中国科学院、同济大学、寧波大学の合同チームが開発した革新的な点群圧縮技術（TSC-PCAC）が大きなブレイクスルーを達成しました。この技術は、点群データの圧縮効率を大幅に向上させるだけでなく、処理時間も大幅に短縮し、AR/VRなどの3Dアプリケーションの発展における技術的障壁を取り除きました。
現在、3Dビジョン技術が急速に発展する中で、点群は仮想現実と拡張現実の重要なデータ形式として、巨大な転送と保存の課題に直面しています。高品質の点群は数百万ものデータポイントを含む可能性があり、各ポイントは位置、色、透明度などの多次元情報を保持しています。これらの膨大なデータの処理効率は、3Dアプリケーションの普及速度に直接影響します。
この課題に対処するため、研究チームは、エンドツーエンドのボクセルTransformerとスパース畳み込みに基づく点群属性圧縮技術（TSC-PCAC）を開発しました。この技術の中核は、独自の2段階圧縮アーキテクチャにあります。第1段階では点群の局所的特徴の抽出とモデリングに焦点を当て、第2段階ではより大きな受容野を通じてグローバルな特徴を捉え、データの冗長性を効果的に削減します。
研究チームは、TSCMに基づいたチャネルコンテキストモジュールを革新的に設計し、チャネル間の相関関係を最適化することで、データ圧縮効率を大幅に向上させました。実験データによると、TSC-PCACは既存の主流技術と比較して、データ圧縮率において顕著な向上を実現しました。Sparse-PCACと比較して38.53%、NF-PCACと比較して21.30%、G-PCC v23と比較して11.19%の向上を達成しました。さらに注目すべきは、処理速度も飛躍的に向上し、エンコード時間とデコード時間はそれぞれ97.68%と98.78%減少しました。
この画期的な成果は、点群データ処理における重要な課題を解決するだけでなく、AR/VRなどの3Dアプリケーションの更なる発展のための重要な基盤を築きました。研究チームは、今後、より高い圧縮率の深層学習技術を探求し、幾何学的および属性エンコーディングの統一的な処理ソリューションに取り組むと述べています。