
  • the repetition statement may further include an attribute_pred_residual_separate_encoding_flag[i] field.
  • the attribute_pred_residual_separate_encoding_flag[i] field indicates whether a prediction mode and a residual attribute value are separated. For example, if the value of the attribute_pred_residual_separate_encoding_flag[i] field is 1, it indicates that the prediction mode and the residual attribute value are separated, and if it is 0, it indicates that the prediction mode and the residual attribute value are not separated.
  • the repeat statement may further include an attribute_pred_mode_zero_run_length_coding_flag[i] field.
  • the attribute_pred_mode_zero_run_length_coding_flag[i] field indicates whether run-length coding is applied to prediction modes. For example, if the value of the attribute_pred_mode_zero_run_length_coding_flag[i] field is 1, it indicates that run-length coding is applied to prediction modes, and if it is 0, it indicates that run-length coding is not applied to the prediction modes.
  • attribute_pred_residual_separate_encoding_flag field and the attribute_pred_mode_zero_run_length_coding_flag field may be signaled to the SPS.
  • the GPS is a diagram showing an embodiment of a syntax structure of a geometry parameter set (geometry_parameter_set()) (GPS) according to the present specification.
  • the GPS may include information on a method of encoding geometry information of point cloud data included in one or more slices.
  • GPS may include a field gps_geom_parameter_set_id, gps_seq_parameter_set_id field, gps_box_present_flag field, unique_geometry_points_flag field, neighbour_context_restriction_flag field, inferred_direct_coding_mode_enabled_flag field, bitwise_occupancy_coding_flag field, adjacent_child_contextualization_enabled_flag field, log2_neighbour_avail_boundary field, log2_intra_pred_max_node_size field, log2_trisoup_node_size field, and gps_extension_present_flag field.
  • the gps_geom_parameter_set_id field provides an identifier of the GPS referenced by other syntax elements (provides an identifier for the GPS for reference by other syntax elements).
  • the gps_seq_parameter_set_id field indicates a value of the seq_parameter_set_id field for a corresponding active SPS (specifies the value of sps_seq_parameter_set_id for the active SPS).
  • the gps_box_present_flag field indicates whether additional bounding box information is provided in a geometry slice header referring to a current GPS. For example, if the value of the gps_box_present_flag field is 1, it may indicate that additional bounding box information is provided in a geometry header referring to the current GPS. Therefore, if the value of the gps_box_present_flag field is 1, the GPS may further include a gps_gsh_box_log2_scale_present_flag field.
  • the gps_gsh_box_log2_scale_present_flag field indicates whether the gps_gsh_box_log2_scale field is signaled in each geometry slice header referring to the current GPS. For example, if the value of the gps_gsh_box_log2_scale_present_flag field is 1, it may indicate that the gps_gsh_box_log2_scale field is signaled to each geometry slice header referring to the current GPS.
  • the value of the gps_gsh_box_log2_scale_present_flag field is 0, it indicates that the gps_gsh_box_log2_scale field is not signaled in each geometry slice header referring to the current GPS, and a common scale for all slices is signaled in the gps_gsh_box_log2_scale field of the current GPS. can do.
  • the GPS may further include a gps_gsh_box_log2_scale field.
  • the gps_gsh_box_log2_scale field represents a common scale factor of a bounding box origin for all slices referring to the current GPS.
  • the unique_geometry_points_flag field indicates whether all output points have unique positions. For example, if the value of the unique_geometry_points_flag field is 1, it indicates that all output points have unique positions. If the value of the unique_geometry_points_flag field is 0, it indicates that two or more output points can have the same positions (equal to 1 indicates that all output points have unique positions.unique_geometry_points_flag field equal to 0 indicates that the output points may have same positions).
  • the neighbor_context_restriction_flag field represents contexts used for octree occupancy coding. For example, if the value of the neighbour_context_restriction_flag field is 0, it indicates that octree occupancy coding uses contexts determined based on six neighboring parent nodes. If the value of the neighbor_context_restriction_flag field is 1, it indicates that octree occupancy coding uses contexts determined based only on sibling nodes (equal to 0 indicates that octree occupancy coding uses contexts determined from six neighboring parent nodes.neighbour_context_restriction_flag field) equal to 1 indicates that octree occupancy coding uses contexts determined from sibling nodes only.).
  • the inferred_direct_coding_mode_enabled_flag field indicates whether the direct_mode_flag field exists in the corresponding geometry node syntax. For example, if the value of the inferred_direct_coding_mode_enabled_flag field is 1, it indicates that the direct_mode_flag field exists in the corresponding geometry node syntax. For example, if the value of the inferred_direct_coding_mode_enabled_flag field is 0, it indicates that the direct_mode_flag field does not exist in the corresponding geometry node syntax.
  • the bitwise_occupancy_coding_flag field indicates whether the geometry node occupancy is encoded using bitwise contextualization of the syntax element occupancy map. For example, if the value of the bitwise_occupancy_coding_flag field is 1, it indicates that the geometry node occupancy is encoded using bitwise contextualization of the syntax element occupancy_map. For example, if the value of the bitwise_occupancy_coding_flag field is 0, it indicates that the geometry node occupancy is encoded using the directory-encoded syntax element occupancy_byte.
  • the adjacent_child_contextualization_enabled_flag field indicates whether adjacent children of neighboring octree nodes are used for bitwise occupancy contextualization. For example, if the value of the adjacent_child_contextualization_enabled_flag field is 1, it indicates that adjacent children of neighboring octree nodes are used for bitwise occupancy contextualization. For example, if the value of the adjacent_child_contextualization_enabled_flag field is 0, it indicates that children of neighboring octree nodes are not used for bitwise occupancy contextualization.
  • the log2_neighbour_avail_boundary field specifies the value of the variable NeighbAvailBoundary that is used in the decoding process as follows: ).
  • NeighbAvailBoundary 2 log2_neighbour_avail_boundary
  • the NeighbAvailabilityMask may be set to 1. For example, if the value of the neighbour_context_restriction_flag field is 0, the NeighbAvailabilityMask may be set to 1 ⁇ log2_neighbour_avail_boundary.
  • the log2_intra_pred_max_node_size field specifies the octree nodesize eligible for occupancy intra prediction during occupancy intra prediction.
  • the log2_trisoup_node_size field specifies the variable TrisoupNodeSize as the size of the triangle nodes as follows as the size of triangle nodes determined as follows.
  • TrisoupNodeSize 1 ⁇ log2_trisoup_node_size
  • the gps_extension_present_flag field indicates whether a gps_extension_data syntax structure exists in a corresponding GPS syntax. For example, if the value of the gps_extension_present_flag field is 1, it indicates that the gps_extension_data syntax structure exists in the corresponding GPS syntax. For example, if the value of the gps_extension_present_flag field is 0, it indicates that the gps_extension_data syntax structure does not exist in the corresponding GPS syntax.
  • the GPS according to embodiments may further include a gps_extension_data_flag field when a value of the gps_extension_present_flag field is 1.
  • the gps_extension_data_flag field may have any value. Its presence and value do not affect the decoder conformance to profiles.
  • FIG. 27 is a diagram showing an embodiment of a syntax structure of an attribute parameter set (attribute_parameter_set()) (APS) according to the present specification.
  • the APS according to the embodiments may include information on a method of encoding attribute information of point cloud data included in one or more slices, and in particular, an example including offset information related to prediction mode processing is shown.
  • the APS may include an aps_attr_parameter_set_id field, an aps_seq_parameter_set_id field, an attr_coding_type field, aps_attr_initial_qp field, aps_attr_chroma_qp_offset field, aps_slice_qp_delta_present_flag field, and aps_flag field.
  • the aps_attr_parameter_set_id field represents an identifier of an APS for reference by other syntax elements.
  • the aps_seq_parameter_set_id field represents a value of sps_seq_parameter_set_id for an active SPS.
  • the attr_coding_type field represents a coding type for an attribute.
  • the coding type may indicate predicting weight lifting, if it is 1, the coding type may indicate RAHT, and if it is 2, it may indicate fixed weight lifting.
  • the aps_attr_initial_qp field pecifies the initial value of the variable SliceQp for each slice referring to the APS.
  • the initial value of SliceQp is modified at the attribute slice segment layer when a non-zero value of slice_qp_delta_luma or slice_qp_delta_luma is decoded. of slice_qp_delta_luma or slice_qp_delta_luma are decoded).
  • the aps_attr_chroma_qp_offset field specifies the offsets to the initial quantization parameter signaled by the syntax aps_attr_initial_qp.
  • the aps_slice_qp_delta_present_flag field indicates whether the ash_attr_qp_delta_luma and ash_attr_qp_delta_luma syntax elements are present in the corresponding attribute slice header (ASH). For example, if the value of the aps_slice_qp_delta_present_flag field is 1, it indicates that the ash_attr_qp_delta_luma and ash_attr_qp_delta_luma syntax elements are present in the corresponding attribute slice header (ASH) (equal to 1 specifies that the ash_attr_delta present in qp_delta_ASH) .
  • aps_slice_qp_delta_present_flag field 0 when the value of the aps_slice_qp_delta_present_flag field is 0, it indicates that the ash_attr_qp_delta_luma and ash_attr_qp_delta_luma syntax elements do not exist in the corresponding attribute slice header (ASH) (specifies that the ash_attr_delta_present_delma elements are not present in the corresponding attribute slice header (ASH)). the ASH).
  • the value of the attr_coding_type field is 0 or 2, that is, if the coding type is predicting weight lifting or fix weight lifting, the lifting_num_pred_nearest_neighbours field, lifting_max_num_direct_predictors field, A lifting_search_range field, lifting_lod_regular_sampling_enabled_flag field, lifting_num_detail_levels_minus1 field, attribute_pred_residual_separate_encoding_flag field may be further included.
  • the lifting_num_pred_nearest_neighbours field represents the maximum number of nearest neighbors to be used for prediction.
  • the lifting_max_num_direct_predictors field represents the maximum number of predictors to be used for direct prediction.
  • the value of the variable MaxNumPredictors used in the point cloud data decoding process according to the embodiments may be expressed as follows. (specifies the maximum number of predictor to be used for direct prediction.The value of the variable MaxNumPredictors that is used in the decoding process as follows:)
  • MaxNumPredictors lifting_max_num_direct_predicots field + 1
  • the lifting_lifting_search_range field specifies the search range used to determine nearest neighbors to be determining nearest neighbors to be used for prediction and building distance-based levels of detail (LOD). used for prediction and to build distance-based levels of detail).
  • LOD distance-based levels of detail
  • the lifting_lod_regular_sampling_enabled_flag field indicates whether levels of detail (LOD) are created by a regular sampling strategy. For example, if the value of the lifting_lod_regular_sampling_enabled_flag field is 1, it indicates that the levels of detail (LOD) are created by the regular sampling strategy.
  • the lifting_lod_regular_sampling_enabled_flag 1 specifies levels of detail are built by using a regular sampling strategy.
  • the lifting_lod_regular_sampling_enabled_enabled_flag 0 specifies that a distance-based sampling strategy is used instead).
  • the lifting_num_detail_levels_minus1 field indicates the number of LODs for attribute coding (specifies the number of levels of detail for the attribute coding).
  • the APS includes a repeating statement repeated by the value of the lifting_num_detail_levels_minus1 field.
  • the index (idx) is initialized to 0, increases by 1 each time the loop is executed, and the loop is repeated until the index (idx) is greater than the value of the lifting_num_detail_levels_minus1 field.
  • This loop may include the lifting_sampling_period[idx] field if the value of the lifting_lod_decimation_enabled_flag field is true (eg, 1), and may include the lifting_sampling_distance_squared[idx] field if it is false (eg, 0).
  • the lifting_sampling_period[idx] field specifies the sampling period for the level of detail idx.
  • the lifting_sampling_distance_squared[idx] field specifies the square of the sampling distance for the level of detail idx.
  • the attribute_pred_residual_separate_encoding_flag field indicates whether a prediction mode and a residual attribute value are separated. For example, if the value of the attribute_pred_residual_separate_encoding_flag field is 1, it indicates that the prediction mode and the residual attribute value are separated, and if it is 0, it indicates that the prediction mode and the residual attribute value are not separated.
  • the APS according to embodiments may further include an attribute_pred_mode_zero_run_length_coding_flag field when the value of the attribute_pred_residual_separate_encoding_flag field is 1.
  • the attribute_pred_mode_zero_run_length_coding_flag field indicates whether zero run-length coding is applied to the prediction mode. For example, if the value of the attribute_pred_mode_zero_run_length_coding_flag field is 1, it indicates that zero run-length coding is applied to prediction modes, and if it is 0, it indicates that zero run-length coding is not applied to prediction modes.
  • attribute_pred_residual_separate_encoding_flag field and the attribute_pred_mode_zero_run_length_coding_flag field may be signaled to the APS.
  • APS may further include a lifting_adaptive_prediction_threshold field and a lifting_intra_lod_prediction_num_layers field if the value of the attr_coding_type field is 0, that is, if the coding type is predicting weight lifting.
  • the lifting_adaptive_prediction_threshold field specifies the threshold to enable adaptive prediction.
  • the lifting_intra_lod_prediction_num_layers field specifies the number of LOD layers that decoded points in the same LOD layer can refer to to generate a predicted value of the target point (specifies number of LOD layer where decoded points in the same LOD layer could be referred to) generate prediction value of target point).
  • the value of the lifting_intra_lod_prediction_num_layers field is a value of the num_detail_levels_minus1 field + 1, it indicates that the target point can refer to decoded points in the same LOD layer for all LOD layers (The lifting_intra_lod_prediction_num_layers field equal to num_minus1 plus 1 level indicates that target point could refer decoded points in the same LOD layer for all LOD layers).
  • the target point cannot refer to decoded points in the same LOD layer for arbitrary LOD layers (The lifting_intra_lod_prediction_num_layers field equal to 0 indicates that target point could not refer) decoded points in the same LoD layer for any LoD layers).
  • the aps_extension_present_flag field indicates whether the aps_extension_data syntax structure exists in the corresponding APS syntax structure. For example, if the value of the aps_extension_present_flag field is 1, it indicates that the aps_extension_data syntax structure exists in the corresponding APS syntax structure. For example, if the value of the aps_extension_present_flag field is 0, it indicates that the aps_extension_data syntax structure does not exist in the corresponding APS syntax structure.
  • the APS according to embodiments may further include an aps_extension_data_flag field when a value of the aps_extension_present_flag field is 1.
  • the aps_extension_data_flag field may have any value. Its presence and value do not affect the decoder conformance to profiles.
  • TPS tile parameter set
  • a tile parameter set may be referred to as a tile inventory.
  • the TPS according to the embodiments includes information related to each tile for each tile, and in particular, an example including offset information related to prediction mode processing is shown.
  • TPS includes a num_tiles field.
  • the num_tiles field represents the number of tiles signaled for the bitstream. If there are no tiles, the value of the num_tiles field will be 0 (when not present, num_tiles is inferred to be 0).
  • the TPS includes a repeating statement repeated by the value of the num_tiles field.
  • i is initialized to 0, increases by 1 each time the loop is executed, and the loop is repeated until the value of i becomes the value of the num_tiles field.
  • This loop may include a tile_bounding_box_offset_x[i] field, a tile_bounding_box_offset_y[i] field, a tile_bounding_box_offset_z[i] field, a tile_bounding_box_size_width[i] field, a tile_bounding_box_size_height[i] field, a tile_bounding_box_size_coding_size_depth, and an attribute_pardi field.
  • the tile_bounding_box_offset_x[i] field indicates the x offset of the i-th tile in the cartesian coordinates.
  • the tile_bounding_box_offset_y[i] field represents the y offset of the i-th tile in a Cartesian coordinate system.
  • the tile_bounding_box_offset_z[i] field represents the z offset of the i-th tile in a Cartesian coordinate system.
  • the tile_bounding_box_size_width[i] field represents the width of the i-th tile in a Cartesian coordinate system.
  • the tile_bounding_box_size_height[i] field represents the height of the i-th tile in a Cartesian coordinate system.
  • the tile_bounding_box_size_depth[i] field represents the depth of the i-th tile in a Cartesian coordinate system.
  • the attribute_pred_residual_separate_encoding_flag[i] field indicates whether a prediction mode and a residual attribute value are separated in an i-th tile. For example, if the value of the attribute_pred_residual_separate_encoding_flag[i] field is 1, it indicates that the prediction mode and the residual attribute value are separated, and if it is 0, it indicates that the prediction mode and the residual attribute value are not separated.
  • TPS may further include an attribute_pred_mode_zero_run_length_coding_flag[i] field when a value of the attribute_pred_residual_separate_encoding_flag[i] field is 1.
  • the attribute_pred_mode_zero_run_length_coding_flag[i] field indicates whether zero run-length coding is applied to prediction modes in the i-th tile. For example, if the value of the attribute_pred_mode_zero_run_length_coding_flag[i] field is 1, it indicates that zero run-length coding is applied to the prediction modes, and if it is 0, it indicates that zero run-length coding is not applied to the prediction modes. do.
  • attribute_pred_residual_separate_encoding_flag[i] field and the attribute_pred_mode_zero_run_length_coding_flag[i] field may be signaled to the TPS.
  • 29 is a diagram showing an embodiment of a syntax structure of a geometry slice bitstream () according to the present specification.
  • the geometry slice bitstream (geometry_slice_bitstream ()) may include a geometry slice header (geometry_slice_header()) and geometry slice data (geometry_slice_data()).
  • FIG. 30 is a diagram showing an embodiment of a syntax structure of a geometry slice header (geometry_slice_header()) according to the present specification.
  • a bitstream transmitted by a transmitting device may include one or more slices.
  • Each slice may include a geometry slice and an attribute slice.
  • the geometry slice includes a geometry slice header (GSH).
  • the attribute slice includes an attribute slice header (ASH).
  • the geometry slice header (geometry_slice_header()) may include a gsh_geom_parameter_set_id field, a gsh_tile_id field, a gsh_slice_id field, a gsh_max_node_size_log2 field, a gsh_num_points field, and a byte_alignment() field.
  • the value of the gps_box_present_flag field included in the geometry parameter set (GPS) is true (for example, 1)
  • the value of the gps_gsh_box_log2_scale_present_flag field is true (for example, 1 )
  • a gsh_box_log2_scale field may be further included.
  • the gsh_geom_parameter_set_id field indicates a value of gps_geom_parameter_set_id of the active GPS (specifies the value of the gps_geom_parameter_set_id of the active GPS).
  • the gsh_tile_id field represents an identifier of a corresponding tile referenced by a corresponding geometry slice header (GSH).
  • the gsh_slice_id represents an identifier of a corresponding slice for reference by other syntax elements.
  • the gsh_box_log2_scale field represents a scaling factor of a bounding box origin for a corresponding slice.
  • the gsh_box_origin_x field represents the x value of the bounding box origin scaled by the value of the gsh_box_log2_scale field.
  • the gsh_box_origin_y field represents the y value of the bounding box origin scaled by the value of the gsh_box_log2_scale field.
  • the gsh_box_origin_z field represents the z value of the bounding box origin scaled by the value of the gsh_box_log2_scale field.
  • the gsh_max_node_size_log2 field represents the size of a root geometry octree node.
  • the gsh_points_number field represents the number of coded points in a corresponding slice.
  • Geometry slice data (geometry_slice_data()) according to embodiments may transmit a geometry bitstream belonging to a corresponding slice.
  • the geometry slice data (geometry_slice_data()) may include a first loop repeated by a value of MaxGeometryOctreeDepth.
  • the depth is initialized to 0, increases by 1 each time the loop is executed, and the first loop is repeated until the depth becomes the value of MaxGeometryOctreeDepth.
  • the first loop statement may include a second loop statement repeated by a value of NumNodesAtDepth. In this case, nodeidx is initialized to 0, increases by 1 each time the loop is executed, and the second loop is repeated until nodeidx becomes the value of NumNodesAtDepth.
  • MaxGeometryOctreeDepth represents the maximum value of the geometry octree depth
  • NumNodesAtDepth represents the number of nodes to be decoded at the corresponding depth.
  • NodeX[depth][nodeIdx], NodeY[depth][nodeIdx], NodeZ[depth][nodeIdx] represent the z, y, z coordinates of the nodeIdx th node in decoding order at a given depth.
  • the geometry bitstream of the node of the corresponding depth is transmitted through geometry_node(depth, nodeIdx, xN, yN, zN).
  • Geometry slice data may further include geometry_trisoup_data() if the value of the log2_trisoup_node_size field is greater than 0. That is, if the size of the triangle nodes is greater than 0, a geometry bitstream encoded with a trish geometry is transmitted through geometry_trisoup_data().
  • 32 is a diagram showing an embodiment of a syntax structure of an attribute slice bitstream () according to the present specification.
  • the attribute slice bitstream (attribute_slice_bitstream ()) may include an attribute slice header (attribute_slice_header()) and attribute slice data (attribute_slice_data()).
  • attribute slice header includes signaling information for a corresponding attribute slice, and in particular, an example including offset information related to prediction mode processing is shown.
  • the attribute slice header (attribute_slice_header()) may include an ash_attr_parameter_set_id field, an ash_attr_sps_attr_idx field, an ash_attr_geom_slice_id field, and an attribute_pred_residual_separate_encoding_flag field.
  • the attribute slice header (attribute_slice_header()) may further include an ash_qp_delta_luma field and an ash_qp_delta_chroma field if a value of the aps_slice_qp_delta_present_flag field of the attribute parameter set (APS) is true (eg, 1).
  • the ash_attr_parameter_set_id field represents a value of the aps_attr_parameter_set_id field of the current active APS (for example, the aps_attr_parameter_set_id field included in the APS described in FIG. 27).
  • the ash_attr_sps_attr_idx field identifies an attribute set in the currently active SPS.
  • the value of the ash_attr_sps_attr_idx field is in a range from 0 to the sps_num_attribute_sets field included in the current active SPS.
  • the ash_attr_geom_slice_id field represents a value of the gsh_slice_id field of the current geometry slice header.
  • the ash_qp_delta_luma field represents a luma delta quantization parameter qp derived from an initial slice qp in an active attribute parameter set.
  • the ash_qp_delta_chroma field represents a chroma delta quantization parameter qp derived from an initial slice qp in an active attribute parameter set.
  • the attribute_pred_residual_separate_encoding_flag field indicates whether a prediction mode and a residual attribute value are separated in a corresponding slice. For example, if the value of the attribute_pred_residual_separate_encoding_flag field is 1, it indicates that the prediction mode and the residual attribute value are separated, and if it is 0, it indicates that the prediction mode and the residual attribute value are not separated.
  • the attribute slice header may further include an attribute_pred_mode_zero_run_length_coding_flag field when a value of the attribute_pred_residual_separate_encoding_flag field is 1.
  • the attribute_pred_mode_zero_run_length_coding_flag field indicates whether zero run-length coding is applied to prediction modes in a corresponding slice. For example, if the value of the attribute_pred_mode_zero_run_length_coding_flag field is 1, it indicates that zero run-length coding is applied to prediction modes, and if it is 0, it indicates that zero run-length coding is not applied to prediction modes.
  • attribute_pred_residual_separate_encoding_flag field and the attribute_pred_mode_zero_run_length_coding_flag field may be signaled in an attribute slice header.
  • attribute slice data (attribute_slice_data()) according to the present specification.
  • the attribute slice data (attribute_slice_data()) according to embodiments may transmit an attribute bitstream belonging to a corresponding slice.
  • the attribute dimension (attribute_dimension) refers to the number of components constituting an attribute. Attributes according to embodiments represent reflectance, color, and the like. Therefore, the number of components that an attribute has is different. For example, an attribute corresponding to a color may have three color components (eg, RGB). Therefore, an attribute corresponding to reflectance may be a mono-dimensional attribute, and an attribute corresponding to a color may be a three-dimensional attribute.
  • Attributes according to embodiments may be attribute-encoded in units of dimensions.
  • an attribute corresponding to reflectance and an attribute corresponding to color may be attribute-encoded, respectively.
  • attributes according to embodiments may be attribute-encoded together regardless of dimensions.
  • an attribute corresponding to reflectance and an attribute corresponding to color may be attribute encoded together.
  • zero run-length coding is applied to the separated prediction modes.
  • zero run length coding for prediction modes is performed by the attribute information predictor 53009 of FIG. 17, and zero run-length coding for residual attribute values is performed by the residual attribute information quantization processor 53010 of FIG. This is done as an example. That is, zero run-length coding for prediction modes is performed before zero run-length coding for residual attribute values.
  • zero run-length coding is applied to the separated prediction modes.
  • zero run-length coding is not applied. Modes and residual attribute values to which zero run-length coding is applied are transmitted. In the present specification, zero run-length coding for residual attribute values is performed by the residual attribute information quantization processor 5310 of FIG. 17 as an embodiment.
  • the residual attribute information quantization processing unit 53010 of FIG. 17 may additionally apply and transmit zero run-length coding on residual attribute values.
  • i denotes the i-th point value of the attribute
  • zerorun denotes the number of zeros before the predictor index (preindex, ie, prediction mode) or residual attribute value (zerorun specifies the number of 0 prior to preindex). or residual).
  • the attribute_pred_residual_separate_encoding_flag field and the attribute_pred_mode_zero_run_length_coding_flag field are signaled to at least one of SPS (see FIG. 25), APS (see FIG. 27), TPS (see FIG. 28), and an attribute slice header (see FIG. 33), and the According to an embodiment, the attr_coding_type field and the lifting_adaptive_prediction_threshold field are signaled to the APS (refer to FIG. 27).
  • variable MaxNumPredictors of FIG. 34 is a variable used in the point cloud data decoding process, and may be obtained as follows based on the lifting_adaptive_prediction_threshold field value signaled to the APS of FIG. 27.
  • MaxNumPredictors lifting_max_num_direct_predicots field + 1
  • the lifting_max_num_direct_predictors field represents the maximum number of predictors to be used for direct prediction.
  • Pred_index[i] specifies the predictor index to decode the i-th point value of the attribute attribute).
  • the value of pred_index[i] is in the range from 0 to the value of the lifting_max_num_direct_predictors field.
  • the variable MaxPredDiff[i] may be calculated as follows.
  • k i is the set of k-nearest neighbors of the current point i
  • (a j ) jEXi is defined as their decoded/ reconstructed attribute values
  • Let k i be the set of the k-nearest neighbors of the current point i and let (a j ) jEXi be their decoded/reconstructed attribute values).
  • the number of nearest neighbors, k i is in the range of from 1 to the value of the field lifting_num_pred_nearest_neighbours (The number of nearest neighbours, k i shall be range of 1 to lifting_num_pred_nearest_neighbours).
  • the decoded/reconstructed attribute value of neighbors are derived according to the Predictive Lifting decoding process. .
  • the lifting_num_pred_nearest_neighbours field is signaled to the APS of FIG. 27 and indicates the maximum number of nearest neighbors to be used for prediction.
  • 35 is a flowchart of a method for transmitting point cloud data according to embodiments.
  • the method of transmitting point cloud data includes the steps of encoding (71001) geometry included in point cloud data, encoding attributes included in the point cloud data based on input and/or reconstructed geometry ( 71002), and transmitting a bitstream including the encoded geometry, the encoded attribute, and signaling information (71003).
  • Encoding the geometry and attributes included in the point cloud data includes the point cloud video encoder 10002 of FIG. 1, the encoding 20001 of FIG. 2, the point cloud video encoder of FIG. 4, and the point of FIG. 12. Some or all of the operations of the cloud video encoder, the point cloud encoding of FIG. 14, the point cloud video encoder of FIG. 15, and the geometry encoder and attribute encoder of FIG. 17 may be performed.
  • the prediction modes and residual attribute values are separated from all points, and zero run-length coding is applied to the separated prediction modes and the separated residual attribute values, respectively. can do.
  • a prediction mode and a residual attribute value are configured as a pair for each point, and zero run-length coding may be applied only to residual attribute values in a quantization process.
  • information about whether the prediction mode and the residual attribute value are separated may be signaled to at least one of a sequence parameter set, an attribute parameter set, a tile parameter set, and an attribute slice header.
  • information on whether run-length coding has been applied to the separated prediction modes (e.g., attribute_pred_residual_separate_encoding_flag) is signaled to at least one of a sequence parameter set, an attribute parameter set, a tile parameter set, and an attribute slice header. can do.
  • encoding may be performed in units of a slice or a tile including one or more slices.
  • the step of transmitting a bitstream including the encoded geometry, the encoded attribute, and signaling information (71003) includes the transmitter 10003 of FIG. 1, the transmission step 20002 of FIG. 2, and the transmission processing unit 12012 of FIG. 12. ) Or may be performed by the transmission processing unit 5108 of FIG. 15.
  • 36 is a flowchart of a method for receiving point cloud data according to embodiments.
  • the method for receiving point cloud data includes receiving a bitstream including an encoded geometry, an encoded attribute, and signaling information (81001), and decoding a geometry based on signaling information (81002). , Decoding the attribute based on the decoded/reconstructed geometry and signaling information (81003), and rendering the restored point cloud data based on the decoded geometry and the decoded attribute (81004).
  • the receiving (81001) of the bitstream including the encoded geometry, the encoded attribute, and signaling information according to the embodiments may be performed by the receiver 10005 of FIG. 1, the passivation 20002 of FIG. 2, or the decoding 20003. ), the reception unit 13000 or the reception processing unit 13001 of FIG. 13, or the reception processing unit 61001 of FIG. 20.
  • the decoding of geometry and attributes according to embodiments (81002 and 81003) may perform decoding in units of slices or tiles including one or more slices.
  • the step of decoding the geometry 81002 includes a point cloud video decoder 10006 of FIG. 1, decoding 20003 of FIG. 2, a point cloud video decoder of FIG. 11, a point cloud video decoder of FIG. 13, and Some or all of the operations of the geometry decoder of 20 and the geometry decoder of FIG. 21 may be performed.
  • the step of decoding an attribute 81003 includes a point cloud video decoder 10006 of FIG. 1, decoding 20003 of FIG. 2, a point cloud video decoder of FIG. 11, a point cloud video decoder of FIG. 13, and Some or all of the operations of the attribute decoder of 20 and the attribute decoder of FIG. 21 may be performed.
  • At least one of the signaling information is separated from information on whether to separate a prediction mode and a residual attribute value (eg, attribute_pred_residual_separate_encoding_flag).
  • Information eg, attribute_pred_residual_separate_encoding_flag on whether run-length coding has been applied to the predicted prediction modes may be included.
  • the step of decoding an attribute (81003) information on whether to separate a prediction mode and a residual attribute value included in the signaling information (e.g., attribute_pred_residual_separate_encoding_flag) and run-length coding for the separated prediction modes are performed.
  • the prediction mode of each point and the residual attribute value are separated based on information on whether or not it has been applied (e.g., attribute_pred_residual_separate_encoding_flag), and if it is determined that zero run-length coding has been applied to the prediction modes of the points, the prediction mode of the points.
  • the zero run-length decoding is performed first with the reverse process of the transmitting side for the data, and then zero run-length decoding is performed with the reverse process of the transmitting side with respect to the residual attribute values.
  • the corresponding point corresponds to the predicted attribute value based on the prediction mode of each point.
  • the attribute value of each point is restored by performing a process of adding the residual attribute values of.
  • the reconstructed point cloud data may be rendered according to various rendering methods.
  • the points of the point cloud content may be rendered as a vertex having a certain thickness, a cube having a specific minimum size centered on the vertex position, or a circle centered on the vertex position. All or part of the rendered point cloud content is provided to the user through a display (e.g., VR/AR display, general display, etc.).
  • the rendering of the point cloud data according to embodiments 81004 may be performed by the renderer 10007 of FIG. 1, the rendering 20004 of FIG. 2, or the renderer 13011 of FIG. 13.
  • the present specification provides a prediction mode bitstream consisting of prediction modes by separating a prediction mode and a residual attribute value from each point in order to increase the compression efficiency of attributes of 3D point cloud data and to provide parallel processing more efficiently.
  • Each of the residual attribute value bitstreams consisting of residual attribute values is configured. By doing so, since the dependence between the prediction mode and the residual attribute value is separated, the point cloud video encoder/decoder can provide a structure capable of parallel processing.
  • the size of the prediction mode bitstream can be reduced by applying zero run-length coding to the prediction mode bitstream. For this reason, it is possible to increase the compression efficiency of the attribute.
  • Each of the above-described parts, modules or units may be software, processor, or hardware parts that execute successive execution processes stored in a memory (or storage unit). Each of the steps described in the above-described embodiment may be performed by processor, software, and hardware parts. Each module/block/unit described in the above-described embodiment may operate as a processor, software, or hardware. In addition, the methods suggested by the embodiments may be executed as code. This code can be written to a storage medium that can be read by a processor, and thus can be read by a processor provided by an apparatus.
  • the apparatus and method according to the embodiments are not limitedly applicable to the configuration and method of the described embodiments as described above, but the embodiments are all or part of each of the embodiments selectively combined so that various modifications can be made. It can also be configured.
  • Various components of the apparatus of the embodiments may be implemented by hardware, software, firmware, or a combination thereof.
  • Various components of the embodiments may be implemented with one chip, for example, one hardware circuit.
  • Each of the components according to the embodiments may be implemented as separate chips.
  • At least one or more of the components of the device according to the embodiments may be composed of one or more processors capable of executing one or more programs, and the one or more programs may be operated/ It may include instructions for performing, or performing any one or more operations/methods of the methods.
  • Executable instructions for performing the method/operations of the apparatus according to the embodiments may be stored in a non-transitory CRM or other computer program products configured to be executed by one or more processors, or may be stored in one or more It may be stored in temporary CRM or other computer program products configured to be executed by the processors.
  • the memory according to the embodiments may be used as a concept including not only volatile memory (eg, RAM, etc.) but also non-volatile memory, flash memory, PROM, and the like.
  • it may be implemented in the form of a carrier wave such as transmission through the Internet.
  • the recording medium readable by the processor may be distributed over a computer system connected through a network, so that code readable by the processor may be stored and executed in a distributed manner.
  • Various elements of the embodiments may be performed by hardware, software, firmware, or a combination thereof.
  • Various elements of the embodiments may be implemented on a single chip, such as a hardware circuit.
  • the embodiments may optionally be performed on individual chips.
  • at least one of the elements of the embodiments may be executed in one or more processors including instructions for performing operations according to the embodiments.
  • first and second are used to describe various elements of the embodiments. These terms do not limit the interpretation of the elements of the embodiments. These terms are used to distinguish between one element and another.
  • a first user input signal may be referred to as a second user input signal.
  • the second user input signal may be referred to as a first user input signal.
  • the first user input signal and the second user input signal are both user input signals and do not mean the same user input signals unless clearly indicated in context.
  • Conditional expressions such as, when, and when, used to describe the embodiments are not limited to an optional case. When a specific condition is satisfied, it is intended to perform a related action in response to a specific condition, or to interpret the related definition.

Landscapes

  • Engineering & Computer Science (AREA)
  • Multimedia (AREA)
  • Signal Processing (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Compression Or Coding Systems Of Tv Signals (AREA)

Abstract

실시예들에 따른 포인트 클라우드 데이터 전송 방법은, 포인트 클라우드 데이터를 획득하는 단계, 상기 포인트 클라우드 데이터의 지오메트리 정보를 인코딩하는 단계, 상기 지오메트리 정보를 기반으로 상기 포인트 클라우드 데이터의 어트리뷰트 정보를 인코딩하는 단계, 및 상기 인코드된 지오메트리 정보, 상기 인코드된 어트리뷰트 정보, 및 시그널링 정보를 포함하는 비트스트림을 전송하는 단계를 를 포함할 수 있다.

Description

포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법
실시예들은 포인트 클라우드 콘텐트(Point Cloud Content)를 처리하는 방법 및 장치에 대한 것이다.
포인트 클라우드 콘텐트는 3차원 공간을 표현하는 좌표계에 속한 점(포인트)들의 집합인 포인트 클라우드로 표현되는 콘텐트이다. 포인트 클라우드 콘텐트는3차원으로 이루어진 미디어를 표현할 수 있으며, VR (Virtual Reality, 가상현실), AR (Augmented Reality, 증강현실), MR (Mixed Reality, 혼합현실), XR (Extended Reality), 및 자율 주행 서비스 등의 다양한 서비스를 제공하기 위해 사용된다. 하지만 포인트 클라우드 콘텐트를 표현하기 위해서는 수만개에서 수십만개의 포인트 데이터가 필요하다. 따라서 방대한 양의 포인트 데이터를 효율적으로 처리하기 위한 방법이 요구된다.
실시예들에 따른 기술적 과제는, 전술한 문제점 등을 해결하기 위해서, 포인트 클라우드를 효율적으로 송수신하기 위한 포인트 클라우드 데이터 전송 장치, 전송 방법, 포인트 클라우드 데이터 수신 장치 및 수신 방법을 제공하는데 있다.
실시예들에 따른 기술적 과제는, 지연시간(latency) 및 인코딩/디코딩 복잡도를 해결하기 위한 포인트 클라우드 데이터 전송 장치, 전송 방법, 포인트 클라우드 데이터 수신 장치 및 수신 방법을 제공하는데 있다.
실시예들에 따른 기술적 과제는, 지오메트리 기반의 포인트 클라우드 압축(Geometry-based point cloud compression, G-PCC)의 어트리뷰트 정보(attribute)의 인코딩 기술을 개선하여 포인트 클라우드의 압축 성능 향상시키는 포인트 클라우드 데이터 전송 장치, 전송 방법, 포인트 클라우드 데이터 수신 장치 및 수신 방법을 제공하는데 있다.
실시예들에 따른 기술적 과제는, G-PCC의 어트리뷰트 정보의 병렬 처리를 지원하면서 압축 효율을 높이기 위한 포인트 클라우드 데이터 전송 장치, 전송 방법, 포인트 클라우드 데이터 수신 장치 및 수신 방법을 제공하는데 있다.
실시예들에 따른 기술적 과제는, G-PCC의 어트리뷰트 정보의 인코딩 및 디코딩 과정에서 예측 모드와 양자화된 잔여 어트리뷰트 값의 비트스트림 구성을 변경함으로써, 어트리뷰트 정보의 압축 효율을 높이기 위한 포인트 클라우드 데이터 전송 장치, 전송 방법, 포인트 클라우드 데이터 수신 장치 및 수신 방법을 제공하는데 있다.
다만, 전술한 기술적 과제만으로 제한되는 것은 아니고, 본 문서 전체 내용에 기초하여 당업자가 유추할 수 있는 다른 기술적 과제로 실시예들의 권리범위가 확장될 수 있다.
상술한 목적 및 다른 이점을 달성하기 위해서 실시예들에 따른 포인트 클라우드 데이터 전송 방법은 포인트 클라우드 데이터를 획득하는 단계, 상기 포인트 클라우드 데이터의 지오메트리 정보를 인코딩하는 단계, 상기 지오메트리 정보를 기반으로 상기 포인트 클라우드 데이터의 어트리뷰트 정보를 인코딩하는 단계, 및 상기 인코드된 지오메트리 정보, 상기 인코드된 어트리뷰트 정보, 및 시그널링 정보를 포함하는 비트스트림을 전송하는 단계를 포함할 수 있다.
상기 어트리뷰트 정보를 인코딩하는 단계는 어트리뷰트 인코딩을 수행할 각 포인트의 예측 모드를 선택하는 단계, 및 상기 각 포인트의 선택된 예측 모드를 기반으로 예측된 각 포인트의 예측 어트리뷰트 값과 상기 각 포인트의 오리지날 어트리뷰트 값과의 차이로 상기 각 포인트의 잔여 어트리뷰트 값을 구하는 단계를 포함하는 것을 일 실시예로 한다.
상기 어트리뷰트 정보를 인코딩하는 단계는 상기 각 포인트로부터 예측 모드와 잔여 어트리뷰트 값을 분리하는 단계, 및 상기 각 포인트로부터 분리된 예측 모드를 포함하는 예측 모드 비트스트림과 상기 각 포인트로부터 분리된 잔여 어트리뷰트 값을 포함하는 잔여 어트리뷰트 비트스트림을 구성하는 단계를 더 포함하는 것을 일 실시예로 한다.
상기 어트리뷰트 정보를 인코딩하는 단계는 상기 각 포인트로부터 분리된 예측 모드를 포함하는 예측 모드 비트스트림에 제로 런-랭스 코딩을 적용하여 인코딩하는 단계를 더 포함하는 것을 일 실시예로 한다.
상기 시그널링 정보는 예측 모드와 잔여 어트리뷰트 값의 분리 여부를 식별하기 위한 정보와 상기 예측 모드 비트스트림에 제로 런-랭스 코딩이 적용되었는지 여부를 식별하기 위한 정보를 포함하는 것을 일 실시예로 한다.
상기 예측 모드는 제1 내지 제 4 예측 모드 중 하나이며, 상기 제1 예측 모드는 해당 포인트의 등록된 이웃 포인트들의 어트리뷰트들에 가중치를 곱한 값의 평균값을 해당 포인트의 예측 어트리뷰트 값으로 결정하는 모드이고, 상기 제2 예측 모드는 상기 등록된 이웃 포인트들 중 해당 포인트와 거리 기반으로 첫번째로 가까운 이웃 포인트의 어트리뷰트를 해당 포인트의 예측 어트리뷰트 값으로 결정하는 모드이고, 상기 제3 예측 모드는 상기 등록된 이웃 포인트들 중 해당 포인트와 거리 기반으로 두번째로 가까운 이웃 포인트의 어트리뷰트를 해당 포인트의 예측 어트리뷰트 값으로 결정하는 모드이며, 상기 제 4 예측 모드는 상기 등록된 이웃 포인트들 중 해당 포인트와 거리 기반으로 세번째로 가까운 이웃 포인트의 어트리뷰트를 해당 포인트의 예측 어트리뷰트 값으로 결정하는 모드인 것을 일 실시예로 한다.
실시예들에 따른 포인트 클라우드 데이터 송신 장치는 포인트 클라우드 데이터를 획득하는 획득부, 상기 포인트 클라우드 데이터의 지오메트리 정보를 인코딩하는 지오메트리 인코더, 상기 지오메트리 정보를 기반으로 상기 포인트 클라우드 데이터의 어트리뷰트 정보를 인코딩하는 어트리뷰트 인코더, 및 상기 인코드된 지오메트리 정보, 상기 인코드된 어트리뷰트 정보, 및 시그널링 정보를 포함하는 비트스트림을 전송하는 전송부를 포함할 수 있다.
상기 어트리뷰트 인코더는 어트리뷰트 인코딩을 수행할 각 포인트의 예측 모드를 선택하고, 상기 각 포인트의 선택된 예측 모드를 기반으로 예측된 각 포인트의 예측 어트리뷰트 값과 상기 각 포인트의 오리지날 어트리뷰트 값과의 차이로 상기 각 포인트의 잔여 어트리뷰트 값을 구하는 것을 일 실시예로 한다.
상기 어트리뷰트 인코더는 상기 각 포인트로부터 예측 모드와 잔여 어트리뷰트 값을 분리하고, 상기 각 포인트로부터 분리된 예측 모드를 포함하는 예측 모드 비트스트림과 상기 각 포인트로부터 분리된 잔여 어트리뷰트 값을 포함하는 잔여 어트리뷰트 비트스트림을 구성하며, 상기 각 포인트로부터 분리된 예측 모드를 포함하는 예측 모드 비트스트림에 제로 런-랭스 코딩을 적용하여 인코딩하는 것을 일 실시예로 한다.
상기 시그널링 정보는 예측 모드와 잔여 어트리뷰트 값의 분리 여부를 식별하기 위한 정보와 상기 예측 모드 비트스트림에 제로 런-랭스 코딩이 적용되었는지 여부를 식별하기 위한 정보를 포함하는 것을 일 실시예로 한다.
실시예들에 따른 포인트 클라우드 데이터 수신 방법은 지오메트리 정보, 어트리뷰트 정보, 및 시그널링 정보를 포함하는 비트스트림을 수신하는 단계, 상기 시그널링 정보를 기반으로 상기 지오메트리 정보를 디코딩하는 단계, 상기 시그널링 정보와 상기 지오메트리 정보를 기반으로 상기 어트리뷰트 정보를 디코딩하는 단계, 및 상기 디코드된 지오메트리 정보와 상기 디코드된 어트리뷰트 정보를 기반으로 복원된 포인트 클라우드 데이터를 렌더링하는 단계를 포함하는 것을 일 실시예로 한다.
상기 시그널링 정보는 예측 모드와 잔여 어트리뷰트 값의 분리 여부를 식별하기 위한 정보와 상기 예측 모드를 포함하는 예측 모드 비트스트림에 제로 런-랭스 코딩이 적용되었는지 여부를 식별하기 위한 정보를 포함하는 것을 일 실시예로 한다.
상기 어트리뷰트 정보를 디코딩하는 단계는 상기 시그널링 정보를 기반으로 예측 모드와 잔여 어트리뷰트 값이 분리되었다고 판별되고, 상기 예측 모드 비트스트림에 제로 런-랭스 코딩이 적용되었다고 판별되면, 상기 예측 모드 비트스트림에 제로 런-랭스 디코딩을 수행하는 단계를 더 포함하는 것을 일 실시예로 한다.
상기 어트리뷰트 정보를 디코딩하는 단계는 수신되어 디코딩된 각 포인트의 예측 모드를 기반으로 각 포인트의 어트리뷰트 값을 예측하고, 각 포인트의 예측된 어트리뷰트 값에 수신되어 디코딩된 각 포인트의 잔여 어트리뷰트 값을 더하여 각 포인트의 어트리뷰트 값을 복원하는 단계를 포함하는 것을 일 실시예로 한다.
상기 예측 모드는 제1 내지 제 4 예측 모드 중 하나이며, 상기 제1 예측 모드는 해당 포인트의 등록된 이웃 포인트들의 어트리뷰트들에 가중치를 곱한 값의 평균값을 해당 포인트의 예측 어트리뷰트 값으로 결정하는 모드이고, 상기 제2 예측 모드는 상기 등록된 이웃 포인트들 중 해당 포인트와 거리 기반으로 첫번째로 가까운 이웃 포인트의 어트리뷰트를 해당 포인트의 예측 어트리뷰트 값으로 결정하는 모드이고, 상기 제3 예측 모드는 상기 등록된 이웃 포인트들 중 해당 포인트와 거리 기반으로 두번째로 가까운 이웃 포인트의 어트리뷰트를 해당 포인트의 예측 어트리뷰트 값으로 결정하는 모드이며, 상기 제 4 예측 모드는 상기 등록된 이웃 포인트들 중 해당 포인트와 거리 기반으로 세번째로 가까운 이웃 포인트의 어트리뷰트를 해당 포인트의 예측 어트리뷰트 값으로 결정하는 모드인 것을 일 실시예로 한다.
실시예들에 따른 포인트 클라우드 데이터 수신 장치는 지오메트리 정보, 어트리뷰트 정보, 및 시그널링 정보를 포함하는 비트스트림을 수신하는 수신부, 상기 시그널링 정보를 기반으로 상기 지오메트리 정보를 디코딩하는 지오메트리 디코더, 상기 시그널링 정보와 상기 지오메트리 정보를 기반으로 상기 어트리뷰트 정보를 디코딩하는 어트리뷰트 디코더, 및 상기 디코드된 지오메트리 정보와 상기 디코드된 어트리뷰트 정보를 기반으로 복원된 포인트 클라우드 데이터를 렌더링하는 렌더러를 포함할 수 있다.
상기 시그널링 정보는 예측 모드와 잔여 어트리뷰트 값의 분리 여부를 식별하기 위한 정보와 상기 예측 모드를 포함하는 예측 모드 비트스트림에 제로 런-랭스 코딩이 적용되었는지 여부를 식별하기 위한 정보를 포함하는 것을 일 실시예로 한다.
상기 어트리뷰트 디코더는 상기 시그널링 정보를 기반으로 예측 모드와 잔여 어트리뷰트 값이 분리되었다고 판별되고, 상기 예측 모드 비트스트림에 제로 런-랭스 코딩이 적용되었다고 판별되면, 상기 예측 모드 비트스트림에 제로 런-랭스 디코딩을 수행하는 것을 일 실시예로 한다.
상기 어트리뷰트 디코더는 수신되어 디코딩된 각 포인트의 예측 모드를 기반으로 각 포인트의 어트리뷰트 값을 예측하고, 각 포인트의 예측된 어트리뷰트 값에 수신되어 디코딩된 각 포인트의 잔여 어트리뷰트 값을 더하여 각 포인트의 어트리뷰트 값을 복원하는 것을 일 실시예로 한다.
상기 예측 모드는 제1 내지 제 4 예측 모드 중 하나이며, 상기 제1 예측 모드는 해당 포인트의 등록된 이웃 포인트들의 어트리뷰트들에 가중치를 곱한 값의 평균값을 해당 포인트의 예측 어트리뷰트 값으로 결정하는 모드이고, 상기 제2 예측 모드는 상기 등록된 이웃 포인트들 중 해당 포인트와 거리 기반으로 첫번째로 가까운 이웃 포인트의 어트리뷰트를 해당 포인트의 예측 어트리뷰트 값으로 결정하는 모드이고, 상기 제3 예측 모드는 상기 등록된 이웃 포인트들 중 해당 포인트와 거리 기반으로 두번째로 가까운 이웃 포인트의 어트리뷰트를 해당 포인트의 예측 어트리뷰트 값으로 결정하는 모드이며, 상기 제 4 예측 모드는 상기 등록된 이웃 포인트들 중 해당 포인트와 거리 기반으로 세번째로 가까운 이웃 포인트의 어트리뷰트를 해당 포인트의 예측 어트리뷰트 값으로 결정하는 모드인 것을 일 실시예로 한다.
실시예들에 따른 포인트 클라우드 데이터 송신 방법, 송신 장치, 포인트 클라우드 데이터 수신 방법, 수신 장치는 퀄리티 있는 포인트 클라우드 서비스를 제공할 수 있다.
실시예들에 따른 포인트 클라우드 데이터 송신 방법, 송신 장치, 포인트 클라우드 데이터 수신 방법, 수신 장치는 다양한 비디오 코덱 방식을 달성할 수 있다.
실시예들에 따른 포인트 클라우드 데이터 송신 방법, 송신 장치, 포인트 클라우드 데이터 수신 방법, 수신 장치는 자율주행 서비스 등 범용적인 포인트 클라우드 콘텐츠를 제공할 수 있다.
실시예들에 따른 포인트 클라우드 데이터 송신 방법, 송신 장치, 포인트 클라우드 데이터 수신 방법, 수신 장치는 포인트 클라우드 데이터의 독립적 인코딩 및 디코딩을 위해 포인트 클라우드 데이터의 공간 적응적 분할을 수행함으로써, 병렬 처리의 향상 및 스케일러비티(scalability)를 제공할 수 있다.
실시예들에 따른 포인트 클라우드 데이터 송신 방법, 송신 장치, 포인트 클라우드 데이터 수신 방법, 수신 장치는 포인트 클라우드 데이터를 타일 및/또는 슬라이스 단위로 공간 분할하여 인코딩 및 디코딩을 수행하고 이를 위해 필요한 데이터를 시그널링함으로써 포인트 클라우드의 인코딩 및 디코딩 성능을 향상시킬 수 있다.
실시예들에 따른 포인트 클라우드 데이터 송신 방법, 송신 장치, 포인트 클라우드 데이터 수신 방법, 수신 장치는 어트리뷰트의 인코딩시에 예측 모드와 잔여 어트리뷰트 값의 비트스트림 구성을 변경함으로써, 어트리뷰트 디코딩 효율을 높일 수 있다.
실시예들에 따른 포인트 클라우드 데이터 송신 방법, 송신 장치, 포인트 클라우드 데이터 수신 방법, 수신 장치는 어트리뷰트의 인코딩시에 모든 포인트들로부터 예측 모드와 잔여 어트리뷰트 값을 분리하고, 분리된 예측 모드들로 예측 모드 비트스트림을 구성하고, 분리된 잔여 어트리뷰트 값들로 잔여 어트리뷰트 값 비트스트림을 구성함으로써, 어트리뷰트 디코딩 효율을 높일 수 있다. 특히, 예측 모드와 잔여 어트리뷰트 값 사이의 의존성을 분리함으로써, 병렬 처리가 가능해지고 인코딩/디코딩 속도가 빨라지는 효과가 있다.
실시예들에 따른 포인트 클라우드 데이터 송신 방법, 송신 장치, 포인트 클라우드 데이터 수신 방법, 수신 장치는 어트리뷰트의 인코딩시에 모든 포인트들로부터 예측 모드와 잔여 어트리뷰트 값을 분리하고, 분리된 예측 모드들로 구성된 예측 모드 비트스트림에 제로 런-랭스 코딩을 적용하고, 분리된 잔여 어트리뷰트 값들로 구성된 잔여 어트리뷰트 값 비트스트림에 제로 런-랭스 코딩을 적용함으로써, 어트리뷰트 비트스트림의 사이즈를 줄일 수 있다. 특히, 어트리뷰트 비트스트림의 사이즈는 작아지지만 PSNR(Peak Signal-to-noise ratio)은 변화가 없기 때문에 어트리뷰트 압축 효율이 높아지는 효과가 있다.
도면은 실시예들을 더욱 이해하기 위해서 포함되며, 도면은 실시예들에 관련된 설명과 함께 실시예들을 나타낸다.
도 1은 실시예들에 따른 포인트 클라우드(Point Cloud) 콘텐츠 제공을 위한 시스템을 나타낸다.
도 2는 실시예들에 따른 Point Cloud 콘텐츠 제공을 위한 과정을 나타낸다.
도 3은 실시예들에 따른 Point Cloud 캡처 장비 배열 구성을 나타낸다.
도 4는 실시예들에 따른 포인트 클라우드 비디오 인코더(Point Cloud Video Encoder)를 나타낸다.
도 5는 실시예들에 따른 3차원 공간상의 복셀을 나타낸다.
도 6은 실시예들에 따른 옥트리와 occupancy 코드의 예시를 나타낸다.
도 7은 실시예들에 따른 이웃 노드 패턴의 예시를 나타낸다.
도 8은 실시예들에 따른 LOD별 Point Cloud 콘텐츠의 Point 구성의 예시를 나타낸다.
도 9는 실시예들에 따른 LOD별 Point Cloud 콘텐츠의 Point 구성의 예시를 나타낸다.
도 10은 실시예들에 따른 포인트 클라우드 비디오 디코더(Point Cloud Video Decoder)의 블록 다이어그램(block diagram) 예시를 나타낸다.
도 11은 실시예들에 따른 포인트 클라우드 비디오 디코더(Point Cloud Video Decoder)의 예시를 나타낸다.
도 12는 실시예들에 따른 송신기의 Point Cloud 비디오 인코딩을 위한 구성요소를 나타낸다.
도 13은 실시예들에 따른 수신기의 Point Cloud 비디오 디코딩을 위한 구성요소를 나타낸다.
도 14는 실시예들에 따른 포인트 클라우드 데이터 방법/장치와 연동 가능한 구조의 예시를 나타낸다.
도 15는 실시예들에 따른 포인트 클라우드 송신 장치의 또 다른 예시를 보인 도면이다.
도 16(a) 내지 도16(c)는 바운딩 박스를 하나 이상의 타일들로 분할하는 일 실시예를 보이고 있다.
도 17은 실시예들에 따른 지오메트리 인코더와 어트리뷰트 인코더의 또 다른 예시를 보인 상세 블록도이다.
도 18(a)는 실시예들에 따른 포인트별로 예측 모드와 잔여 어트리뷰트 값이 페어로 묶여서 비트스트림을 구성하는 예시를 보인 도면이다.
도 18(b)는 실시예들에 따른 모든 포인트에 대해 예측 모드와 잔여 어트리뷰트 값을 분리하고, 예측 모드들로 예측 모드 스트림을 구성하고, 잔여 어트리뷰트 값들로 잔여 어트리뷰트 값 스트림을 구성하는 예시를 보인 도면이다.
도 19는 실시예들에 따른 제로-런 길이 인코딩 과정의 예시를 보인 상세 블록도이다.
도 20은 실시예들에 따른 포인트 클라우드 수신 장치의 또 다른 예시를 보인 도면이다.
도 21은 실시예들에 따른 지오메트리 디코더와 어트리뷰트 디코더의 또 다른 예시를 보인 상세 블록도이다.
도 22는 실시예들에 따른 송/수신을 위한 포인트 클라우드 데이터의 비트스트림 구조의 예시를 보인 도면이다.
도 23은 실시예들에 따른 포인트 클라우드 데이터의 비트스트림 구조의 예시를 나타낸 도면이다.
도 24는 실시예들에 따른 포인트 클라우드 데이터의 비트스트림 내 구성 간의 연결 관계를 나타낸 도면이다.
도 25는 본 명세서에 따른 시퀀스 파라미터 세트의 신택스 구조의 일 실시예를 보인 도면이다.
도 26은 본 명세서에 따른 지오메트리 파라미터 세트의 신택스 구조의 일 실시예를 보인 도면이다.
도 27은 본 명세서에 따른 어트리뷰트 파라미터 세트의 신택스 구조의 일 실시예를 보인 도면이다.
도 28은 본 명세서에 따른 타일 파라미터 세트의 신택스 구조의 일 실시예를 보인 도면이다.
도 29는 본 명세서에 따른 지오메트리 슬라이스 비트스트림()의 신택스 구조의 일 실시예를 보인 도면이다.
도 30은 본 명세서에 따른 지오메트리 슬라이스 헤더의 신택스 구조의 일 실시예를 보인 도면이다.
도 31은 본 명세서에 따른 지오메트리 슬라이스 데이터의 신택스 구조의 일 실시예를 보인 도면이다.
도 32는 본 명세서에 따른 어트리뷰트 슬라이스 비트스트림()의 신택스 구조의 일 실시예를 보인 도면이다.
도 33은 본 명세서에 따른 어트리뷰트 슬라이스 헤더의 신택스 구조의 일 실시예를 보인 도면이다.
도 34는 본 명세서에 따른 어트리뷰트 슬라이스 데이터의 신택스 구조의 일 실시예를 보인 도면이다.
도 35는 실시예들에 따른 포인트 클라우드 데이터 송신 방법의 흐름도를 나타낸다.
도 36은 실시예들에 따른 포인트 클라우드 데이터 수신 방법의 흐름도를 나타낸다.
이하, 첨부된 도면을 참조하여 본 명세서에 개시된 실시예를 상세히 설명하되, 도면 부호에 관계없이 동일하거나 유사한 구성요소는 동일한 참조 번호를 부여하고 이에 대한 중복되는 설명은 생략하기로 한다. 하기의 실시예들은 본 발명을 구체화하기 위한 것일 뿐 본 발명의 권리 범위를 제한하거나 한정하는 것이 아님은 물론이다. 본 발명의 상세한 설명 및 실시예들로부터 본 발명이 속하는 기술 분야의 전문가가 용이하게 유추할 수 있는 것은 본 발명의 권리 범위에 속하는 것으로 해석된다.
본 명세서의 상세한 설명은 모든 면에서 제한적으로 해석되어서는 안되며, 예시적인 것으로 고려되어야 한다. 본 발명의 범위는 첨부된 청구항의 합리적 해석에 의해 결정되어야 하고, 본 발명의 등가적 범위 내에서의 모든 변경은 본 발명의 범위에 포함된다.
바람직한 실시예들에 대해 구체적으로 설명하되, 그 예는 첨부된 도면에 나타낸다. 첨부된 도면을 참조한 아래의 상세한 설명은 구현될 수 있는 실시예들만을 나타내기보다는 바람직한 실시예들을 설명하기 위한 것이다. 이하에서는 본 발명에 대한 철저한 이해를 제공하기 위해 세부 사항을 포함하여 설명한다. 그러나 본 발명이 이러한 세부 사항 없이 실행될 수 있다는 것은 당업자에게 자명하다. 본 명세서에서 사용되는 대부분의 용어는 해당 분야에서 널리 사용되는 일반적인 것들에서 선택되지만, 일부 용어는 출원인에 의해 임의로 선택되며 그 의미는 필요에 따라 다음 설명에서 자세히 서술한다. 따라서 본 발명은 용어의 단순한 명칭이나 의미가 아닌 용어의 의도된 의미에 근거하여 이해되어야 한다. 또한 이하의 도면들 및 상세한 설명은 구체적으로 기술된 실시예들에만 국한되어 해석되지 않고, 도면 및 상세한 설명에 기재된 실시예들과 균등하거나, 대체 가능한 것들까지 포함하는 것으로 해석되어야만 한다.
도 1은 실시예들에 따른 포인트 클라우드 콘텐트 제공 시스템의 예시를 나타낸다.
도 1에 도시된 포인트 클라우드 콘텐트 제공 시스템은 전송 장치(transmission device)(10000) 및 수신 장치(reception device)(10004)를 포함할 수 있다. 전송 장치(10000) 및 수신 장치(10004)는 포인트 클라우드 데이터를 송수신하기 위해 유무선 통신이 가능하다.
실시예들에 따른 전송 장치(10000)는 포인트 클라우드 비디오(또는 포인트 클라우드 콘텐트)를 확보하고 처리하여 전송할 수 있다. 실시예들에 따라, 전송 장치(10000)는 고정국(fixed station), BTS(base transceiver system), 네트워크, AI(Artificial Intelligence) 기기 및/또는 시스템, 로봇, AR/VR/XR 기기 및/또는 서버 등을 포함할 수 있다. 또한 실시예들에 따라 전송 장치(10000)는 무선 접속 기술(예, 5G NR(New RAT), LTE(Long Term Evolution))을 이용하여, 기지국 및/또는 다른 무선 기기와 통신을 수행하는 기기, 로봇, 차량, AR/VR/XR 기기, 휴대기기, 가전, IoT(Internet of Thing)기기, AI 기기/서버 등을 포함할 수 있다.
실시예들에 따른 전송 장치(10000)는 포인트 클라우드 비디오 획득부(Point Cloud Video Acquisition unit, 10001), 포인트 클라우드 비디오 인코더(Point Cloud Video Encoder, 10002) 및/또는 트랜스미터(Transmitter (or Communication module), 10003)를 포함한다
실시예들에 따른 포인트 클라우드 비디오 획득부(10001)는 캡쳐, 합성 또는 생성 등의 처리 과정을 통해 포인트 클라우드 비디오를 획득한다. 포인트 클라우드 비디오는 3차원 공간에 위치한 포인트들의 집합인 포인트 클라우드로 표현되는 포인트 클라우드 콘텐트로서, 포인트 클라우드 비디오 데이터 등으로 호칭될 수 있다. 실시예들에 따른 포인트 클라우드 비디오는 하나 또는 그 이상의 프레임들을 포함할 수 있다. 하나의 프레임은 정지 영상/픽쳐를 나타낸다. 따라서 포인트 클라우드 비디오는 포인트 클라우드 영상/프레임/픽처를 포함할 수 있으며, 포인트 클라우드 영상, 프레임 및 픽처 중 어느 하나로 호칭될 수 있다.
실시예들에 따른 포인트 클라우드 비디오 인코더(10002)는 확보된 포인트 클라우드 비디오 데이터를 인코딩한다. 포인트 클라우드 비디오 인코더(10002)는 포인트 클라우드 컴프레션(Point Cloud Compression) 코딩을 기반으로 포인트 클라우드 비디오 데이터를 인코딩할 수 있다. 실시예들에 따른 포인트 클라우드 컴프레션 코딩은 G-PCC(Geometry-based Point Cloud Compression) 코딩 및/또는 V-PCC(Video based Point Cloud Compression) 코딩 또는 차세대 코딩을 포함할 수 있다. 또한 실시예들에 따른 포인트 클라우드 컴프레션 코딩은 상술한 실시예에 국한되는 것은 아니다. 포인트 클라우드 비디오 인코더(10002)는 인코딩된 포인트 클라우드 비디오 데이터를 포함하는 비트스트림을 출력할 수 있다. 비트스트림은 인코딩된 포인트 클라우드 비디오 데이터뿐만 아니라, 포인트 클라우드 비디오 데이터의 인코딩과 관련된 시그널링 정보를 포함할 수 있다.
실시예들에 따른 트랜스미터(10003)는 인코딩된 포인트 클라우드 비디오 데이터를 포함하는 비트스트림을 전송한다. 실시예들에 따른 비트스트림은 파일 또는 세그먼트(예를 들면 스트리밍 세그먼트) 등으로 인캡슐레이션되어 방송망 및/또는 브로드밴드 망등의 다양한 네트워크를 통해 전송된다. 도면에 도시되지 않았으나, 전송 장치(10000)는 인캡슐레이션 동작을 수행하는 인캡슐레이션부(또는 인캡슐레이션 모듈)을 포함할 수 있다. 또한 실시예들에 따라 인캡슐레이션부는 트랜스미터(10003)에 포함될 수 있다. 실시예들에 따라 파일 또는 세그먼트는 네트워크를 통해 수신 장치(10004)로 전송되거나, 디지털 저장매체(예를 들면 USB, SD, CD, DVD, 블루레이, HDD, SSD 등)에 저장될 수 있다. 실시예들에 따른 트랜스미터(10003)는 수신 장치(10004) (또는 리시버(Receiver, 10005))와 4G, 5G, 6G 등의 네트워크를 통해 유/무선 통신이 가능하다. 또한 트랜스미터(10003)는 네트워크 시스템(예를 들면 4G, 5G, 6G 등의 통신 네트워크 시스템)에 따라 필요한 데이터 처리 동작을 수행할 수 있다. 또한 전송 장치(10000)는 온 디맨드(On Demand) 방식에 따라 인캡슐레이션된 데이터를 전송할 수도 있다.
실시예들에 따른 수신 장치(10004)는 리시버(Receiver, 10005), 포인트 클라우드 비디오 디코더(Point Cloud Video Decoder, 10006) 및/또는 렌더러(Renderer, 10007)를 포함한다. 실시예들에 따라 수신 장치(10004)는 무선 접속 기술(예, 5G NR(New RAT), LTE(Long Term Evolution))을 이용하여, 기지국 및/또는 다른 무선 기기와 통신을 수행하는 기기, 로봇, 차량, AR/VR/XR 기기, 휴대기기, 가전, IoT(Internet of Thing)기기, AI 기기/서버 등을 포함할 수 있다.
실시예들에 따른 리시버(10005)는 포인트 클라우드 비디오 데이터를 포함하는 비트스트림 또는 비트스트림이 인캡슐레이션된 파일/세그먼트 등을 네트워크 또는 저장매체로부터 수신한다. 리시버(10005)는 네트워크 시스템(예를 들면 4G, 5G, 6G 등의 통신 네트워크 시스템)에 따라 필요한 데이터 처리 동작을 수행할 수 있다. 실시예들에 따른 리시버(10005)는 수신한 파일/세그먼트를 디캡슐레이션하여 비트스트림을 출력할수 있다. 또한 실시예들에 따라 리시버(10005)는 디캡슐레이션 동작을 수행하기 위한 디캡슐레이션부(또는 디캡슐레이션 모듈)을 포함할 수 있다. 또한 디캡슐레이션부는 리시버(10005)와 별개의 엘레멘트(또는 컴포넌트 또는 모듈)로 구현될 수 있다.
포인트 클라우드 비디오 디코더(10006)는 포인트 클라우드 비디오 데이터를 포함하는 비트스트림을 디코딩한다. 포인트 클라우드 비디오 디코더(10006)는 포인트 클라우드 비디오 데이터가 인코딩된 방식에 따라 디코딩할 수 있다(예를 들면 포인트 클라우드 비디오 인코더(10002)의 동작의 역과정). 따라서 포인트 클라우드 비디오 디코더(10006)는 포인트 클라우드 컴프레션의 역과정인 포인트 클라우드 디컴프레션 코딩을 수행하여 포인트 클라우드 비디오 데이터를 디코딩할 수 있다. 포인트 클라우드 디컴프레션 코딩은 G-PCC 코딩을 포함한다.
렌더러(10007)는 디코딩된 포인트 클라우드 비디오 데이터를 렌더링한다. 렌더러(10007)는 포인트 클라우드 비디오 데이터 뿐만 아니라 오디오 데이터도 렌더링하여 포인트 클라우드 콘텐트를 출력할 수 있다. 실시예들에 따라 렌더러(10007)는 포인트 클라우드 콘텐트를 디스플레이하기 위한 디스플레이를 포함할 수 있다. 실시예들에 따라 디스플레이는 렌더러(10007)에 포함되지 않고 별도의 디바이스 또는 컴포넌트로 구현될 수 있다.
도면에 점선으로 표시된 화살표는 수신 장치(10004)에서 획득한 피드백 정보(feedback information)의 전송 경로를 나타낸다. 피드백 정보는 포인트 클라우드 콘텐트를 소비하는 사용자와의 인터랙티비를 반영하기 위한 정보로서, 사용자의 정보(예를 들면 헤드 오리엔테이션 정보), 뷰포트(Viewport) 정보 등)을 포함한다. 특히 포인트 클라우드 콘텐트가 사용자와의 상호작용이 필요한 서비스(예를 들면 자율주행 서비스 등)를 위한 콘텐트인 경우, 피드백 정보는 콘텐트 송신측(예를 들면 전송 장치(10000)) 및/또는 서비스 프로바이더에게 전달될 수 있다. 실시예들에 따라 피드백 정보는 전송 장치(10000) 뿐만 아니라 수신 장치(10004)에서도 사용될 수 있으며, 제공되지 않을 수도 있다.
실시예들에 따른 헤드 오리엔테이션 정보는 사용자의 머리 위치, 방향, 각도, 움직임 등에 대한 정보이다. 실시예들에 따른 수신 장치(10004)는 헤드 오리엔테이션 정보를 기반으로 뷰포트 정보를 계산할 수 있다. 뷰포트 정보는 사용자가 바라보고 있는 포인트 클라우드 비디오의 영역에 대한 정보이다. 시점(viewpoint)은 사용자가 포인트 클라우드 비디오를 보고 있는 점으로 뷰포트 영역의 정중앙 지점을 의미할 수 있다. 즉, 뷰포트는 시점을 중심으로 한 영역으로서, 영역의 크기, 형태 등은 FOV(Field Of View) 에 의해 결정될 수 있다. 따라서 수신 장치(10004)는 헤드 오리엔테이션 정보 외에 장치가 지원하는 수직(vertical) 혹은 수평(horizontal) FOV 등을 기반으로 뷰포트 정보를 추출할 수 있다. 또한 수신 장치(10004)는 게이즈 분석 (Gaze Analysis) 등을 수행하여 사용자의 포인트 클라우드 소비 방식, 사용자가 응시하는 포인트 클라우드 비디오 영역, 응시 시간 등을 확인한다. 실시예들에 따라 수신 장치(10004)는 게이즈 분석 결과를 포함하는 피드백 정보를 송신 장치(10000)로 전송할 수 있다. 실시예들에 따른 피드백 정보는 렌더링 및/또는 디스플레이 과정에서 획득될 수 있다. 실시예들에 따른 피드백 정보는 수신 장치(10004)에 포함된 하나 또는 그 이상의 센서들에 의해 확보될 수 있다. 또한 실시예들에 따라 피드백 정보는 렌더러(10007) 또는 별도의 외부 엘레멘트(또는 디바이스, 컴포넌트 등)에 의해 확보될 수 있다. 도1의 점선은 렌더러(10007)에서 확보한 피드백 정보의 전달 과정을 나타낸다. 포인트 클라우드 콘텐트 제공 시스템은 피드백 정보를 기반으로 포인트 클라우드 데이터를 처리(인코딩/디코딩)할 수 있다. 따라서 포인트 클라우드 비디오 디코더(10006)는 피드백 정보를 기반으로 디코딩 동작을 수행할 수 있다. 또한 수신 장치(10004)는 피드백 정보를 전송 장치(10000)로 전송할 수 있다. 전송 장치(10000)(또는 포인트 클라우드 비디오 인코더(10002))는 피드백 정보를 기반으로 인코딩 동작을 수행할 수 있다. 따라서 포인트 클라우드 콘텐트 제공 시스템은 모든 포인트 클라우드 데이터를 처리(인코딩/디코딩)하지 않고, 피드백 정보를 기반으로 필요한 데이터(예를 들면 사용자의 헤드 위치에 대응하는 포인트 클라우드 데이터)를 효율적으로 처리하고, 사용자에게 포인트 클라우드 콘텐트를 제공할 수 있다.
실시예들에 따라, 전송 장치(10000)는 인코더, 전송 디바이스, 전송기, 전송 시스템 등으로 호칭될 수 있으며, 수신 장치(10004)는 디코더, 수신 디바이스, 수신기, 수신 시스템 등으로 호칭될 수 있다.
실시예들에 따른 도 1 의 포인트 클라우드 콘텐트 제공 시스템에서 처리되는 (획득/인코딩/전송/디코딩/렌더링의 일련의 과정으로 처리되는) 포인트 클라우드 데이터는 포인트 클라우드 콘텐트 데이터 또는 포인트 클라우드 비디오 데이터라고 호칭할 수 있다. 실시예들에 따라 포인트 클라우드 콘텐트 데이터는 포인트 클라우드 데이터와 관련된 메타데이터 내지 시그널링 정보를 포함하는 개념으로 사용될 수 있다.
도 1에 도시된 포인트 클라우드 콘텐트 제공 시스템의 엘리먼트들은 하드웨어, 소프트웨어, 프로세서 및/또는 그것들의 결합등으로 구현될 수 있다.
도 2는 실시예들에 따른 포인트 클라우드 콘텐트 제공 동작을 나타내는 블록도이다.
도 2의 블록도는 도 1에서 설명한 포인트 클라우드 콘텐트 제공 시스템의 동작을 나타낸다. 상술한 바와 같이 포인트 클라우드 콘텐트 제공 시스템은 포인트 클라우드 컴프레션 코딩(예를 들면 G-PCC)을 기반으로 포인트 클라우드 데이터를 처리할 수 있다.
실시예들에 따른 포인트 클라우드 콘텐트 제공 시스템(예를 들면 포인트 클라우드 전송 장치(10000) 또는 포인트 클라우드 비디오 획득부(10001))은 포인트 클라우드 비디오를 획득할 수 있다(20000). 포인트 클라우드 비디오는 3차원 공간을 표현하는 좌표계에 속한 포인트 클라우드로 표현된다. 실시예들에 따른 포인트 클라우드 비디오는 Ply (Polygon File format or the Stanford Triangle format) 파일을 포함할 수 있다. 포인트 클라우드 비디오가 하나 또는 그 이상의 프레임들을 갖는 경우, 획득한 포인트 클라우드 비디오는 하나 또는 그 이상의 Ply 파일들을 포함할 수 있다. Ply 파일은 포인트의 지오메트리(Geometry) 및/또는 어트리뷰트(Attribute)와 같은 포인트 클라우드 데이터를 포함한다. 지오메트리는 포인트들의 포지션들을 포함한다. 각 포인트의 포지션은 3차원 좌표계(예를 들면 XYZ축들로 이루어진 좌표계 등)를 나타내는 파라미터들(예를 들면 X축, Y축, Z축 각각의 값)로 표현될 수 있다. 어트리뷰트는 포인트들의 어트리뷰트들(예를 들면, 각 포인트의 텍스쳐 정보, 색상(YCbCr 또는 RGB), 반사율(r), 투명도 등)을 포함한다. 하나의 포인트는 하나 또는 그 이상의 어트리뷰트들(또는 속성들)을 가진다. 예를 들어 하나의 포인트는 하나의 색상인 어트리뷰트를 가질 수도 있고, 색상 및 반사율인 두 개의 어트리뷰트들을 가질 수도 있다. 실시예들에 따라, 지오메트리는 포지션들, 지오메트리 정보, 지오메트리 데이터 등으로 호칭 가능하며, 어트리뷰트는 어트리뷰트들, 어트리뷰트 정보, 어트리뷰트 데이터 등으로 호칭할 수 있다. 또한 포인트 클라우드 콘텐트 제공 시스템(예를 들면 포인트 클라우드 전송 장치(10000) 또는 포인트 클라우드 비디오 획득부(10001))은 포인트 클라우드 비디오의 획득 과정과 관련된 정보(예를 들면 깊이 정보, 색상 정보 등)로부터 포인트 클라우드 데이터를 확보할 수 있다.
실시예들에 따른 포인트 클라우드 콘텐트 제공 시스템(예를 들면 전송 장치(10000) 또는 포인트 클라우드 비디오 인코더(10002))은 포인트 클라우드 데이터를 인코딩할 수 있다(20001). 포인트 클라우드 콘텐트 제공 시스템은 포인트 클라우드 컴프레션 코딩을 기반으로 포인트 클라우드 데이터를 인코딩할 수 있다. 상술한 바와 같이 포인트 클라우드 데이터는 포인트의 지오메트리 및 어트리뷰트를 포함할 수 있다. 따라서 실시예들에 따른 포인트 클라우드 콘텐트 제공 시스템은 지오메트리를 인코딩하는 지오메트리 인코딩을 수행하여 지오메트리 비트스트림을 출력할 수 있다. 실시예들에 따른 포인트 클라우드 콘텐트 제공 시스템은 어트리뷰트를 인코딩하는 어트리뷰트 인코딩을 수행하여 어트리뷰트 비트스트림을 출력할 수 있다. 실시예들에 따라 포인트 클라우드 콘텐트 제공 시스템은 지오메트리 인코딩에 기초하여 어트리뷰트 인코딩을 수행할 수 있다. 실시예들에 따른 지오메트리 비트스트림 및 어트리뷰트 비트스트림은 멀티플렉싱되어 하나의 비트스트림으로 출력될 수 있다. 실시예들에 따른 비트스트림은 지오메트리 인코딩 및 어트리뷰트 인코딩과 관련된 시그널링 정보를 더 포함할 수 있다.
실시예들에 따른 포인트 클라우드 콘텐트 제공 시스템(예를 들면 전송 장치(10000) 또는 트랜스미터(10003))는 인코딩된 포인트 클라우드 데이터를 전송할 수 있다(20002). 도1에서 설명한 바와 같이 인코딩된 포인트 클라우드 데이터는 지오메트리 비트스트림, 어트리뷰트 비트스트림으로 표현될 수 있다. 또한 인코딩된 포인트 클라우드 데이터는 포인트 클라우드 데이터의 인코딩과 관련된 시그널링 정보(예를 들면 지오메트리 인코딩 및 어트리뷰트 인코딩과 관련된 시그널링 정보)과 함께 비트스트림의 형태로 전송될 수 있다. 또한 포인트 클라우드 콘텐트 제공 시스템은 인코딩된 포인트 클라우드 데이터를 전송하는 비트스트림을 인캡슐레이션 하여 파일 또는 세그먼트의 형태로 전송할 수 있다.
실시예들에 따른 포인트 클라우드 콘텐트 제공 시스템(예를 들면 수신 장치(10004) 또는 리시버(10005))은 인코딩된 포인트 클라우드 데이터를 포함하는 비트스트림을 수신할 수 있다. 또한 포인트 클라우드 콘텐트 제공 시스템(예를 들면 수신 장치(10004) 또는 리시버(10005))은 비트스트림을 디멀티플렉싱할 수 있다.
포인트 클라우드 콘텐트 제공 시스템(예를 들면 수신 장치(10004) 또는 포인트 클라우드 비디오 디코더(10005))은 비트스트림으로 전송되는 인코딩된 포인트 클라우드 데이터(예를 들면 지오메트리 비트스트림, 어트리뷰트 비트스트림)을 디코딩할 수 있다. 포인트 클라우드 콘텐트 제공 시스템(예를 들면 수신 장치(10004) 또는 포인트 클라우드 비디오 디코더(10005))은 비트스트림에 포함된 포인트 클라우드 비디오 데이터의 인코딩과 관련된 시그널링 정보를 기반으로 포인트 클라우드 비디오 데이터를 디코딩할 수 있다. 포인트 클라우드 콘텐트 제공 시스템(예를 들면 수신 장치(10004) 또는 포인트 클라우드 비디오 디코더(10005))은 지오메트리 비트스트림을 디코딩하여 포인트들의 포지션들(지오메트리)을 복원할 수 있다. 포인트 클라우드 콘텐트 제공 시스템은 복원한 지오메트리를 기반으로 어트리뷰트 비트스트림을 디코딩하여 포인트들의 어트리뷰트들을 복원할 수 있다. 포인트 클라우드 콘텐트 제공 시스템(예를 들면 수신 장치(10004) 또는 포인트 클라우드 비디오 디코더(10005))은 복원된 지오메트리에 따른 포지션들 및 디코딩된 어트리뷰트를 기반으로 포인트 클라우드 비디오를 복원할 수 있다.
실시예들에 따른 포인트 클라우드 콘텐트 제공 시스템(예를 들면 수신 장치(10004) 또는 렌더러(10007))은 디코딩된 포인트 클라우드 데이터를 렌더링할 수 있다(20004). 포인트 클라우드 콘텐트 제공 시스템(예를 들면 수신 장치(10004) 또는 렌더러(10007))은 디코딩 과정을 통해 디코딩된 지오메트리 및 어트리뷰트들을 다양한 렌더링 방식에 따라 렌더링 할 수 있다. 포인트 클라우드 콘텐트의 포인트들은 일정 두께를 갖는 정점, 해당 정점 위치를 중앙으로 하는 특정 최소 크기를 갖는 정육면체, 또는 정점 위치를 중앙으로 하는 원 등으로 렌더링 될 수도 있다. 렌더링된 포인트 클라우드 콘텐트의 전부 또는 일부 영역은 디스플레이 (예를 들면 VR/AR 디스플레이, 일반 디스플레이 등)을 통해 사용자에게 제공된다.
실시예들에 따른 포인트 클라우드 콘텐트 제공 시스템(예를 들면 수신 장치(10004))는 피드백 정보를 확보할 수 있다(20005). 포인트 클라우드 콘텐트 제공 시스템은 피드백 정보를 기반으로 포인트 클라우드 데이터를 인코딩 및/또는 디코딩할 수 있다. 실시예들에 따른 피드백 정보 및 포인트 클라우드 콘텐트 제공 시스템의 동작은 도 1에서 설명한 피드백 정보 및 동작과 동일하므로 구체적인 설명은 생략한다.
도 3은 실시예들에 따른 포인트 클라우드 비디오 캡쳐 과정의 예시를 나타낸다.
도 3은 도 1 내지 도 2에서 설명한 포인트 클라우드 콘텐트 제공 시스템의 포인트 클라우드 비디오 캡쳐 과정의 예시를 나타낸다.
포인트 클라우드 콘텐트는 다양한 3차원 공간(예를 들면 현실 환경을 나타내는 3차원 공간, 가상 환경을 나타내는3차원 공간 등)에 위치한 오브젝트(object) 및/또는 환경을 나타내는 포인트 클라우드 비디오(이미지들 및/또는 영상들)을 포함한다. 따라서 실시예들에 따른 포인트 클라우드 콘텐트 제공 시스템은 포인트 클라우드 콘텐트를 생성하기 위하여 하나 또는 그 이상의 카메라(camera)들(예를 들면, 깊이 정보를 확보할 수 있는 적외선 카메라, 깊이 정보에 대응되는 색상 정보를 추출 할 수 있는 RGB 카메라 등), 프로젝터(예를 들면 깊이 정보를 확보하기 위한 적외선 패턴 프로젝터 등), 라이다(LiDAR)등을 사용하여 포인트 클라우드 비디오를 캡쳐할 수 있다. 실시예들에 따른 포인트 클라우드 콘텐트 제공 시스템은 깊이 정보로부터 3차원 공간상의 포인트들로 구성된 지오메트리의 형태를 추출하고, 색상정보로부터 각 포인트의 어트리뷰트를 추출하여 포인트 클라우드 데이터를 확보할 수 있다. 실시예들에 따른 이미지 및/또는 영상은 인워드-페이싱(inward-facing) 방식 및 아웃워드-페이싱(outward-facing) 방식 중 적어도 어느 하나 이상을 기반으로 캡쳐될 수 있다.
도 3의 왼쪽은 인워드-페이싱 방식을 나타낸다. 인워드-페이싱 방식은 중심 오브젝트를 둘러싸고 위치한 하나 또는 그 이상의 카메라들(또는 카메라 센서들)이 중심 오브젝트를 캡쳐하는 방식을 의미한다. 인워드-페이싱 방식은 핵심 객체에 대한 360도 이미지를 사용자에게 제공하는 포인트 클라우드 콘텐트(예를 들면 사용자에게 객체(예-캐릭터, 선수, 물건, 배우 등 핵심이 되는 객체)의 360도 이미지를 제공하는 VR/AR 콘텐트)를 생성하기 위해 사용될 수 있다.
도 3의 오른쪽은 아웃워드-페이싱 방식을 나타낸다. 아웃워드-페이싱 방식은 중심 오브젝트를 둘러싸고 위치한 하나 또는 그 이상의 카메라들(또는 카메라 센서들)이 중심 오브젝트가 아닌 중심 오브젝트의 환경을 캡쳐하는 방식을 의미한다. 아웃워드-페이싱 방식은 사용자의 시점에서 나타나는 주변 환경을 제공하기 위한 포인트 클라우드 콘텐트(예를 들면, 자율 주행 차량의 사용자에게 제공될 수 있는 외부 환경을 나타내는 콘텐트)를 생성하기 위해 사용될 수 있다.
도 3에 도시된 바와 같이, 포인트 클라우드 콘텐트는 하나 또는 그 이상의 카메라들의 캡쳐 동작을 기반으로 생성될 수 있다. 이 경우 각 카메라의 좌표계가 다를 수 있으므로 포인트 클라우드 콘텐트 제공 시스템은 캡쳐 동작 이전에 글로벌 공간 좌표계(global coordinate system)을 설정하기 위하여 하나 또는 그 이상의 카메라들의 캘리브레이션을 수행할 수 있다. 또한 포인트 클라우드 콘텐트 제공 시스템은 상술한 캡쳐 방식으로 캡쳐된 이미지 및/또는 영상과 임의의 이미지 및/또는 영상을 합성하여 포인트 클라우드 콘텐트를 생성할 수 있다. 또한 포인트 클라우드 콘텐트 제공 시스템은 가상 공간을 나타내는 포인트 클라우드 콘텐트를 생성하는 경우, 도3에서 설명한 캡쳐 동작을 수행하지 않을 수 있다. 실시예들에 따른 포인트 클라우드 콘텐트 제공 시스템은 캡쳐한 이미지 및/또는 영상에 대해 후처리를 수행할 수 있다. 즉, 포인트 클라우드 콘텐트 제공 시스템은 원하지 않는 영역(예를 들면 배경)을 제거하거나, 캡쳐한 이미지들 및/또는 영상들이 연결된 공간을 인식하고, 구멍(spatial hole)이 있는 경우 이를 메우는 동작을 수행할 수 있다.
또한 포인트 클라우드 콘텐트 제공 시스템은 각 카메라로부터 확보한 포인트 클라우드 비디오의 포인트들에 대하여 좌표계 변환을 수행하여 하나의 포인트 클라우드 콘텐트를 생성할 수 있다. 포인트 클라우드 콘텐트 제공 시스템은 각 카메라의 위치 좌표를 기준으로 포인트들의 좌표계 변환을 수행할 수 있다. 이에 따라, 포인트 클라우드 콘텐트 제공 시스템은 하나의 넓은 범위를 나타내는 콘텐트를 생성할 수도 있고, 포인트들의 밀도가 높은 포인트 클라우드 콘텐트를 생성할 수도 있다.
도 4는 실시예들에 따른 포인트 클라우드 비디오 인코더(Point Cloud Video Encoder)의 예시를 나타낸다.
도 4는 도 1의 포인트 클라우드 비디오 인코더(10002)의 상세 예시를 나타낸다. 포인트 클라우드 비디오 인코더는 네트워크의 상황 혹은 애플리케이션 등에 따라 포인트 클라우드 콘텐트의 질(예를 들어 무손실-lossless, 손실-lossy, near-lossless)을 조절하기 위하여 포인트 클라우드 데이터(예를 들면 포인트들의 포지션들 및/또는 어트리뷰트들)을 재구성하고 인코딩 동작을 수행한다. 포인트 클라우드 콘텐트의 전체 사이즈가 큰 경우(예를 들어 30 fps의 경우 60 Gbps인 포인트 클라우드 콘텐트) 포인트 클라우드 콘텐트 제공 시스템은 해당 콘텐트를 리얼 타임 스트리밍하지 못할 수 있다. 따라서 포인트 클라우드 콘텐트 제공 시스템은 네트워크 환경등에 맞춰 제공하기 위하여 최대 타깃 비트율(bitrate)을 기반으로 포인트 클라우드 콘텐트를 재구성할 수 있다.
도 1 내지 도 2 에서 설명한 바와 같이 포인트 클라우드 비디오 인코더는 지오메트리 인코딩 및 어트리뷰트 인코딩을 수행할 수 있다. 지오메트리 인코딩은 어트리뷰트 인코딩보다 먼저 수행된다.
실시예들에 따른 포인트 클라우드 비디오 인코더는 좌표계 변환부(Transformation Coordinates unit, 40000), 양자화부(Quantization unit, 40001), 옥트리 분석부(Octree Analysis unit, 40002), 서페이스 어프록시메이션 분석부(Surface Approximation Analysis unit, 40003), 아리스메틱 인코더(Arithmetic Encode, 40004), 지오메트리 리컨스트럭션부(Geometry Reconstruction unit, 40005), 컬러 변환부(Color Transformation unit, 40006), 어트리뷰트 변환부(Attribute Transformation unit, 40007), RAHT(Region Adaptive Hierarchical Transform) 변환부(40008), LOD생성부( LOD Generation unit, 40009), 리프팅 변환부(Lifting Transformation unit)(40010), 계수 양자화부(Coefficient Quantization unit, 40011) 및/또는 아리스메틱 인코더(Arithmetic Encoder, 40012)를 포함한다.
좌표계 변환부(40000), 양자화부(40001), 옥트리 분석부(40002), 서페이스 어프록시메이션 분석부(40003), 아리스메틱 인코더(40004), 및 지오메트리 리컨스트럭션부(40005)는 지오메트리 인코딩을 수행할 수 있다. 실시예들에 따른 지오메트리 인코딩은 옥트리 지오메트리 코딩, 다이렉트 코딩(direct coding), 트라이숩 지오메트리 인코딩(trisoup geometry encoding) 및 엔트로피 인코딩을 포함할 수 있다. 다이렉트 코딩 및 트라이숩 지오메트리 인코딩은 선택적으로 또는 조합으로 적용된다. 또한 지오메트리 인코딩은 위의 예시에 국한되지 않는다.
도면에 도시된 바와 같이, 실시예들에 따른 좌표계 변환부(40000)는 포지션들을 수신하여 좌표계(coordinate)로 변환한다. 예를 들어, 포지션들은 3차원 공간 (예를 들면XYZ 좌표계로 표현되는 3차원 공간 등)의 위치 정보로 변환될 수 있다. 실시예들에 따른 3차원 공간의 위치 정보는 지오메트리 정보로 지칭될 수 있다.
실시예들에 따른 양자화부(40001)는 지오메트리 정보를 양자화한다. 예를 들어, 양자화부(40001)는 전체 포인트들의 최소 위치 값(예를 들면 X축, Y축, Z축 에 대하여 각축상의 최소 값)을 기반으로 포인트들을 양자화 할 수 있다. 양자화부(40001)는 최소 위치 값과 각 포인트의 위치 값의 차이에 기 설정된 양자 스케일(quantization scale) 값을 곱한 뒤, 내림 또는 올림을 수행하여 가장 가까운 정수 값을 찾는 양자화 동작을 수행한다. 따라서 하나 또는 그 이상의 포인트들은 동일한 양자화된 포지션 (또는 포지션 값)을 가질 수 있다. 실시예들에 따른 양자화부(40001)는 양자화된 포인트들을 재구성하기 위해 양자화된 포지션들을 기반으로 복셀화(voxelization)를 수행한다. 복셀화는 3차원 공간 상의 위치정보를 표현하는 최소한의 유닛을 의미한다. 실시예들에 따른 포인트 클라우드 콘텐트(또는 3차원 포인트 클라우드 비디오)의 포인트들은 하나 또는 그 이상의 복셀(voxel)들에 포함될 수 있다. 복셀은 볼륨(Volume)과 픽셀(Pixel)의 조합어로서, 3차원 공간을 표현하는 축들(예를 들면 X축, Y축, Z축)을 기반으로 3차원 공간을 유닛(unit=1.0) 단위로 나누었을 때 발생하는 3차원 큐빅 공간을 의미한다. 양자화부(40001)는 3차원 공간의 포인트들의 그룹들을 복셀들로 매칭할 수 있다. 실시예들에 따라 하나의 복셀은 하나의 포인트만 포함할 수 있다. 실시예들에 따라 하나의 복셀은 하나 또는 그 이상의 포인트들을 포함할 수 있다. 또한 하나의 복셀을 하나의 포인트로 표현하기 위하여, 하나의 복셀에 포함된 하나 또는 그 이상의 포인트들의 포지션들을 기반으로 해당 복셀의 중앙점(center point)의 포지션을 설정할 수 있다. 이 경우 하나의 복셀에 포함된 모든 포지션들의 어트리뷰트들은 통합되어(combined) 해당 복셀에 할당될(assigned)수 있다.
실시예들에 따른 옥트리 분석부(40002)는 복셀을 옥트리(octree) 구조로 나타내기 위한 옥트리 지오메트리 코딩(또는 옥트리 코딩)을 수행한다. 옥트리 구조는 팔진 트리 구조에 기반하여 복셀에 매칭된 포인트들을 표현한다.
실시예들에 따른 서페이스 어프록시메이션 분석부(40003)는 옥트리를 분석하고, 근사화할 수 있다. 실시예들에 따른 옥트리 분석 및 근사화는 효율적으로 옥트리 및 복셀화를 제공하기 위해서 다수의 포인트들을 포함하는 영역에 대해 복셀화하기 위해 분석하는 과정이다.
실시예들에 따른 아리스메틱 인코더(40004)는 옥트리 및/또는 근사화된 옥트리를 엔트로피 인코딩한다. 예를 들어, 인코딩 방식은 아리스메틱(Arithmetic) 인코딩 방법을 포함한다. 인코딩의 결과로 지오메트리 비트스트림이 생성된다.
컬러 변환부(40006), 어트리뷰트 변환부(40007), RAHT 변환부(40008), LOD생성부(40009), 리프팅 변환부(40010), 계수 양자화부(40011) 및/또는 아리스메틱 인코더(40012)는 어트리뷰트 인코딩을 수행한다. 상술한 바와 같이 하나의 포인트는 하나 또는 그 이상의 어트리뷰트들을 가질 수 있다. 실시예들에 따른 어트리뷰트 인코딩은 하나의 포인트가 갖는 어트리뷰트들에 대해 동일하게 적용된다. 다만, 하나의 어트리뷰트(예를 들면 색상)이 하나 또는 그 이상의 요소들을 포함하는 경우, 각 요소마다 독립적인 어트리뷰트 인코딩이 적용된다. 실시예들에 따른 어트리뷰트 인코딩은 컬러 변환 코딩, 어트리뷰트 변환 코딩, RAHT(Region Adaptive Hierarchical Transform) 코딩, 예측 변환(Interpolation-based hierarchical nearest-neighbour prediction-Prediction Transform) 코딩 및 리프팅 변환 (interpolation-based hierarchical nearest-neighbour prediction with an update/lifting step (Lifting Transform)) 코딩을 포함할 수 있다. 포인트 클라우드 콘텐트에 따라 상술한 RAHT 코딩, 예측 변환 코딩 및 리프팅 변환 코딩은 선택적으로 사용되거나, 하나 또는 그 이상의 코딩들의 조합이 사용될 수 있다. 또한 실시예들에 따른 어트리뷰트 인코딩은 상술한 예시에 국한되는 것은 아니다.
실시예들에 따른 컬러 변환부(40006)는 어트리뷰트들에 포함된 컬러 값(또는 텍스쳐)을 변환하는 컬러 변환 코딩을 수행한다. 예를 들어, 컬러 변환부(40006)는 색상 정보의 포맷을 변환(예를 들어 RGB에서 YCbCr로 변환)할 수 있다. 실시예들에 따른 컬러 변환부(40006)의 동작은 어트리뷰트들에 포함된 컬러값에 따라 옵셔널(optional)하게 적용될 수 있다.
실시예들에 따른 지오메트리 리컨스트럭션부(40005)는 옥트리 및/또는 근사화된 옥트리를 재구성(디컴프레션)한다. 지오메트리 리컨스트럭션부(40005)는 포인트들의 분포를 분석한 결과에 기반하여 옥트리/복셀을 재구성한다. 재구성된 옥트리/복셀은 재구성된 지오메트리(또는 복원된 지오메트리)로 호칭될 수 있다.
실시예들에 따른 어트리뷰트 변환부(40007)는 지오메트리 인코딩이 수행되지 않은 포지션들 및/또는 재구성된 지오메트리를 기반으로 어트리뷰트들을 변환하는 어트리뷰트 변환을 수행한다. 상술한 바와 같이 어트리뷰트들은 지오메트리에 종속되므로, 어트리뷰트 변환부(40007)는 재구성된 지오메트리 정보를 기반으로 어트리뷰트들을 변환할 수 있다. 예를 들어, 어트리뷰트 변환부(40007)는 복셀에 포함된 포인트의 포지션값을 기반으로 그 포지션의 포인트가 가지는 어트리뷰트를 변환할 수 있다. 상술한 바와 같이 하나의 복셀에 포함된 하나 또는 그 이상의 포인트들의 포지션들을 기반으로 해당 복셀의 중앙점의 포지션이 설정된 경우, 어트리뷰트 변환부(40007)는 하나 또는 그 이상의 포인트들의 어트리뷰트들을 변환한다. 트라이숩 지오메트리 인코딩이 수행된 경우, 어트리뷰트 변환부(40007)는 트라이숩 지오메트리 인코딩을 기반으로 어트리뷰트들을 변환할 수 있다.
어트리뷰트 변환부(40007)는 각 복셀의 중앙점의 포지션(또는 포지션 값)으로부터 특정 위치/반경 내에 이웃하고 있는 포인트들의 어트리뷰트들 또는 어트리뷰트 값들(예를 들면 각 포인트의 색상, 또는 반사율 등)의 평균값을 계산하여 어트리뷰트 변환을 수행할 수 있다. 어트리뷰트 변환부(40007)는 평균값 계산시 중앙점으로부터 각 포인트까지의 거리에 따른 가중치를 적용할 수 있다. 따라서 각 복셀은 포지션과 계산된 어트리뷰트(또는 어트리뷰트 값)을 갖게 된다.
어트리뷰트 변환부(40007)는 K-D 트리 또는 몰톤(morton) 코드를 기반으로 각 복셀의 중앙점의 포지션으로부터 특정 위치/반경 내에 존재하는 이웃 포인트들을 탐색할 수 있다. K-D 트리는 이진 탐색 트리(binary search tree)로 빠르게 최단 이웃점 탐색(Nearest Neighbor Search-NNS)이 가능하도록 point들을 위치 기반으로 관리할 수 있는 자료 구조를 지원한다. 몰톤 코드는 모든 포인트들의 3차원 포지션을 나타내는 좌표값(예를 들면 (x, y, z))을 비트값으로 나타내고, 비트들을 믹싱하여 생성된다. 예를 들어 포인트의 포지션을 나타내는 좌표값이 (5, 9, 1)일 경우 좌표값의 비트 값은 (0101, 1001, 0001)이다. 비트 값을z, y, x 순서로 비트 인덱스에 맞춰 믹싱하면 010001000111이다. 이 값을 10진수로 나타내면 1095이 된다. 즉, 좌표값이 (5, 9, 1)인 포인트의 몰톤 코드 값은 1095이다. 어트리뷰트 변환부(40007)는 몰톤 코드 값을 기준으로 포인트들을 정렬하고depth-first traversal 과정을 통해 최단 이웃점 탐색(NNS)을 할 수 있다. 어트리뷰트 변환 동작 이후, 어트리뷰트 코딩을 위한 다른 변환 과정에서도 최단 이웃점 탐색(NNS)이 필요한 경우, K-D 트리 또는 몰톤 코드가 활용된다.
도면에 도시된 바와 같이 변환된 어트리뷰트들은 RAHT 변환부(40008) 및/또는 LOD 생성부(40009)로 입력된다.
실시예들에 따른 RAHT 변환부(40008)는 재구성된 지오메트리 정보에 기반하여 어트리뷰트 정보를 예측하는 RAHT코딩을 수행한다. 예를 들어, RAHT 변환부(40008)는 옥트리의 하위 레벨에 있는 노드와 연관된 어트리뷰트 정보에 기반하여 옥트리의 상위 레벨에 있는 노드의 어트리뷰트 정보를 예측할 수 있다.
실시예들에 따른 LOD생성부(40009)는 LOD(Level of Detail)를 생성한다. 실시예들에 따른 LOD는 포인트 클라우드 콘텐트의 디테일을 나타내는 정도로서, LOD 값이 작을 수록 포인트 클라우드 콘텐트의 디테일이 떨어지고, LOD 값이 클 수록 포인트 클라우드 콘텐트의 디테일이 높음을 나타낸다. 포인트들을 LOD에 따라 분류될 수 있다.
실시예들에 따른 리프팅 변환부(40010)는 포인트 클라우드의 어트리뷰트들을 가중치에 기반하여 변환하는 리프팅 변환 코딩을 수행한다. 상술한 바와 같이 리프팅 변환 코딩은 선택적으로 적용될 수 있다.
실시예들에 따른 계수 양자화부(40011)은 어트리뷰트 코딩된 어트리뷰트들을 계수에 기반하여 양자화한다.
실시예들에 따른 아리스메틱 인코더(40012)는 양자화된 어트리뷰트들을 아리스메틱 코딩에 기반하여 인코딩한다.
도 4의 포인트 클라우드 비디오 인코더의 엘레멘트들은 도면에 도시되지 않았으나 포인트 클라우드 콘텐트 제공 장치에 포함된 하나 또는 그 이상의 메모리들과 통신가능하도록 설정된 하나 또는 그 이상의 프로세서들 또는 집적 회로들(integrated circuits)을 포함하는 하드웨어, 소프트웨어, 펌웨어 또는 이들의 조합으로 구현될 수 있다. 하나 또는 그 이상의 프로세서들은 상술한 도 4의 포인트 클라우드 비디오 인코더의 엘레멘트들의 동작들 및/또는 기능들 중 적어도 어느 하나 이상을 수행할 수 있다. 또한 하나 또는 그 이상의 프로세서들은 도 4의 포인트 클라우드 비디오 인코더의 엘레멘트들의 동작들 및/또는 기능들을 수행하기 위한 소프트웨어 프로그램들 및/또는 인스트럭션들의 세트를 동작하거나 실행할 수 있다. 실시예들에 따른 하나 또는 그 이상의 메모리들은 하이 스피드 랜덤 억세스 메모리를 포함할 수도 있고, 비휘발성 메모리(예를 들면 하나 또는 그 이상의 마그네틱 디스크 저장 디바이스들, 플래쉬 메모리 디바이스들, 또는 다른 비휘발성 솔리드 스테이트 메모리 디바이스들(Solid-state memory devices)등)를 포함할 수 있다.
도 5 는 실시예들에 따른 복셀의 예시를 나타낸다.
도 5는 X축, Y축, Z축의 3가지 축으로 구성된 좌표계로 표현되는 3차원 공간상에 위치한 복셀을 나타낸다. 도 4에서 설명한 바와 같이 포인트 클라우드 비디오 인코더(예를 들면 양자화부(40001) 등)은 복셀화를 수행할 수 있다. 복셀은 3차원 공간을 표현하는 축들(예를 들면 X축, Y축, Z축)을 기반으로 3차원 공간을 유닛(unit=1.0) 단위로 나누었을 때 발생하는 3차원 큐빅 공간을 의미한다. 도 5는 두 개의 극점들(0,0,0) 및 (2 d, 2 d, 2 d) 으로 정의되는 바운딩 박스(cubical axis-aligned bounding box)를 재귀적으로 분할(recursive subdividing)하는 옥트리 구조를 통해 생성된 복셀의 예시를 나타낸다. 하나의 복셀은 적어도 하나 이상의 포인트를 포함한다. 복셀은 복셀군(voxel group)과의 포지션 관계로부터 공간 좌표를 추정 할 수 있다. 상술한 바와 같이 복셀은 2차원 이미지/영상의 픽셀과 마찬가지로 어트리뷰트(색상 또는 반사율 등)을 가진다. 복셀에 대한 구체적인 설명은 도 4에서 설명한 바와 동일하므로 생략한다.
도 6은 실시예들에 따른 옥트리 및 오큐판시 코드 (occupancy code)의 예시를 나타낸다.
도 1 내지 도 4에서 설명한 바와 같이 포인트 클라우드 콘텐트 제공 시스템(포인트 클라우드 비디오 인코더(10002)) 또는 포인트 클라우드 비디오 인코더의 옥트리 분석부(40002))는 복셀의 영역 및/또는 포지션을 효율적으로 관리하기 위하여 옥트리 구조 기반의 옥트리 지오메트리 코딩(또는 옥트리 코딩)을 수행한다.
도 6의 상단은 옥트리 구조를 나타낸다. 실시예들에 따른 포인트 클라우드 콘텐트의 3차원 공간은 좌표계의 축들(예를 들면 X축, Y축, Z축)로 표현된다. 옥트리 구조는 두 개의 극점들(0,0,0) 및 (2 d, 2 d, 2 d) 으로 정의되는 바운딩 박스(cubical axis-aligned bounding box)를 재귀적으로 분할(recursive subdividing)하여 생성된다. 2d는 포인트 클라우드 콘텐트(또는 포인트 클라우드 비디오)의 전체 포인트들을 감싸는 가장 작은 바운딩 박스를 구성하는 값으로 설정될 수 있다. d는 옥트리의 깊이(depth)를 나타낸다. d값은 다음의 수학식 1에 따라 결정된다. 하기 수학식 1에서 (x int n, y int n, z int n)는 양자화된 포인트들의 포지션들(또는 포지션 값들)을 나타낸다.
[수학식 1]
Figure PCTKR2020012072-appb-img-000001
도 6의 상단의 중간에 도시된 바와 같이, 분할에 따라 전체 3차원 공간은 8개의 공간들로 분할될 수 있다. 분할된 각 공간은 6개의 면들을 갖는 큐브로 표현된다. 도 6의 상단의 오른쪽에 도시된 바와 같이 8개의 공간들 각각은 다시 좌표계의 축들(예를 들면 X축, Y축, Z축)을 기반으로 분할된다. 따라서 각 공간은 다시 8개의 작은 공간들로 분할된다. 분할된 작은 공간 역시 6개의 면들을 갖는 큐브로 표현된다. 이와 같은 분할 방식은 옥트리의 리프 노드(leaf node)가 복셀이 될 때까지 적용된다.
도 6의 하단은 옥트리의 오큐판시 코드를 나타낸다. 옥트리의 오큐판시 코드는 하나의 공간이 분할되어 발생되는 8개의 분할된 공간들 각각이 적어도 하나의 포인트를 포함하는지 여부를 나타내기 위해 생성된다. 따라서 하나의 오큐판시 코드는 8개의 자식 노드(child node)들로 표현된다. 각 자식 노드는 분할된 공간의 오큐판시를 나타내며, 자식 노드는 1비트의 값을 갖는다. 따라서 오큐판시 코드는 8 비트 코드로 표현된다. 즉, 자식 노드에 대응하는 공간에 적어도 하나의 포인트가 포함되어 있으면 해당 노드는 1값을 갖는다. 자식 노드에 대응하는 공간에 포인트가 포함되어 있지 않으면 (empty), 해당 노드는 0값을 갖는다. 도 6에 도시된 오큐판시 코드는 00100001이므로 8개의 자식 노드 중 3번째 자식 노드 및 8번째 자식 노드에 대응하는 공간들은 각각 적어도 하나의 포인트를 포함함을 나타낸다. 도면에 도시된 바와 같이 3번째 자식 노드 및 8번째 자식 노드는 각각 8개의 자식 노드를 가지며, 각 자식 노드는 8비트의 오큐판시 코드로 표현된다. 도면은 3번째 자식 노드의 오큐판시 코드가 10000111이고, 8번째 자식 노드의 오큐판시 코드가 01001111임을 나타낸다. 실시예들에 따른 포인트 클라우드 비디오 인코더(예를 들면 아리스메틱 인코더(40004))는 오큐판시 코드를 엔트로피 인코딩할 수 있다. 또한 압축 효율을 높이기 위해 포인트 클라우드 비디오 인코더는 오큐판시 코드를 인트라/인터 코딩할 수 있다. 실시예들에 따른 수신 장치(예를 들면 수신 장치(10004) 또는 포인트 클라우드 비디오 디코더(10006))는 오큐판시 코드를 기반으로 옥트리를 재구성한다.
실시예들에 따른 포인트 클라우드 비디오 인코더(예를 들면 옥트리 분석부(40002))는 포인트들의 포지션들을 저장하기 위해 복셀화 및 옥트리 코딩을 수행할 수 있다. 하지만 3차원 공간 내 포인트들이 언제나 고르게 분포하는 것은 아니므로, 포인트들이 많이 존재하지 않는 특정 영역이 존재할 수 있다. 이 경우, 3차원 공간 전체에 대해 복셀화를 수행하는 것은 비효율 적이다. 예를 들어 특정 영역에 포인트가 거의 존재하지 않는다면, 해당 영역까지 복셀화를 수행할 필요가 없다.
따라서 실시예들에 따른 포인트 클라우드 비디오 인코더는 상술한 특정 영역(또는 옥트리의 리프 노드를 제외한 노드)에 대해서는 복셀화를 수행하지 않고, 특정 영역에 포함된 포인트들의 포지션을 직접 코딩하는 다이렉트 코딩(Direct coding)을 수행할 수 있다. 실시예들에 따른 다이렉트 코딩 포인트의 좌표들은 다이렉트 코딩 모드(Direct Coding Mode, DCM)으로 호칭된다. 또한 실시예들에 따른 포인트 클라우드 비디오 인코더는 표면 모델(surface model)을 기반으로 특정 영역(또는 노드)내의 포인트들의 포지션들을 복셀 기반으로 재구성하는 트라이숩 지오메트리 인코딩(Trisoup geometry encoding)을 수행할 수 있다. 트라이숩 지오메트리 인코딩은 오브젝트의 표현을 삼각형 메쉬(triangle mesh)의 시리즈로 표현하는 지오메트리 인코딩이다. 따라서 포인트 클라우드 비디오 디코더는 메쉬 표면으로부터 포인트 클라우드를 생성할 수 있다. 실시예들에 따른 다이렉트 코딩 및 트라이숩 지오메트리 인코딩은 선택적으로 수행될 수 있다. 또한 실시예들에 따른 다이렉트 코딩 및 트라이숩 지오메트리 인코딩은 옥트리 지오메트리 코딩(또는 옥트리 코딩)과 결합되어 수행될 수 있다.
다이렉트 코딩(Direct coding)을 수행하기 위해서는 다이렉트 코딩을 적용하기 위한 직접 모드(direct mode) 사용 옵션이 활성화 되어 있어야 하며, 다이렉트 코딩을 적용할 노드는 리프 노드가 아니고, 특정 노드 내에 한계치(threshold) 이하의 포인트들이 존재해야 한다. 또한 다이렉트 코딩의 대상이 되는 전체 포인트들의 개수는 기설정된 한계값을 넘어서는 안된다. 위의 조건이 만족되면, 실시예들에 따른 포인트 클라우드 비디오 인코더(예를 들어, 아리스메틱 인코더(40004))는 포인트들의 포지션들(또는 포지션 값들)을 엔트로피 코딩할 수 있다.
실시예들에 따른 포인트 클라우드 비디오 인코더(예를 들면 서페이스 어프록시메이션 분석부(40003))는 옥트리의 특정 레벨(레벨은 옥트리의 깊이 d보다는 작은 경우)을 정하고, 그 레벨부터는 표면 모델을 사용하여 노드 영역내의 포인트의 포지션을 복셀 기반으로 재구성하는 트라이숩 지오메트리 인코딩을 수행할 수 있다(트라이숩 모드). 실시예들에 따른 포인트 클라우드 비디오 인코더는 트라이숩 지오메트리 인코딩을 적용할 레벨을 지정할 수 있다. 예를 들어, 지정된 레벨이 옥트리의 깊이와 같으면 포인트 클라우드 비디오 인코더는 트라이숩 모드로 동작하지 않는다. 즉, 실시예들에 따른 포인트 클라우드 비디오 인코더는 지정된 레벨이 옥트리의 깊이값 보다 작은 경우에만 트라이숩 모드로 동작할 수 있다. 실시예들에 따른 지정된 레벨의 노드들의 3차원 정육면체 영역을 블록(block)이라 호칭한다. 하나의 블록은 하나 또는 그 이상의 복셀들을 포함할 수 있다. 블록 또는 복셀은 브릭(brick)에 대응될 수도 있다. 각 블록 내에서 지오메트리는 표면(surface)으로 표현된다. 실시예들에 따른 표면은 최대 한번 블록의 각 엣지(edge, 모서리)와 교차할 수 있다.
하나의 블록은 12개의 엣지들을 가지므로, 하나의 블록 내 적어도 12개의 교차점들이 존재한다. 각 교차점은 버텍스(vertex, 정점 또는 꼭지점)라 호칭된다. 엣지를 따라 존재하는 버텍스은 해당 엣지를 공유하는 모든 블록들 중 그 엣지에 인접한 적어도 하나의 오큐파이드 복셀(occupied voxel)이 있는 경우 감지된다. 실시예들에 따른 오큐파이드 복셀은 포인트를 포함하는 복셀을 의미한다. 엣지를 따라 검출된 버텍스의 포지션은 해당 엣지를 공유하는 모든 블록들 중 해당 엣지에 인접한 모든 복셀들의 엣지에 따른 평균 포지션(the average position along the edge of all voxels)이다.
버텍스가 검출되면 실시예들에 따른 포인트 클라우드 비디오 인코더는 엣지의 시작점(x, y, z), 엣지의 방향벡터(
Figure PCTKR2020012072-appb-img-000002
x,
Figure PCTKR2020012072-appb-img-000003
y,
Figure PCTKR2020012072-appb-img-000004
z), 버텍스 위치 값 (엣지 내의 상대적 위치 값)들을 엔트로피 코딩할 수 있다. 트라이숩 지오메트리 인코딩이 적용된 경우, 실시예들에 따른 포인트 클라우드 비디오 인코더(예를 들면 지오메트리 리컨스트럭션부(40005))는 삼각형 재구성(triangle reconstruction), 업-샘플링(up-sampling), 복셀화 과정을 수행하여 복원된 지오메트리(재구성된 지오메트리)를 생성할 수 있다.
블록의 엣지에 위치한 버텍스들은 블록을 통과하는 표면(surface)를 결정한다. 실시예들에 따른 표면은 비평면 다각형이다. 삼각형 재구성 과정은 엣지의 시작점, 엣지의 방향 벡터와 버텍스의 위치값을 기반으로 삼각형으로 나타내는 표면을 재구성한다. 삼각형 재구성 과정은 다음의 수학식 2와 같다. ①각 버텍스들의 중심(centroid)값을 계산하고, ②각 버텍스값에서 중심 값을 뺀 값들에 ③자승을 수행하고 그 값을 모두 더한 값을 구한다.
[수학식 2]
Figure PCTKR2020012072-appb-img-000005
그리고나서, 더해진 값의 최소값을 구하고, 최소값이 있는 축에 따라서 프로젝션 (Projection, 투영) 과정을 수행한다. 예를 들어 x 요소(element)가 최소인 경우, 각 버텍스를 블록의 중심을 기준으로 x축으로 프로젝션 시키고, (y, z) 평면으로 프로젝션 시킨다. (y, z)평면으로 프로젝션 시키면 나오는 값이 (ai, bi)라면 atan2(bi, ai)를 통해 θ값을 구하고, θ값을 기준으로 버텍스들(vertices)을 정렬한다. 하기의 표 1은 버텍스들의 개수에 따라 삼각형을 생성하기 위한 버텍스들의 조합을 나타낸다. 버텍스들은 1부터 n까지의 순서로 정렬된다. 하기 표 1은 4개의 버텍스들에 대하여, 버텍스들의 조합에 따라 두 개의 삼각형들이 구성될 수 있음을 나타낸다. 첫번째 삼각형은 정렬된 버텍스들 중 1, 2, 3번째 버텍스들로 구성되고, 두번째 삼각형은 정렬된 버텍스들 중 3, 4, 1번째 버텍스들로 구성될 수 있다.
표 1. Triangles formed from vertices ordered 1,…, n
n Triangles
3 (1,2,3)
4 (1,2,3), (3,4,1)
5 (1,2,3), (3,4,5), (5,1,3)
6 (1,2,3), (3,4,5), (5,6,1), (1,3,5)
7 (1,2,3), (3,4,5), (5,6,7), (7,1,3), (3,5,7)
8 (1,2,3), (3,4,5), (5,6,7), (7,8,1), (1,3,5), (5,7,1)
9 (1,2,3), (3,4,5), (5,6,7), (7,8,9), (9,1,3), (3,5,7), (7,9,3)
10 (1,2,3), (3,4,5), (5,6,7), (7,8,9), (9,10,1), (1,3,5), (5,7,9), (9,1,5)
11 (1,2,3), (3,4,5), (5,6,7), (7,8,9), (9,10,11), (11,1,3), (3,5,7), (7,9,11), (11,3,7)
12 (1,2,3), (3,4,5), (5,6,7), (7,8,9), (9,10,11), (11,12,1), (1,3,5), (5,7,9), (9,11,1), (1,5,9)
업샘플링 과정은 삼각형의 엣지를 따라서 중간에 점들을 추가하여 복셀화 하기 위해서 수행된다. 업샘플링 요소 값(upsampling factor)과 블록의 너비를 기준으로 추가 점들을 생성한다. 추가점은 리파인드 버텍스(refined vertice)라고 호칭된다. 실시예들에 따른 포인트 클라우드 비디오 인코더는 리파인드 버텍스들을 복셀화할 수 있다. 또한 포인트 클라우드 비디오 인코더는 복셀화 된 포지션(또는 포지션 값)을 기반으로 어트리뷰트 인코딩을 수행할 수 있다.
도 7은 실시예들에 따른 이웃 노드 패턴의 예시를 나타낸다.
포인트 클라우드 비디오의 압축 효율을 증가시키기 위하여 실시예들에 따른 포인트 클라우드 비디오 인코더는 콘텍스트 어댑티브 아리스메틱 (context adaptive arithmetic) 코딩을 기반으로 엔트로피 코딩을 수행할 수 있다.
도 1 내지 도 6에서 설명한 바와 같이 포인트 클라우드 콘텐트 제공 시스템 또는 도 2의 포인트 클라우드 비디오 인코더(10002) 또는 도 4의 포인트 클라우드 비디오 인코더 또는 아리스메틱 인코더(40004)는 오큐판시 코드를 곧바로 엔트로피 코딩할 수 있다. 또한 포인트 클라우드 콘텐트 제공 시스템 또는 포인트 클라우드 비디오 인코더는 현재 노드의 오큐판시 코드와 이웃 노드들의 오큐판시를 기반으로 엔트로피 인코딩(인트라 인코딩)을 수행하거나, 이전 프레임의 오큐판시 코드를 기반으로 엔트로피 인코딩(인터 인코딩)을 수행할 수 있다. 실시예들에 따른 프레임은 동일한 시간에 생성된 포인트 클라우드 비디오의 집합을 의미한다. 실시예들에 따른 인트라 인코딩/인터 인코딩의 압축 효율은 참조하는 이웃 노드들의 개수에 따라 달라질 수 있다. 비트가 커지면 복잡해지지만 한쪽으로 치우치게 만들어서 압축 효율이 높아질 수 있다. 예를 들어 3-bit context를 가지면, 2의 3승인 = 8가지 방법으로 코딩 해야 한다. 나누어 코딩을 하는 부분은 구현의 복잡도에 영향을 준다. 따라서 압축의 효율과 복잡도의 적정 수준을 맞출 필요가 있다.
도 7은 이웃 노드들의 오큐판시를 기반으로 오큐판시 패턴을 구하는 과정을 나타낸다. 실시예들에 따른 포인트 클라우드 비디오 인코더는 옥트리의 각 노드의 이웃 노드들의 오큐판시(occupancy)를 판단하고 이웃 노드 패턴(neighbor pattern) 값을 구한다. 이웃 노드 패턴은 해당 노드의 오큐판시 패턴을 추론하기 위해 사용된다. 도 7의 왼쪽은 노드에 대응하는 큐브(가운데 위치한 큐브) 및 해당 큐브와 적어도 하나의 면을 공유하는 6개의 큐브들(이웃 노드들)을 나타낸다. 도면에 도시된 노드들은 같은 뎁스(깊이)의 노드들이다. 도면에 도시된 숫자는 6개의 노드들 각각과 연관된 가중치들(1, 2, 4, 8, 16, 32, 등)을 나타낸다. 각 가중치는 이웃 노드들의 위치에 따라 순차적으로 부여된다.
도 7의 오른쪽은 이웃 노드 패턴 값을 나타낸다. 이웃 노드 패턴 값은 오큐파이드 이웃 노드(포인트를 갖는 이웃 노드)의 가중치가 곱해진 값들의 합이다. 따라서 이웃 노드 패턴 값은 0에서 63까지의 값을 갖는다. 이웃 노드 패턴 값이 0 인 경우, 해당 노드의 이웃 노드 중 포인트를 갖는 노드(오큐파이드 노드)가 없음을 나타낸다. 이웃 노드 패턴 값이 63인 경우, 이웃 노드들이 전부 오큐파이드 노드들임을 나타낸다. 도면에 도시된 바와 같이 가중치1, 2, 4, 8가 부여된 이웃 노드들은 오큐파이드 노드들이므로, 이웃 노드 패턴 값은 1, 2, 4, 8을 더한 값인 15이다. 포인트 클라우드 비디오 인코더는 이웃 노드 패턴 값에 따라 코딩을 수행할 수 있다(예를 들어 이웃 노드 패턴 값이 63인 경우, 64가지의 코딩을 수행). 실시예들에 따라 포인트 클라우드 비디오 인코더는 이웃 노드 패턴 값을 변경 (예를 들면 64를 10 또는 6으로 변경하는 테이블을 기반으로) 하여 코딩의 복잡도를 줄일 수 있다.
도 8은 실시예들에 따른 LOD 별 포인트 구성의 예시를 나타낸다.
도 1 내지 도 7에서 설명한 바와 같이, 어트리뷰트 인코딩이 수행되기 전 인코딩된 지오메트리는 재구성(디컴프레션) 된다. 다이렉트 코딩이 적용된 경우, 지오메트리 재구성 동작은 다이렉트 코딩된 포인트들의 배치를 변경하는 것을 포함할 수 있다(예를 들면 다이렉트 코딩된 포인트들을 포인트 클라우드 데이터의 앞쪽에 배치). 트라이숩 지오메트리 인코딩이 적용된 경우, 지오메트리 재구성 과정은 삼각형 재구성, 업샘플링, 복셀화 과정을 어트리뷰트는 지오메트리에 종속되므로, 어트리뷰트 인코딩은 재구성된 지오메트리를 기반으로 수행된다.
포인트 클라우드 비디오 인코더(예를 들면 LOD 생성부(40009))는 포인트들을 LOD별로 분류(reorganization) 또는 그룹핑(grouping)할 수 있다. 도 8은 LOD에 대응하는 포인트 클라우드 콘텐트를 나타낸다. 도 8의 가장 왼쪽은 오리지널 포인트 클라우드 콘텐트를 나타낸다. 도 8의 왼쪽에서 두번째 그림은 가장 낮은 LOD의 포인트들의 분포를 나타내며, 도 8의 가장 오른쪽 그림은 가장 높은 LOD의 포인트들의 분포를 나타낸다. 즉, 가장 낮은 LOD의 포인트들은 드문드문(sparse) 분포하며, 가장 높은 LOD의 포인트들은 촘촘히 분포한다. 즉, 도 8의 하단에 표시된 화살표 방향에 따라 LOD가 증가할수록 포인트들 간의 간격(또는 거리)는 더 짧아진다.
도 9는 실시예들에 따른 LOD 별 포인트 구성의 예시를 나타낸다.
도 1 내지 도 8에서 설명한 바와 같이 포인트 클라우드 콘텐트 제공 시스템, 또는 포인트 클라우드 비디오 인코더(예를 들면 도 2의 포인트 클라우드 비디오 인코더(10002), 도 4의 포인트 클라우드 비디오 인코더, 또는 LOD 생성부(40009))는 LOD를 생성할 수 있다. LOD는 포인트들을 설정된 LOD 거리 값(또는 유클리이디언 디스턴스(Euclidean Distance)의 세트)에 따라 리파인먼트 레벨들(refinement levels)의 세트로 재정열(reorganize)하여 생성된다. LOD 생성 과정은 포인트 클라우드 비디오 인코더뿐만 아니라 포인트 클라우드 비디오 디코더에서도 수행된다.
도 9의 상단은 3차원 공간에 분포된 포인트 클라우드 콘텐트의 포인트들의 예시(P0내지 P9)를 나타낸다. 도 9의 오리지널 오더(Original order)는 LOD 생성 전 포인트들 P0내지 P9의 순서를 나타낸다. 도 9의 LOD 기반 오더 (LOD based order)는 LOD 생성에 따른 포인트들의 순서를 나타낸다. 포인트들은 LOD별 재정열된다. 또한 높은 LOD는 낮은 LOD에 속한 포인트들을 포함한다. 도 9에 도시된 바와 같이 LOD0는 P0, P5, P4 및 P2를 포함한다. LOD1은 LOD0의 포인트들과 P1, P6 및 P3를 포함한다. LOD2는 LOD0의 포인트들, LOD1의 포인트들 및 P9, P8 및 P7을 포함한다.
도 4에서 설명한 바와 같이 실시예들에 따른 포인트 클라우드 비디오 인코더는 LOD 기반의 예측 변환 코딩, 리프팅 변환 코딩 및 RAHT 변환 코딩을 선택적으로 또는 조합하여 수행할 수 있다.
실시예들에 따른 포인트 클라우드 비디오 인코더는 포인트들에 대한 예측기(predictor)를 생성하여 각 포인트의 예측 어트리뷰트(또는 예측 어트리뷰트값)을 설정하기 위한 LOD 기반의 예측 변환 코딩을 수행할 수 있다. 즉, N개의 포인트들에 대하여 N개의 예측기들이 생성될 수 있다. 실시예들에 따른 예측기는 각 포인트의 LOD 값과 LOD별 설정된 거리 내에 존재하는 이웃 포인트들에 대한 인덱싱 정보 및 이웃 포인트들까지의 거리 값을 기반으로 가중치(=1/거리) 값을 계산할 수 있다.
실시예들에 따른 예측 어트리뷰트(또는 어트리뷰트값)은 각 포인트의 예측기에 설정된 이웃 포인트들의 어트리뷰트들(또는 어트리뷰트 값들, 예를 들면 색상, 반사율 등)에 각 이웃 포인트까지의 거리를 기반으로 계산된 가중치(또는 가중치값)을 곱한 값의 평균값으로 설정된다. 실시예들에 따른 포인트 클라우드 비디오 인코더(예를 들면 계수 양자화부(40011)는 해당 포인트의 어트리뷰트(즉, 오리지날 어트리뷰트 값)에서 해당 예측 어트리뷰트(어트리뷰트값)을 뺀 해당 포인트의 잔여값(residual, 잔여 어트리뷰트, 잔여 어트리뷰트값, 어트리뷰트 예측 잔여값, 예측 에러 어트리뷰트 값 등으로 호칭할 수 있다)을 양자화(quantization) 및 역양자화(inverse quantization)할 수 있다. 잔여 어트리뷰트 값에 대해 수행되는 송신 디바이스의 양자화 과정은 표 2와 같다. 그리고 표 2와 같이 양자화가 이루어진 잔여 어트리뷰트 값에 대해 수행되는 수신 디바이스의 역 양자화 과정은 표 3과 같다.
int PCCQuantization(int value, int quantStep) {
if( value >=0) {
return floor(value / quantStep + 1.0 / 3.0);
} else {
return -floor(-value / quantStep + 1.0 / 3.0);
}
}
int PCCInverseQuantization(int value, int quantStep) {
if( quantStep ==0) {
return value;
} else {
return value * quantStep;
}
}
실시예들에 따른 포인트 클라우드 비디오 인코더(예를 들면 아리스메틱 인코더(40012))는 각 포인트의 예측기에 이웃한 포인트들이 있는 경우, 상술한 바와 같이 양자화 및 역양자화된 잔여(residual) 어트리뷰트 값을 엔트로피 코딩 할 수 있다. 실시예들에 따른 포인트 클라우드 비디오 인코더(예를 들면 아리스메틱 인코더(40012))는 각 포인트의 예측기에 이웃한 포인트들이 없으면 상술한 과정을 수행하지 않고 해당 포인트의 어트리뷰트들을 엔트로피 코딩할 수 있다.실시예들에 따른 포인트 클라우드 비디오 인코더 (예를 들면 리프팅 변환부(40010))는 각 포인트의 예측기를 생성하고, 예측기에 계산된 LOD를 설정 및 이웃 포인트들을 등록하고, 이웃 포인트들까지의 거리에 따른 가중치를 설정하여 리프팅 변환 코딩을 수행할 수 있다. 실시예들에 따른 리프팅 변환 코딩은 상술한 LOD 기반의 예측 변환 코딩과 유사하나, 어트리뷰트값에 가중치를 누적 적용한다는 점에서 차이가 있다. 실시예들에 따른 어트리뷰트값에 가중치를 누적 적용하는 과정은 다음과 같다.
1) 각 포인트의 가중치 값을 저장하는 배열 QW(QuantizationWeight)를 생성한다. QW의 모든 요소들의 초기값은 1.0이다. 예측기에 등록된 이웃 노드의 예측기 인덱스의 QW 값에 현재 포인트의 예측기의 가중치를 곱한 값을 더한다.
2) 리프트 예측 과정: 예측된 어트리뷰트 값을 계산하기 위하여 포인트의 어트리뷰트 값에 가중치를 곱한 값을 기존 어트리뷰트값에서 뺀다.
3) 업데이트웨이트(updateweight) 및 업데이트(update)라는 임시 배열들을 생성하고 임시 배열들을 0으로 초기화한다.
4) 모든 예측기에 대해서 계산된 가중치에 예측기 인덱스에 해당하는 QW에 저장된 가중치를 추가로 곱해서 산출된 가중치를 업데이트웨이트 배열에 이웃 노드의 인덱스로 누적으로 합산한다. 업데이트 배열에는 이웃 노드의 인덱스의 어트리뷰트 값에 산출된 가중치를 곱한 값을 누적 합산한다.
5) 리프트 업데이트 과정: 모든 예측기에 대해서 업데이트 배열의 어트리뷰트 값을 예측기 인덱스의 업데이트웨이트 배열의 가중치 값으로 나누고, 나눈 값에 다시 기존 어트리뷰트 값을 더한다.
6) 모든 예측기에 대해서, 리프트 업데이트 과정을 통해 업데이트된 어트리뷰트 값에 리프트 예측 과정을 통해 업데이트 된(QW에 저장된) 가중치를 추가로 곱하여 예측 어트리뷰트 값을 산출한다. 실시예들에 따른 포인트 클라우드 비디오 인코더(예를 들면 계수 양자화부(40011))는 예측 어트리뷰트 값을 양자화한다. 또한 포인트 클라우드 비디오 인코더(예를 들면 아리스메틱 인코더(40012))는 양자화된 어트리뷰트 값을 엔트로피 코딩한다.
실시예들에 따른 포인트 클라우드 비디오 인코더(예를 들면 RAHT 변환부(40008))는 옥트리의 하위 레벨에 있는 노드와 연관된 어트리뷰트를 사용하여 상위 레벨의 노드들의 어트리뷰트를 에측하는 RAHT 변환 코딩을 수행할 수 있다. RAHT 변환 코딩은 옥트리 백워드 스캔을 통한 어트리뷰트 인트라 코딩의 예시이다. 실시예들에 따른 포인트 클라우드 비디오 인코더는 복셀에서 전체 영역으로 스캔하고, 각 스텝에서 복셀을 더 큰 블록으로 합치면서 루트 노드까지의 병합 과정을 반복수행한다. 실시예들에 따른 병합 과정은 오큐파이드 노드에 대해서만 수행된다. 엠티 노드(empty node)에 대해서는 병합 과정이 수행되지 않으며, 엠티 노드의 바로 상위 노드에 대해 병합 과정이 수행된다.
하기의 수학식 3은 RAHT 변환 행렬을 나타낸다. g lx,y,z 는 레벨 l에서의 복셀들의 평균 어트리뷰트 값을 나타낸다. g lx,y,z는 g l+1 2x,y,z와 g l+1 2x+1,y,z로부터 계산될 수 있다. g l 2x,y,z 와 g l 2x+1,y,z 의 가중치를 w1=w l 2x,y,z과 w2=w l 2x+1,y,z 이다.
[수학식 3]
Figure PCTKR2020012072-appb-img-000006
g l-1 x,y,z는 로-패스(low-pass) 값으로, 다음 상위 레벨에서의 병합 과정에서 사용된다. h l-1 x,y,z은 하이패스 계수(high-pass coefficients)이며, 각 스텝에서의 하이패스 계수들은 양자화되어 엔트로피 코딩 된다(예를 들면 아리스메틱 인코더(40012)의 인코딩). 가중치는 w l-1 x,y,z = w l 2x,y,z + w l 2x+1,y,z로 계산된다. 루트 노드는 마지막 g 1 0,0,0 과 g 1 0,0,1을 통해서 다음의 수학식 4와 같이 생성된다.
[수학식 4]
Figure PCTKR2020012072-appb-img-000007
gDC값 또한 하이패스 계수와 같이 양자화되어 엔트로피 코딩된다.
도 10은 실시예들에 따른 포인트 클라우드 비디오 디코더(Point Cloud Video Decoder)의 예시를 나타낸다.
도 10에 도시된 포인트 클라우드 비디오 디코더는 도 1에서 설명한 포인트 클라우드 비디오 디코더(10006) 예시로서, 도 1에서 설명한 포인트 클라우드 비디오 디코더(10006)의 동작 등과 동일 또는 유사한 동작을 수행할 수 있다. 도면이 도시된 바와 같이 포인트 클라우드 비디오 디코더는 하나 또는 그 이상의 비트스트림(bitstream)들에 포함된 지오메트리 비트스트림(geometry bitstream) 및 어트리뷰트 비트스트림(attribute bitstream)을 수신할 수 있다. 포인트 클라우드 비디오 디코더는 지오메트리 디코더(geometry decoder) 및 어트리뷰트 디코더(attribute decoder)를 포함한다. 지오메트리 디코더는 지오메트리 비트스트림에 대해 지오메트리 디코딩을 수행하여 디코딩된 지오메트리(decoded geometry)를 출력한다. 어트리뷰트 디코더는 디코딩된 지오메트리를 기반으로 어트리뷰트 비트스트림에 대해 어트리뷰트 디코딩을 수행하여 디코딩된 어트리뷰트들(decoded attributes)을 출력한다. 디코딩된 지오메트리 및 디코딩된 어트리뷰트들은 포인트 클라우드 콘텐트를 복원(decoded point cloud)하는데 사용된다.
도 11은 실시예들에 따른 포인트 클라우드 비디오 디코더(Point Cloud Video Decoder)의 예시를 나타낸다.
도 11에 도시된 포인트 클라우드 비디오 디코더는 도 10에서 설명한 포인트 클라우드 비디오 디코더의 상세 예시로서, 도 1 내지 도 9에서 설명한 포인트 클라우드 비디오 인코더의 인코딩 동작의 역과정인 디코딩 동작을 수행할 수 있다.
도 1 및 도 10에서 설명한 바와 같이 포인트 클라우드 비디오 디코더는 지오메트리 디코딩 및 어트리뷰트 디코딩을 수행할 수 있다. 지오메트리 디코딩은 어트리뷰트 디코딩보다 먼저 수행된다.
실시예들에 따른 포인트 클라우드 비디오 디코더는 아리스메틱 디코더(arithmetic decoder, 11000), 옥트리 합성부(octree synthesis unit, 11001), 서페이스 오프록시메이션 합성부(surface approximation synthesis unit, 11002), 지오메트리 리컨스트럭션부(geometry reconstruction unit, 11003), 좌표계 역변환부(coordinates inverse transformation unit, 11004), 아리스메틱 디코더(arithmetic decoder, 11005), 역양자화부(inverse quantization unit, 11006), RAHT 변환부(11007), LOD 생성부(LOD generation unit, 11008), 인버스 리프팅부(Inverse lifting unit, 11009), 및/또는 컬러 역변환부(color inverse transformation unit, 11010)를 포함한다.
아리스메틱 디코더(11000), 옥트리 합성부(11001), 서페이스 오프록시메이션 합성부(11002), 지오메트리 리컨스트럭션부(11003), 좌표계 역변환부(11004)는 지오메트리 디코딩을 수행할 수 있다. 실시예들에 따른 지오메트리 디코딩은 다이렉트 디코딩(direct decoding) 및 트라이숩 지오메트리 디코딩(trisoup geometry decoding)을 포함할 수 있다. 다이렉트 디코딩 및 트라이숩 지오메트리 디코딩은 선택적으로 적용된다. 또한 지오메트리 디코딩은 위의 예시에 국한되지 않으며, 도 1 내지 도 9에서 설명한 지오메트리 인코딩의 역과정으로 수행된다.
실시예들에 따른 아리스메틱 디코더(11000)는 수신한 지오메트리 비트스트림을 아리스메틱 코딩을 기반으로 디코딩한다. 아리스메틱 디코더(11000)의 동작은 아리스메틱 인코더(40004)의 역과정에 대응한다.
실시예들에 따른 옥트리 합성부(11001)는 디코딩된 지오메트리 비트스트림으로부터 (또는 디코딩 결과 확보된 지오메트리에 관한 정보)로부터 오큐판시 코드를 획득하여 옥트리를 생성할 수 있다. 오큐판시 코드에 대한 구체적인 설명은 도 1 내지 도 9에서 설명한 바와 같다.
실시예들에 따른 서페이스 오프록시메이션 합성부(11002)는 트라이숩 지오메트리 인코딩이 적용된 경우, 디코딩된 지오메트리 및/또는 생성된 옥트리에 기반하여 서페이스를 합성할 수 있다.
실시예들에 따른 지오메트리 리컨스트럭션부(11003)는 서페이스 및 또는 디코딩된 지오메트리에 기반하여 지오메트리를 재생성할 수 있다. 도 1 내지 도 9에서 설명한 바와 같이, 다이렉트 코딩 및 트라이숩 지오메트리 인코딩은 선택적으로 적용된다. 따라서 지오메트리 리컨스트럭션부(11003)는 다이렉트 코딩이 적용된 포인트들의 포지션 정보들을 직접 가져와서 추가한다. 또한, 트라이숩 지오메트리 인코딩이 적용된 경우, 지오메트리 리컨스트럭션부(11003)는 지오메트리 리컨스트럭션부(40005)의 재구성 동작, 예를 들면 삼각형 재구성, 업-샘플링, 복셀화 동작을 수행하여 지오메트리를 복원할 수 있다. 구체적인 내용은 도 6에서 설명한 바와 동일하므로 생략한다. 복원된 지오메트리는 어트리뷰트들을 포함하지 않는 포인트 클라우드 픽쳐 또는 프레임을 포함할 수 있다.
실시예들에 따른 좌표계 역변환부(11004)는 복원된 지오메트리를 기반으로 좌표계를 변환하여 포인트들의 포지션들을 획득할 수 있다.
아리스메틱 디코더(11005), 역양자화부(11006), RAHT 변환부(11007), LOD생성부(11008), 인버스 리프팅부(11009), 및/또는 컬러 역변환부(11010)는 도 10에서 설명한 어트리뷰트 디코딩을 수행할 수 있다. 실시예들에 따른 어트리뷰트 디코딩은 RAHT(Region Adaptive Hierarchical Transform) 디코딩, 예측 변환(Interpolation-based hierarchical nearest-neighbour prediction-Prediction Transform) 디코딩 및 리프팅 변환 (interpolation-based hierarchical nearest-neighbour prediction with an update/lifting step (Lifting Transform)) 디코딩을 포함할 수 있다. 상술한 3가지의 디코딩들은 선택적으로 사용되거나, 하나 또는 그 이상의 디코딩들의 조합이 사용될 수 있다. 또한 실시예들에 따른 어트리뷰트 디코딩은 상술한 예시에 국한되는 것은 아니다.
실시예들에 따른 아리스메틱 디코더(11005)는 어트리뷰트 비트스트림을 아리스메틱 코딩으로 디코딩한다.
실시예들에 따른 역양자화부(11006)는 디코딩된 어트리뷰트 비트스트림 또는 디코딩 결과 확보한 어트리뷰트에 대한 정보를 역양자화(inverse quantization)하고 역양자화된 어트리뷰트들(또는 어트리뷰트 값들)을 출력한다. 역양자화는 포인트 클라우드 비디오 인코더의 어트리뷰트 인코딩에 기반하여 선택적으로 적용될 수 있다.
실시예들에 따라 RAHT 변환부(11007), LOD 생성부(11008) 및/또는 인버스 리프팅부(11009)는 재구성된 지오메트리 및 역양자화된 어트리뷰트들을 처리할 수 있다. 상술한 바와 같이 RAHT 변환부(11007), LOD 생성부(11008) 및/또는 인버스 리프팅부(11009)는 포인트 클라우드 비디오 인코더의 인코딩에 따라 그에 대응하는 디코딩 동작을 선택적으로 수행할 수 있다.
실시예들에 따른 컬러 역변환부(11010)는 디코딩된 어트리뷰트들에 포함된 컬러 값(또는 텍스쳐)을 역변환하기 위한 역변환 코딩을 수행한다. 컬러 역변환부(11010)의 동작은 포인트 클라우드 비디오 인코더의 컬러 변환부(40006)의 동작에 기반하여 선택적으로 수행될 수 있다.
도 11의 포인트 클라우드 비디오 디코더의 엘레멘트들은 도면에 도시되지 않았으나 포인트 클라우드 콘텐트 제공 시스템에 포함된 하나 또는 그 이상의 메모리들과 통신가능하도록 설정된 하나 또는 그 이상의 프로세서들 또는 집적 회로들(integrated circuits)을 포함하는 하드웨어, 소프트웨어, 펌웨어 또는 이들의 조합으로 구현될 수 있다. 하나 또는 그 이상의 프로세서들은 상술한 도 11의 포인트 클라우드 비디오 디코더의 엘레멘트들의 동작들 및/또는 기능들 중 적어도 어느 하나 이상을 수행할 수 있다. 또한 하나 또는 그 이상의 프로세서들은 도11의 포인트 클라우드 비디오 디코더의 엘레멘트들의 동작들 및/또는 기능들을 수행하기 위한 소프트웨어 프로그램들 및/또는 인스트럭션들의 세트를 동작하거나 실행할 수 있다.
도 12는 실시예들에 따른 전송 장치의 예시이다.
도 12에 도시된 전송 장치는 도 1의 전송장치(10000) (또는 도 4의 포인트 클라우드 비디오 인코더)의 예시이다. 도 12에 도시된 전송 장치는 도 1 내지 도 9에서 설명한 포인트 클라우드 비디오 인코더의 동작들 및 인코딩 방법들과 동일 또는 유사한 동작들 및 방법들 중 적어도 어느 하나 이상을 수행할 수 있다. 실시예들에 따른 전송 장치는 데이터 입력부(12000), 양자화 처리부(12001), 복셀화 처리부(12002), 옥트리 오큐판시 코드 (Occupancy code) 생성부(12003), 표면 모델 처리부(12004), 인트라/인터 코딩 처리부(12005), 아리스메틱 (Arithmetic) 코더(12006), 메타데이터 처리부(12007), 색상 변환 처리부(12008), 어트리뷰트 변환 처리부(또는 속성 변환 처리부)(12009), 예측/리프팅/RAHT 변환 처리부(12010), 아리스메틱 (Arithmetic) 코더(12011) 및/또는 전송 처리부(12012)를 포함할 수 있다.
실시예들에 따른 데이터 입력부(12000)는 포인트 클라우드 데이터를 수신 또는 획득한다. 데이터 입력부(12000)는 포인트 클라우드 비디오 획득부(10001)의 동작 및/또는 획득 방법(또는 도2에서 설명한 획득과정(20000))과 동일 또는 유사한 동작 및/또는 획득 방법을 수행할 수 있다.
데이터 입력부(12000), 양자화 처리부(12001), 복셀화 처리부(12002), 옥트리 오큐판시 코드 (Occupancy code) 생성부(12003), 표면 모델 처리부(12004), 인트라/인터 코딩 처리부(12005), Arithmetic 코더(12006)는 지오메트리 인코딩을 수행한다. 실시예들에 따른 지오메트리 인코딩은 도 1 내지 도 9에서 설명한 지오메트리 인코딩과 동일 또는 유사하므로 구체적인 설명은 생략한다.
실시예들에 따른 양자화 처리부(12001)는 지오메트리(예를 들면 포인트들의 위치값, 또는 포지션값)을 양자화한다. 양자화 처리부(12001)의 동작 및/또는 양자화는 도 4에서 설명한 양자화부(40001)의 동작 및/또는 양자화와 동일 또는 유사하다. 구체적인 설명은 도 1 내지 도 9에서 설명한 바와 동일하다.
실시예들에 따른 복셀화 처리부(12002)는 양자화된 포인트들의 포지션 값을 복셀화한다. 복셀화 처리부(120002)는 도 4에서 설명한 양자화부(40001)의 동작 및/또는 복셀화 과정과 동일 또는 유사한 동작 및/또는 과정을 수행할 수 있다. 구체적인 설명은 도 1 내지 도 9에서 설명한 바와 동일하다.
실시예들에 따른 옥트리 오큐판시 코드 생성부(12003)는 복셀화된 포인트들의 포지션들을 옥트리 구조를 기반으로 옥트리 코딩을 수행한다. 옥트리 오큐판시 코드 생성부(12003)는 오큐판시 코드를 생성할 수 있다. 옥트리 오큐판시 코드 생성부(12003)는 도 4 및 도 6에서 설명한 포인트 클라우드 비디오 인코더 (또는 옥트리 분석부(40002))의 동작 및/또는 방법과 동일 또는 유사한 동작 및/또는 방법을 수행할 수 있다. 구체적인 설명은 도 1 내지 도 9에서 설명한 바와 동일하다.
실시예들에 따른 표면 모델 처리부(12004)는 표면 모델(surface model)을 기반으로 특정 영역(또는 노드)내의 포인트들의 포지션들을 복셀 기반으로 재구성하는 트라이숩 지오메트리 인코딩을 수행할 수 있다. 포면 모델 처리부(12004)는 도 4 에서 설명한 포인트 클라우드 비디오 인코더(예를 들면 서페이스 어프록시메이션 분석부(40003))의 동작 및/또는 방법과 동일 또는 유사한 동작 및/또는 방법을 수행할 수 있다. 구체적인 설명은 도 1 내지 도 9에서 설명한 바와 동일하다.
실시예들에 따른 인트라/인터 코딩 처리부(12005)는 포인트 클라우드 데이터를 인트라/인터 코딩할 수 있다. 인트라/인터 코딩 처리부(12005)는 도 7에서 설명한 인트라/인터 코딩과 동일 또는 유사한 코딩을 수행할 수 있다. 구체적인 설명은 도 7에서 설명한 바와 동일하다. 실시예들에 따라 인트라/인터 코딩 처리부(12005)는 아리스메틱 코더(12006)에 포함될 수 있다.
실시예들에 따른 아리스메틱 코더(12006)는 포인트 클라우드 데이터의 옥트리 및/또는 근사화된 옥트리를 엔트로피 인코딩한다. 예를 들어, 인코딩 방식은 아리스메틱(Arithmetic) 인코딩 방법을 포함한다. 아리스메틱 코더(12006)는 아리스메틱 인코더(40004)의 동작 및/또는 방법과 동일 또는 유사한 동작 및/또는 방법을 수행한다.
실시예들에 따른 메타데이터 처리부(12007)는 포인트 클라우드 데이터에 관한 메타데이터, 예를 들어 설정 값 등을 처리하여 지오메트리 인코딩 및/또는 어트리뷰트 인코딩 등 필요한 처리 과정에 제공한다. 또한 실시예들에 따른 메타데이터 처리부(12007)는 지오메트리 인코딩 및/또는 어트리뷰트 인코딩과 관련된 시그널링 정보를 생성 및/또는 처리할 수 있다. 실시예들에 따른 시그널링 정보는 지오메트리 인코딩 및/또는 어트리뷰트 인코딩과 별도로 인코딩처리될 수 있다. 또한 실시예들에 따른 시그널링 정보는 인터리빙 될 수도 있다.
색상 변환 처리부(12008), 어트리뷰트 변환 처리부(12009), 예측/리프팅/RAHT 변환 처리부(12010), 아리스메틱 (Arithmetic) 코더(12011)는 어트리뷰트 인코딩을 수행한다. 실시예들에 따른 어트리뷰트 인코딩은 도 1 내지 도 9에서 설명한 어트리뷰트 인코딩과 동일 또는 유사하므로 구체적인 설명은 생략한다.
실시예들에 따른 색상 변환 처리부(12008)는 어트리뷰트들에 포함된 색상값을 변환하는 색상 변환 코딩을 수행한다. 색상 변환 처리부(12008)는 재구성된 지오메트리를 기반으로 색상 변환 코딩을 수행할 수 있다. 재구성된 지오메트리에 대한 설명은 도 1 내지 도 9에서 설명한 바와 동일하다. 또한 도 4에서 설명한 컬러 변환부(40006)의 동작 및/또는 방법과 동일 또는 유사한 동작 및/또는 방법을 수행한다. 구체적인 설명은 생략한다.
실시예들에 따른 어트리뷰트 변환 처리부(12009)는 지오메트리 인코딩이 수행되지 않은 포지션들 및/또는 재구성된 지오메트리를 기반으로 어트리뷰트들을 변환하는 어트리뷰트 변환을 수행한다. 어트리뷰트 변환 처리부(12009)는 도 4에 설명한 어트리뷰트 변환부(40007)의 동작 및/또는 방법과 동일 또는 유사한 동작 및/또는 방법을 수행한다. 구체적인 설명은 생략한다. 실시예들에 따른 예측/리프팅/RAHT 변환 처리부(12010)는 변환된 어트리뷰트들을 RAHT 코딩, LOD 기반의 예측 변환 코딩 및 리프팅 변환 코딩 중 어느 하나 또는 조합하여 코딩할 수 있다. 예측/리프팅/RAHT 변환 처리부(12010)는 도 4에서 설명한 RAHT 변환부(40008), LOD 생성부(40009) 및 리프팅 변환부(40010)의 동작들과 동일 또는 유사한 동작들 중 적어도 하나 이상을 수행한다. 또한 LOD 기반의 예측 변환 코딩, 리프팅 변환 코딩 및 RAHT 변환 코딩에 대한 설명은 도 1 내지 도 9에서 설명한 바와 동일하므로 구체적인 설명은 생략한다.
실시예들에 따른 아리스메틱 코더(12011)는 코딩된 어트리뷰트들을 아리스메틱 코딩에 기반하여 인코딩할 수 있다. 아리스메틱 코더(12011)는 아리스메틱 인코더(40012)의 동작 및/또는 방법과 동일 또는 유사한 동작 및/또는 방법을 수행한다.
실시예들에 따른 전송 처리부(12012)는 인코딩된 지오메트리 및/또는 인코딩된 어트리뷰트 및/또는 메타 데이터를 포함하는 각 비트스트림을 전송하거나, 인코딩된 지오메트리 및/또는 인코딩된 어트리뷰트 및/또는 메타 데이터를 하나의 비트스트림으로 구성하여 전송할 수 있다. 실시예들에 따른 인코딩된 지오메트리 및/또는 인코딩된 어트리뷰트 및/또는 메타 데이터가 하나의 비트스트림으로 구성되는 경우, 비트스트림은 하나 또는 그 이상의 서브 비트스트림들을 포함할 수 있다. 실시예들에 따른 비트스트림은 시퀀스 레벨의 시그널링을 위한 SPS (Sequence Parameter Set), 지오메트리 정보 코딩의 시그널링을 위한 GPS(Geometry Parameter Set), 어트리뷰트 정보 코딩의 시그널링을 위한 APS(Attribute Parameter Set), 타일 레벨의 시그널링을 위한 TPS (Tile Parameter Set 또는 tile inventory라 함)를 포함하는 시그널링 정보 및 슬라이스 데이터를 포함할 수 있다. 슬라이스 데이터는 하나 또는 그 이상의 슬라이스들에 대한 정보를 포함할 수 있다. 실시예들에 따른 하나의 슬라이스는 하나의 지오메트리 비트스트림(Geom0 0) 및 하나 또는 그 이상의 어트리뷰트 비트스트림들(Attr0 0, Attr1 0)을 포함할 수 있다.
슬라이스(slice)란, 코딩된 포인트 클라우드 프레임의 전체 또는 일부를 나타내는 신택스 엘리먼트의 시리즈를 말한다.
실시예들에 따른 TPS는 하나 또는 그 이상의 타일들에 대하여 각 타일에 관한 정보(예를 들면 bounding box의 좌표값 정보 및 높이/크기 정보 등)을 포함할 수 있다. 지오메트리 비트스트림은 헤더와 페이로드를 포함할 수 있다. 실시예들에 따른 지오메트리 비트스트림의 헤더는 GPS에 포함된 파라미터 세트의 식별 정보(geom_parameter_set_id), 타일 식별자(geom_tile_id), 슬라이스 식별자(geom_slice_id) 및 페이로드에 포함된 데이터에 관한 정보 등을 포함할 수 있다. 상술한 바와 같이 실시예들에 따른 메타데이터 처리부(12007)는 시그널링 정보를 생성 및/또는 처리하여 전송 처리부(12012)로 전송할 수 있다. 실시예들에 따라, 지오메트리 인코딩을 수행하는 엘레멘트들 및 어트리뷰트 인코딩을 수행하는 엘레멘트들은 점선 처리된 바와 같이 상호 데이터/정보를 공유할 수 있다. 실시예들에 따른 전송 처리부(12012)는 트랜스미터(10003)의 동작 및/또는 전송 방법과 동일 또는 유사한 동작 및/또는 전송 방법을 수행할 수 있다. 구체적인 설명은 도 1 내지 도 2에서 설명한 바와 동일하므로 생략한다.
도 13은 실시예들에 따른 수신 장치의 예시이다.
도 13에 도시된 수신 장치는 도 1의 수신장치(10004) (또는 도 10 및 도 11의 포인트 클라우드 비디오 디코더)의 예시이다. 도 13에 도시된 수신 장치는 도 1 내지 도 11에서 설명한 포인트 클라우드 비디오 디코더의 동작들 및 디코딩 방법들과 동일 또는 유사한 동작들 및 방법들 중 적어도 어느 하나 이상을 수행할 수 있다.
실시예들에 따른 수신 장치는 수신부(13000), 수신 처리부(13001), 아리스메틱 (arithmetic) 디코더(13002), 오큐판시 코드 (Occupancy code) 기반 옥트리 재구성 처리부(13003), 표면 모델 처리부(삼각형 재구성, 업-샘플링, 복셀화)(13004), 인버스(inverse) 양자화 처리부(13005), 메타데이터 파서(13006), 아리스메틱 (arithmetic) 디코더(13007), 인버스(inverse)양자화 처리부(13008), 예측/리프팅/RAHT 역변환 처리부(13009), 색상 역변환 처리부(13010) 및/또는 렌더러(13011)를 포함할 수 있다. 실시예들에 따른 디코딩의 각 구성요소는 실시예들에 따른 인코딩의 구성요소의 역과정을 수행할 수 있다.
실시예들에 따른 수신부(13000)는 포인트 클라우드 데이터를 수신한다. 수신부(13000)는 도 1의 리시버(10005)의 동작 및/또는 수신 방법과 동일 또는 유사한 동작 및/또는 수신 방법을 수행할 수 있다. 구체적인 설명은 생략한다.
실시예들에 따른 수신 처리부(13001)는 수신한 데이터로부터 지오메트리 비트스트림 및/또는 어트리뷰트 비트스트림을 획득할 수 있다. 수신 처리부(13001)는 수신부(13000)에 포함될 수 있다.
아리스메틱 디코더(13002), 오큐판시 코드 기반 옥트리 재구성 처리부(13003), 표면 모델 처리부(13004) 및 인버스 양자화 처리부(13005)는 지오메트리 디코딩을 수행할 수 있다. 실시예들에 따른 지오메트리 디코딩은 도 1 내지 도 10에서 설명한 지오메트리 디코딩과 동일 또는 유사하므로 구체적인 설명은 생략한다.
실시예들에 따른 아리스메틱 디코더(13002)는 지오메트리 비트스트림을 아리스메틱 코딩을 기반으로 디코딩할 수 있다. 아리스메틱 디코더(13002)는 아리스메틱 디코더(11000)의 동작 및/또는 코딩과 동일 또는 유사한 동작 및/또는 코딩을 수행한다.
실시예들에 따른 오큐판시 코드 기반 옥트리 재구성 처리부(13003)는 디코딩된 지오메트리 비트스트림으로부터 (또는 디코딩 결과 확보된 지오메트리에 관한 정보)로부터 오큐판시 코드를 획득하여 옥트리를 재구성할 수 있다. 오큐판시 코드 기반 옥트리 재구성 처리부(13003)는 옥트리 합성부(11001)의 동작 및/또는 옥트리 생성 방법과 동일 또는 유사한 동작 및/또는 방법을 수행한다. 실시예들에 따른 표면 모델 처리부(13004)는 트라이숩 지오메트리 인코딩이 적용된 경우, 표면 모델 방식에 기반하여 트라이숩 지오메트리 디코딩 및 이와 관련된 지오메트리 리컨스트럭션(예를 들면 삼각형 재구성, 업-샘플링, 복셀화)을 수행할 수 있다. 표면 모델 처리부(13004)는 서페이스 오프록시메이션 합성부(11002) 및/또는 지오메트리 리컨스트럭션부(11003)의 동작과 동일 또는 유사한 동작을 수행한다.
실시예들에 따른 인버스 양자화 처리부(13005)는 디코딩된 지오메트리를 인버스 양자화할 수 있다.
실시예들에 따른 메타데이터 파서(13006)는 수신한 포인트 클라우드 데이터에 포함된 메타데이터, 예를 들어 설정 값 등을 파싱할 수 있다. 메타데이터 파서(13006)는 메타데이터를 지오메트리 디코딩 및/또는 어트리뷰트 디코딩에 전달할 수 있다. 메타데이터에 대한 구체적인 설명은 도 12에서 설명한 바와 동일하므로 생략한다.
아리스메틱 디코더(13007), 인버스 양자화 처리부(13008), 예측/리프팅/RAHT 역변환 처리부(13009) 및 색상 역변환 처리부(13010)는 어트리뷰트 디코딩을 수행한다. 어트리뷰트 디코딩는 도 1 내지 도 10에서 설명한 어트리뷰트 디코딩과 동일 또는 유사하므로 구체적인 설명은 생략한다.
실시예들에 따른 아리스메틱 디코더(13007)는 어트리뷰트 비트스트림을 아리스메틱 코딩으로 디코딩할 수 있다. 아리스메틱 디코더(13007)는 재구성된 지오메트리를 기반으로 어트리뷰트 비트스트림의 디코딩을 수행할 수 있다. 아리스메틱 디코더(13007)는 아리스메틱 디코더(11005)의 동작 및/또는 코딩과 동일 또는 유사한 동작 및/또는 코딩을 수행한다.
실시예들에 따른 인버스 양자화 처리부(13008)는 디코딩된 어트리뷰트 비트스트림을 인버스 양자화할 수 있다. 인버스 양자화 처리부(13008)는 역양자화부(11006)의 동작 및/또는 역양자화 방법과 동일 또는 유사한 동작 및/또는 방법을 수행한다.
실시예들에 따른 예측/리프팅/RAHT 역변환 처리부(13009)는 재구성된 지오메트리 및 역양자화된 어트리뷰트들을 처리할 수 있다. 예측/리프팅/RAHT 역변환 처리부(13009)는 RAHT 변환부(11007), LOD생성부(11008) 및/또는 인버스 리프팅부(11009)의 동작들 및/또는 디코딩들과 동일 또는 유사한 동작들 및/또는 디코딩들 중 적어도 어느 하나 이상을 수행한다. 실시예들에 따른 색상 역변환 처리부(13010)는 디코딩된 어트리뷰트들에 포함된 컬러 값(또는 텍스쳐)을 역변환하기 위한 역변환 코딩을 수행한다. 색상 역변환 처리부(13010)는 컬러 역변환부(11010)의 동작 및/또는 역변환 코딩과 동일 또는 유사한 동작 및/또는 역변환 코딩을 수행한다. 실시예들에 따른 렌더러(13011)는 포인트 클라우드 데이터를 렌더링할 수 있다.
도 14는 실시예들에 따른 포인트 클라우드 데이터 송수신 방법/장치와 연동 가능한 구조의 예시를 나타낸다.
도 14의 구조는 서버(17600), 로봇(17100), 자율 주행 차량(17200), XR 장치(17300), 스마트폰(17400), 가전(17500) 및/또는 HMD(Head-Mount Display, 17700) 중에서 적어도 하나 이상이 클라우드 네트워크(17100)와 연결된 구성을 나타낸다. 로봇(17100), 자율 주행 차량(17200), XR 장치(17300), 스마트폰(17400) 또는 가전(17500) 등은 장치라 호칭된다. 또한, XR 장치(17300)는 실시예들에 따른 포인트 클라우드 압축 데이터 (PCC) 장치에 대응되거나 PCC장치와 연동될 수 있다.
클라우드 네트워크(17000)는 클라우드 컴퓨팅 인프라의 일부를 구성하거나 클라우드 컴퓨팅 인프라 안에 존재하는 네트워크를 의미할 수 있다. 여기서, 클라우드 네트워크(17000)는 3G 네트워크, 4G 또는 LTE(Long Term Evolution) 네트워크 또는 5G 네트워크 등을 이용하여 구성될 수 있다.
서버(17600)는 로봇(17100), 자율 주행 차량(17200), XR 장치(17300), 스마트폰(17400), 가전(17500) 및/또는 HMD(17700) 중에서 적어도 하나 이상과 클라우드 네트워크(17000)을 통하여 연결되고, 연결된 장치들(17100 내지 17700)의 프로세싱을 적어도 일부를 도울 수 있다.
HMD (Head-Mount Display)(17700)는 실시예들에 따른 XR 디바이스 및/또는 PCC 디바이스가 구현될 수 있는 타입 중 하나를 나타낸다. 실시예들에 따른HMD 타입의 디바이스는, 커뮤니케이션 유닛, 컨트롤 유닛, 메모리 유닛, I/O 유닛, 센서 유닛, 그리고 파워 공급 유닛 등을 포함한다.
이하에서는, 상술한 기술이 적용되는 장치(17100 내지 17500)의 다양한 실시 예들을 설명한다. 여기서, 도 14에 도시된 장치(17100 내지 17500)는 상술한 실시예들에 따른 포인트 클라우드 데이터 송수신 장치와 연동/결합될 수 있다.
<PCC+XR>
XR/PCC 장치(17300)는 PCC 및/또는 XR(AR+VR) 기술이 적용되어, HMD(Head-Mount Display), 차량에 구비된 HUD(Head-Up Display), 텔레비전, 휴대폰, 스마트 폰, 컴퓨터, 웨어러블 디바이스, 가전 기기, 디지털 사이니지, 차량, 고정형 로봇이나 이동형 로봇 등으로 구현될 수도 있다.
XR/PCC 장치(17300)는 다양한 센서들을 통해 또는 외부 장치로부터 획득한 3차원 포인트 클라우드 데이터 또는 이미지 데이터를 분석하여 3차원 포인트들에 대한 위치 데이터 및 어트리뷰트 데이터를 생성함으로써 주변 공간 또는 현실 객체에 대한 정보를 획득하고, 출력할 XR 객체를 렌더링하여 출력할 수 있다. 예컨대, XR/PCC 장치(17300)는 인식된 물체에 대한 추가 정보를 포함하는 XR 객체를 해당 인식된 물체에 대응시켜 출력할 수 있다.
<PCC+자율주행+XR>
자율 주행 차량(17200)은 PCC 기술 및 XR 기술이 적용되어, 이동형 로봇, 차량, 무인 비행체 등으로 구현될 수 있다.
XR/PCC 기술이 적용된 자율 주행 차량(17200)은 XR 영상을 제공하는 수단을 구비한 자율 주행 차량이나, XR 영상 내에서의 제어/상호작용의 대상이 되는 자율 주행 차량 등을 의미할 수 있다. 특히, XR 영상 내에서의 제어/상호작용의 대상이 되는 자율 주행 차량(17200)은 XR 장치(17300)와 구분되며 서로 연동될 수 있다.
XR/PCC영상을 제공하는 수단을 구비한 자율 주행 차량(17200)은 카메라를 포함하는 센서들로부터 센서 정보를 획득하고, 획득한 센서 정보에 기초하여 생성된 XR/PCC 영상을 출력할 수 있다. 예컨대, 자율 주행 차량(17200)은 HUD를 구비하여 XR/PCC 영상을 출력함으로써, 탑승자에게 현실 객체 또는 화면 속의 객체에 대응되는 XR/PCC 객체를 제공할 수 있다.
이때, XR/PCC 객체가 HUD에 출력되는 경우에는 XR/PCC 객체의 적어도 일부가 탑승자의 시선이 향하는 실제 객체에 오버랩되도록 출력될 수 있다. 반면, XR/PCC 객체가 자율 주행 차량의 내부에 구비되는 디스플레이에 출력되는 경우에는 XR/PCC 객체의 적어도 일부가 화면 속의 객체에 오버랩되도록 출력될 수 있다. 예컨대, 자율 주행 차량(17200)은 차로, 타 차량, 신호등, 교통 표지판, 이륜차, 보행자, 건물 등과 같은 객체와 대응되는 XR/PCC 객체들을 출력할 수 있다.
실시예들에 의한 VR (Virtual Reality) 기술, AR (Augmented Reality) 기술, MR (Mixed Reality) 기술 및/또는 PCC(Point Cloud Compression) 기술은, 다양한 디바이스에 적용 가능하다.
즉, VR 기술은, 현실 세계의 객체나 배경 등을 CG 영상으로만 제공하는 디스플레이 기술이다. 반면, AR 기술은, 실제 사물 영상 위에 가상으로 만들어진 CG 영상을 함께 보여 주는 기술을 의미한다. 나아가, MR 기술은, 현실세계에 가상 객체들을 섞고 결합시켜서 보여준다는 점에서 전술한 AR 기술과 유사하다. 그러나, AR 기술에서는 현실 객체와 CG 영상으로 만들어진 가상 객체의 구별이 뚜렷하고, 현실 객체를 보완하는 형태로 가상 객체를 사용하는 반면, MR 기술에서는 가상 객체가 현실 객체와 동등한 성격으로 간주된다는 점에서 AR 기술과는 구별이 된다. 보다 구체적으로 예를 들면, 전술한 MR 기술이 적용된 것이 홀로그램 서비스 이다.
다만, 최근에는 VR, AR, MR 기술을 명확히 구별하기 보다는 XR (extended Reality) 기술로 부르기도 한다. 따라서, 본 명세서의 실시예들은 VR, AR, MR, XR 기술 모두에 적용 가능하다. 이러한 기술은 PCC, V-PCC, G-PCC 기술 기반 인코딩/디코딩이 적용될 수 있다.
실시예들에 따른 PCC방법/장치는 자율 주행 서비스를 제공하는 차량에 적용될 수 있다.
자율 주행 서비스를 제공하는 차량은 PCC 디바이스와 유/무선 통신이 가능하도록 연결된다.
실시예들에 따른 포인트 클라우드 압축 데이터 (PCC) 송수신 장치는 차량과 유/무선 통신이 가능하도록 연결된 경우, 자율 주행 서비스와 함께 제공할 수 있는 AR/VR/PCC 서비스 관련 콘텐트 데이터를 수신/처리하여 차량에 전송할 수 있다. 또한 포인트 클라우드 데이터 송수신 장치 차량에 탑재된 경우, 포인트 클라우드 송수신 장치는 사용자 인터페이스 장치를 통해 입력된 사용자 입력 신호에 따라 AR/VR/PCC 서비스 관련 콘텐트 데이터를 수신/처리하여 사용자에게 제공할 수 있다. 실시예들에 따른 차량 또는 사용자 인터페이스 장치는 사용자 입력 신호를 수신할 수 있다. 실시예들에 따른 사용자 입력 신호는 자율 주행 서비스를 지시하는 신호를 포함할 수 있다.
한편, 송신측의 포인트 클라우드 비디오 인코더는 포인트 클라우드 데이터를 인코딩하기 전에 포인트 클라우드 데이터를 하나 이상의 3차원 블록들로 공간 분할(division or partition)하는 공간 분할 과정을 더 수행할 수 있다. 즉, 송신 장치의 인코딩 및 전송 동작 그리고 수신 장치의 디코딩 및 렌더링 동작이 실시간으로 이루어짐과 동시에 저지연으로 처리되기 위하여, 송신 장치에서 포인트 클라우드 데이터를 복수 개의 영역들로 공간 분할할 수 있다. 그리고 송신 장치는 공간 분할된 영역들(또는 블록들)을 각각 독립적으로 또는 비독립적으로 인코딩함으로써, 포인트 클라우드 데이터가 점유하는 3차원 공간상의 랜덤 액세스(random access)와 병렬 인코딩을 가능하게 하는 효과를 제공한다. 또한 송신 장치 및 수신 장치는 공간 분할된 영역(또는 블록) 단위로 독립적으로 또는 비독립적으로 인코딩 및 디코딩을 수행함으로써, 인코딩 및 디코딩 과정에서 누적되는 오류를 방지할 수 있다.
도 15는 실시예들에 따른 포인트 클라우드 송신 장치의 또 다른 예시를 보인 도면으로서, 공간 분할부를 구비한 예이다.
실시예들에 따른 포인트 클라우드 송신 장치는 데이터 입력부(51001), 좌표계 변환부(51002), 양자화 처리부(51003), 공간 분할부(51004), 시그널링 처리부(51005), 지오메트리 인코더(51006), 어트리뷰트 인코더(51007), 및 전송 처리부(51008)를 포함할 수 있다. 실시예들에 따라 좌표계 변환부(51002), 양자화 처리부(51003), 공간 분할부(51004), 지오메트리 인코더(51006), 및 어트리뷰트 인코더(51007)를 포인트 클라우드 비디오 인코더라 칭할 수 있다.
상기 데이터 입력부(51001)는 도 1의 포인트 클라우드 비디오 획득부(10001)의 동작의 일부 또는 전부를 수행할 수도 있고 또는 도 12의 데이터 입력부(12000)의 동작의 일부 또는 전부를 수행할 수도 있다. 그리고 상기 좌표계 변환부(51002)는 도 4의 좌표계 변환부(40000)의 동작의 일부 또는 전부를 수행할 수 있다. 또한, 상기 양자화 처리부(51003)는 도 4의 양자화부(40001)의 동작의 일부 또는 전부를 수행할 수도 있고, 또는 도 12의 양자화 처리부(12001)의 동작의 일부 또는 전부를 수행할 수 있다.
상기 공간 분할부(51004)는 양자화 처리부(51003)에서 양자화되어 출력되는 포인트 클라우드 데이터를 바운딩 박스(bounding box) 및/또는 서브 바운딩 박스 등에 기반하여 하나 이상의 3차원 블록들로 공간 분할할 수 있다. 이때 3차원 블록은 타일 그룹(Tile Group) 또는 타일(Tile) 또는 슬라이스(Slice) 또는 코딩 단위(Coding Unit, CU), 예측 단위(Prediction Unit, PU) 또는 변환 단위(TU)를 의미할 수 있다. 그리고 공간 분할을 위한 시그널링 정보는 시그널링 처리부(51005)에서 엔트로피 인코딩된 후 비트스트림 형태로 전송 처리부(51008)를 통해 전송되는 것을 일 실시예로 한다.
도 16(a) 내지 도16(c)는 바운딩 박스를 하나 이상의 타일들로 분할하는 일 실시예를 보이고 있다. 도 16(a)에서와 같이 포인트 클라우드 데이터에 해당하는 포인트 클라우드 오브젝트는 좌표계에 기반한 박스 형태로 나타낼 수 있는데, 이를 바운딩 박스라 한다. 즉, 바운딩 박스는 포인트 클라우드의 포인트들을 모두 담을 수 있는 육면체를 의미한다.
도 16(b)와 도 16(c)는 도 16(a)의 바운딩 박스가 타일1 (tile 1#)과 타일2 (tile 2#)로 분할되는 예를 보이며, 타일 2 (tile 2#)는 다시 슬라이스 1 (slice 1#)과 슬라이스 2(slice 2#)로 분할되는 예를 보이고 있다.
일 실시예로, 포인트 클라우드 콘텐츠는 액터(actor) 같은 한 사람이거나 여러 사람이거나, 한 사물이거나 여러 사물 일 수도 있지만, 더 큰 범위로 자율 주행을 위한 맵일 수도 있고, 로봇의 실내 네비게이션을 위한 맵일 수도 있다. 이러한 경우, 포인트 클라우드 콘텐츠는 지역적으로 연결 된 방대한 양의 데이터 일 수 있다. 그러면, 포인트 클라우드 콘텐츠를 한번에 인코딩/디코딩 할 수 없기 때문에 포인트 클라우드 콘텐츠의 압축을 수행하기 전에 타일 파티셔닝(partitioning)을 수행할 수 있다. 예를 들어, 건물 내의 101호를 하나의 타일로, 다른 102호를 또 다른 타일로 분할 할 수 있다. 분할된 타일을 병렬화를 적용하여 빠른 인코딩/디코딩을 할 수 있도록 지원하기 위해 다시 슬라이스(slice)로 파티셔닝(또는 분할)할 수 있다. 이를 슬라이스 파티셔닝(또는 분할)이라고 칭할 수 있다.
즉, 타일(tile)이란, 실시예들에 따른 포인트 클라우드 데이터가 점유하는 3차원 공간의 일부 영역(예, 직사각형 입방체)을 의미할 수 있다. 실시예들에 따른 타일은 하나 또는 그 이상의 슬라이스(slice)들을 포함할 수 있다. 실시예들에 따른 타일(tile)은 하나 또는 그 이상의 슬라이스(slice)들로 분할(파티션)됨으로써 포인트 클라우드 비디오 인코더는 포인트 클라우드 데이터를 병렬적으로 인코딩할 수 있다.
슬라이스(slice)란, 실시예들에 따른 포인트 클라우드 비디오 인코더에서 독립적으로 인코딩을 수행할 수 있는 데이터(또는 비트스트림)의 단위 및/또는 포인트 클라우드 비디오 디코더에서 독립적으로 디코딩을 수행할 수 있는 데이터(또는 비트스트림)의 단위를 의미할 수 있다. 실시예들에 따른 슬라이스는, 포인트 클라우드 데이터가 점유하는 3차원 공간 상의 데이터의 집합을 의미할 수도 있고, 포인트 클라우드 데이터 중 일부 데이터의 집합을 의미할 수도 있다. 슬라이스는 실시예들에 따른 타일(tile) 내에 포함된 포인트들의 영역 또는 포인트들의 집합을 의미할 수 있다. 실시예들에 따른 타일(tile)은 하나의 타일 내에 포함된 포인트들의 개수에 기초하여 하나 또는 그 이상의 슬라이스(slice)들로 분할될 수 있다. 예를 들어, 하나의 타일(tile)은 포인트들의 개수 별로 분할된 포인트들의 집합을 의미할 수 있다. 실시예들에 따른 타일(tile)은 포인트들의 개수에 기초하여 하나 이상의 슬라이스들로 분할할 수 있고, 분할하는 과정에서 일부 데이터가 분리(split)되거나 병합(merge)될 수 있다. 즉, 슬라이스는 해당 타일 내에서 독립적으로 코딩이 될 수 있는 단위일 수 있다. 이와 같이 공간으로 분할된 타일은 빠르고 효율적인 처리를 위해 다시 하나 이상의 슬라이스들로 나눌 수 있다.
실시예들에 따른 포인트 클라우드 비디오 인코더는 슬라이스 단위 또는 하나 이상의 슬라이스들을 포함하는 타일 단위로 포인트 클라우드 데이터의 인코딩을 수행할 수 있다. 또한 실시예들에 따른 포인트 클라우드 비디오 인코더는 타일별로 또는 슬라이스별로 양자화 및/또는 변환을 다르게 수행할 수 있다.
상기 공간 분할부(51004)에서 공간 분할된 하나 이상의 3차원 블록들(예, 슬라이스들)의 포지션들은 지오메트리 인코더(51006)로 출력되고, 어트리뷰트 정보(또는 어트리뷰트들이라 함)는 어트리뷰트 인코더(51007)로 출력된다. 포지션들은 분할된 단위(박스 또는 블록 또는 타일 또는 타일 그룹 또는 슬라이스)에 포함된 포인트들의 위치 정보일 수 있으며, 지오메트리 정보라 칭한다.
상기 지오메트리 인코더(51006)는 공간 분할부(51004)에서 출력되는 포지션들을 기반으로 옥트리를 구성하고 인코딩(즉, 압축)하여 지오메트리 비트스트림을 출력한다. 또한 상기 지오메트리 인코더(51006)는 옥트리 및/또는 근사화된 옥트리를 재구성하여 어트리뷰트 인코더(51007)로 출력할 수 있다. 재구성된 옥트리(reconstructed octree)는 재구성된 지오메트리(또는 복원된 지오메트리)로 호칭될 수 있다.
상기 어트리뷰트 인코더(51007)는 상기 지오메트리 인코더(51006)에서 출력되는 재구성된 지오메트리를 기반으로 공간 분할부(51004)에서 출력되는 어트리뷰트들을 인코딩(즉, 압축)하여 어트리뷰트 비트스트림을 출력한다.
도 17은 실시예들에 따른 지오메트리 인코더(51006)과 어트리뷰트 인코더(51007)의 다른 예시를 보인 상세 블록도이다.
도 17의 지오메트리 인코더(51006)의 복셀화 처리부(53001), 옥트리 생성부(53002), 지오메트리 정보 예측부(53003), 및 아리스메틱 코더(53004)는 도 4의 옥트리 분석부(40002), 서페이스 어프록시메이션 분석부(40003), 아리스메틱 인코더(40004), 및 지오메트리 리컨스트럭션부(40005)의 동작의 일부 또는 전부를 수행할 수도 있고, 또는 도 12의 복셀화 처리부(12002), 옥트리 오큐판시 코드 생성부(12003), 표면 모델 처리부(12004), 인트라/인터 코딩 처리부(12005), 및 아리스메틱 (Arithmetic) 코더(12006)의 동작의 일부 또는 전부를 수행할 수 있다.
도 17의 어트리뷰트 인코더(51007)는 색상 변환 처리부(53005), 어트리뷰트 변환 처리부(53006), LOD 구성부(53007), 이웃 포인트 집합 구성부(53008), 어트리뷰트 정보 예측부(53009), 잔여 어트리뷰트 정보 양자화 처리부(53010), 및 아리스메틱 코더(53011)를 포함할 수 있다.
일 실시예로, 상기 공간 분할부(51004)와 상기 복셀화 처리부(53001) 사이에 양자화 처리부가 더 구비될 수 있다. 상기 양자화 처리부는 공간 분할부(51004)에서 공간 분할된 하나 이상의 3차원 블록들(예, 슬라이스들)의 포지션들을 양자화한다. 이 경우, 상기 양자화부는 도 4의 양자화부(40001)의 동작의 일부 또는 전부를 수행할 수도 있고, 또는 도 12의 양자화 처리부(12001)의 동작의 일부 또는 전부를 수행할 수 있다. 상기 상기 공간 분할부(51004)와 상기 복셀화 처리부(53001) 사이에 양자화 처리부가 더 구비되는 경우, 도 15의 양자화 처리부(51003)는 생략될 수도 생략되지 않을 수도 있다.
실시예들에 따른 복셀화 처리부(53001)는 공간 분할된 하나 이상의 3차원 블록들(예, 슬라이스들)의 포지션들 또는 양자화된 포지션들을 기반으로 복셀화(voxelization)를 수행한다. 복셀화는 3차원 공간 상의 위치정보를 표현하는 최소한의 유닛을 의미한다. 실시예들에 따른 포인트 클라우드 콘텐트(또는 3차원 포인트 클라우드 비디오)의 포인트들은 하나 또는 그 이상의 복셀(voxel)들에 포함될 수 있다. 실시예들에 따라 하나의 복셀은 하나 또는 그 이상의 포인트들을 포함할 수 있다. 일 실시예로, 복셀화를 수행하기 전에 양자화가 수행되었다면, 복수개의 포인트들이 하나의 복셀에 속하는 경우가 발생할 수 있다.
본 명세서는 2개 이상의 포인트들이 하나의 복셀에 포함될 경우, 이들 2개 이상의 포인트들을 중복 포인트들(또는 중첩 포인트들, duplicated points)이라 칭하기로 한다. 즉, 지오메트리 인코딩/디코딩 과정에서 지오메트리 양자화와 복셀화를 통해 중복 포인트들이 생성될 수 있다.
실시예들에 따른 복셀화 처리부(53001)는 하나의 복셀에 속한 중복 포인트들을 병합하지 않고 그대로 옥트리 생성부(53002)로 출력할 수도 있고, 또는 증복 포인트들을 하나의 포인트로 병합하여 옥트리 생성부(53002)로 출력할 수도 있다.
실시예들에 따른 옥트리 생성부(53002)는 복셀화 처리부(53001)에서 출력되는 복셀을 기반으로 옥트리를 생성한다.
실시예들에 따른 지오메트리 정보 예측부(53003)는 상기 옥트리 생성부(53002)에서 생성된 옥트리를 기반으로 지오메트리 정보의 예측 및 압축을 수행하여 아리스메틱 코딩부(53004)로 출력한다. 또한 상기 지오메트리 정보 예측부(53003)는 압축을 통해 변경된 포지션들을 기반으로 지오메트리를 재구성하고, 재구성된(또는 복호화된) 지오메트리를 어트리뷰트 인코더(51007)의 LOD 구성부(53007)로 출력한다. 상기 지오메트리 정보의 재구성은 지오메트리 정보 예측부(53003)와 별도의 디바이스 또는 컴포넌트에서 수행될 수도 있다. 다른 실시예로, 상기 재구성된 지오메트리는 어트리뷰트 인코더(51007)의 어트리뷰트 변환 처리부(53006)에도 제공될 수 있다.
상기 어트리뷰트 인코더(51007)의 색상 변환 처리부(53005)는 도 4의 컬러 변환부(40006) 또는 도 12의 색상 변환 처리부(12008)에 대응한다. 실시예들에 따른 색상 변환 처리부(53005)는 상기 데이터 입력부(51001) 및/또는 공간 분할부(51004)에서 제공되는 어트리뷰트들에 포함된 색상 값(또는 텍스쳐)을 변환하는 색상 변환 코딩을 수행한다. 예를 들어, 색상 변환 처리부(53005)는 색상 정보의 포맷을 변환(예를 들어 RGB에서 YCbCr로 변환)할 수 있다. 실시예들에 따른 색상 변환 처리부(53005)의 동작은 어트리뷰트들에 포함된 색상 값에 따라 옵셔널(optional)하게 적용될 수 있다. 다른 실시예로, 상기 색상 변환 처리부(53005)는 재구성된 지오메트리를 기반으로 색상 변환 코딩을 수행할 수 있다. 지오메트리 재구성에 대한 상세 설명은 도 1 내지 도 9의 설명을 참조하기로 한다.
실시예들에 따른 어트리뷰트 변환 처리부(53006)는 지오메트리 인코딩이 수행되지 않은 포지션들 및/또는 재구성된 지오메트리를 기반으로 어트리뷰트들을 변환하는 어트리뷰트 변환을 수행할 수 있다.
상기 어트리뷰트 변환 처리부(53006)는 색상 재조정(recoloring)부로 호칭될 수 있다.
실시예들에 따른 어트리뷰트 변환 처리부(53006)의 동작은 중첩 포인트들(duplicated points)의 병합 여부에 따라 옵셔널(optional)하게 적용될 수 있다. 상기 중첩 포인트들의 병합 여부는 상기 지오메트리 인코더(51006)의 복셀화 처리부(53001)에서 수행되는 것을 일 실시예로 한다.
본 명세서는, 상기 복셀화 처리부(53001)에서 하나의 복셀에 속한 중첩 포인트들에 대한 병합이 수행된 경우, 상기 어트리뷰트 변환 처리부(53006)에서 어트리뷰트 변환을 수행하는 것을 일 실시예로 한다.
상기 어트리뷰트 변환 처리부(53006)는 도 4의 어트리뷰트 변환부(40007) 또는 도 12의 어트리뷰트 변환 처리부(12009)의 동작 및/또는 방법과 동일 또는 유사한 동작 및/또는 방법을 수행한다.
실시예들에 따라 상기 지오메트리 정보 예측부(53003)에서 재구성된 지오메트리 정보와 상기 어트리뷰트 변환 처리부(53006)에서 출력되는 어트리뷰트 정보는 어트리뷰트 압축을 위해 LOD 구성부(53007)로 제공된다.
실시예들에 따라 상기 어트리뷰트 변환 처리부(53006)에서 출력되는 어트리뷰트 정보는 재구성된 지오메트리 정보를 기반으로 RAHT 코딩 기법, LOD 기반의 예측 변환 코딩 기법 및 리프팅 변환 코딩 기법 중 어느 하나 또는 둘 이상을 조합하여 압축될 수 있다.
이 후 본 명세서는 LOD 기반의 예측 변환 코딩 기법 및 리프팅 변환 코딩 기법 중 어느 하나 또는 둘을 조합하여 어트리뷰트 압축을 수행하는 것을 일 실시예로 한다. 그러므로, RAHT 코딩 기법에 대해서는 설명을 생략하기로 한다. RAHT 변환 코딩에 대한 설명은 도 1 내지 도 9의 설명을 참조하기로 한다.
실시예들에 따른 LOD 구성부(53007)는 LOD(Level of Detail)를 생성한다.
상기 LOD는 포인트 클라우드 콘텐트의 디테일을 나타내는 정도로서, LOD 값이 작을 수록 포인트 클라우드 콘텐트의 디테일이 떨어지고, LOD 값이 클 수록 포인트 클라우드 콘텐트의 디테일이 높음을 나타낸다. 포인트들을 LOD에 따라 분류될 수 있다.
일 실시예로, 예측 변환 코딩 기법과 리프팅 변환 코딩 기법에서는 LOD들로 포인트들을 나누어 그룹핑할 수 있다.
이를 LOD 생성 과정이라고 칭하며, 서로 다른 LOD를 갖는 그룹을 LOD l 집합으로 지칭할 수 있다. 여기서, l은 LOD를 나타내며 0부터 시작하는 정수이다. LOD 0는 포인트간의 거리가 가장 큰 포인트로 구성된 집합이고, l이 커질수록 LOD l에 속한 포인트간의 거리는 작아진다.
실시예들에 따른 이웃 포인트 집합 구성부(53008)는 상기 LOD 구성부(53007)에서 LOD l 집합이 생성되면, LOD l 집합을 기반으로 LOD가 같거나 작은 (즉, 노드간의 거리가 큰) 그룹에서 X(>0)개의 가장 가까운 이웃 포인트(nearest neighbor)들을 찾아 예측기(predictor)에 이웃 포인트 집합으로 등록할 수 있다. X개는 이웃 포인트로 설정될 수 있는 최대 개수로 사용자 파라미터로 입력받을 수 있다.
도 9를 예로 들면, LOD 1 에 속하는 P3의 이웃 포인트를 LOD 0 과 LOD 1 에서 찾는다. 예를 들어, 이웃 포인트로 설정될 수 있는 최대 개수(X)가 3이라면, P3와 가장 가까운 3개의 이웃 노드는 P2 P4 P6가 될 수 있다. 이 3개의 노드가 P3의 예측기에 이웃 포인트 집합으로 등록된다. 이 중 이웃 노드 P4가 거리 기반으로 P3와 가장 가깝고 다음에 P6, 그 다음에 P2 인것을 일 실시예로 한다. 여기서, X=3인 것은 당업자의 이해를 돕기 위한 일 실시예이며, X 값은 달라질 수 있다.
전술한 바와 같이, 포인트 클라우드 데이터의 모든 포인트들은 각각 예측기(predictor)를 가질 수 있다.
실시예들에 따른 어트리뷰트 정보 예측부(53009)는 예측기에 등록된 이웃 포인트들로부터 어트리뷰트를 예측한다. 예측기는 등록된 이웃 포인트 집합을 가지고 각 이웃 포인트와의 거리 값을 기반으로 ½거리 = 가중치(weight)로 등록할 수 있다. 예를 들어, P3 노드의 예측기는 이웃 포인트 집합으로 (P2 P4 P6)를 가지고 각각의 이웃 포인트와의 거리값을 기반으로 가중치를 계산한다. 실시예들에 따라 각 이웃 포인트들의 가중치는
Figure PCTKR2020012072-appb-img-000008
Figure PCTKR2020012072-appb-img-000009
이 될 수 있다.
실시예들에 따라 상기 이웃 포인트 집합 구성부(53008) 또는 상기 어트리뷰트 정보 예측부(53009)는 예측기의 이웃 포인트 집합이 설정되면, 이웃 포인트들의 가중치 전체 합으로 각 이웃 포인트들의 가중치를 정규화(normalize)할 수 있다.
예를 들어, P3노드의 이웃 포인트 집합 내의 모든 이웃 포인트들의 가중치를 더하고
Figure PCTKR2020012072-appb-img-000010
, 그 값을 각 이웃 포인트들의 가중치로 다시 나누어 줌으로써
Figure PCTKR2020012072-appb-img-000011
Figure PCTKR2020012072-appb-img-000012
, 각 이웃 포인트들의 가중치를 정규화한다.
그리고 나서, 상기 어트리뷰트 정보 예측부(53009)는 예측기를 통해 어트리뷰트 정보를 예측할 수 있다.
실시예들에 따라 예측기에 등록된 이웃 포인트들의 어트리뷰트들(예를 들면, 색상, 반사율 등)에 가중치(또는 정규화된 가중치)를 곱한 값의 평균을 예측된 결과(즉, 예측 어트리뷰트 값)로 설정할 수도 있고, 또는 특정 포인트의 어트리뷰트를 예측된 결과(즉, 예측 어트리뷰트 값)로 설정할 수도 있다. 실시예들에 따르면, 예측 어트리뷰트 값은 예측 어트리뷰트 정보라 칭할 수도 있다. 그리고, 잔여(residual) 어트리뷰트 값(또는 잔여 어트리뷰트 정보 또는 잔차라 함)은 해당 포인트의 어트리뷰트 값(즉, 오리지날 어트리뷰트 값)에서 해당 포인트의 예측 어트리뷰트 값(이를 예측 어트리뷰트 값 또는 예측 어트리뷰트 정보라 함)을 뺌으로써 구할 수 있다.
실시예들에 따르면, 다양한 예측 모드(또는 예측기 인덱스라 함)들을 적용하여 압축된 결과 값을 미리 계산한 후, 이 중 가장 작은 스트림을 생성할 수 있는 예측 모드(즉, 예측기 인덱스)를 선택하는 것을 일 실시예로 한다.
다음은 예측기에서 예측 모드를 선택하고, 선택된 예측 모드를 기반으로 어트리뷰트 정보를 예측하는 과정에 대해 상세히 설명한다.
본 명세서에서 예측 모드(prediction mode)는 예측기 인덱스(predictor index, Preindex)와 동일 의미로 사용되며, 넓게는 예측 방법으로 호칭될 수 있다.
본 명세서에서 각 포인트마다 가장 적합한 예측 모드를 찾고, 이렇게 찾은 예측 모드를 해당 포인트의 예측기에 설정하는 과정은 어트리뷰트 정보 예측부(53009)에서 수행하는 것을 일 실시예로 한다.
실시예들에 따르면, 가중치 평균을 통해서 계산된 예측 어트리뷰트 값(즉, 각 포인트의 예측기에 설정된 이웃 포인트들의 어트리뷰트들에 각 이웃 포인트까지의 거리를 기반으로 계산된 가중치를 곱한 값의 평균값)과 이때의 잔여 어트리뷰트 값, 첫번째 이웃 포인트의 어트리뷰트를 예측 어트리뷰트 값으로 정했을때의 잔여 어트리뷰트 값, 두번째 이웃 포인트의 어트리뷰트를 예측 어트리뷰트 값으로 정했을때의 잔여 어트리뷰트 값, 세번쨰 이웃 포인트의 어트리뷰트를 예측 어트리뷰트 값으로 정했을떄의 잔여 어트리뷰트 값을 구하고, 위의 잔여 어트리뷰트 값들 중 가장 작은 잔여 어트리뷰트 값을 선택하여 해당 포인트의 예측기의 예측 모드를 설정할 수 있다.
즉, 각 예측 모드별로 구한 잔여 어트리뷰트 값들 중 가장 작은 잔여 어트리뷰트 값을 갖는 예측 모드가 해당 포인트의 예측 모드로 선택될 수 있다.
예를 들어, 두번째 이웃 포인트의 어트리뷰트를 예측 어트리뷰트 값으로 정했을때의 잔여 어트리뷰트 값이 가장 작은 값이라면, 두번째 이웃 포인트의 어트리뷰트를 예측 어트리뷰트 값으로 정하는 예측 방법이 해당 포인트의 예측기의 예측 모드로 선택된다.
위의 예시와 같이, P3의 이웃 포인트들 P2 P4 P6 중 이웃 포인트 P4가 해당 포인트 P3와 거리 기반으로 가장 가깝고, 다음에 이웃 포인트 P6, 그 다음에 이웃 포인트 P2라고 가정하면, 첫번째 이웃 포인트는 P4, 두번째 이웃 포인트는 P6, 그리고 세번째 이웃 포인트는 P2가 될 수 있다.
실시예들에 따르면, 가중치 평균을 통해서 예측 어트리뷰트 값을 계산하는 예측 모드의 값은 0, 첫번째 이웃 포인트의 어트리뷰트를 예측 어트리뷰트 값으로 정하는 예측 모드의 값은 1, 두번째 이웃 포인트의 어트리뷰트를 예측 어트리뷰트 값으로 정하는 예측 모드의 값은 2, 세번쨰 이웃 포인트의 어트리뷰트를 예측 어트리뷰트 값으로 정하는 예측 모드의 값은 3을 할당할 수 있다. 이러한 경우, 예측 모드의 값이 0이면 가중치 평균, 1이면 첫번쨰 이웃 노드(즉, 이웃 포인트), 2이면 두번째 이웃 노드, 3이면 세번쨰 이웃 노드를 통해 어트리뷰트를 예측했다는 것을 나타낼 수 있다.
이는 본 명세서의 이해를 돕기 위한 일 실시예이며, 예측 모드에 할당되는 값 및 예측 방법들은 당업자에 의해 추가, 삭제, 변경될 수 있으므로, 본 명세서는 상기된 실시예들로 제한되지 않는다.
실시예들에 따르면, 복수개의 예측 모드들 중 가장 적합한 예측 모드를 찾아 해당 포인트의 예측기의 예측 모드로 설정하는 과정은 기 설정된 조건을 만족하는 경우에 수행될 수 있다. 그러므로, 기 설정된 조건을 만족하지 않는 경우에는 가장 적합한 예측 모드를 찾는 과정을 수행하지 않고 가중치 평균을 통해서 예측 어트리뷰트 값을 계산하는 예측 모드를 해당 포인트의 예측기의 예측 모드로 설정할 수 있다. 이러한 과정은 각 포인트별로 수행하는 것을 일 실시예로 한다.
실시예들에 따르면, 특정 포인트에 대해 기 설정된 조건을 만족하는 경우는, 해당 포인트의 예측기에 등록된 이웃 포인트들간의 어트리뷰트 요소들(예, R,G,B)의 차이 값이 기 설정된 임계값보다 큰 경우일 수도 있고, 또는 해당 포인트의 예측기에 등록된 이웃 포인트들간의 어트리뷰트 요소들(예, R,G,B)의 차이 값을 구하고 가장 큰 요소값들의 합이 기 설정된 임계값보다 큰 경우일 수도 있다. 예를 들어, P3 포인트가 해당 포인트이고, P3 포인트의 이웃 포인트들로 P2 P4 P6 포인트들이 등록되었다고 가정한다. 이에 더하여, P2 포인트와 P4 포인트 사이의 R,G,B 각각의 차이값을 구하고, P2 포인트와 P6 포인트 사이의 R,G,B 각각의 차이값을 구하고, P4 포인트와 P6 포인트 사이의 R,G,B 각각의 차이값을 구했을 때, R 차이값은P2 포인트와 P4 포인트 간이 가장 크고, G 차이값은 P4 포인트와 P6 포인트 간이 가장 크고, B 차이값은 P2 포인트와 P6포인트 간이 가장 크다고 가정한다. 또한 가장 큰 R 차이값(즉, P2와 P4 사이)과 가장 큰 G 차이값(즉, P4와 P6 사이)과 가장 큰 B 차이 값(즉, P2와 P6 사이) 중 P2 포인트와 P4 포인트 간의 R 차이 값이 가장 크다고 가정한다.
이러한 가정에서, 가장 큰 R 차이 값이 기 설정된 임계값보다 크거나 또는 가장 큰 R 차이 값과 가장 큰 G 차이값 그리고 가장 큰 B 차이 값의 합이 기 설정된 임계값보다 크면 복수개의 예측 모드들 중 가장 적합한 예측 모드를 찾는 과정을 수행할 수 있다. 또한, 가장 큰 R 차이 값이 기 설정된 임계값보다 크거나 또는 가장 큰 R 차이 값과 가장 큰 G 차이값 그리고 가장 큰 B 차이 값의 합이 기 설정된 임계값보다 큰 경우에만 예측 모드를 시그널링할 수 있다. 즉, 복수개의 예측 모드들 중 가장 적합한 예측 모드를 찾는 과정을 수행하는 경우에만 시그널링 처리부(51005)를 통해 예측 모드를 시그널링할 수 있다. 다른 실시예로, 예측 모드가 시그널링되지 않으면, 송신측에서는 디폴트로 정한 예측 모드(예, 예측 모드 0)를 기반으로 예측 어트리뷰트 값을 구하고, 오리지날 어트리뷰트 값과 예측 어트리뷰트 값의 차이로 잔여 어트리뷰트 값을 구하여 전송하고, 수신측에서는 디폴트로 정한 예측 모드(예, 예측 모드 0)를 기반으로 예측 어트리뷰트 값을 구하고 수신된 잔여 어트리뷰트 값과 더하여 어트리뷰트 값을 복원할 수 있다.
실시예들에 따르면, 임계값은 직접 입력될 수도 있고, 어트리뷰트 파라미터 세트에 시그널링될 수도 있다(예, APS에 포함된 lifting_adaptive_prediction_threshold 필드).
그리고 전술한 과정을 통해 각 포인트별로 선택된 예측 모드와 선택된 예측 모드에서의 잔여 어트리뷰트 값은 잔여 어트리뷰트 정보 양자화 처리부(53010)로 출력된다.
실시예들에 따르면, 상기 어트리뷰트 정보 예측부(53009)는 도 18(a)와 같이 각 포인트별로 예측 모드와 잔여 어트리뷰트 값을 하나의 페어로 하는 비트스트림을 구성한 후 잔여 어트리뷰트 정보 양자화 처리부(53010)로 출력할 수 있다. 예를 들어, P1 포인트의 예측 모드와 잔여 어트리뷰트 값이 잔여 어트리뷰트 정보 양자화 처리부(53010)로 출력되고, 이어 P2 포인트의 예측 모드와 잔여 어트리뷰트 값이 잔여 어트리뷰트 정보 양자화 처리부(53010)로 출력되는 과정이 나머지 포인트들에 대해서도 적용된다.
실시예들에 따르면, 상기 어트리뷰트 정보 예측부(53009)는 도 18(b)와 같이 모든 포인트에 대해 예측 모드와 잔여 어트리뷰트 값을 분리한 후, 분리된 예측 모드들로 구성된 예측 모드 비트스트림과 분리된 잔여 어트리뷰트 값들로 구성된 잔여 어트리뷰트 값 비트스트림을 각각 잔여 어트리뷰트 정보 양자화 처리부(53010)로 출력할 수도 있다. 두 비트스트림들은 병렬로 출력될 수도 있고, 예측 모드들을 포함하는 비트스트림을 출력한 후 잔여 어트리뷰트 값들을 포함하는 비트스트림을 직렬로 출력할 수도 있다.
실시예들에 따라 예측 모드와 잔여 어트리뷰트 값의 분리 여부에 대한 정보(예, attribute_pred_residual_separate_encoding_flag)를 시그널링할 수 있다. 이 정보는 시퀀스 파라미터 세트, 어트리뷰트 파라미터 세트, 타일 파라미터 세트, 어트리뷰트 슬라이스 헤더 중 적어도 하나에 시그널링될 수 있다.
일 실시예로, 모든 포인트에 대해 예측 모드와 잔여 어트리뷰트 값을 분리하여 각각의 비트스트림으로 출력하는 경우만 있다면, 예측 모드와 잔여 어트리뷰트 값의 분리 여부에 대한 정보를 시그널링하지 않을 수도 있다.
실시예들에 따르면, 상기 어트리뷰트 정보 예측부(53009)는 모든 포인트에 대해 예측 모드와 잔여 어트리뷰트 값을 분리하여 각각의 비트스트림으로 전송할 때, 분리된 예측 모드들에 대해 추가적으로 런-랭스(run-length) 코딩을 수행할 수 있다. 실시예들에 따르면, 분리된 예측 모드들에 대해 런-랭스 코딩이 적용되었는지 여부에 대한 정보(예, attribute_pred_residual_separate_encoding_flag)를 시그널링할 수 있다. 이 정보는 시퀀스 파라미터 세트, 어트리뷰트 파라미터 세트, 타일 파라미터 세트, 어트리뷰트 슬라이스 헤더 중 적어도 하나에 시그널링될 수 있다. 실시예들에 따르면, 분리된 예측 모드들의 비트스트림에 대해 항상 런-랭스 코딩을 적용하는 경우, 예측 모드들의 런-랭스 코딩 여부에 대한 정보를 시그널링하지 않을 수도 있다.
본 명세서는 예측 모드와 잔여 어트리뷰트 값의 분리 여부에 대한 정보(예, attribute_pred_residual_separate_encoding_flag)와 예측 모드들에 대해 런-랭스 코딩이 적용되었는지 여부에 대한 정보(예, attribute_pred_residual_separate_encoding_flag)를 포함하여 예측 모드 처리 관련 옵션 정보라 칭하기로 한다. 전술한 예측 모드 처리 관련 옵션 정보, 예측 모드와 잔여 어트리뷰트 값의 분리 여부에 대한 정보, 예측 모드들에 대해 런-랭스 코딩이 적용되었는지 여부에 대한 정보의 명칭은 시그널링 정보의 의미 및 기능의 범위 내에서 이해될 수 있다.
한편, 병렬처리를 지원하기 위해, 특정 포인트와 해당 포인트의 이웃으로 등록된 이웃 포인트들과의 어트리뷰트 요소들의 차이 값을 비교하기 위한 임계값이 0으로 설정되면, 전송되는 모든 포인트들의 각 예측 모드의 값은 0, 즉, 가중치 평균을 통해서 예측 어트리뷰트 값을 계산한 예측 모드일 확률이 높다.
따라서, 본 명세서는 기 설정된 임계값을 0으로 설정하는 것을 일 실시예로 한다. 이는 하나의 실시예이며, 기 설정된 임계값은 0보다 큰 값으로 설정할 수도 있다.
본 명세서는 특정 포인트의 이웃으로 등록된 이웃 포인트들간의 어트리뷰트 요소들(예, R,G,B)의 차이 값들 중 최대값 또는 특정 포인트의 이웃으로 등록된 이웃 포인트들간의 어트리뷰트 요소들(예, R,G,B)의 차이 값들 중 가장 큰 요소 값들의 합이 기 설정된 임계값보다 크면, 각 포인트로부터 예측 모드와 어트리뷰트 값을 분리한 후, 모든 포인트들의 예측 모드들을 모아 구성된 예측 모드 비트스트림에 대해 제로 런-랭스 코딩을 적용하는 것을 일 실시예로 한다.
도 19는 실시예들에 따른 제로 런-랭스(zero run-length) 코딩의 예시를 보인 도면이다. 예측 모드(selected predictor indexes, 또는 prediction mode)들의 리스트(즉, 예측 모드 비트스트림)에서 0의 수를 순서대로 zerorun을 통해 카운트할 수 있다. 도 19와 같이 맨처음 예측 모드는 1이다. 따라서 코드된 예측 모드 비트스트림에 zerorun 0을 넣고, 그 다음에 1을 넣는다. 다음 예측 모드는 0이고, 0이 연속 3개가 나온 후 다음 값이 1일 경우, zerorun을 통해 카운트된 3을 코드된 예측 모드 비트스트림에 넣고 그 다음에 1을 넣는다. 그 다음 예측 모드는 2라면, zerorun 0을 코드된 예측 모드 비트스트림에 넣고, 2값을 넣는 방식으로 제로 런-랭스 코딩된 예측 모드 비트스트림을 구성할 수 있다. 즉, 도 19를 예로 들면, 제로 런-랭스 코딩된 예측 모드 비트스트림의 사이즈는 '100012200000'에서 '013102025'로 줄어들게 된다.
즉, 예측 모드들이 0에 인접하게 많은 경우, 도 19와 같이 제로 런-랭스 코딩을 통해 인코딩함으로써, 어트리뷰트 비트스트림의 사이즈를 줄일 수 있다. 이에 더하여, 어트리뷰트 비트스트림의 사이즈는 작아지지만 PSNR(Peak Signal-to-noise ratio)에 변화가 없기 때문에 어트리뷰트 압축 효율이 높아질 수 있다.
실시예들에 따른 잔여 어트리뷰트 정보 양자화 처리부(53010)는 상기 어트리뷰트 정보 예측부(53009)로부터 도 18(a)와 같이 포인트별로 예측 모드와 잔여 어트리뷰트 값이 페어로 된 비트스트림 또는 도 18(b)와 같이 모든 포인트들의 예측 모드들로 구성된 예측 모드 비트스트림과 잔여 어트리뷰트 값들로 구성된 잔여 어트리뷰트 값 비트스트림을 입력받고, 이 중 잔여 어트리뷰트 값들에 대해 양자화를 수행한다. 이때, 예측 모드들로 구성된 예측 모드 비트스트림은 제로 런-랭스 코딩이 수행된 예측 모드 비트스트림일 수도 있고, 제로 런-랭스 코딩이 수행되지 않은 예측 모드 비트스트림일 수도 있다.
실시예들에 따르면, 잔여 어트리뷰트 정보 양자화 처리부(53010)는 도 18(a)와 같이 입력된 비트스트림에 포함된 잔여 어트리뷰트 값들에 대해 또는 도 18(b)와 같이 입력된 잔여 어트리뷰트 값 비트스트림에 포함된 잔여 어트리뷰트 값들에 대해 제로 런-랭스 코딩을 적용할 수 있다.
실시예들에 따르면, 잔여 어트리뷰트 정보 양자화 처리부(53010)는 기본적으로 도 18(b)와 같이 입력된 잔여 어트리뷰트 값 비트스트림에 포함된 잔여 어트리뷰트 값들에 대해 제로 런-랭스 코딩을 적용할 수 있고 또는, 예측 모드와 잔여 어트리뷰트 값의 분리 여부에 대한 정보(예, attribute_pred_residual_separate_encoding_flag)를 기반으로 도 18(a) 또는 도 18(b)의 잔여 어트리뷰트 값들에 대해 제로 런-랭스 코딩을 적용할 수도 있다.
본 명세서는 예측 모드와 잔여 어트리뷰트 값의 분리 여부에 대한 정보(예, attribute_pred_residual_separate_encoding_flag)가 진실(true)이면, 모든 포인트들의 예측 모드들로 구성된 비트스트림에 대해 제로 런-랭스 코딩을 수행하고, 모든 포인트들의 잔여 어트리뷰트 값들로 구성된 비트스트림에 대해 양자화 및 제로 런-랭스 코딩을 수행하는 것을 일 실시예로 한다.
본 명세서는 예측 모드와 잔여 어트리뷰트 값의 분리 여부에 대한 정보(예, attribute_pred_residual_separate_encoding_flag)가 거짓(false)이면, 포인트별로 예측 모드와 잔여 어트리뷰트 값이 페어로 된 비트스트림에서 잔여 어트리뷰트 값들에 대해서만 양자화 및 제로 런-랭스 코딩을 수행하는 것을 일 실시예로 한다.
실시예들에 따른 아리스메틱 코더(53011)는 상기 잔여 어트리뷰트 정보 양자화 처리부(53010)에서 출력되는 예측 모드들과 잔여 어트리뷰트 값들에 대해 아리스메틱 코딩을 적용하여 어트리뷰트 비트스트림으로 출력한다.
본 명세서는 전술한 바와 같이, 모든 포인트들로부터 예측 모드와 잔여 어트리뷰트 값을 분리한 후, 분리된 모든 포인트들의 예측 모드들에 대해 먼저 인코딩을 수행하고, 이 후 모든 포인트들의 잔여 어트리뷰트 값들에 대해 인코딩을 수행할 수 있다. 여기서 인코딩은 제로 런-랭스 인코딩인 것을 일 실시예로 한다.
이와 같이 모든 포인트들로부터 예측 모드와 잔여 어트리뷰트 값을 분리하게 되면, 예측 모드 내의 스트림간의 특성을 이용하여 더 효율적으로 인코딩할 수 있다. 또한 수신 장치에서는 모든 포인트들의 예측 모드들을 먼저 디코딩하여, 예를 들어 지오메트리 디코딩시에 다른 프로세서나 다른 쓰레드(thread)에서 예측 모드들을 먼저 디코딩하여 잔여 어트리뷰트 값을 디코딩할 때 바로 사용할 수 있다.
상기 지오메트리 인코더(51006)에서 압축되어 출력되는 지오메트리 비트스트림과 상기 어트리뷰트 인코더(51007)에서 압축되어 출력되는 어트리뷰트 비트스트림은 전송 처리부(51008)로 출력된다.
실시예들에 따른 전송 처리부(51008)는 도 12의 전송 처리부(12012)의 동작 및/또는 전송 방법과 동일 또는 유사한 동작 및/또는 전송 방법을 수행할 수도 있고, 도 1의 트랜스미터(10003)의 동작 및/또는 전송 방법과 동일 또는 유사한 동작 및/또는 전송 방법을 수행할 수 있다. 구체적인 설명은 도 1 또는 도 12의 설명을 참조하기로 하고 여기서는 생략한다.
실시예들에 따른 전송 처리부(51008)는 상기 지오메트리 인코더(51006)에서 출력되는 지오메트리 비트스트림, 상기 어트리뷰트 인코더(51007)에서 출력되는 어트리뷰트 비트스트림, 상기 시그널링 처리부(51005)에서 출력되는 시그널링 비트스트림을 각각 전송할 수도 있고, 하나의 비트스트림으로 다중화하여 전송할 수도 있다.
실시예들에 따른 전송 처리부(51008)는 비트스트림을 파일 또는 세그먼트(예를 들면 스트리밍 세그먼트) 등으로 인캡슐레이션한 후 방송망 및/또는 브로드밴드 망등의 다양한 네트워크를 통해 전송할 수도 있다.
실시예들에 따른 시그널링 처리부(51005)는 시그널링 정보를 생성 및/또는 처리하여 비트스트림 형태로 전송 처리부(51008)로 출력할 수 있다. 상기 시그널링 처리부(51005)에서 생성 및/또는 처리된 시그널링 정보는 지오메트리 인코딩, 어트리뷰트 인코딩, 및 전송 처리를 위해 지오메트리 인코더(51006), 어트리뷰트 인코더(51007), 및/또는 전송 처리부(51008)로 제공될 수도 있고, 또는 상기 시그널링 처리부(51005)가 지오메트리 인코더(51006), 어트리뷰트 인코더(51007), 및/또는 전송 처리부(51008)에서 생성된 시그널링 정보를 제공받을 수도 있다.
본 명세서에서 시그널링 정보는 parameter set (SPS: sequence parameter set, GPS: geometry parameter set, APS: attribute parameter set, TPS: Tile Parameter Set 등) 단위로 시그널링되어 전송될 수 있다. 또한 슬라이스 또는 타일과 같이 각 영상의 코딩 유닛 단위로 시그널링되어 전송될 수도 있다. 본 명세서에서 시그널링 정보는 포인트 클라우드 데이터에 관한 메타데이터(예를 들어 설정 값 등)를 포함할 수 있으며, 지오메트리 인코딩, 어트리뷰트 인코딩, 및 전송 처리를 위해 지오메트리 인코더(51006)와 어트리뷰트 인코더(51007), 및/또는 전송 처리부(51008)로 제공될 수 있다. 어플리케이션에 따라 시그널링 정보는 파일 포맷, DASH(dynamic adaptive streaming over HTTP), MMT(MPEG media transport) 등의 시스템 단 또는 HDMI(High Definition Multimedia Interface), Display Port, VESA(Video Electronics Standards Association), CTA 등의 유선 인터페이스 단에서도 정의될 수 있다.
실시예들에 따른 방법/장치가 실시예들의 동작을 추가/수행 하기 위해서 관련 정보를 시그널링 할 수 있다. 실시예들에 따른 시그널링 정보는 송신 장치 및/또는 수신 장치에서 사용될 수 있다.
본 명세서에서 예측 모드 처리 관련 옵션 정보 예를 들어, 예측 모드와 잔여 어트리뷰트 값의 분리 여부에 대한 정보(예, attribute_pred_residual_separate_encoding_flag)와 분리된 예측 모드들에 대해 런-랭스 코딩이 적용되었는지 여부에 대한 정보(예, attribute_pred_residual_separate_encoding_flag)는 시퀀스 파라미터 세트, 어트리뷰트 파라미터 세트, 타일 파라미터 세트, 어트리뷰트 슬라이스 헤더 중 적어도 하나에 시그널링되는 것을 일 실시예로 한다.
한편, 수신 장치의 포인트 클라우드 비디오 디코더에서도 전술한 송신 장치의 포인트 클라우드 비디오 인코더에서와 같이 LOD l 집합을 생성하고, LOD l 집합을 기반으로 가장 가까운 이웃(nearest neighbor) 포인트들을 찾아 예측기에 이웃 포인트 집합으로 등록하며, 각각의 이웃 포인트와의 거리 값을 기반으로 가중치를 계산하여 정규화하는 과정을 동일 또는 유사하게 수행한다. 그리고, 수신된 예측 모드를 디코딩하고, 디코딩된 예측 모드에 따라 해당 포인트의 어트리뷰트 값을 예측한다. 이에 더하여, 수신된 잔여 어트리뷰트 값을 디코딩한 후, 상기 예측된 어트리뷰트 값을 더하여 해당 포인트의 어트리뷰트 값을 복원할 수 있다.
전술한 바와 같이, 송신 장치의 어트리뷰트 인코더에서 모든 포인트들로부터 예측 모드와 잔여 어트리뷰트 값을 분리하고, 분리된 예측 모드들로 예측 모드 비트스트림을 구성하고, 분리된 잔여 어트리뷰트 값들로 잔여 어트리뷰트 값 비트스트림을 구성함으로써, 수신 장치의 어트리뷰트 디코더에서 어트리뷰트 값을 복원시 디코딩 효율을 높일 수 있다.
도 20은 실시예들에 따른 포인트 클라우드 수신 장치의 또 다른 예시를 보인 도면이다.
실시예들에 따른 포인트 클라우드 수신 장치는 수신 처리부(61001), 시그널링 처리부(61002), 지오메트리 디코더(61003), 어트리뷰트 디코더(61004), 및 후 처리부(post-processor)(61005)를 포함할 수 있다. 실시예들에 따라 지오메트리 디코더(61003)와 어트리뷰트 디코더(61004)를 포인트 클라우드 비디오 디코더라 칭할 수 있다. 실시예들에 따르면, 포인트 클라우드 비디오 디코더는 PCC 디코더, PCC 디코딩부, 포인트 클라우드 디코더, 포인트 클라우드 디코딩부 등으로 호칭될 수 있다.
실시예들에 따른 수신 처리부(61001)는 하나의 비트스트림을 수신할 수도 있고, 또는 지오메트리 비트스트림, 어트리뷰트 비트스트림, 시그널링 비트스트림을 각각 수신할 수도 있다. 실시예들에 따른 수신 처리부(61001)는 파일 및/또는 세그먼트가 수신되면, 수신된 파일 및/또는 세그먼트를 디캡슐레이션하여 비트스트림으로 출력할 수 있다.
실시예들에 따른 수신 처리부(61001)는 하나의 비트스트림이 수신(또는 디캡슐레이션)되면, 하나의 비트스트림으로부터 지오메트리 비트스트림, 어트리뷰트 비트스트림, 및/또는 시그널링 비트스트림을 디멀티플렉싱하고, 디멀티플렉스된 시그널링 비트스트림은 시그널링 처리부(61002)로, 지오메트리 비트스트림은 지오메트리 디코더(61003)로, 어트리뷰트 비트스트림은 어트리뷰트 디코더(61004)로 출력한다.
실시예들에 따른 수신 처리부(61001)는 지오메트리 비트스트림, 어트리뷰트 비트스트림, 및/또는 시그널링 비트스트림이 각각 수신(또는 디캡슐레이션)되면, 시그널링 비트스트림은 시그널링 처리부(61002)로, 지오메트리 비트스트림은 지오메트리 디코더(61003)로, 어트리뷰트 비트스트림은 어트리뷰트 디코더(61004)로 전달할 수 있다.
상기 시그널링 처리부(61002)는 입력된 시그널링 비트스트림으로부터 시그널링 정보 예를 들어, SPS, GPS, APS, TPS, 메타 데이터 등에 포함된 정보를 파싱 및 처리하여 지오메트리 디코더(61003), 어트리뷰트 디코더(61004), 후 처리부(61005)로 제공할 수 있다. 다른 실시예로, 지오메트리 슬라이스 헤더 및/또는 어트리뷰트 슬라이스 헤더에 포함된 시그널링 정보도 해당 슬라이스 데이터를 디코딩하기 전에 상기 시그널링 처리부(61002)에서 미리 파싱될 수도 있다. 즉, 송신측에서 포인트 클라우드 데이터가 도 16과 같이 타일들 및/또는 슬라이스들로 분할되었다면, TPS는 각각의 타일 내에 포함된 슬라이스들의 개수를 포함하므로, 실시예들에 따른 포인트 클라우드 비디오 디코더는 슬라이스의 개수를 확인할 수 있고, 병렬적 디코딩을 위한 정보를 신속하게 파싱할 수 있다.
따라서, 본 명세서에 따른 포인트 클라우드 비디오 디코더는 데이터 양이 줄은 SPS를 수신함으로써 포인트 클라우드 데이터를 포함하는 비트스트림을 빠르게 파싱(parsing)할 수 있다. 수신 장치는 타일들을 수신하는대로 해당 타일의 디코딩을 수행할 수 있고, 타일 별로 타일 내에 포함된 GPS와 APS에 기초하여 슬라이스 별로 디코딩을 수행함으로써 디코딩 효율을 극대화할 수 있다.
즉 상기 지오메트리 디코더(61003)는 압축된 지오메트리 비트스트림에 대해 시그널링 정보(예, 지오메트리 관련된 파라미터들)를 기반으로 도 15의 지오메트리 인코더(51006)의 역과정을 수행하여 지오메트리를 복원할 수 있다. 상기 지오메트리 디코더(61003)에서 복원된(또는 재구성된(reconstructed)) 지오메트리는 어트리뷰트 디코더(61004)로 제공된다. 상기 어트리뷰트 디코더(61004)는 압축된 어트리뷰트 비트스트림에 대해 시그널링 정보(예, 어트리뷰트 관련된 파라미터들)와 재구성된 지오메트리를 기반으로 도 15의 어트리뷰트 인코더(51007)의 역과정을 수행하여 어트리뷰트를 복원할 수 있다. 실시예들에 따르면, 송신측에서 포인트 클라우드 데이터가 도 16과 같이 타일 및/또는 슬라이스 단위로 분할되었다면, 지오메트리 디코더(61003)와 어트리뷰트 디코더(61004)에서 타일 및/또는 슬라이스 단위로 지오메트리 디코딩과 어트리뷰트 디코딩을 수행할 수 있다.
도 21은 실시예들에 따른 지오메트리 디코더(61003)와 어트리뷰트 디코더(61004)의 다른 예시를 보인 상세 블록도이다.
도 21의 지오메트리 디코더(61003)에 포함된 아리스메틱 디코더(63001), 옥트리 재구성부(63002), 지오메트리 정보 예측부(63003), 역양자화 처리부(63004), 및 좌표계 역변환부(63005)는 도 11의 아리스메틱 디코더(11000), 옥트리 합성부(11001), 서페이스 오프록시메이션 합성부(11002), 지오메트리 리컨스트럭션부(11003), 및 좌표계 역변환부(11004)의 동작의 일부 또는 전부를 수행할 수도 있고, 또는 도 13의 아리스메틱 디코더(13002), 오큐판시 코드 기반 옥트리 재구성 처리부(13003), 표면 모델 처리부(13004), 및 인버스 양자화 처리부(13005)의 동작의 일부 또는 전부를 수행할 수도 있다. 상기 지오메트리 디코더(61003)에서 복원된 포지션들은 후 처리(post-process)부(61005)로 출력된다.
실시예들에 따르면, 시퀀스 파라미터 세트(SPS), 어트리뷰트 파라미터 세트(APS), 타일 파라미터 세트(TPS), 어트리뷰트 슬라이스 헤더 중 적어도 하나에 예측 모드와 잔여 어트리뷰트 값의 분리 여부에 대한 정보(예, attribute_pred_residual_separate_encoding_flag)와 분리된 예측 모드들에 대해 런-랭스 코딩이 적용되었는지 여부에 대한 정보(예, attribute_pred_residual_separate_encoding_flag)가 시그널링되어 있다면, 상기 시그널링 처리부(61002)에서 획득하여 어트리뷰트 디코더(61004)로 제공하거나, 상기 어트리뷰트 디코더(61004)에서 직접 획득할 수도 있다.
실시예들에 따른 어트리뷰트 디코더(61004)의 아리스메틱 디코더(63006), LOD 구성부(63007), 이웃 포인트 집합 구성부(63008), 어트리뷰트 정보 예측부(63009), 예측 모드 판단부(63010), 예측 모드 디코딩부(63011), 잔여 어트리뷰트 정보 역양자화 처리부(63012), 및 색상 역변환 처리부(63013)를 포함할 수 있다.
실시예들에 따른 아리스메틱 디코더(63006)는 입력되는 어트리뷰트 비트스트림을 아리스메틱 디코딩할 수 있다. 아리스메틱 디코더(63006)는 재구성된 지오메트리를 기반으로 어트리뷰트 비트스트림의 디코딩을 수행할 수 있다. 아리스메틱 디코더(63006)는 도 11의 아리스메틱 디코더(11005) 또는 도 13의 아리스메틱 디코더(13007)의 동작 및/또는 디코딩과 동일 또는 유사한 동작 및/또는 디코딩을 수행한다.
실시예들에 따라 아리스메틱 디코더(63006)에서 출력되는 어트리뷰트 비트스트림은 재구성된 지오메트리 정보를 기반으로 RAHT 디코딩, LOD 기반의 예측 변환 디코딩 기법 및 리프팅 변환 디코딩 기법 중 어느 하나 또는 둘 이상을 조합하여 디코딩될 수 있다.
본 명세서는 송신 장치에서 LOD 기반의 예측 변환 코딩 기법과 리프팅 변환 코딩 기법 중 어느 하나 또는 둘을 조합하여 어트리뷰트 압축을 수행하는 것을 일 실시예로 설명하였기 때문에, 수신 장치에서도 LOD 기반의 예측 변환 디코딩 기법과 리프팅 변환 디코딩 기법 중 어느 하나 또는 둘을 조합하여 어트리뷰트 디코딩을 수행하는 것을 일 실시예로 설명하기로 한다. 그러므로, 수신 장치에서도 RAHT 디코딩 기법에 대해서는 설명을 생략하기로 한다.
일 실시예에 따르면, 상기 아리스메틱 디코더(63006)에서 아리스메틱 디코딩된 어트리뷰트 비트스트림은 LOD 구성부(63007)로 제공된다. 실시예들에 따르면, 상기 아리스메틱 디코더(63006)에서 상기 LOD 구성부(63007)로 제공되는 어트리뷰트 비트스트림은 예측 모드들과 잔여 어트리뷰트 값들을 포함할 수 있다.
실시예들에 따른 LOD 구성부(63007)는 송신 장치의 LOD 구성부(53007)와 동일 또는 유사한 방법으로 LOD를 생성하여 이웃 포인트 집합 구성부(63008)로 출력한다.
실시예들에 따르면, LOD 구성부(63007)는 LOD들로 포인트들을 나누어 그룹핑한다. 이때 서로 다른 LOD를 갖는 그룹을 LOD l 집합으로 지칭한다. 여기서, l은 LOD를 나타내며 0부터 시작하는 정수이다. LOD 0는 포인트간의 거리가 가장 큰 포인트로 구성된 집합이고, l이 커질수록 LOD l에 속한 포인트간의 거리는 작아진다.
실시예들에 따르면, 송신 장치에서 인코딩된 예측 모드들과 잔여 어트리뷰트 값들은 LOD별로 존재할 수도 있고, 리프 노드에 대해서만 존재할 수도 있다.
일 실시예로, 상기 LOD 구성부(63007)에서 LOD l 집합이 생성되면, 상기 이웃 포인트 집합 구성부(63008)는 LOD l 집합을 기반으로 LOD가 같거나 작은 (즉, 노드간의 거리가 큰) 그룹에서 X(>0)개의 가장 가까운 이웃 포인트(nearest neighbor)들을 찾아 예측기(predictor)에 이웃 포인트 집합으로 등록할 수 있다. 여기서, X개는 이웃 포인트로 설정될 수 있는 최대 개수로 사용자 파라미터로 입력받을 수도 있고, SPS, APS, GPS, TPS, 지오메트리 슬라이스 헤더, 어트리뷰트 슬라이스 헤더와 같은 시그널링 정보에 포함되어 수신될 수도 있다.
다른 실시예로, 상기 이웃 포인트 집합 구성부(63008)는 SPS, APS, GPS, TPS, 지오메트리 슬라이스 헤더, 어트리뷰트 슬라이스 헤더와 같은 시그널링 정보를 기반으로 각 포인트별로 해당 포인트의 이웃 포인트들을 선택할 수 있다. 이를 위해 이웃 포인트 집합 구성부(63008)는 해당 정보를 시그널링 처리부(61002)로부터 제공받을 수 있다.
도 9를 예로 들면, LOD 1 에 속하는 P3 포인트(즉, 노드)의 이웃 포인트들로 P2 P4 P6 포인트들이 선택되어 P3의 예측기에 이웃 포인트 집합으로 등록될 수 있다.
실시예들에 따라, 상기 어트리뷰트 정보 예측부(63009)는 특정 포인트의 예측 모드를 기반으로 해당 포인트의 예측기에 등록된 적어도 하나의 이웃 포인트로부터 어트리뷰트를 예측하는 과정을 수행한다. 이러한 어트리뷰트 예측 과정은 재구성된 지오메트리의 모든 포인트들 또는 적어도 일부 포인트들에 대해 수행하는 것을 일 실시예로 한다.
실시예들에 따라, 상기 어트리뷰트 정보 예측부(63009)는 예측 모드 판단부(63010) 또는 예측 모드 디코딩부(63011)에서 각 포인트의 예측 모드를 제공받아 각 포인트의 어트리뷰트 값을 예측할 수 있다.
실시예들에 따라, 상기 어트리뷰트 정보 예측부(63009)는 디폴트로 설정된 예측 모드(예, 예측 모드 0)를 기반으로 각 포인트의 어트리뷰트 값을 예측할 수도 있다.
예를 들어, P3 포인트의 예측 모드가 0라고 가정하면, P3의 예측기에 등록된 이웃 포인트들인 P2 P4 P6의 어트리뷰트들에 가중치(또는 정규화된 가중치)를 곱한 값의 평균을 구하고, 그 평균값을 P3 포인트의 예측 어트리뷰트 값으로 결정할 수 있다.
다른 예로, P3 포인트의 예측 모드가 1이라고 가정하면, P3의 예측기에 등록된 이웃 포인트 P4의 어트리뷰트 값을 P3 포인트의 예측 어트리뷰트 값으로 결정할 수 있다.
또 다른 예로, P3 포인트의 예측 모드가 2라고 가정하면, P3의 예측기에 등록된 이웃 포인트 P6의 어트리뷰트 값을 P3 포인트의 예측 어트리뷰트 값으로 결정할 수 있다.
또 다른 예로, P3 포인트의 예측 모드가 3이라고 가정하면, P3의 예측기에 등록된 이웃 포인트 P2의 어트리뷰트 값을 P3 포인트의 예측 어트리뷰트 값으로 결정할 수 있다.
상기 어트리뷰트 정보 예측부(63009)에서 각 포인트의 예측 모드를 기반으로 각 포인트의 예측 어트리뷰트 값이 구해지면, 상기 잔여 어트리뷰트 정보 역양자화 처리부(63012)는 수신된 각 포인트의 잔여 어트리뷰트 값에 상기 어트리뷰트 정보 예측부(63009)에서 예측된 해당 포인트의 예측 어트리뷰트 값을 더하여 해당 포인트의 어트리뷰트 값을 복원한 후 송신 장치의 양자화 과정의 역으로 역양자화를 수행한다.
본 명세서에서 각 포인트의 어트리뷰트 값을 예측할 각 포인트의 예측 모드는 송/수신측의 약속에 의해 미리 정해진 값일 수도 있고, 또는 SPS, APS, TPS, 어트리뷰트 슬라이스 헤더와 같은 시그널링 정보에 시그널링되어 수신될 수도 있다. 송/수신측의 약속에 의해 미리 정해지는 예측 모드는 0인 것을 일 실시예로 한다.
실시예들에 따르면, 특정 포인트의 예측기에 등록된 이웃 포인트들간의 어트리뷰트 요소들(예, R,G,B)의 차이 값들 중 가장 큰 요소값들의 합이 기 설정된 임계값보다 크면, 특정 포인트의 예측 모드는 SPS, APS, TPS, 및/또는 어트리뷰트 슬라이스 헤더와 같은 시그널링 정보에 시그널링되어 수신될 수 있다.
실시예들에 따라 각 포인트의 예측 모드가 시그널링 정보에 포함되어 수신된다면, 각 포인트의 예측 모드는 해당 포인트의 잔여 어트리뷰트 값과 페어로 묶인 비트스트림으로 구성되어 수신될 수도 있고, 또는 모든 포인트들에 대해 예측 모드와 잔여 어트리뷰트 값이 분리된 후 분리된 예측 모드들과 분리된 잔여 어트리뷰트 값들이 독립적으로 비트스트림으로 구성되어 수신될 수도 있다. 또한 분리된 예측 모드들의 비트스트림에 대해 송신 장치에서 제로 런-랭스 코딩이 적용되어 수신될 수도 있다. 이에 더하여, 잔여 어트리뷰트 값들은 송신 장치에서 양자화 및 제로 런-랭스 코딩이 적용되어 수신될 수 있다.
따라서, 실시예들에 따른 예측 모드 판단부(63010)는 SPS, APS, TPS, 어트리뷰트 슬라이스 헤더 중 적어도 하나에 시그널링된 정보 즉, 예측 모드와 잔여 어트리뷰트 값의 분리 여부에 대한 정보(예, attribute_pred_residual_separate_encoding_flag)와 분리된 예측 모드들에 대해 런-랭스 코딩이 적용되었는지 여부에 대한 정보(예, attribute_pred_residual_separate_encoding_flag)를 기반으로 각 포인트의 예측 모드와 잔여 어트리뷰트 값이 분리되었는지 여부 및 모든 포인트들의 예측 모드들에 대해 제로 런-랭스 코딩이 적용되었는지 여부를 판단할 수 있다.
상기 예측 모드 판단부(63010)는 상기 시그널링 처리부(61002)로부터 SPS, APS, TPS, 및 어트리뷰트 슬라이스 헤더 중 적어도 하나에서 파싱된 시그널링 정보 예를 들어, 예측 모드와 잔여 어트리뷰트 값의 분리 여부에 대한 정보(예, attribute_pred_residual_separate_encoding_flag)와 분리된 예측 모드들에 대해 런-랭스 코딩이 적용되었는지 여부에 대한 정보(예, attribute_pred_residual_separate_encoding_flag)를 제공받는 것을 일 실시예로 한다.
실시예들에 따르면, 상기 예측 모드 판단부(63010)는 아리스메틱 디코딩된 각 포인트의 예측 모드를 LOD 구성부(63007)를 통해 제공받을 수도 있다. 이때, 각 포인트의 예측 모드는 해당 포인트의 잔여 어트리뷰트 값과 페어로 제공될 수도 있고, 또는 모든 포인트들의 예측 모드들이 잔여 어트리뷰트 값들과 분리되어 제공될 수도 있다. 또한 모든 포인트들의 분리된 잔여 어트리뷰트 값들과 분리된 예측 모드들은 송신측에서 각각 제로 런 랭스 코딩이 적용될 수도 있다.
실시예들에 따르면, 상기 예측 모드 판단부(63010)에서 시그널링 정보를 기반으로 각 포인트의 예측 모드와 잔여 어트리뷰트 값이 분리되었고, 또한 포인트들의 예측 모드들에 대해 제로 런-랭스 코딩이 적용되었다고 판별되면, 상기 예측 모드 디코딩부(63011)는 상기 포인트들의 예측 모드들에 대해 도 18(b)의 역과정으로 제로 런-랭스 디코딩을 수행하여 상기 어트리뷰트 정보 예측부(63009)로 출력한다.
예를 들어, 예측 모드와 잔여 어트리뷰트 값의 분리 여부에 대한 정보(예, attribute_pred_residual_separate_encoding_flag)가 진실(true)이고, 예측 모드들에 대해 런-랭스 코딩이 적용되었는지 여부에 대한 정보(예, attribute_pred_residual_separate_encoding_flag)가 진실(true)이면, 상기 예측 모드 디코딩부(63011)는 포인트들의 예측 모드들에 대해 제로 런-랭스 디코딩을 수행하고, 제로 런-랭스 디코딩된 예측 모드들을 상기 어트리뷰트 정보 예측부(63009)로 제공한다.
그러면, 상기 어트리뷰트 정보 예측부(63009)는 상기 예측 모드 디코딩부(63011)에서 제공되는 포인트들의 예측 모드들을 기반으로 포인트들의 어트리뷰트 값들을 예측한다. 예를 들어, P3 포인트의 예측 모드가 1이라면 P3 포인트의 이웃 포인트들로 등록된 P2 P4 P6 포인트들 중 거리 기반으로 P3 포인트와 가장 가까운 P4 포인트의 어트리뷰트 값이 P3 포인트의 예측 어트리뷰트 값이 된다. 이러한 과정이 예측을 수행할 각 포인트들에 적용되어 각 포인트의 예측 어트리뷰트 값이 구해진다.
상기 어트리뷰트 정보 예측부(63009)에서 구한 각 포인트의 예측 어트리뷰트 값은 잔여 어트리뷰트 정보 역양자화 처리부(63012)로 제공된다.
이때, 송신측으로부터 전송되어 아리스메틱 디코딩된 포인트들의 잔여 어트리뷰트 값들은 상기 어트리뷰트 정보 예측부(63009), 상기 예측 모드 판단부(63010), 및 상기 예측 모드 디코딩부(63011) 중 하나를 통해 상기 잔여 어트리뷰트 정보 역양자화 처리부(63012)로 제공될 수 있다.
상기 잔여 어트리뷰트 정보 역양자화 처리부(63012)는 입력되는 잔여 어트리뷰트 값들에 대해 송신측의 역과정으로 역 양자화를 수행한 후, 역양자화된 각 포인트의 잔여 어트리뷰트 값에 해당 포인트의 예측 어트리뷰트 값을 더하는 과정을 수행하여 각 포인트의 어트리뷰트 값을 복원한다.
일 실시예로, 송신측에서 포인트들의 잔여 어트리뷰트 값들에 대해 제로 런-랭스 코딩을 적용하였다면, 상기 잔여 어트리뷰트 정보 역양자화 처리부(63012)는 포인트들의 잔여 어트리뷰트 값들에 대해 제로 런-랭스 디코딩을 수행한 후 역 양자화를 수행한다.
일 실시예로, 예측 모드와 잔여 어트리뷰트 값의 분리 여부에 대한 정보(예, attribute_pred_residual_separate_encoding_flag)가 거짓(false)이면, 아리스메틱 디코딩된 각 포인트의 예측 모드를 기반으로 해당 포인트의 잔여 어트리뷰트 값을 계산하여 더하는 과정을 수행하여 각 포인트의 어트리뷰트 값을 복원한다.
전술한 과정을 통해 상기 잔여 어트리뷰트 정보 역양자화 처리부(63012)에서 복원된 어트리뷰트 값들은 색상 역변환 처리부(63013)로 출력된다.
상기 색상 역변환 처리부(63013)는 복원된 어트리뷰트 값들에 포함된 컬러 값(또는 텍스쳐)을 역변환하기 위한 역변환 코딩을 수행하여 어트리뷰트들을 후 처리부(61005)로 출력한다. 상기 색상 역변환 처리부(63013)는 도 11의 컬러 역변환부(11010) 또는 도 13의 색상 역변환 처리부(13010)의 동작 및/또는 역변환 코딩과 동일 또는 유사한 동작 및/또는 역변환 코딩을 수행한다.
상기 후 처리부(61005)는 상기 지오메트리 디코더(61003)에서 복원되어 출력되는 포지션들과 상기 어트리뷰트 디코더(61004)에서 복원되어 출력되는 어트리뷰트들을 매칭하여 포인트 클라우드 데이터를 재구성할 수 있다. 또한 상기 후 처리부(61005)는 재구성된 포인트 클라우드 데이터가 타일 및/또는 슬라이스 단위라면, 시그널링 정보를 기반으로 송신측의 공간 분할의 역과정을 수행할 수 있다. 예를 들어, 도 16(a)와 같은 바운딩 박스가 도 16(b), 도 16(c)와 같이 타일들 및 슬라이스들로 분할되었다면, 시그널링 정보를 기반으로 타일들 및/또는 슬라이스들을 결합하여 도 16(a)와 같이 바운딩 박스를 복원할 수 있다.
도 22는 실시예들에 따른 송/수신을 위한 포인트 클라우드 데이터의 비트스트림 구조의 예시를 나타낸다.
실시예들에 따른 지오메트리 비트스트림, 어트리뷰트 비트스트림, 및 시그널링 비트스트림이 하나의 비트스트림으로 구성되는 경우, 비트스트림은 하나 또는 그 이상의 서브 비트스트림들을 포함할 수 있다. 실시예들에 따른 비트스트림은 시퀀스 레벨의 시그널링을 위한 SPS (Sequence Parameter Set), 지오메트리 정보 코딩의 시그널링을 위한 GPS(Geometry Parameter Set), 어트리뷰트 정보 코딩의 시그널링을 위한 하나 이상의 APS(Attribute Parameter Set, APS 0, APS 1), 타일 레벨의 시그널링을 위한 TPS (Tile Parameter Set), 하나 이상의 슬라이스들(slice 0 ~ slice n)를 포함할 수 있다. 즉, 실시예들에 따른 포인트 클라우드 데이터의 비트스트림은 하나 이상의 타일들을 포함할 수 있고, 각 타일은 하나 이상의 슬라이스들(slice 0 ~ slice n)을 포함하는 슬라이스들의 그룹일 수 있다. 실시예들에 따른 TPS는 하나 이상의 타일들에 대하여 각 타일에 관한 정보(예를 들면 bounding box의 좌표값 정보 및 높이/크기 정보 등)를 포함할 수 있다. 각 슬라이스는 하나의 지오메트리 비트스트림(Geom0) 및 하나 이상의 어트리뷰트 비트스트림들(Attr0, Attr1)을 포함할 수 있다. 예를 들어, 제1 슬라이스(slice 0)는 하나의 지오메트리 비트스트림(Geom0 0) 및 하나 이상의 어트리뷰트 비트스트림들(Attr0 0, Attr1 0)을 포함할 수 있다.
각 슬라이스 내 지오메트리 비트스트림(또는 지오메트리 슬라이스라 함)은 지오메트리 슬라이스 헤더(geom_slice_header)와 지오메트리 슬라이스 데이터(geom_slice_data)로 구성될 수 있다. 실시예들에 따른 지오메트리 슬라이스 헤더(geom_slice_header)는 지오메트리 파라미터 세트(GPS)에 포함된 파라미터 세트의 식별 정보(geom_parameter_set_id), 타일 식별자(geom_tile_id), 슬라이스 식별자(geom_slice_id) 및 지오메트리 슬라이스 데이터(geom_slice_data)에 포함된 데이터에 관한 정보 (geomBoxOrigin, geom_box_log2_scale, geom_max_node_size_log2, geom_num_points) 등을 포함할 수 있다. geomBoxOrigin는 해당 지오메트리 슬라이스 데이터의 박스 원점을 나타내는 지오메트리 박스 오리진 정보이고, geom_box_log2_scale는 해당 지오메트리 슬라이스 데이터의 로그 스케일을 나타내는 정보이며, geom_max_node_size_log2는 루트 지오메트리 옥트리 노드의 사이즈를 나타내는 정보이며, geom_num_points는 해당 지오메트리 슬라이스 데이터의 포인트들의 개수와 관련된 정보이다. 실시예들에 따른 지오메트리 슬라이스 데이터(geom_slice_data)는 해당 슬라이스 내 포인트 클라우드 데이터의 지오메트리 정보(또는 지오메트리 데이터)를 포함할 수 있다.
각 슬라이스 내 각 어트리뷰트 비트스트림(또는 어트리뷰트 슬라이스라 함)은 어트리뷰트 슬라이스 헤더(attr_slice_header)와 어트리뷰트 슬라이스 데이터(attr_slice_data)로 구성될 수 있다. 실시예들에 따른 어트리뷰트 슬라이스 헤더(attr_slice_header)는 해당 어트리뷰트 슬라이스 데이터에 관한 정보를 포함할 수 있고, 어트리뷰트 슬라이스 데이터는 해당 슬라이스 내 포인트 클라우드 데이터의 어트리뷰트 정보(또는 어트리뷰트 데이터 또는 어트리뷰트 값이라 함)를 포함할 수 있다. 하나의 슬라이스 내 어트리뷰트 비트스트림이 복수개 있는 경우, 각각은 서로 다른 어트리뷰트 정보를 포함할 수 있다. 예를 들어, 하나의 어트리뷰트 비트스트림은 색상에 해당하는 어트리뷰트 정보를 포함하고, 다른 하나의 어트리뷰트 스트림은 반사율에 해당하는 어트리뷰트 정보를 포함할 수 있다.
도 23은 실시예들에 따른 포인트 클라우드 데이터의 비트스트림 구조의 예시를 나타낸다.
도 24는 실시예들에 따른 포인트 클라우드 데이터의 비트스트림 내 구성 간의 연결관계를 나타낸다.
도 23과 도 24에 나타낸 포인트 클라우드 데이터의 비트스트림 구조는 도 22에 나타낸 포인트 클라우드 데이터의 비트스트림 구조를 의미할 수 있다.
실시예들에 따른 SPS는 해당 SPS를 식별하기 위한 식별자(seq_parameter_set_id)를 포함하고, GPS는 해당 GPS를 식별하기 위한 식별자(geom_parameter_set_id)와 해당 GPS가 속해있는 액티브 SPS(Active SPS)를 가리키는 식별자(seq_parameter_set_id)를 포함하며, APS는 해당 APS를 식별하기 위한 식별자(attr_parameter_set_id)와 해당 APS가 속해있는 액티브 SPS(Active SPS)를 가리키는 식별자(seq_parameter_set_id)를 포함할 수 있다.
실시예들에 따른 지오메트리 비트스트림(또는 지오메트리 슬라이스라함)는 지오메트리 슬라이스 헤더와 지오메트리 슬라이스 데이터를 포함하며, 지오메트리 슬라이스 헤더는 해당 지오메트리 슬라이스에서 참조할 액티브 GPS의 식별자(geom_parameter_set_id)를 포함할 수 있다. 이에 더하여, 지오메트리 슬라이스 헤더는 해당 지오메트리 슬라이스를 식별하기 위한 식별자(geom_slice_id) 및/또는 해당 타일을 식별하기 위한 식별자(geom_tile_id)를 더 포함할 수 있다. 지오메트리 슬라이스 데이터는 해당 슬라이스에 속한 지오메트리 정보를 포함할 수 있다.
실시예들에 따른 어트리뷰트 비트스트림(또는 어트리뷰트 슬라이스라 함) 어트리뷰트 슬라이스 헤더와 어트리뷰트 슬라이스 데이터를 포함하며, 어트리뷰트 슬라이스 헤더는 해당 어트리뷰트 슬라이스에서 참조할 액티브 APS의 식별자(attr_parameter_set_id)와 해당 어트리뷰트 슬라이스와 관련된 지오메트리 슬라이스를 식별하기 위한 식별자(geom_slice_id)를 포함할 수 있다. 어트리뷰트 슬라이스 데이터는 해당 슬라이스에 속한 어트리뷰트 정보를 포함할 수 있다.
즉, 지오메트리 슬라이스는 GPS를 참조하고, GPS는 SPS를 참조한다. 또한, SPS는 이용 가능한(available) 어트리뷰트들을 나열하며, 각각에 식별자를 할당하고 디코딩 방법을 식별한다. 어트리뷰트 슬라이스는 상기 식별자에 따라 출력 어트리뷰트들에 매핑되며, 어트리뷰트 슬라이스 자체는 선행 (디코드된) 지오메트리 슬라이스와 APS에 대해 종속성을 가진다. APS는 SPS를 참조한다.
실시예들에 따르면, 포인트 클라우드 데이터의 인코딩에 필요한 파라미터들은 포인트 클라우드 데이터의 파라미터 세트(parameter set) 및/또는 해당 슬라이스 헤더에 새로 정의될 수 있다. 예를 들어, 어트리뷰트 정보의 인코딩을 수행할 때에는 어트리뷰트 파라미터 세트(APS)에, 타일 기반의 인코딩을 수행할 때에는 타일 및/또는 슬라이스 헤더에 추가할 수 있다.
도 22 내지 도 24에서 보는 바와 같이, 포인트 클라우드 데이터의 비트스트림은 포인트 클라우드 데이터를 영역별로 나누어 처리할 수 있도록 타일, 또는 슬라이스를 제공한다. 실시예들에 따른 비트스트림의 각각의 영역은 서로 다른 중요도를 가질 수 있다. 따라서, 포인트 클라우드 데이터가 타일들로 나누어지는 경우, 각 타일별로 다른 필터(인코딩 방법), 다른 필터 유닛을 적용할 수 있다. 또한 포인트 클라우드 데이터가 슬라이스들로 나누어지는 경우, 각 슬라이스별로 다른 필터, 다른 필터 유닛을 적용할 수 있다.
실시예들에 따른 송신 장치 및 수신 장치는 포인트 클라우드 데이터를 분할하여 압축시, 분할된 영역 내 어트리뷰트 정보들의 선택적 전송을 위해 하이 레벨 신택스 구조로 비트스트림을 전송 및 수신할 수 있다.
실시예들에 따른 송신 장치는, 도 22 내지 도 24와 같은 비트스트림의 구조에 따라 포인트 클라우드 데이터를 전송함으로써, 중요도에 따라서 다른 인코딩 동작을 적용할 수 있게 하고, 품질(quality)이 좋은 인코딩 방법을 중요한 영역에 사용할 수 있는 방안을 제공할 수 있다. 또한 포인트 클라우드 데이터의 특성에 따른 효율적인 인코딩 및 전송을 지원하고 사용자의 요구사항에 따른 어트리뷰트 값을 제공할 수 있다.
실시예들에 따른 수신 장치는, 도 22 내지 도 24 와 같은 비트스트림의 구조에 따라 포인트 클라우드 데이터를 수신함으로써, 수신 장치의 처리능력(capacity)에 따라서 포인트 클라우드 데이터 전체에 복잡한 디코딩(필터링) 방법을 사용하는 대신 영역별로 (타일로 나누어지거나 슬라이스로 나누어진 영역) 서로 다른 필터링(디코딩 방법)을 적용할 수 있게 된다. 따라서, 사용자에게 중요한 영역에 더 좋은 화질과 시스템 상으로 적절한 레이턴시(latency)을 보장할 수 있다.
전술한 바와 같이 타일 또는 슬라이스는 포인트 클라우드 데이터를 영역별로 나누어 처리할 수 있도록 하기 위해 제공된다. 그리고, 포인트 클라우드 데이터를 영역별로 나눌 때, 각각의 영역별로 다른 이웃 포인트 집합을 생성하는 옵션을 설정하여 복잡도(complexity)는 낮으나 신뢰도는 다소 떨어지거나 반대로 복잡도는 높으나 신뢰도가 높은 선택 방안을 제공할 수 있다.
실시예들에 따른 SPS, APS, TPS, 그리고 각 슬라이스별 어트리뷰트 슬라이스 헤더 중 적어도 하나는 예측 모드 처리 관련 옵셋 정보를 포함할 수 있다. 실시예들에 따르면, 상기 예측 모드 처리 관련 옵셋 정보는 예측 모드와 잔여 어트리뷰트 값의 분리 여부에 대한 정보(예, attribute_pred_residual_separate_encoding_flag)와 분리된 예측 모드들에 대해 런-랭스 코딩이 적용되었는지 여부에 대한 정보(예, attribute_pred_residual_separate_encoding_flag)를 포함할 수 있다.
실시예들에 따르면, 예측 모드 처리 관련 옵셋 정보에 따라 어트리뷰트 슬라이스 데이터가 변경되어 시그널링될 수 있다.
이후 설명되는 본 명세서의 신택스들에서 사용되는 용어인 필드는 파라미터 또는 엘리먼트와 동일한 의미를 가질 수 있다.
도 25는 본 명세서에 따른 시퀀스 파라미터 세트(seq_parameter_set_rbsp())(SPS)의 신택스 구조의 일 실시예를 보인 도면이다. SPS는 포인트 클라우드 데이터 비트스트림의 시퀀스 정보를 포함할 수 있으며, 특히 예측 모드 처리 관련 옵셋 정보를 포함하는 예를 보이고 있다.
실시예들에 따른 SPS는 profile_idc 필드, profile_compatibility_flags 필드, level_idc 필드, sps_bounding_box_present_flag 필드, sps_source_scale_factor 필드, sps_seq_parameter_set_id 필드, sps_num_attribute_sets 필드 및 sps_extension_present_flag 필드를 포함할 수 있다.
상기 profile_idc 필드는 그 비트스트림이 따르는(conform) 프로파일을 나타낸다.
상기 profile_compatibility_flags 필드의 값이 1이면, 그 비트스트림이 상기 profile_idc 필드에 의해 지시된 그 프로파일을 따른다는 것(the bitstream conforms to the profile indicated by profile_idc)을 나타낼 수 있다.
상기 level_idc 필드는 그 비트스트림이 따르는 레벨을 나타낸다.
상기 sps_bounding_box_present_flag 필드는 소스 바운딩 박스 정보가 상기 SPS에 시그널링되는지 여부를 지시한다. 상기 소스 바운딩 박스 정보는 소스 바운딩 박스 오프셋과 사이즈 정보를 포함할 수 있다. 예를 들어, 상기 sps_bounding_box_present_flag 필드의 값이 1이면, 소스 바운딩 박스 정보가 상기 SPS에 시그널링되고, 0이면 시그널링되지 않음을 나타낸다. 상기 sps_source_scale_factor 필드는 소스 포인트 클라우드의 스케일 펙터를 나타낸다(indicates the scale factor of the source point cloud).
상기 sps_seq_parameter_set_id 필드는 다른 신택스 엘리먼트들에 의해 참조되는 SPS에 대한 식별자를 제공한다(provides an identifier for the SPS for reference by other syntax elements).
상기 sps_num_attribute_sets 필드는 그 비트스트림 내 코딩된 어트리뷰트들의 개수를 나타낸다(indicates the number of coded attributes in the bitstream).
상기 sps_extension_present_flag 필드는 sps_extension_data 신택스 구조가 해당 SPS 신택스 구조에 존재하는지 여부를 나타낸다. 예를 들어, 상기 sps_extension_present_flag 필드의 값이 1이면, sps_extension_data 신택스 구조가 이 SPS 신택스 구조에 존재하고, 0이면 존재하지 않음을 나타낸다(equal to 1 specifies that the sps_extension_data syntax structure is present in the SPS syntax structure. The sps_extension_present_flag field equal to 0 specifies that this syntax structure is not present. When not present, the value of the sps_extension_present_flag field is inferred to be equal to 0).
실시예들에 따른 SPS는 상기 sps_bounding_box_present_flag 필드의 값이 1이면, sps_bounding_box_offset_x 필드, sps_bounding_box_offset_y 필드, sps_bounding_box_offset_z 필드, sps_bounding_box_scale_factor 필드, sps_bounding_box_size_width 필드, sps_bounding_box_size_height 필드, 및 sps_bounding_box_size_depth 필드를 더 포함할 수 있다.
상기 sps_bounding_box_offset_x 필드는 직교 좌표계(Cartesian coordinates)에서 소스 바운딩 박스의 x 오프셋을 나타낸다. 소스 바운딩 박스의 x 오프셋이 존재하지 않으면, 상기 sps_bounding_box_offset_x 필드의 값은 0이다.
상기 sps_bounding_box_offset_y 필드는 직교 좌표계에서 소스 바운딩 박스의 y 오프셋을 나타낸다. 소스 바운딩 박스의 y 오프셋이 존재하지 않으면, 상기 sps_bounding_box_offset_y 필드의 값은 0이다.
상기 sps_bounding_box_offset_z 필드는 직교 좌표계에서 소스 바운딩 박스의 z 오프셋을 나타낸다. 소스 바운딩 박스의 z 오프셋이 존재하지 않으면, 상기 sps_bounding_box_offset_z 필드의 값은 0이다.
상기 sps_bounding_box_scale_factor 필드는 직교 좌표계에서 소스 바운딩 박스의 스케일 펙터를 나타낸다. 소스 바운딩 박스의 스케일 팩터가 존재하지 않으면, 상기 sps_bounding_box_scale_factor 필드의 값은 1일 수 있다.
상기 sps_bounding_box_size_width 필드는 직교 좌표계에서 소스 바운딩 박스의 폭을 나타낸다. 소스 바운딩 박스의 폭이 존재하지 않으면, 상기 sps_bounding_box_size_width 필드의 값은 1일 수 있다.
상기 sps_bounding_box_size_height 필드는 직교 좌표계에서 소스 바운딩 박스의 높이를 나타낸다. 소스 바운딩 박스의 높이가 존재하지 않으면, 상기 sps_bounding_box_size_height 필드의 값은 1일 수 있다.
상기 sps_bounding_box_size_depth 필드는 직교 좌표계에서 소스 바운딩 박스의 깊이를 나타낸다. 소스 바운딩 박스의 깊이가 존재하지 않으면, 상기 sps_bounding_box_size_depth 필드의 값은 1일 수 있다.
실시예들에 따른 SPS는 상기 sps_num_attribute_sets 필드의 값만큼 반복되는 반복문을 포함한다. 이때 i는 0으로 초기화되고, 반복문이 수행될 때마다 1씩 증가하며, i값이 상기 sps_num_attribute_sets 필드의 값이 될때까지 반복문이 반복되는 것을 일 실시예로 한다. 이 반복문은 attribute_dimension[i] 필드, attribute_instance_id[i] 필드, attribute_bitdepth[i] 필드, attribute_cicp_colour_primaries[i] 필드, attribute_cicp_transfer_characteristics[i] 필드, attribute_cicp_matrix_coeffs[i] 필드, attribute_cicp_video_full_range_flag[i] 필드, 및 known_attribute_label_flag[i] 필드를 포함할 수 있다.
상기 attribute_dimension[i] 필드는 i번째 어트리뷰트의 컴포넌트들의 수를 나타낸다(specifies the number of components of the i-th attribute).
상기 attribute_instance_id[i] 필드는 i번째 어트리뷰트의 인스턴스 식별자를 나타낸다.
상기 attribute_bitdepth[i] 필드는 i번째 어트리뷰트 신호(들)의 비트깊이(bitdepth)를 나타낸다(specifies the bitdepth of the i-th attribute signal(s)).
상기 attribute_cicp_colour_primaries[i] 필드는 i번째 어트리뷰트의 컬러 어트리뷰트 소스 프라이머리들의 색도(chromaticity coordinates)를 나타낸다.
상기 attribute_cicp_transfer_characteristics[i] 필드는 i번째 어트리뷰트의 0에서 1사이의 노미널 real-valued 범위를 갖는 소스 입력 리니어 옵티컬 강도(input linear optical intensity)로서 참조 광-전자 전달 특성 함수(reference opto-electronic transfer characteristic function)를 지시하거나 또는 출력 리니어 옵티컬 강도(output linear optical intensity)의 함수로서 참조 전자-광 전달 특성 함수(reference opto-electronic transfer characteristic function)의 역(inverse)을 나타낸다. (either indicates the reference opto-electronic transfer characteristic function of the colour attribute as a function of a source input linear optical intensity with a nominal real-valued range of 0 to 1 or indicates the inverse of the reference electro-optical transfer characteristic function as a function of an output linear optical intensity.)
상기 attribute_cicp_matrix_coeffs[i] 필드는 i번째 어트리뷰트의 녹색, 청색 및 적색 (또는 Y, Z, X의 삼원색)으로부터 루마(luma)와 채도(chroma) 신호들을 도출하는데(deriving) 사용된 매트릭스 계수를 설명한다(describes the matrix coefficients used in deriving luma and chroma signals from the green, blue, and red, or Y, Z, and X primaries.)
상기 attribute_cicp_video_full_range_flag[i] 필드는 i번째 어트리뷰트의 E'Y, E'PB 및 E'PR 또는 E'R, E'G 및 E'B 실제-값 컴포넌트 신호들로부터 도출되는 블랙 레벨과 루마 및 채도 신호의 범위를 나타낸다. (specifies indicates the black level and range of the luma and chroma signals as derived from E'Y, E'PB, and E'PR or E'R, E'G real-valued component signals)
상기 known_attribute_label[i] 필드는 i번째 어트리뷰트를 위해 know_attribute_label 필드 또는 attribute_label_four_bytes필드가 시그널링되는지를 나타낸다. 예를 들어, 상기 known_attribute_label_flag[i] 필드의 값이 1이면, i번째 어트리뷰트를 위해 know_attribute_label필드가 시그널링되고, 상기 known_attribute_label_flag[i] 필드의 값이 1이면, i번째 어트리뷰트를 위해 attribute_label_four_bytes필드가 시그널링됨을 나타낸다.
상기 known_attribute_label[i] 필드는 어트리뷰트의 타입을 나타낸다. 예를 들어, 상기 known_attribute_label[i] 필드의 값이 0이면 i번째 어트리뷰트는 컬러임을 나타내고, 상기 known_attribute_label[i] 필드의 값이 1이면 i번째 어트리뷰트는 반사율(reflectance)임을 나타내며, known_attribute_label[i] 필드의 값이 1이면 i번째 어트리뷰트는 프레임 인덱스(frame index)임을 나타낼 수 있다.
상기 attribute_label_four_bytes필드는 4바이트 코드로 known 어트리뷰트 타입을 지시한다.
일 실시예로, 상기 attribute_label_four_bytes필드의 값이 0이면 컬러를, 1이면 반사율을 지시할 수 있다.
실시예들에 따른 SPS는 상기 sps_extension_present_flag 필드의 값이 1이면sps_extension_data_flag 필드를 더 포함할 수 있다.
상기 sps_extension_data_flag 필드는 어느 값이나 가질 수 있다.
실시예들에 따른 SPS는 예측 모드 처리 관련 옵셋 정보를 더 포함할 수 있다. 실시예들에 따르면, 상기 예측 모드 처리 관련 옵셋 정보는 예측 모드와 잔여 어트리뷰트 값의 분리 여부에 대한 정보(예, attribute_pred_residual_separate_encoding_flag)와 분리된 예측 모드들에 대해 런-랭스 코딩이 적용되었는지 여부에 대한 정보(예, attribute_pred_residual_separate_encoding_flag)를 포함할 수 있다.
실시예들에 따르면, 상기 예측 모드 처리 관련 옵셋 정보는 전술한 sps_num_attribute_sets 필드의 값만큼 반복되는 반복문에 포함될 수 있다.
즉, 상기 반복문은 attribute_pred_residual_separate_encoding_flag[i] 필드를 더 포함할 수 있다.
상기 attribute_pred_residual_separate_encoding_flag[i] 필드는 예측 모드와 잔여 어트리뷰트 값이 분리되었는지 여부를 지시한다. 예를 들어, 상기 attribute_pred_residual_separate_encoding_flag[i] 필드의 값이 1이면, 예측 모드와 잔여 어트리뷰트 값이 분리되었음을 나타내고, 0이면 예측 모드와 잔여 어트리뷰트 값이 분리되지 않았음을 나타낸다.
상기 attribute_pred_residual_separate_encoding_flag[i] 필드의 값이 1이면, 상기 반복문은 attribute_pred_mode_zero_run_length_coding_flag[i] 필드를 더 포함할 수 있다.
상기 attribute_pred_mode_zero_run_length_coding_flag[i] 필드는 예측 모드들에 대해 런-랭스 코딩이 적용되었는지 여부를 지시한다. 예를 들어, 상기 attribute_pred_mode_zero_run_length_coding_flag[i] 필드의 값이 1이면 예측 모드들에 대해 런-랭스 코딩이 적용되었음을 지시하고, 0이면 예측 모드들에 대해 런-랭스 코딩이 적용되지 않았음을 지시한다.
이와 같이 attribute_pred_residual_separate_encoding_flag 필드와 attribute_pred_mode_zero_run_length_coding_flag 필드는 SPS에 시그널링될 수 있다.
도 26은 본 명세서에 따른 지오메트리 파라미터 세트(geometry_parameter_set())(GPS)의 신택스 구조의 일 실시예를 보인 도면이다. 실시예들에 따른 GPS는 하나 또는 그 이상의 슬라이스들에 포함된 포인트 클라우드 데이터의 지오메트리 정보를 인코딩하는 방법에 관한 정보를 포함할 수 있다.
실시예들에 따른 GPS는 gps_geom_parameter_set_id 필드, gps_seq_parameter_set_id 필드, gps_box_present_flag 필드, unique_geometry_points_flag 필드, neighbour_context_restriction_flag 필드, inferred_direct_coding_mode_enabled_flag 필드, bitwise_occupancy_coding_flag 필드, adjacent_child_contextualization_enabled_flag 필드, log2_neighbour_avail_boundary 필드, log2_intra_pred_max_node_size 필드, log2_trisoup_node_size 필드, 및 gps_extension_present_flag 필드를 포함할 수 있다.
상기 gps_geom_parameter_set_id 필드는 다른 신텍스 엘리먼트들에 의해 참조되는 GPS의 식별자를 제공한다 (provides an identifier for the GPS for reference by other syntax elements).
상기 gps_seq_parameter_set_id 필드는 해당 액티브 SPS에 대한 seq_parameter_set_id 필드의 값을 나타낸다 (specifies the value of sps_seq_parameter_set_id for the active SPS).
상기 gps_box_present_flag 필드는 추가 바운딩 박스 정보가 현재 GPS를 참조하는 지오메트리 슬라이스 헤더에서 제공되는지 여부를 나타낸다. 예를 들어, 상기 gps_box_present_flag 필드의 값이 1이면, 추가 바운딩 박스 정보가 현재 GPS를 참조하는 지오메트리 헤더(geometry header) 내에 제공됨을 지시할 수 있다. 따라서 상기 gps_box_present_flag 필드의 값이 1이면 GPS는 gps_gsh_box_log2_scale_present_flag 필드를 더 포함할 수 있다.
상기 gps_gsh_box_log2_scale_present_flag 필드는 gps_gsh_box_log2_scale 필드가 현재 GPS를 참조하는 각 지오메트리 슬라이스 헤더에 시그널링되는지 여부를 나타낸다. 예를 들어, 상기 gps_gsh_box_log2_scale_present_flag 필드의 값이 1이면, 상기 gps_gsh_box_log2_scale 필드가 현재 GPS를 참조하는 각 지오메트리 슬라이스 헤더에 시그널링됨을 지시할 수 있다. 다른 예로, 상기 gps_gsh_box_log2_scale_present_flag 필드의 값이 0이면, 상기 gps_gsh_box_log2_scale 필드가 현재 GPS를 참조하는 각 지오메트리 슬라이스 헤더에 시그널링되지 않으며, 모든 슬라이스들을 위한 공통 스케일(common scale)이 현재 GPS의 gps_gsh_box_log2_scale 필드에 시그널링됨을 지시할 수 있다.
상기 gps_gsh_box_log2_scale_present_flag 필드의 값이 0이면, GPS는 gps_gsh_box_log2_scale 필드를 더 포함할 수 있다.
상기 gps_gsh_box_log2_scale 필드는 현재 GPS를 참조하는 모든 슬라이스들에 대한 바운딩 박스 오리진의 공통 스케일 팩터(common scale factor)를 나타낸다.
상기 unique_geometry_points_flag 필드는 모든 출력된 포인트들이 고유의 포지션들을 가지는지 여부를 나타낸다. 예를 들어, 상기 unique_geometry_points_flag 필드의 값이 1이면, 모든 출력 포인트들이 고유의 포지션들을 가진다고 지시한다. 상기 unique_geometry_points_flag 필드의 값이 0이면, 2개 이상의 출력 포인트들이 같은 포지션들을 가질 수 있음을 지시한다(equal to 1 indicates that all output points have unique positions. unique_geometry_points_flag field equal to 0 indicates that the output points may have same positions).
상기 neighbour_context_restriction_flag 필드는 옥트리 오큐판시 코딩이 사용하는 컨텍스트들을 나타낸다. 예를 들어, 상기 neighbour_context_restriction_flag 필드의 값이 0이면, 옥트리 오큐판시 코딩이 6개의 이웃 부모 노드들(neighboring parent nodes)에 기초하여 결정된 컨텍스트들을 사용함을 나타낸다. 상기 neighbour_context_restriction_flag 필드의 값이 1이면, 옥트리 오큐판시 코딩이 형제 노드들(sibling nodes)에만 기초하여 결정된 컨텍스트들을 사용함을 나타낸다 (equal to 0 indicates that octree occupancy coding uses contexts determined from six neighbouring parent nodes. neighbour_context_restriction_flag field equal to 1 indicates that octree occupancy coding uses contexts determined from sibling nodes only.).
상기 inferred_direct_coding_mode_enabled_flag필드는 direct_mode_flag 필드가 해당 지오메트리 노드 신택스에 존재하는지 여부를 나타낸다. 예를 들어, 상기 inferred_direct_coding_mode_enabled_flag필드의 값이 1이면, 상기 direct_mode_flag 필드가 해당 지오메트리 노드 신택스에 존재함을 지시한다. 예를 들어, 상기 inferred_direct_coding_mode_enabled_flag필드의 값이 0이면, 상기 direct_mode_flag 필드가 해당 지오메트리 노드 신택스에 존재하지 않음을 지시한다.
상기 bitwise_occupancy_coding_flag 필드는 지오메트리 노드 오큐판시가 그 신택스 엘리먼트 오큐판시 맵의 비트와이즈 맥락화(bitwise contextualization)를 사용하여 인코딩되는지 여부를 나타낸다. 예를 들어, 상기 bitwise_occupancy_coding_flag 필드의 값이 1이면, 지오메트리 노드 오큐판시가 그 신택스 엘리먼트 occupancy_map의 비트와이즈 맥락화(bitwise contextualization)를 사용하여 인코딩됨을 지시한다. 예를 들어, 상기 bitwise_occupancy_coding_flag 필드의 값이 0이면, 지오메트리 노드 오큐판시가 그 디렉토리 인코드된 신택스 엘리먼트 occupancy_byte를 사용하여 인코딩됨을 지시한다.
상기 adjacent_child_contextualization_enabled_flag 필드는 이웃 옥트리 노드들(neighbouring octree nodes)의 인접한 자식들(adjacent children)이 비트와이즈 오큐판시 맥락화(bitwise occupancy contextualization)를 위해 사용되는지 여부를 나타낸다. 예를 들어, 상기 adjacent_child_contextualization_enabled_flag 필드의 값이 1이면, 이웃 옥트리 노드들(neighbouring octree nodes)의 인접한 자식들(adjacent children)이 비트와이즈 오큐판시 맥락화(bitwise occupancy contextualization)를 위해 사용됨을 지시한다. 예를 들어, 상기 adjacent_child_contextualization_enabled_flag 필드의 값이 0이면, 이웃 옥트리 노드들(neighbouring octree nodes)의 자식들(children)이 비트와이즈 오큐판시 맥락화(bitwise occupancy contextualization)를 위해 사용되지 않음을 지시한다.
상기 log2_neighbour_avail_boundary 필드는 디코딩 프로세스에서 아래와 같이 이용되는 변수(variable) NeighbAvailBoundary의 값을 나타낸다(specifies the value of the variable NeighbAvailBoundary that is used in the decoding process as follows: ).
NeighbAvailBoundary = 2 log2_neighbour_avail_boundary
예를 들어, 상기 neighbour_context_restriction_flag 필드의 값이 1이면, NeighbAvailabilityMask는 1로 설정될 수 있다. 예를 들어, 상기 neighbour_context_restriction_flag 필드의 값이 0이면, NeighbAvailabilityMask는 1 << log2_neighbour_avail_boundary로 설정될 수 있다.
상기 log2_intra_pred_max_node_size 필드는 오큐판시 인트라 예측 자격이 있는 옥트리 노드 사이즈를 나타낸다(specifies the octree nodesize eligible for occupancy intra prediction).
상기 log2_trisoup_node_size 필드는 아래와 같이 결정되는 트라이앵글 노드들의 사이즈로서 변수(variable) TrisoupNodeSize을 나타낸다(specifies the variable TrisoupNodeSize as the size of the triangle nodes as follows).
TrisoupNodeSize = 1 << log2_trisoup_node_size
상기 gps_extension_present_flag 필드는 gps_extension_data 신택스 구조가 해당 GPS 신택스에 존재하는지 여부를 나타낸다. 예를 들어, 상기 gps_extension_present_flag 필드의 값이 1이면, gps_extension_data 신택스 구조가 해당 GPS 신택스에 존재함을 지시한다. 예를 들어, 상기 gps_extension_present_flag 필드의 값이 0이면, gps_extension_data 신텍스 구조가 해당 GPS 신택스에 존재하지 않음을 지시한다.
실시예들에 따른 GPS는 상기 gps_extension_present_flag 필드의 값이 1이면gps_extension_data_flag 필드를 더 포함할 수 있다.
상기 gps_extension_data_flag 필드는 어느 값이나 가질 수 있다. 그것의 존재와 값은 디코더 규격(decoder conformance to profiles)에 영향을 주지 않는다.
도 27은 본 명세서에 따른 어트리뷰트 파라미터 세트(attribute_parameter_set())(APS)의 신택스 구조의 일 실시예를 보인 도면이다. 실시예들에 따른 APS는 하나 또는 그 이상의 슬라이스들에 포함된 포인트 클라우드 데이터의 어트리뷰트 정보를 인코딩하는 방법에 관한 정보를 포함할 수 있으며, 특히 예측 모드 처리 관련 옵셋 정보를 포함하는 예를 보이고 있다.
실시예들에 따른 APS는 aps_attr_parameter_set_id 필드, aps_seq_parameter_set_id 필드, attr_coding_type 필드, aps_attr_initial_qp 필드, aps_attr_chroma_qp_offset 필드, aps_slice_qp_delta_present_flag 필드, 및 aps_extension_present_flag 필드를 포함할 수 있다.
상기 aps_attr_parameter_set_id 필드는 다른 신택스 엘리먼트들에 의한 참조를 위해 APS의 식별자를 나타낸다.
상기 aps_seq_parameter_set_id 필드는 액티브(active) SPS에 대한 sps_seq_parameter_set_id의 값을 나타낸다.
상기 attr_coding_type 필드는 어트리뷰트에 대한 코딩 타입을 나타낸다.
일 실시예로, 상기 attr_coding_type 필드의 값이 0이면 코딩 타입은 예측 가중치 리프팅(predicting weight lifting)를, 1이면 코딩 타입은 RAHT를, 2이면 고정 가중치 리프팅(fix weight lifting)을 지시할 수 있다.
상기 aps_attr_initial_qp 필드는 APS를 참조하는 각 슬라이스에 대한 변수 슬라이스 양자화 파라미터(SliceQp)의 초기 값을 나타낸다(pecifies the initial value of the variable SliceQp for each slice referring to the APS). 상기 SliceQp의 초기 값은 slice_qp_delta_luma 또는 slice_qp_delta_luma의 비제로(non-zero) 값이 디코드될 때 해당 어트리뷰트 슬라이스 세그먼트 레이어에서 수정된다(The initial value of SliceQp is modified at the attribute slice segment layer when a non-zero value of slice_qp_delta_luma or slice_qp_delta_luma are decoded).
상기 aps_attr_chroma_qp_offset 필드는 신택스 aps_attr_initial_qp에 의해 시그널링된 초기 양자화 파라미터에 대한 오프셋들을 나타낸다(specifies the offsets to the initial quantization parameter signalled by the syntax aps_attr_initial_qp).
상기 aps_slice_qp_delta_present_flag 필드는 ash_attr_qp_delta_luma and ash_attr_qp_delta_luma 신택스 엘리먼트들이 해당 어트리뷰트 슬라이스 헤더(ASH)에 존재하는지 여부를 나타낸다. 예를 들어, 상기 aps_slice_qp_delta_present_flag 필드의 값이 1이면, ash_attr_qp_delta_luma and ash_attr_qp_delta_luma 신택스 엘리먼트들이 해당 어트리뷰트 슬라이스 헤더(ASH)에 존재함을 지시한다(equal to 1 specifies that the ash_attr_qp_delta_luma and ash_attr_qp_delta_luma syntax elements are present in the ASH). 예를 들어, 예를 들어, 상기 aps_slice_qp_delta_present_flag 필드의 값이 0이면, ash_attr_qp_delta_luma and ash_attr_qp_delta_luma 신택스 엘리먼트들이 해당 어트리뷰트 슬라이스 헤더(ASH)에 존재하지 않음을 지시한다(specifies that the ash_attr_qp_delta_luma and ash_attr_qp_delta_luma syntax elements are not present in the ASH).
실시예들에 따른 APS는 상기 attr_coding_type 필드의 값이 0이거나 또는 2이면, 즉, 코딩 타입이 예측 가중치 리프팅(predicting weight lifting)이거나 또는 고정 가중치 리프팅(fix weight lifting)이면, lifting_num_pred_nearest_neighbours 필드, lifting_max_num_direct_predictors 필드, lifting_search_range 필드, lifting_lod_regular_sampling_enabled_flag 필드, lifting_num_detail_levels_minus1 필드, attribute_pred_residual_separate_encoding_flag 필드를 더 포함할 수 있다.
상기 lifting_num_pred_nearest_neighbours 필드는 예측(prediction)을 위해 사용될 가장 가까운 이웃(nearest neighbor)들의 최대 개수를 나타낸다.
상기 lifting_max_num_direct_predictors 필드는 다이렉트 예측(direct prediction)을 위해 사용될 예측기(predictor)의 최대 개수를 나타낸다. 실시예들에 따른 포인트 클라우드 데이터 디코딩 과정에서 사용되는 변수(variable) MaxNumPredictors의 값은 아래와 같이 표현될 수 있다. (specifies the maximum number of predictor to be used for direct prediction. The value of the variable MaxNumPredictors that is used in the decoding process as follows:)
MaxNumPredictors = lifting_max_num_direct_predicots 필드 + 1
상기 lifting_lifting_search_range 필드는 예측을 위해 사용될 가장 가까운 이웃들을 결정하고 거리 기반 LOD(distance-based levels of detail)를 빌드(build)하기 위해 사용된 탐색 범위를 나타낸다 (specifies the search range used to determine nearest neighbours to be used for prediction and to build distance-based levels of detail).
상기 lifting_lod_regular_sampling_enabled_flag 필드는 LOD(levels of detail)가 레귤러 샘플링 전략에 의해 만들어지는지 여부를 나타낸다. 예를 들어, 상기 lifting_lod_regular_sampling_enabled_flag 필드의 값이 1이면, LOD(levels of detail)가 레귤러 샘플링 전략에 의해 만들어짐을 지시한다. 예를 들어, 상기 lifting_lod_regular_sampling_enabled_flag 필드의 값이 0이면, 거리 가반 샘플링 전략(distance_based sampling strategy)가 대신 사용됨을 지시한다(The lifting_lod_regular_sampling_enabled_flag equal to 1 specifies levels of detail are built by using a regular sampling strategy. The lifting_lod_regular_sampling_enabled_flag equal to 0 specifies that a distance-based sampling strategy is used instead).
상기 lifting_num_detail_levels_minus1 필드는 어트리뷰트 코딩을 위해 LOD의 개수를 나타낸다(specifies the number of levels of detail for the attribute coding).
실시예들에 따른 APS는 상기 lifting_num_detail_levels_minus1 필드의 값만큼 반복되는 반복문을 포함한다. 이때 인덱스(idx)는 0으로 초기화되고, 반복문이 수행될 때마다 1씩 증가하며, 인덱스(idx)가 상기 lifting_num_detail_levels_minus1 필드의 값보다 커질때까지 반복문이 반복되는 것을 일 실시예로 한다. 이 반복문은 lifting_lod_decimation_enabled_flag 필드의 값이 참(예를 들어, 1)이면 lifting_sampling_period[idx] 필드를 포함하고, 거짓(예를 들어, 0)이면 lifting_sampling_distance_squared[idx] 필드를 포함할 수 있다.
상기 lifting_sampling_period[idx] 필드는 LOD idx를 위한 샘플링 주기를 나타낸다(specifies the sampling period for the level of detail idx).
상기 lifting_sampling_distance_squared[idx] 필드는 LOD idx를 위한 샘플링 거리의 제곱을 나타낸다(specifies the square of the sampling distance for the level of detail idx).
상기 attribute_pred_residual_separate_encoding_flag 필드는 예측 모드와 잔여 어트리뷰트 값이 분리되었는지 여부를 지시한다. 예를 들어, 상기 attribute_pred_residual_separate_encoding_flag 필드의 값이 1이면, 예측 모드와 잔여 어트리뷰트 값이 분리되었음을 나타내고, 0이면 예측 모드와 잔여 어트리뷰트 값이 분리되지 않았음을 나타낸다.
실시예들에 따른 APS는 상기 attribute_pred_residual_separate_encoding_flag 필드의 값이 1이면, attribute_pred_mode_zero_run_length_coding_flag 필드를 더 포함할 수 있다.
상기 attribute_pred_mode_zero_run_length_coding_flag 필드는 예측 모드에 대해 제로 런-랭스 코딩이 적용되었는지 여부를 지시한다. 예를 들어, 상기 attribute_pred_mode_zero_run_length_coding_flag 필드의 값이 1이면 예측 모드들에 대해 제로 런-랭스 코딩이 적용되었음을 지시하고, 0이면 예측 모드들에 대해 제로 런-랭스 코딩이 적용되지 않았음을 지시한다.
전술한 바와 같이, 상기 attribute_pred_residual_separate_encoding_flag 필드와 상기 attribute_pred_mode_zero_run_length_coding_flag 필드는 APS에 시그널링될 수 있다.
실시예들에 따른 APS는 상기 attr_coding_type 필드의 값이 0이면, 즉 코딩 타입이 예측 가중치 리프팅(predicting weight lifting)이면, lifting_adaptive_prediction_threshold 필드와 lifting_intra_lod_prediction_num_layers 필드를 더 포함할 수 있다.
상기 lifting_adaptive_prediction_threshold 필드는 적응적 예측을 가능하게 하기 위한 임계값을 나타낸다(specifies the threshold to enable adaptive prediction).
*상기 lifting_intra_lod_prediction_num_layers 필드는 같은 LOD 레이어 내 디코드된 포인트들이 타겟 포인트의 예측 값을 생성하기 위해 참조할 수 있는 LOD 레이어의 number를 나타낸다(specifies number of LOD layer where decoded points in the same LOD layer could be referred to generate prediction value of target point). 예를 들어, 상기 lifting_intra_lod_prediction_num_layers 필드의 값이 상기 num_detail_levels_minus1 필드 + 1의 값이면, 타겟 포인트는 모든 LOD 레이어들을 위한 동일 LOD 레이어 내 디코드된 포인트들을 참조할 수 있음을 나타낸다(The lifting_intra_lod_prediction_num_layers field equal to num_detail_levels_minus1 plus 1 indicates that target point could refer decoded points in the same LOD layer for all LOD layers). 예를 들어, 상기 lifting_intra_lod_prediction_num_layers 필드의 값이 0이면, 타겟 포인트는 임의의 LOD 레이어들을 위한 동일 LOD 레이어 내 디코드된 포인트들을 참조할 수 없음을 나타낸다(The lifting_intra_lod_prediction_num_layers field equal to 0 indicates that target point could not refer decoded points in the same LoD layer for any LoD layers).
상기 aps_extension_present_flag 필드는 aps_extension_data 신택스 구조가 해당 APS 신택스 구조에 존재하는지 여부를 나타낸다. 예를 들어, 상기 aps_extension_present_flag 필드의 값이 1이면, aps_extension_data 신택스 구조가 해당 APS 신택스 구조에 존재함을 지시한다. 예를 들어, 상기 aps_extension_present_flag 필드의 값이 0이면, aps_extension_data 신택스 구조가 해당 APS 신택스 구조에 존재하지 않음을 지시한다.
실시예들에 따른 APS는 상기 aps_extension_present_flag 필드의 값이 1이면aps_extension_data_flag 필드를 더 포함할 수 있다.
상기 aps_extension_data_flag 필드는 어느 값이나 가질 수 있다. 그것의 존재와 값은 디코더 규격(decoder conformance to profiles)에 영향을 주지 않는다.
도 28은 본 명세서에 따른 타일 파라미터 세트(tile_parameter_set())(TPS)의 신택스 구조의 일 실시예를 보인 도면이다. 실시예들에 따라 TPS(Tile Parameter Set)는 타일 인벤토리(tile inventory)로 호칭될 수도 있다. 실시예들에 따른 TPS는 타일별로 각 타일에 관련된 정보를 포함하며 특히, 예측 모드 처리 관련 옵셋 정보를 포함하는 예를 보이고 있다.
실시예들에 따른 TPS는 num_tiles 필드를 포함한다.
상기 num_tiles 필드는 그 비트스트림을 위해 시그널링된 타일들의 개수를 나타낸다. 만일 타일들이 존재하지 않으면, 상기 num_tiles 필드의 값은 0이 될 것이다(when not present, num_tiles is inferred to be 0).
실시예들에 따른 TPS는 상기 num_tiles 필드의 값만큼 반복되는 반복문을 포함한다. 이때 i는 0으로 초기화되고, 반복문이 수행될 때마다 1씩 증가하며, i값이 상기 num_tiles 필드의 값이 될때까지 반복문이 반복되는 것을 일 실시예로 한다. 이 반복문은 tile_bounding_box_offset_x[i] 필드, tile_bounding_box_offset_y[i] 필드, tile_bounding_box_offset_z[i] 필드, tile_bounding_box_size_width[i] 필드, tile_bounding_box_size_height[i] 필드, tile_bounding_box_size_depth[i] 필드, 및 attribute_pred_residual_separate_encoding_flag[i] 필드를 포함할 수 있다.
상기 tile_bounding_box_offset_x[i] 필드는 직교 좌표계에서 i-번째 타일의 x 오프셋을 나타낸다 (indicates the x offset of the i-th tile in the cartesian coordinates).
상기 tile_bounding_box_offset_y[i] 필드는 직교 좌표계에서 i-번째 타일의 y 오프셋을 나타낸다.
상기 tile_bounding_box_offset_z[i] 필드는 직교 좌표계에서 i-번째 타일의 z 오프셋을 나타낸다.
상기 tile_bounding_box_size_width[i] 필드는 직교 좌표계에서 i-번째 타일의 폭(width)를 나타낸다.
상기 tile_bounding_box_size_height[i] 필드는 직교 좌표계에서 i-번째 타일의 높이(height)를 나타낸다.
상기 tile_bounding_box_size_depth[i] 필드는 직교 좌표계에서 i-번째 타일의 깊이(depth)를 나타낸다.
상기 attribute_pred_residual_separate_encoding_flag[i] 필드는 i-번째 타일에서 예측 모드와 잔여 어트리뷰트 값이 분리되었는지 여부를 지시한다. 예를 들어, 상기 attribute_pred_residual_separate_encoding_flag[i] 필드의 값이 1이면, 예측 모드와 잔여 어트리뷰트 값이 분리되었음을 나타내고, 0이면 예측 모드와 잔여 어트리뷰트 값이 분리되지 않았음을 나타낸다.
실시예들에 따른 TPS는 상기 attribute_pred_residual_separate_encoding_flag[i] 필드의 값이 1이면, attribute_pred_mode_zero_run_length_coding_flag[i] 필드를 더 포함할 수 있다.
상기 attribute_pred_mode_zero_run_length_coding_flag[i] 필드는 i번째 타일에서 예측 모드들에 대해 제로 런-랭스 코딩이 적용되었는지 여부를 지시한다. 예를 들어, 상기 attribute_pred_mode_zero_run_length_coding_flag[i] 필드의 값이 1이면 예측 모드들에 대해 제로 런-랭스 코딩이 적용되었음을 지시하고, 0이면 예측 모드들에 대해 제로 런-랭스 코딩이 적용되지 않았음을 지시한다.
이와 같이, 상기 attribute_pred_residual_separate_encoding_flag[i] 필드와 상기 attribute_pred_mode_zero_run_length_coding_flag[i] 필드는 TPS에 시그널링될 수 있다.
도 29는 본 명세서에 따른 지오메트리 슬라이스 비트스트림()의 신택스 구조의 일 실시예를 보인 도면이다.
실시예들에 따른 지오메트리 슬라이스 비트스트림(geometry_slice_bitstream ())은 지오메트리 슬라이스 헤더(geometry_slice_header())와 지오메트리 슬라이스 데이터(geometry_slice_data())를 포함할 수 있다.
도 30은 본 명세서에 따른 지오메트리 슬라이스 헤더(geometry_slice_header())의 신택스 구조의 일 실시예를 보인 도면이다.
실시예들에 따른 송신 장치가 전송하는 비트스트림(또는 수신 장치가 수신하는 비트스트림)은 하나 이상의 슬라이스들을 포함할 수 있다. 각 슬라이스(slice)는 지오메트리 슬라이스 및 어트리뷰트 슬라이스를 포함할 수 있다. 지오메트리 슬라이스는 지오메트리 슬라이스 헤더(GSH, Geometry Slice Header)를 포함한다. 어트리뷰트 슬라이스는 어트리뷰트 슬라이스 헤더(ASH, Attribute Slice Header)를 포함한다.
실시예들에 따른 지오메트리 슬라이스 헤더(geometry_slice_header())는 gsh_geom_parameter_set_id 필드, gsh_tile_id 필드, gsh_slice_id 필드, gsh_max_node_size_log2 필드, gsh_num_points 필드 및 byte_alignment( ) 필드를 포함할 수 있다.
실시예들에 따른 지오메트리 슬라이스 헤더(geometry_slice_header())는 지오메트리 파라미터 세트(GPS)에 포함된 gps_box_present_flag 필드의 값이 참(예를 들어, 1)이고, gps_gsh_box_log2_scale_present_flag 필드의 값이 참(예를 들어, 1)이면, gsh_box_log2_scale 필드, gsh_box_origin_x 필드, gsh_box_origin_y 필드, 및 gsh_box_origin_z 필드를 더 포함할 수 있다.
상기 gsh_geom_parameter_set_id 필드는 액티브 GPS의 gps_geom_parameter_set_id의 값을 나타낸다 (specifies the value of the gps_geom_parameter_set_id of the active GPS).
상기 gsh_tile_id 필드는 해당 지오메트리 슬라이스 헤더(GSH)에 의해 참조되는 해당 타일(tile)의 식별자를 나타낸다.
상기 gsh_slice_id는 다른 신택스 엘리먼트들에 의한 참조를 위해 해당 슬라이스의 식별자를 나타낸다.
상기 gsh_box_log2_scale 필드는 해당 슬라이스를 위한 바운딩 박스 오리진의 스케일링 팩터를 나타낸다.
상기 gsh_box_origin_x 필드는 상기 gsh_box_log2_scale 필드의 값에 의해 스케일링된 바운딩 박스 오리진의 x값을 나타낸다.
상기 gsh_box_origin_y 필드는 상기 gsh_box_log2_scale 필드의 값에 의해 스케일링된 바운딩 박스 오리진의 y값을 나타낸다.
상기 gsh_box_origin_z 필드는 상기 gsh_box_log2_scale 필드의 값에 의해 스케일링된 바운딩 박스 오리진의 z값을 나타낸다.
상기 gsh_max_node_size_log2 필드는 루트 지오메트리 옥트리 노드의 사이즈를 나타낸다.
상기 gsh_points_number 필드는 해당 슬라이스 내 코딩된 포인트들의 개수를 나타낸다.
도 31은 본 명세서에 따른 지오메트리 슬라이스 데이터(geometry_slice_data())의 신택스 구조의 일 실시예를 보인 도면이다. 실시예들에 따른 지오메트리 슬라이스 데이터(geometry_slice_data())는 해당 슬라이스에 속한 지오메트리 비트스트림을 전송할 수 있다.
실시예들에 따른 지오메트리 슬라이스 데이터(geometry_slice_data())는 MaxGeometryOctreeDepth의 값만큼 반복되는 제1 반복문을 포함할 수 있다. 이때 depth는 0으로 초기화되고, 반복문이 수행될 때마다 1씩 증가하며, depth가 MaxGeometryOctreeDepth의 값이 될 때까지 제1 반복문이 반복되는 것을 일 실시예로 한다. 제1 반복문은 NumNodesAtDepth의 값만큼 반복되는 제2 반복문을 포함할 수 있다. 이때 nodeidx는 0으로 초기화되고, 반복문이 수행될 때마다 1씩 증가하며, nodeidx가 NumNodesAtDepth의 값이 될 때까지 제2 반복문이 반복되는 것을 일 실시예로 한다. 제2 반복문은 xN = NodeX[depth][nodeIdx], yN = NodeY[depth][nodeIdx], zN = NodeZ[depth][nodeIdx], geometry_node(depth, nodeIdx, xN, yN, zN)를 포함할 수 있다. MaxGeometryOctreeDepth는 지오메트리 옥트리 깊이의 최대 값을 나타내고, NumNodesAtDepth는 해당 깊이에서 디코드될 노드들의 개수를 나타낸다. 변수 NodeX[depth][nodeIdx], NodeY[depth][nodeIdx], NodeZ[depth][nodeIdx]는 주어진 깊이에서 디코딩 순서로 nodeIdx 번째 노드의 z, y, z 좌표를 나타낸다. geometry_node(depth, nodeIdx, xN, yN, zN)를 통해 해당 깊이의 해당 노드의 지오메트리 비트스트림을 전송한다.
실시예들에 따른 지오메트리 슬라이스 데이터(geometry_slice_data())는 log2_trisoup_node_size 필드의 값이 0보다 크면, geometry_trisoup_data()를 더 포함할 수 있다. 즉, 트라이앵글 노드들의 사이즈가 0보다 크면, geometry_trisoup_data()를 통해 트라이슙 지오메트리 인코딩된 지오메트리 비트스트림을 전송한다.
도 32는 본 명세서에 따른 어트리뷰트 슬라이스 비트스트림()의 신택스 구조의 일 실시예를 보인 도면이다.
실시예들에 따른 어트리뷰트 슬라이스 비트스트림(attribute_slice_bitstream ())은 어트리뷰트 슬라이스 헤더(attribute_slice_header())와 어트리뷰트 슬라이스 데이터(attribute_slice_data())를 포함할 수 있다.
도 33은 본 명세서에 따른 어트리뷰트 슬라이스 헤더(attribute_slice_header())의 신택스 구조의 일 실시예를 보인 도면이다. 실시예들에 따른 어트리뷰트 슬라이스 헤더는 해당 어트리뷰트 슬라이스를 위한 시그널링 정보를 포함하며, 특히 예측 모드 처리 관련 옵셋 정보를 포함하는 예를 보이고 있다.
실시예들에 따른 어트리뷰트 슬라이스 헤더(attribute_slice_header())는 ash_attr_parameter_set_id 필드, ash_attr_sps_attr_idx 필드, ash_attr_geom_slice_id 필드, 및 attribute_pred_residual_separate_encoding_flag 필드를 포함할 수 있다.
실시예들에 따른 어트리뷰트 슬라이스 헤더(attribute_slice_header())는 어트리뷰트 파라미터 세트(APS)의 aps_slice_qp_delta_present_flag 필드의 값이 참(예, 1)이면, ash_qp_delta_luma 필드와 ash_qp_delta_chroma 필드를 더 포함할 수 있다.
상기 ash_attr_parameter_set_id 필드는 현재 액티브 APS의 aps_attr_parameter_set_id 필드 (예를 들면, 도 27에서 설명한 APS에 포함된 aps_attr_parameter_set_id 필드)의 값을 나타낸다.
상기 ash_attr_sps_attr_idx 필드는 현재 액티브 SPS 내의 어트리뷰트 세트를 식별한다. 상기 ash_attr_sps_attr_idx 필드의 값은 0부터 현재 액티브 SPS에 포함된 sps_num_attribute_sets 필드까지의 범위 내에 있다.
상기 ash_attr_geom_slice_id 필드는 현재 지오메트리 슬라이스 헤더의 gsh_slice_id 필드의 값을 나타낸다.
상기 ash_qp_delta_luma 필드는 액티브 어트리뷰트 파라미터 세트 내 초기 슬라이스 qp로부터 도출된 루마 델타 양자화 파라미터(qp)를 나타낸다.
상기 ash_qp_delta_chroma 필드는 액티브 어트리뷰트 파라미터 세트 내 초기 슬라이스 qp로부터 도출된 크로마 델타 양자화 파라미터(qp)를 나타낸다.
상기 attribute_pred_residual_separate_encoding_flag 필드는 해당 슬라이스에서 예측 모드와 잔여 어트리뷰트 값이 분리되었는지 여부를 지시한다. 예를 들어, 상기 attribute_pred_residual_separate_encoding_flag 필드의 값이 1이면, 예측 모드와 잔여 어트리뷰트 값이 분리되었음을 나타내고, 0이면 예측 모드와 잔여 어트리뷰트 값이 분리되지 않았음을 나타낸다.
실시예들에 따른 어트리뷰트 슬라이스 헤더는 상기 attribute_pred_residual_separate_encoding_flag 필드의 값이 1이면, attribute_pred_mode_zero_run_length_coding_flag 필드를 더 포함할 수 있다.
상기 attribute_pred_mode_zero_run_length_coding_flag 필드는 해당 슬라이스에서 예측 모드들에 대해 제로 런-랭스 코딩이 적용되었는지 여부를 지시한다. 예를 들어, 상기 attribute_pred_mode_zero_run_length_coding_flag 필드의 값이 1이면 예측 모드들에 대해 제로 런-랭스 코딩이 적용되었음을 지시하고, 0이면 예측 모드들에 대해 제로 런-랭스 코딩이 적용되지 않았음을 지시한다.
이와 같이 상기 attribute_pred_residual_separate_encoding_flag 필드와 상기 attribute_pred_mode_zero_run_length_coding_flag 필드는 어트리뷰트 슬라이스 헤더에 시그널링될 수 있다.
도 34는 본 명세서에 따른 어트리뷰트 슬라이스 데이터(attribute_slice_data())의 신택스 구조의 일 실시예를 보인 도면이다. 실시예들에 따른 어트리뷰트 슬라이스 데이터(attribute_slice_data())는 해당 슬라이스에 속한 어트리뷰트 비트스트림을 전송할 수 있다.
도 34의 어트리뷰트 슬라이스 데이터(attribute_slice_data())에서 dimension=attribute_dimension[ash_attr_sps_attr_idx]는 해당 어트리뷰트 슬라이스 헤더 내 ash_attr_sps_attr_idx 필드에 의해 식별되는 어트리뷰트 세트의 어트리뷰트 디멘션(attribute_dimension)을 나타낸다. 어트리뷰트 디멘션(attribute_dimension)은 어트리뷰트를 구성하는 컴포넌트들의 개수를 의미한다. 실시예들에 따른 어트리뷰트는 반사율, 색상 등을 나타낸다. 따라서 어트리뷰트가 갖는 컴포넌트들의 개수는 다르다. 예를 들어 색상에 대응하는 어트리뷰트는 세개의 색상 컴포넌트들(예를 들어 RGB)를 가질 수 있다. 그러므로, 반사율(reflectance)에 대응하는 어트리뷰트는 모노 디멘셔널 어트리뷰트(mono-dimensional attribute)가 될 수 있고, 색상에 대응하는 어트리뷰트는 3 디멘셔널 어트리뷰트(three-dimensional attribute)가 될 수 있다.
실시예들에 따른 어트리뷰트는 디멘션 단위로 어트리뷰트 인코딩될 수 있다.
예를 들어 반사율에 대응하는 어트리뷰트와 색상에 대응하는 어트리뷰트는 각각 어트리뷰트 인코딩될 수 있다. 또한 실시예들에 따른 어트리뷰트는 디멘션과 관계없이 함께 어트리뷰트 인코딩 될 수 있다. 예를 들어 반사율에 대응하는 어트리뷰트 및 색상에 대응하는 어트리뷰트는 함께 어트리뷰트 인코딩 될 수 있다.
실시예들에 따르면, 도 34에서 어트리뷰트 슬라이스 데이터는 모든 포인트들로부터 예측 모드들과 잔여 어트리뷰트 값들이 분리되고(즉, attribute_pred_residual_separate_encoding_flag == 1), 분리된 예측 모드들에 대해 제로 런-랭스 코딩이 적용되고(즉, attribute_pred_mode_zero_run_length_coding_flag == 1), 어트리뷰트 코딩 타입은 예측 가중치 리프팅(predicting weight lifting)이고(즉, attr_coding_type = = 0), 해당 포인트의 예측기에 등록된 이웃 포인트들간의 어트리뷰트 요소들의 차이 값들 중 가장 큰 요소값들의 합이 기 설정된 임계값보다 크고(즉, maxPredDiff[i] > lifting_adaptive_prediction_threshold), 예측기의 최대 개수가 1보다 크면(즉, MaxNumPredictors > 1), 제로 런-랭스 코딩이 적용된 예측 모드들과 제로 런-랭스 코딩이 적용된 잔여 어트리뷰트 값들을 전송한다. 본 명세서에서 예측 모드들에 대한 제로 런 랭스 코딩은 도 17의 어트리뷰트 정보 예측부(53009)에서 수행되고, 잔여 어트리뷰트 값들에 대한 제로 런-랭스 코딩은 도 17의 잔여 어트리뷰트 정보 양자화 처리부(53010)에서 수행되는 것을 일 실시예로 한다. 즉, 예측 모드들에 대한 제로 런 랭스 코딩이 잔여 어트리뷰트 값들에 대한 제로 런-랭스 코딩보다 먼저 수행된다.
실시예들에 따르면, 도 34에서 어트리뷰트 슬라이스 데이터는 모든 포인트들로부터 예측 모드들과 잔여 어트리뷰트 값들이 분리되고(즉, attribute_pred_residual_separate_encoding_flag == 1), 분리된 예측 모드들에 대해 제로 런-랭스 코딩이 적용되지 않고(즉, attribute_pred_mode_zero_run_length_coding_flag == 0), 어트리뷰트 코딩 타입은 예측 가중치 리프팅(predicting weight lifting)이고(즉, attr_coding_type = = 0), 해당 포인트의 예측기에 등록된 이웃 포인트들간의 어트리뷰트 요소들의 차이 값들 중 가장 큰 요소값들의 합이 기 설정된 임계값보다 크고(즉, maxPredDiff[i] > lifting_adaptive_prediction_threshold), 예측기의 최대 개수가 1보다 크면(즉, MaxNumPredictors > 1), 제로 런-랭스 코딩이 적용되지 않은 예측 모드들과 제로 런-랭스 코딩이 적용된 잔여 어트리뷰트 값들을 전송한다. 본 명세서에서 잔여 어트리뷰트 값들에 대한 제로 런-랭스 코딩은 도 17의 잔여 어트리뷰트 정보 양자화 처리부(53010)에서 수행되는 것을 일 실시예로 한다.
실시예들에 따르면, 도 34에서 어트리뷰트 슬라이스 데이터는 예측 모드와 잔여 어트리뷰트 값이 분리되지 않고(즉, attribute_pred_residual_separate_encoding_flag == 0), 어트리뷰트 코딩 타입은 예측 가중치 리프팅(predicting weight lifting)이고(즉, attr_coding_type = = 0), 해당 포인트의 예측기에 등록된 이웃 포인트들간의 어트리뷰트 요소들의 차이 값들 중 가장 큰 요소값들의 합이 기 설정된 임계값보다 크고(즉, maxPredDiff[i] > lifting_adaptive_prediction_threshold), 예측기의 최대 개수가 1보다 크면(즉, MaxNumPredictors > 1), 각 포인트별로 예측 모드와 잔여 어트리뷰트 값을 페어로 묶어 전송한다. 본 명세서에서는 잔여 어트리뷰트 값들에 대해 도 17의 잔여 어트리뷰트 정보 양자화 처리부(53010)에서 추가로 제로 런-랭스 코딩을 적용하여 전송할 수 있다.
도 34에서 i는 그 어트리뷰트의 i번째 포인트 값을 의미하며, zerorun은 예측기 인덱스(preindex, 즉 예측 모드) 또는 잔여 어트리뷰트 값(residual) 전의 0의 개수를 나타낸다(zerorun specifies the number of 0 prior to preindex or residual).
또한 도 34에서 상기 attribute_pred_residual_separate_encoding_flag 필드와 상기 attribute_pred_mode_zero_run_length_coding_flag 필드는 SPS(도 25 참조), APS(도 27 참조), TPS(도 28 참조), 그리고 어트리뷰트 슬라이스 헤더(도 33 참조) 중 적어도 하나에 시그널링되고, 상기 attr_coding_type 필드와 상기 lifting_adaptive_prediction_threshold 필드는 APS(도 27 참조)에 시그널링되는 것을 일 실시예로 한다.
그리고, 도 34의 변수 MaxNumPredictors는 포인트 클라우드 데이터 디코딩 과정에서 사용되는 변수이며, 도 27의 APS에 시그널링된 lifting_adaptive_prediction_threshold 필드 값을 기반으로 아래와 같이 획득될 수 있다.
MaxNumPredictors = lifting_max_num_direct_predicots 필드 + 1
여기서, lifting_max_num_direct_predictors 필드는 다이렉트 예측(direct prediction)을 위해 사용될 예측기(predictor)의 최대 개수를 나타낸다.
실시예들에 따른 pred_index[i]는 그 어트리뷰트의 i번째 포인트 값을 디코드하기 위한 예측기 인덱스(predictor index, 또는 prediction mode라 함)를 나타낸다(specifies the predictor index to decode the i-th point value of the attribute). 상기 pred_index[i]의 값은 0부터 lifting_max_num_direct_predictors 필드의 값까지의 범위에 있다.
실시예들에 따른 변수 (variable) MaxPredDiff[i]는 다음과 같이 계산될 수 있다.
minValue = maxValue = a 0
for (j = 0; j < k; j++) {
minValue = Min(minValue, a j)
maxValue = Max(maxValue, a j)
}
minValue;
여기서, k i는 현재 포인트 i의 k-nearest neighbours의 세트이고, (a j) jEXi 는 그들의 디코드된/리컨스트럭트된 어트리뷰트 값들이라고 정의된다(Let k i be the set of the k-nearest neighbours of the current point i and let (a j) jEXi be their decoded/reconstructed attribute values). 그리고 가장 가까운 이웃들의 개수인, k i는 1부터 lifting_num_pred_nearest_neighbours 필드의 값까지의 범위에 있다(The number of nearest neighbours, k i shall be range of 1 to lifting_num_pred_nearest_neighbours). 실시예들에 따르면, 이웃들의 디코드된/리컨스트럭트된 어트리뷰트 값은 예측 리프팅 디코딩 과정에 따라 파생된다(얻어진다)(The decoded/reconstructed attribute value of neighbours are derived according to the Predictive Lifting decoding process).
상기 lifting_num_pred_nearest_neighbours 필드는 도 27의 APS에 시그널링되며, 예측(prediction)을 위해 사용될 가장 가까운 이웃(nearest neighbor)들의 최대 개수를 나타낸다.
도 35는 실시예들에 따른 포인트 클라우드 데이터 송신 방법의 흐름도를 나타낸다.
실시예들에 따른 포인트 클라우드 데이터 송신 방법은 포인트 클라우드 데이터에 포함된 지오메트리를 인코딩하는 단계(71001), 입력된 및/또는 재구성된 지오메트리를 기반으로 상기 포인트 클라우드 데이터에 포함된 어트리뷰트를 인코딩하는 단계(71002), 그리고 인코드된 지오메트리, 인코드된 어트리뷰트, 및 시그널링 정보를 포함하는 비트스트림을 전송하는 단계(71003)를 포함할 수 있다.
포인트 클라우드 데이터에 포함된 지오메트리와 어트리뷰트를 인코딩하는 단계(71001, 71002)는 도 1의 포인트 클라우드 비디오 인코더(10002), 도 2의 인코딩(20001), 도 4의 포인트 클라우드 비디오 인코더, 도 12의 포인트 클라우드 비디오 인코더, 도 14의 포인트 클라우드 인코딩, 도 15의 포인트 클라우드 비디오 인코더, 도 17의 지오메트리 인코더와 어트리뷰트 인코더의 동작의 일부 또는 전체를 수행할 수 있다.
일 실시예로, 어트리뷰트를 인코딩하는 단계(71002)는 모든 포인트들로부터 예측 모드들과 잔여 어트리뷰트 값들을 분리하고, 분리된 예측 모드들과 분리된 잔여 어트리뷰트 값들에 대해 각각 제로 런-랭스 코딩을 적용할 수 있다.
다른 실시예로, 어트리뷰트를 인코딩하는 단계(71002)는 포인트별로 예측 모드와 잔여 어트리뷰트 값을 페어로 구성하고, 양자화 과정에서 잔여 어트리뷰트 값들에 대해서만 제로 런-랭스 코딩을 적용할 수 있다.
실시예들에 따르면, 예측 모드와 잔여 어트리뷰트 값의 분리 여부에 대한 정보(예, attribute_pred_residual_separate_encoding_flag)를 시퀀스 파라미터 세트, 어트리뷰트 파라미터 세트, 타일 파라미터 세트, 어트리뷰트 슬라이스 헤더 중 적어도 하나에 시그널링할 수 있다.
실시예들에 따르면, 분리된 예측 모드들에 대해 런-랭스 코딩이 적용되었는지 여부에 대한 정보(예, attribute_pred_residual_separate_encoding_flag)를 시퀀스 파라미터 세트, 어트리뷰트 파라미터 세트, 타일 파라미터 세트, 어트리뷰트 슬라이스 헤더 중 적어도 하나에 시그널링할 수 있다.
실시예들에 따른 지오메트리와 어트리뷰트를 인코딩하는 단계(71001, 71002)는 슬라이스(slice) 또는 하나 또는 그 이상의 슬라이스들을 포함하는 타일(tile) 단위로 인코딩을 수행할 수 있다.
인코드된 지오메트리, 인코드된 어트리뷰트, 및 시그널링 정보를 포함하는 비트스트림을 전송하는 단계(71003)는 도 1의 트랜스미터(10003), 도 2의 전송 단계(20002), 도 12의 전송 처리부(12012) 또는 도 15의 전송 처리부(51008)에서 수행될 수도 있다.
도 36은 실시예들에 따른 포인트 클라우드 데이터 수신 방법의 흐름도를 나타낸다.
실시예들에 따른 포인트 클라우드 데이터 수신 방법은 인코드된 지오메트리, 인코드된 어트리뷰트, 및 시그널링 정보를 포함하는 비트스트림을 수신하는 단계(81001), 시그널링 정보를 기반으로 지오메트리를 디코딩하는 단계(81002), 디코딩/재구성된 지오메트리와 시그널링 정보를 기반으로 어트리뷰트를 디코딩하는 단계(81003), 및 디코드된 지오메트리와 디코드된 어트리뷰트를 기반으로 복원된 포인트 클라우드 데이터를 렌더링하는 단계(81004)를 포함할 수 있다.
실시예들에 따른 인코드된 지오메트리, 인코드된 어트리뷰트, 및 시그널링 정보를 포함하는 비트스트림을 수신하는 단계(81001)는 도 1의 리시버(10005), 도 2의 진송(20002) 또는 디코딩(20003), 도 13의 수신부(13000) 또는 수신 처리부(13001), 또는 도 20의 수신 처리부(61001)에서 수행될 수 있다.
실시예들에 따른 지오메트리와 어트리뷰트를 디코딩하는 단계(81002, 81003)는 슬라이스(slice) 또는 하나 또는 그 이상의 슬라이스들을 포함하는 타일(tile) 단위로 디코딩을 수행할 수 있다.
실시예들에 따른 지오메트리를 디코딩하는 단계(81002)는 도 1의 포인트 클라우드 비디오 디코더(10006), 도 2의 디코딩(20003), 도 11의 포인트 클라우드 비디오 디코더, 도 13의 포인트 클라우드 비디오 디코더, 도 20의 지오메트리 디코더, 도 21의 지오메트리 디코더의 동작의 일부 또는 전체를 수행할 수 있다.
실시예들에 따른 어트리뷰트를 디코딩하는 단계(81003)는 도 1의 포인트 클라우드 비디오 디코더(10006), 도 2의 디코딩(20003), 도 11의 포인트 클라우드 비디오 디코더, 도 13의 포인트 클라우드 비디오 디코더, 도 20의 어트리뷰트 디코더, 도 21의 어트리뷰트 디코더의 동작의 일부 또는 전체를 수행할 수 있다.
실시예들에 따르면, 시그널링 정보 예를 들어, 시퀀스 파라미터 세트, 어트리뷰트 파라미터 세트, 타일 파라미터 세트, 어트리뷰트 슬라이스 헤더 중 적어도 하나는 예측 모드와 잔여 어트리뷰트 값의 분리 여부에 대한 정보(예, attribute_pred_residual_separate_encoding_flag)와 분리된 예측 모드들에 대해 런-랭스 코딩이 적용되었는지 여부에 대한 정보(예, attribute_pred_residual_separate_encoding_flag)를 포함할 수 있다.
실시예들에 따라, 어트리뷰트를 디코딩하는 단계(81003)는 시그널링 정보에 포함된 예측 모드와 잔여 어트리뷰트 값의 분리 여부에 대한 정보(예, attribute_pred_residual_separate_encoding_flag)와 분리된 예측 모드들에 대해 런-랭스 코딩이 적용되었는지 여부에 대한 정보(예, attribute_pred_residual_separate_encoding_flag)를 기반으로 각 포인트의 예측 모드와 잔여 어트리뷰트 값이 분리되었고, 또한 포인트들의 예측 모드들에 대해 제로 런-랭스 코딩이 적용되었다고 판별되면, 포인트들의 예측 모드들에 대해 송신측의 역과정으로 제로 런-랭스 디코딩을 먼저 수행한 후, 잔여 어트리뷰트 값들에 대해 송신측의 역과정으로 제로 런-랭스 디코딩을 수행한다.
실시예들에 따라, 어트리뷰트를 디코딩하는 단계(81003)는 예측 모드들과 잔여 어트리뷰트 값들에 대해 각각 제로 런-랭스 디코딩을 수행한 후, 각 포인트의 예측 모드를 기반으로 예측된 어트리뷰트 값에 해당 포인트의 잔여 어트리뷰트 값을 더하는 과정을 수행하여 각 포인트의 어트리뷰트 값을 복원한다.
실시예들에 따른 디코드된 지오메트리와 디코드된 어트리뷰트를 기반으로 복원된 포인트 클라우드 데이터를 렌더링하는 단계(81004)는 복원된 포인트 클라우드 데이터를 다양한 렌더링 방식에 따라 렌더링할 수 있다. 예를 들어, 포인트 클라우드 콘텐트의 포인트들은 일정 두께를 갖는 정점, 해당 정점 위치를 중앙으로 하는 특정 최소 크기를 갖는 정육면체, 또는 정점 위치를 중앙으로 하는 원 등으로 렌더링 될 수도 있다. 렌더링된 포인트 클라우드 콘텐트의 전부 또는 일부 영역은 디스플레이 (예를 들면 VR/AR 디스플레이, 일반 디스플레이 등)을 통해 사용자에게 제공된다.
실시예들에 따른 포인트 클라우드 데이터를 렌더링하는 단계(81004)는 도 1의 렌더러(10007) 또는 도 2의 렌더링(20004) 또는 도 13의 렌더러(13011) 에서 수행될 수 있다.
본 명세서는 3차원 포인트 클라우드 데이터의 어트리뷰트의 압축 효율을 높이기 위해, 그리고 병렬 처리를 더 효율적으로 제공하기 위해, 각 포인트로부터 예측 모드와 잔여 어트리뷰트 값을 분리하여 예측 모드들로 이루어진 예측 모드 비트스트림과 잔여 어트리뷰트 값들로 이루어진 잔여 어트리뷰트 값 비트스트림을 각각 구성한다. 이렇게 함으로써, 예측 모드와 잔여 어트리뷰트 값 사이의 의존성이 분리되므로, 포인트 클라우드 비디오 인코더/디코더는 병렬 처리가 가능한 구조를 제공할 수 있게 된다. 또한 예측 모드들로 이루어진 예측 모드 비트스트림에 0이 연속적으로 포함되는 경우(즉, 예측 모드 0), 예측 모드 비트스트림에 제로 런-랭스 코딩을 적용함으로써, 예측 모드 비트스트림의 크기를 줄일 수 있으며 이로 인해, 어트리뷰트의 압축 효율을 높일 수 있다.
전술한 각각의 파트, 모듈 또는 유닛은 메모리(또는 저장 유닛)에 저장된 연속된 수행과정들을 실행하는 소프트웨어, 프로세서, 하드웨어 파트일 수 있다. 전술한 실시예에 기술된 각 단계들은 프로세서, 소프트웨어, 하드웨어 파트들에 의해 수행될 수 있다. 전술한 실시예에 기술된 각 모듈/블락/유닛들은 프로세서, 소프트웨어, 하드웨어로서 동작할 수 있다. 또한, 실시예들이 제시하는 방법들은 코드로서 실행될 수 있다. 이 코드는 프로세서가 읽을 수 있는 저장매체에 쓰여질 수 있고, 따라서 장치(apparatus)가 제공하는 프로세서에 의해 읽혀질 수 있다.
또한 명세서 전체에서, 어떤 부분이 어떤 구성 요소를 “포함”한다고 할 때, 이는 특별히 반대되는 기재가 없는 한 다른 구성 요소를 제외하는 것이 아니라 다른 구성 요소를 더 포함할 수 있는 것을 의미한다. 그리고 명세서에 기재된 “…부”등의 용어는 적어도 하나의 기능이나 동작을 처리하는 단위를 의미하며, 이는 하드웨어나 소프트웨어 또는 하드웨어 및 소프트웨어의 결합으로 구현될 수 있다.
본 명세서는 설명의 편의를 위하여 각 도면을 나누어 설명하였으나, 각 도면에 서술되어 있는 실시 예들을 병합하여 새로운 실시 예를 구현하도록 설계하는 것도 가능하다. 그리고, 통상의 기술자의 필요에 따라, 이전에 설명된 실시 예들을 실행하기 위한 프로그램이 기록되어 있는 컴퓨터에서 판독 가능한 기록 매체를 설계하는 것도 실시예들의 권리범위에 속한다.
실시예들에 따른 장치 및 방법은 상술한 바와 같이 설명된 실시 예들의 구성과 방법이 한정되게 적용될 수 있는 것이 아니라, 실시 예들은 다양한 변형이 이루어질 수 있도록 각 실시 예들의 전부 또는 일부가 선택적으로 조합되어 구성될 수도 있다.
실시예들의 바람직한 실시 예에 대하여 도시하고 설명하였지만, 실시예들은 상술한 특정의 실시 예에 한정되지 아니하며, 청구범위에서 청구하는 실시예들의 요지를 벗어남이 없이 당해 발명이 속하는 기술분야에서 통상의 지식을 가진 자에 의해 다양한 변형실시가 가능한 것은 물론이고, 이러한 변형실시들은 실시예들의 기술적 사상이나 전망으로부터 개별적으로 이해돼서는 안 될 것이다.
실시예들의 장치의 다양한 구성요소들은 하드웨어, 소프트웨어, 펌웨어 또는 그것들의 조합에 의해 수행될 수 있다. 실시예들의 다양한 구성요소들은 하나의 칩, 예를 들면 하나의 하드웨어 서킷으로 구현될 수 있다. 실시예들에 따른 구성요소들은 각각 별도의 칩들로 구현될 수 있다. 실시예들에 따른 장치의 구성요소들 중 적어도 하나 이상은 하나 또는 그 이상의 프로그램들을 실행 할 수 있는 하나 또는 그 이상의 프로세서들로 구성될 수 있으며, 하나 또는 그 이상의 프로그램들은 실시예들에 따른 동작/방법들 중 어느 하나 또는 그 이상의 동작/방법들을 수행시키거나, 수행시키기 위한 인스트럭션들을 포함할 수 있다. 실시예들에 따른 장치의 방법/동작들을 수행하기 위한 실행 가능한 인스트럭션들은 하나 또는 그 이상의 프로세서들에 의해 실행되기 위해 구성된 일시적이지 않은 CRM 또는 다른 컴퓨터 프로그램 제품들에 저장될 수 있거나, 하나 또는 그 이상의 프로세서들에 의해 실행되기 위해 구성된 일시적인 CRM 또는 다른 컴퓨터 프로그램 제품들에 저장될 수 있다. 또한 실시예들에 따른 메모리는 휘발성 메모리(예를 들면 RAM 등)뿐 만 아니라 비휘발성 메모리, 플래쉬 메모리, PROM등을 전부 포함하는 개념으로 사용될 수 있다. 또한, 인터넷을 통한 전송 등과 같은 캐리어 웨이브의 형태로 구현되는 것도 포함될 수 있다. 또한, 프로세서가 읽을 수 있는 기록매체는 네트워크로 연결된 컴퓨터 시스템에 분산되어, 분산방식으로 프로세서가 읽을 수 있는 코드가 저장되고 실행될 수 있다.
이 문서에서 "/"와 ","는 "및/또는"으로 해석된다. 예를 들어, "A/B"는 "A 및/또는 B"로 해석되고, "A, B"는 "A 및/또는 B"로 해석된다. 추가적으로, "A/B/C"는 "A, B, 및/또는 C 중 적어도 하나"를 의미한다. 또한, "A, B, C"도 "A, B 및/또는 C 중 적어도 하나"를 의미한다. (In this document, the term "/" and "," should be interpreted to indicate "and/or". For instance, the expression "A/B" may mean "A and/or B". Further, "A, B" may mean "A and/or B". Further, "A/B/C" may mean "at least one of A, B, and/or C". Also, "A, B, C" may mean "at least one of A, B, and/or C.")
추가적으로, 이 문서에서 “또는”는 “및/또는”으로 해석된다. 예를 들어, "A 또는 B"은, 1) "A"만을 의미하고, 2) "B"만을 의미하거나, 3) "A 및 B"를 의미할 수 있다. 달리 표현하면, 본 문서의 “또는”은 “추가적으로 또는 대체적으로(additionally or alternatively)”를 의미할 수 있다. (Further, in the document, the term "or" should be interpreted to indicate "and/or". For instance, the expression "A or B" may comprise 1) only A, 2) only B, and/or 3) both A and B. in other words, the term "or" in this document should be interpreted to indicate "additionally or alternatively.")
실시예들의 다양한 엘리먼트들은 하드웨어, 소프트웨어, 펌웨어 또는 그것들의 조합에 의해 수행될 수 있다. 실시예들의 다양한 엘리먼트는 하드웨어 회로와 같은 싱글 칩 상에서 수행될 수 있다. 실시예들에 따라, 실시예들은 선택적으로 개별적인 칩들 상에서 수행될 수 있다. 실시예들에 따라, 실시예들의 엘리먼트들 중 적어도 하나는 실시예들에 따른 동작을 수행하는 인스트럭션들을 포함하는 하나 또는 하나 이상의 프로세서 내에서 수행될 수 있다.
제1, 제2 등과 같은 용어는 실시예들의 다양한 엘리먼트들을 설명하기 위해서 사용된다. 이러한 용어는 실시예들의 엘리먼트들의 해석을 제한하지 않는다. 이러한 용어는 하나의 엘리먼트 및 다른 엘리먼트 간의 구별을 위해서 사용된다. 예를 들어, 제1 사용자 인풋 시그널은 제2사용자 인풋 시그널로 지칭될 수 있다. 이와 유사하게, 제2사용자 인풋 시그널은 제1사용자 인풋시그널로 지칭될 수 있다. 이러한 용어는 실시예들의 범위 내에서 해석될 수 있다. 제1사용자 인풋 시그널 및 제2사용자 인풋 시그널은 모두 사용자 인풋 시그널들이고, 문맥 상 명확하게 지칭하지 않는 한 같은 사용자 인풋 시그널들을 의미하지 않는다.
실시예들을 설명하기 위해 사용된 용어는 특정 실시예들을 설명하기 위한 목적으로 사용되고, 실시예들을 제한하기 위해서 의도되지 않는다. 실시예들의 설명 및 청구항에서 사용된 바와 같이, 문맥 상 명확하게 지칭하지 않는 한 단수는 복수를 포함하는 것으로 의도된다. “및/또는” 표현은 용어 간의 모든 가능한 결합을 포함하는 의미로 사용된다. “포함한다” 표현은 특징들, 수들, 단계들, 엘리먼트들, 및/또는 컴포넌트들이 존재하는 것을 설명하고, 추가적인 특징들, 수들, 단계들, 엘리먼트들, 및/또는 컴포넌트들을 포함하지 않는 것을 의미하지 않는다.
실시예들을 설명하기 위해 사용되는, ~인 경우, ~때 등의 조건 표현은 선택적인 경우로만 제한 해석되지 않는다. 특정 조건을 만족하는 때, 특정 조건에 대응하여 관련 동작을 수행하거나, 관련 정의가 해석되도록 의도되었다.
발명의 실시를 위한 최선의 형태에서 구체적으로 설명되었다.
본 실시예들의 사상이나 범위를 벗어나지 않고 본 실시예들에서 다양한 변경 및 변형이 가능함은 당업자에게 자명하다. 따라서, 실시예들은 첨부된 청구항 및 그 동등 범위 내에서 제공되는 본 실시예들의 변경 및 변형을 포함하는 것으로 의도된다.

Claims (20)

  1. 포인트 클라우드 데이터를 획득하는 단계;
    상기 포인트 클라우드 데이터의 지오메트리 정보를 인코딩하는 단계;
    상기 지오메트리 정보를 기반으로 상기 포인트 클라우드 데이터의 어트리뷰트 정보를 인코딩하는 단계; 및
    상기 인코드된 지오메트리 정보, 상기 인코드된 어트리뷰트 정보, 및 시그널링 정보를 포함하는 비트스트림을 전송하는 단계를 포함하는 포인트 클라우드 데이터 송신 방법.
  2. 제 1 항에 있어서, 상기 어트리뷰트 정보를 인코딩하는 단계는
    어트리뷰트 인코딩을 수행할 각 포인트의 예측 모드를 선택하는 단계; 및
    상기 각 포인트의 선택된 예측 모드를 기반으로 예측된 각 포인트의 예측 어트리뷰트 값과 상기 각 포인트의 오리지날 어트리뷰트 값과의 차이로 상기 각 포인트의 잔여 어트리뷰트 값을 구하는 단계를 포함하는 포인트 클라우드 데이터 송신 방법.
  3. 제 2 항에 있어서, 상기 어트리뷰트 정보를 인코딩하는 단계는
    상기 각 포인트로부터 예측 모드와 잔여 어트리뷰트 값을 분리하는 단계; 및
    상기 각 포인트로부터 분리된 예측 모드를 포함하는 예측 모드 비트스트림과 상기 각 포인트로부터 분리된 잔여 어트리뷰트 값을 포함하는 잔여 어트리뷰트 비트스트림을 구성하는 단계를 더 포함하는 포인트 클라우드 데이터 송신 방법.
  4. 제 3 항에 있어서, 상기 어트리뷰트 정보를 인코딩하는 단계는
    상기 각 포인트로부터 분리된 예측 모드를 포함하는 예측 모드 비트스트림에 제로 런-랭스 코딩을 적용하여 인코딩하는 단계를 더 포함하는 포인트 클라우드 데이터 송신 방법.
  5. 제 4 항에 있어서,
    상기 시그널링 정보는 예측 모드와 잔여 어트리뷰트 값의 분리 여부를 식별하기 위한 정보와 상기 예측 모드 비트스트림에 제로 런-랭스 코딩이 적용되었는지 여부를 식별하기 위한 정보를 포함하는 포인트 클라우드 데이터 송신 방법.
  6. 제 2 항에 있어서,
    상기 예측 모드는 제1 내지 제 4 예측 모드 중 하나이며,
    상기 제1 예측 모드는 해당 포인트의 등록된 이웃 포인트들의 어트리뷰트들에 가중치를 곱한 값의 평균값을 해당 포인트의 예측 어트리뷰트 값으로 결정하는 모드이고,
    상기 제2 예측 모드는 상기 등록된 이웃 포인트들 중 해당 포인트와 거리 기반으로 첫번째로 가까운 이웃 포인트의 어트리뷰트를 해당 포인트의 예측 어트리뷰트 값으로 결정하는 모드이고,
    상기 제3 예측 모드는 상기 등록된 이웃 포인트들 중 해당 포인트와 거리 기반으로 두번째로 가까운 이웃 포인트의 어트리뷰트를 해당 포인트의 예측 어트리뷰트 값으로 결정하는 모드이며,
    상기 제 4 예측 모드는 상기 등록된 이웃 포인트들 중 해당 포인트와 거리 기반으로 세번째로 가까운 이웃 포인트의 어트리뷰트를 해당 포인트의 예측 어트리뷰트 값으로 결정하는 모드인 포인트 클라우드 데이터 송신 방법.
  7. 포인트 클라우드 데이터를 획득하는 획득부;
    상기 포인트 클라우드 데이터의 지오메트리 정보를 인코딩하는 지오메트리 인코더;
    상기 지오메트리 정보를 기반으로 상기 포인트 클라우드 데이터의 어트리뷰트 정보를 인코딩하는 어트리뷰트 인코더; 및
    상기 인코드된 지오메트리 정보, 상기 인코드된 어트리뷰트 정보, 및 시그널링 정보를 포함하는 비트스트림을 전송하는 전송부를 포함하는 포인트 클라우드 데이터 송신 장치.
  8. 제 7 항에 있어서, 상기 어트리뷰트 인코더는
    어트리뷰트 인코딩을 수행할 각 포인트의 예측 모드를 선택하고, 상기 각 포인트의 선택된 예측 모드를 기반으로 예측된 각 포인트의 예측 어트리뷰트 값과 상기 각 포인트의 오리지날 어트리뷰트 값과의 차이로 상기 각 포인트의 잔여 어트리뷰트 값을 구하는 포인트 클라우드 데이터 송신 장치.
  9. 제 8 항에 있어서, 상기 어트리뷰트 인코더는
    상기 각 포인트로부터 예측 모드와 잔여 어트리뷰트 값을 분리하고,
    상기 각 포인트로부터 분리된 예측 모드를 포함하는 예측 모드 비트스트림과 상기 각 포인트로부터 분리된 잔여 어트리뷰트 값을 포함하는 잔여 어트리뷰트 비트스트림을 구성하며,
    상기 각 포인트로부터 분리된 예측 모드를 포함하는 예측 모드 비트스트림에 제로 런-랭스 코딩을 적용하여 인코딩하는 포인트 클라우드 데이터 송신 장치.
  10. 제 9 항에 있어서,
    상기 시그널링 정보는 예측 모드와 잔여 어트리뷰트 값의 분리 여부를 식별하기 위한 정보와 상기 예측 모드 비트스트림에 제로 런-랭스 코딩이 적용되었는지 여부를 식별하기 위한 정보를 포함하는 포인트 클라우드 데이터 송신 장치.
  11. 지오메트리 정보, 어트리뷰트 정보, 및 시그널링 정보를 포함하는 비트스트림을 수신하는 단계;
    상기 시그널링 정보를 기반으로 상기 지오메트리 정보를 디코딩하는 단계;
    상기 시그널링 정보와 상기 지오메트리 정보를 기반으로 상기 어트리뷰트 정보를 디코딩하는 단계; 및
    상기 디코드된 지오메트리 정보와 상기 디코드된 어트리뷰트 정보를 기반으로 복원된 포인트 클라우드 데이터를 렌더링하는 단계를 포함하는 포인트 클라우드 데이터 수신 방법.
  12. 제 11 항에 있어서,
    상기 시그널링 정보는 예측 모드와 잔여 어트리뷰트 값의 분리 여부를 식별하기 위한 정보와 상기 예측 모드를 포함하는 예측 모드 비트스트림에 제로 런-랭스 코딩이 적용되었는지 여부를 식별하기 위한 정보를 포함하는 포인트 클라우드 데이터 수신 방법.
  13. 제 12 항에 있어서, 상기 어트리뷰트 정보를 디코딩하는 단계는
    상기 시그널링 정보를 기반으로 예측 모드와 잔여 어트리뷰트 값이 분리되었다고 판별되고, 상기 예측 모드 비트스트림에 제로 런-랭스 코딩이 적용되었다고 판별되면, 상기 예측 모드 비트스트림에 제로 런-랭스 디코딩을 수행하는 단계를 더 포함하는 포인트 클라우드 데이터 수신 방법.
  14. 제 12 항에 있어서, 상기 어트리뷰트 정보를 디코딩하는 단계는
    수신되어 디코딩된 각 포인트의 예측 모드를 기반으로 각 포인트의 어트리뷰트 값을 예측하고, 각 포인트의 예측된 어트리뷰트 값에 수신되어 디코딩된 각 포인트의 잔여 어트리뷰트 값을 더하여 각 포인트의 어트리뷰트 값을 복원하는 단계를 포함하는 포인트 클라우드 데이터 수신 방법.
  15. 제 12 항에 있어서,
    상기 예측 모드는 제1 내지 제 4 예측 모드 중 하나이며,
    상기 제1 예측 모드는 해당 포인트의 등록된 이웃 포인트들의 어트리뷰트들에 가중치를 곱한 값의 평균값을 해당 포인트의 예측 어트리뷰트 값으로 결정하는 모드이고,
    상기 제2 예측 모드는 상기 등록된 이웃 포인트들 중 해당 포인트와 거리 기반으로 첫번째로 가까운 이웃 포인트의 어트리뷰트를 해당 포인트의 예측 어트리뷰트 값으로 결정하는 모드이고,
    상기 제3 예측 모드는 상기 등록된 이웃 포인트들 중 해당 포인트와 거리 기반으로 두번째로 가까운 이웃 포인트의 어트리뷰트를 해당 포인트의 예측 어트리뷰트 값으로 결정하는 모드이며,
    상기 제 4 예측 모드는 상기 등록된 이웃 포인트들 중 해당 포인트와 거리 기반으로 세번째로 가까운 이웃 포인트의 어트리뷰트를 해당 포인트의 예측 어트리뷰트 값으로 결정하는 모드인 포인트 클라우드 데이터 수신 방법.
  16. 지오메트리 정보, 어트리뷰트 정보, 및 시그널링 정보를 포함하는 비트스트림을 수신하는 수신부;
    상기 시그널링 정보를 기반으로 상기 지오메트리 정보를 디코딩하는 지오메트리 디코더;
    상기 시그널링 정보와 상기 지오메트리 정보를 기반으로 상기 어트리뷰트 정보를 디코딩하는 어트리뷰트 디코더; 및
    상기 디코드된 지오메트리 정보와 상기 디코드된 어트리뷰트 정보를 기반으로 복원된 포인트 클라우드 데이터를 렌더링하는 렌더러를 포함하는 포인트 클라우드 데이터 수신 장치.
  17. 제 16 항에 있어서,
    상기 시그널링 정보는 예측 모드와 잔여 어트리뷰트 값의 분리 여부를 식별하기 위한 정보와 상기 예측 모드를 포함하는 예측 모드 비트스트림에 제로 런-랭스 코딩이 적용되었는지 여부를 식별하기 위한 정보를 포함하는 포인트 클라우드 데이터 수신 장치.
  18. 제 17 항에 있어서, 상기 어트리뷰트 디코더는
    상기 시그널링 정보를 기반으로 예측 모드와 잔여 어트리뷰트 값이 분리되었다고 판별되고, 상기 예측 모드 비트스트림에 제로 런-랭스 코딩이 적용되었다고 판별되면, 상기 예측 모드 비트스트림에 제로 런-랭스 디코딩을 수행하는 포인트 클라우드 데이터 수신 장치.
  19. 제 17 항에 있어서, 상기 어트리뷰트 디코더는
    수신되어 디코딩된 각 포인트의 예측 모드를 기반으로 각 포인트의 어트리뷰트 값을 예측하고, 각 포인트의 예측된 어트리뷰트 값에 수신되어 디코딩된 각 포인트의 잔여 어트리뷰트 값을 더하여 각 포인트의 어트리뷰트 값을 복원하는 포인트 클라우드 데이터 수신 장치.
  20. 제 17 항에 있어서,
    상기 예측 모드는 제1 내지 제 4 예측 모드 중 하나이며,
    상기 제1 예측 모드는 해당 포인트의 등록된 이웃 포인트들의 어트리뷰트들에 가중치를 곱한 값의 평균값을 해당 포인트의 예측 어트리뷰트 값으로 결정하는 모드이고,
    상기 제2 예측 모드는 상기 등록된 이웃 포인트들 중 해당 포인트와 거리 기반으로 첫번째로 가까운 이웃 포인트의 어트리뷰트를 해당 포인트의 예측 어트리뷰트 값으로 결정하는 모드이고,
    상기 제3 예측 모드는 상기 등록된 이웃 포인트들 중 해당 포인트와 거리 기반으로 두번째로 가까운 이웃 포인트의 어트리뷰트를 해당 포인트의 예측 어트리뷰트 값으로 결정하는 모드이며,
    상기 제 4 예측 모드는 상기 등록된 이웃 포인트들 중 해당 포인트와 거리 기반으로 세번째로 가까운 이웃 포인트의 어트리뷰트를 해당 포인트의 예측 어트리뷰트 값으로 결정하는 모드인 포인트 클라우드 데이터 수신 장치.
PCT/KR2020/012072 2019-09-06 2020-09-07 포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법 WO2021045603A1 (ko)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
KR20190110684 2019-09-06
KR10-2019-0110684 2019-09-06

Publications (1)

Publication Number Publication Date
WO2021045603A1 true WO2021045603A1 (ko) 2021-03-11

Family

ID=74852643

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/KR2020/012072 WO2021045603A1 (ko) 2019-09-06 2020-09-07 포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법

Country Status (1)

Country Link
WO (1) WO2021045603A1 (ko)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20210407145A1 (en) * 2020-06-30 2021-12-30 Electronics And Telecommunications Research Institute Method of compressing occupancy map of three-dimensional point cloud
EP3901916A4 (en) * 2018-12-21 2022-02-23 Panasonic Intellectual Property Corporation of America THREE-DIMENSIONAL DATA CODING METHOD, THREE-DIMENSIONAL DATA DECODING METHOD, THREE-DIMENSIONAL DATA CODING DEVICE AND THREE-DIMENSIONAL DATA DECODING DEVICE
WO2022247705A1 (zh) * 2021-05-26 2022-12-01 荣耀终端有限公司 一种点云属性信息的预测编解码方法及装置
WO2023240660A1 (zh) * 2022-06-17 2023-12-21 Oppo广东移动通信有限公司 解码方法、编码方法、解码器以及编码器

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20190080483A1 (en) * 2017-09-14 2019-03-14 Apple Inc. Point Cloud Compression
US20190087979A1 (en) * 2017-09-18 2019-03-21 Apple Inc. Point cloud compression
WO2019065298A1 (ja) * 2017-09-29 2019-04-04 ソニー株式会社 情報処理装置および方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20190080483A1 (en) * 2017-09-14 2019-03-14 Apple Inc. Point Cloud Compression
US20190087979A1 (en) * 2017-09-18 2019-03-21 Apple Inc. Point cloud compression
WO2019065298A1 (ja) * 2017-09-29 2019-04-04 ソニー株式会社 情報処理装置および方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
KHALED MAMMOU, PHILIP A. CHOU, DAVID FLYNN, MAJA KRIVOKUĆA, OHJI NAKAGAMI AND TOSHIYASU SUGIO: "G-PCC codec description v2;C1", ITU-T DRAFT; STUDY PERIOD 2017-2020; STUDY GROUP 15; SERIES C1, INTERNATIONAL TELECOMMUNICATION UNION, GENEVA ; CH, vol. ties/16, 8 March 2019 (2019-03-08), Geneva ; CH, pages 1 - 39, XP044260571 *
SCHWARZ SEBASTIAN; PREDA MARIUS; BARONCINI VITTORIO; BUDAGAVI MADHUKAR; CESAR PABLO; CHOU PHILIP A.; COHEN ROBERT A.; KRIVOKUCA MA: "Emerging MPEG Standards for Point Cloud Compression", IEEE JOURNAL ON EMERGING AND SELECTED TOPICS IN CIRCUITS AND SYSTEMS, IEEE, PISCATAWAY, NJ, USA, vol. 9, no. 1, 30 March 2019 (2019-03-30), Piscataway, NJ, USA, pages 133 - 148, XP011714044, ISSN: 2156-3357, DOI: 10.1109/JETCAS.2018.2885981 *

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP3901916A4 (en) * 2018-12-21 2022-02-23 Panasonic Intellectual Property Corporation of America THREE-DIMENSIONAL DATA CODING METHOD, THREE-DIMENSIONAL DATA DECODING METHOD, THREE-DIMENSIONAL DATA CODING DEVICE AND THREE-DIMENSIONAL DATA DECODING DEVICE
US11395005B2 (en) 2018-12-21 2022-07-19 Panasonic Intellectual Property Corporation Of America Three-dimensional data encoding method, three-dimensional data decoding method, three-dimensional data encoding device, and three-dimensional data decoding device
US20210407145A1 (en) * 2020-06-30 2021-12-30 Electronics And Telecommunications Research Institute Method of compressing occupancy map of three-dimensional point cloud
US11954891B2 (en) * 2020-06-30 2024-04-09 Electronics And Telecommunications Research Institute Method of compressing occupancy map of three-dimensional point cloud
WO2022247705A1 (zh) * 2021-05-26 2022-12-01 荣耀终端有限公司 一种点云属性信息的预测编解码方法及装置
WO2023240660A1 (zh) * 2022-06-17 2023-12-21 Oppo广东移动通信有限公司 解码方法、编码方法、解码器以及编码器

Similar Documents

Publication Publication Date Title
WO2021066615A1 (en) Point cloud data transmission device, point cloud data transmission method, point cloud data reception device, and point cloud data reception method
WO2021066626A1 (en) Point cloud data transmission device, point cloud data transmission method, point cloud data reception device, and point cloud data reception method
WO2021066312A1 (ko) 포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법
WO2021002730A1 (ko) 포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법
WO2021141352A2 (ko) 포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법
WO2021210764A1 (ko) 포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법
WO2020189976A1 (ko) 포인트 클라우드 데이터 처리 장치 및 방법
WO2021049758A1 (ko) 포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법
WO2020262831A1 (ko) 포인트 클라우드 데이터 처리 장치 및 방법
WO2020197086A1 (ko) 포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법
WO2021246843A1 (ko) 포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법
WO2021045603A1 (ko) 포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법
WO2021002592A1 (ko) 포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법
WO2021261840A1 (ko) 포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법
WO2020256308A1 (ko) 포인트 클라우드 데이터 처리 장치 및 방법
WO2022019713A1 (ko) 포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법
WO2021206291A1 (ko) 포인트 클라우드 데이터 전송 장치, 전송 방법, 처리 장치 및 처리 방법
WO2022015006A1 (ko) 포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법
WO2022035256A1 (ko) 포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법
WO2021045601A1 (ko) 포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법
WO2021242064A1 (ko) 포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법
WO2021215811A1 (ko) 포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법
WO2021002636A1 (ko) 포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법
WO2022240128A1 (ko) 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 수신 방법 및 포인트 클라우드 데이터 수신 장치
WO2021246837A1 (ko) 포인트 클라우드 데이터 처리 디바이스 및 처리 방법

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 20861469

Country of ref document: EP

Kind code of ref document: A1

NENP Non-entry into the national phase

Ref country code: DE

122 Ep: pct application non-entry in european phase

Ref document number: 20861469

Country of ref document: EP

Kind code of ref document: A1