对于3D点云的无参考客观质量指标:一篇评论
Simone Porcu1,2, Claudio Marche1,2, Alessandro Floris1,2
1Department of Electrical and Electronic Engineering (DIEE), University of Cagliari, 09123 Cagliari, Italy.
Sensors (Basel, Switzerland)
|November 27, 2024
概括
无参考点云质量评估 (NR PCQA) 指标对于评估没有原始文件的3D数据质量至关重要. 这些方法可以从扭曲的点云 (PC) 中准确地估计质量,这对于流媒体等应用程序至关重要.
科学领域:
- 计算机视觉 计算机视觉
- 多媒体技术技术 多媒体技术
- 数字信号处理 数字信号处理
背景情况:
- 三维 (3D) 应用正在推动沉浸式多媒体,点云 (PC) 对于3D环境至关重要.
- 个人电脑的大数据大小带来了挑战,压缩引入了影响准确性的质量退化.
- 点云质量评估 (PCQA) 由于数据大小和质量之间的权衡至关重要.
研究的目的:
- 对点云 (PC) 的最先进的无引用 (NR) 客观质量指标进行审查.
- 突出NR PCQA对评估没有原始数据的压缩或生成PC的重要性.
主要方法:
- 专注于NR PCQA指标,分析来自扭曲PC的功能信息.
- 审查那些仅从退化点云数据来估计质量的技术.
主要成果:
- NR PCQA指标可以准确估计生成和压缩PC的质量.
- 这些指标依赖于从扭曲的点云中直接提取的特征信息.
结论:
- 在现实世界中,NR PCQA对于原始数据无法使用的应用至关重要,例如在3D流中.
- 目标NR指标为有效评估点云质量提供了实际解决方案.
更多相关视频
09:37Extracting Metrics for Three-dimensional Root Systems: Volume and Surface Analysis from In-soil X-ray Computed Tomography Data
Published on: April 26, 2016
8.5K
12:08From Voxels to Knowledge: A Practical Guide to the Segmentation of Complex Electron Microscopy 3D-Data
Published on: August 13, 2014
24.5K
