山东大学联合团队提出高效维纳滤波器提升动态点云压缩质量
基于高效率维纳滤波的点云质量增强
（映维网Nweon 2025年07月02日）点云是一组精确描述物体或场景表面的几何形状和相应属性的点。它可以广泛应用于虚拟现实等领域。但是，它的数据量非常大，对当前的网络带宽和存储容量提出了挑战。有效的点云压缩对于解决这一挑战以及增强实时处理能力至关重要。近年来，专家组正在为静态点云和动态点云建立基于几何的点云压缩（G-PCC）标准。G-PCC的有损压缩尽管可以获得很高的压缩比，但重建质量相对较低，特别是在低比特率下。
为了解决这个问题，山东大学，烟台大学和上海大学团队提出了一种高效的维纳滤波器。它可以集成到G-PCC的编码器和解码器管道中，以提高动态点云的重建质量和率失真性能。具体来说，他们首先提出了一个基本的维纳滤波器，然后通过引入系数继承和基于方差的Luma分量点分类对其进行改进。
另外，为了降低维纳滤波器应用过程中最近邻搜索的复杂度，团队同时提出了一种基于莫顿编码的快速最近邻搜索算法，以实现滤波器系数的高效计算。实验结果表明，与最新的G-PCC编码平台相比，所述解决方案在无损几何属性配置条件下，Luma、Chroma Cb和Chroma Cr的平均Bjøntegaard Delta Rate分别为-6.1%、-7.3%和-8.0%，且计算复杂度可承受。
为了定量评价所提方法的RD性能，使用每个输出点的比特数（BPOP）作为编码比特率，峰值信噪比（PSNR）作为重构属性的质量。对于相同的重构质量，BPOP越低，性能越好，或者对于相同的编码比特率，PSNR越大，性能越好。
为了全面验证RD性能，CTC推荐了r01、r02、r03、r04、r05、r06 6种测试比特率，并采用Bjøntegaard Delta Rate (BD-rate)作为RD总体性能的定量指标。BD-rate这个百分比表示在实现相同的PSNR时，一种编码方法比另一种编码方法增加了多少比特率。所以，BD-rate为负值表示RD性能较好。
由于所提出的维纳滤波器是针对属性，只考虑属性的比特率和重构质量，所以，BD-rate又称为“End - End - BD AttrRates（%）”。由于所述方法包括MKNN、BWF、CIWF和VCWF四部分，为了比较性能，将具有M-KNN的BWF命名为BWF- m。同样，CIWFM和VCWF- m分别表示M-KNN的CIWF和M-KNN的VCWF。
表III、表IV和表V分别比较了C1和C2试验条件下BWF-M、CIWF-M、VCWF-M与GeS-TMv7.0-rc2在预测内和预测间的End - End - BD AttrRates（%）。从表中可以看出，inter预测的RD性能优于intra预测的RD性能。这是因为质量增强不仅可以提高特定帧的质量，而且可以在一定程度上消除连续帧的累积编码失真。
另外可以看出，C2测试条件的性能不如C1测试条件。这主要是因为C2条件涉及较小的比特流，与C1条件相比，这使得滤波器系数的比特影响更加显著。CIWF-M对于inter和intra预测以及所有颜色分量都有效。VCWF-M可以显著提高Luma分量的RD性能，而Chroma分量的性能则略有下降。
这是因为颜色分量的编码位交错，不能从属性比特流中分离出来，所以只能用总编码位来计算所有颜色分量的BD -rate。所以，当将更多的Luma分量的滤波系数编码到比特流中时，尽管Chroma分量的失真没有改变，但Chroma分量的RD性能会受到影响。可以看到，“queen”的表现特别好。原因是“queen”是计算机生成点云，具有更强的帧间相似性。
为了证明所提方法在主观质量方面的有效性，从不同的动态点云中随机选择了几个快照。然后，比较快照在不同配置下的重建质量。可以观察到，滤波后的点云在光滑区域比未滤波的点云更平滑，而在纹理区域，滤波后的点云更精细，这表明了所提方法的有效性。我们同时可以看到，BWF-M和CIWF-M表现出相似的增强效果，这表明CIWF-M可以在消耗更少比特的情况下保持性能。
在所有方法中，VCWF-M以最低的比特消耗提供最好的质量。对于帧间预测，单帧BPOP甚至低于锚点（即GeS-TMv7.0-rc2）。这是因为质量增强的参考帧可以提高动态点云的预测精度，从而减少编码残差所需的比特数。
表VI将所提出方法与GeS-TMv7.0-rc2在编码器和解码器的复杂度比进行了比较。可以看到，维纳滤波器给编码器和解码器都带来了额外的复杂性。与KNN相比，M-KNN显著减少了最近邻搜索所需的时间。在所提出的方法中，CIWF-M对编码时间复杂度要求最低，因为它不仅可以避免BWFM中大量维纳滤波系数的计算，而且不需要对VCWF-M中的Luma进行基于方差的分类。
所提出方法在C1条件下的编码复杂度增量大于C2条件下的编码复杂度增量。这是因为滤波过程中所涉及的矩阵乘法的时间复杂度与点的个数有关。具体来说，点越多，复杂度越高。由于C1条件下重构的点云（几何图形进行无损编码）包含更多的点，时间复杂度的增加更为明显。
另外，帧间编码的复杂度增量小于帧内编码的复杂度增量。这是因为帧内编码的编码时间较短，而在帧内编码中加入维纳滤波器所带来的复杂性更为显著。
相关论文：High Efficiency Wiener Filter-based Point Cloud Quality Enhancement for MPEG G-PCC
总的来说，团队提出了一种高效的维纳滤波方法，可以提高MPEG - pcc图像的重建质量和RD性能。它包括四个部分，即用于快速邻居搜索的MKNN，用于维纳滤波基本实现的BWF，通过继承第一帧来保存滤波系数的CIWF，以及针对Luma分量专门设计的基于点分类的VCWF。实验结果表明，这四个部分都有效，并且通过将它们集成在一起（即VCWF-M），与最新的G-PCC测试平台相比，在可承受的复杂性成本下，它可以在客观和主观指标获得显著的研发性能提升。展望未来，研究人员将进一步完善所提出的方法，以进一步提高编码效率和降低时间复杂度。
