수빈's Farm

IBSM - Distortion Evaluation MSE_images 계산 //General MSE Y_i,j : a sample of an original image Y'_i,j : a sample of a distorted image n : the width of both buffers in pixels // image buffer의 폭 원본 이미지의 sample과 distorted image의 sample을 비교하여 MSE를 계산한다. (차이의 제곱의 평균) maskRef / maskDis 에 따라 mask[i,k] 채우기 앞으로의 과정에서 mask가 1인 부분에 대해서만 처리하기 위해, 공식들을 필요에 맞게 아래와 같이 변형한다. mask[i,j]는 maskRef와 MaskDis와 같은 크기의 ..

IBSM Rendering IBSM은 reference mesh와 distorted mesh를 several image로 투영하여 차이를 측정한다. 즉, 3D mesh를 2D 이미지 공간을 투영하여, reference mesh와 distorted mesh의 차이를 시각적으로 비교한다 6.1 Rendering of one view //rendering 설명하는 부분인 듯 : Rendering은 metirc의 일부로 pcc_mmetric software안에 구현되어 있다.. one view(한 시점)에서의 rendering은 아래 그림과 같다. - Rasterization [보충 설명] *** Rasterization : 점,직선,곡선,다각형과 같은 물체를 사용한 벡터 그래픽 형식으로 된 이미지를 픽셀,점 ..

Point Cloud Metric 5.5 Geometric Distortion //기하학적 오류 A : original point cloud B : compressed point cloud A와 B를 5.1에서 다룬 Grid sampling을 통해 얻은 point cloud라 하자. 기준 cloud A와 compressed cloud B에 대한, compression errors를 e_BA로 표시한다. point-to-point error인 D1과, point-to-plane error인 D2를 계산하는 방법은 아래 5.6/5.7에서 다룬다. 포인트 클라우드 B의 각 점 bi에 대해 원본 포인트 클라우드 A에서 해당하는 점 aj를 식별한다. 가장 가까이 존재하는 점이 대응 point로 선정된다. 계산 복..

Point-based metric point-based metric은 아래에서 설명할 5.1 Grid sampling을 적용하여 reference와 distorted meshes를 두 개의 point cloud에 전달한다. // 참조 frame과 compressed 이후 복원된 frame을 전달하여 evaluation한다. // 근데 이것보다는,, reference의 point cloud와 distored mesh의 point cloud를 비교하는게 evaluation인 듯 Grid sampling은 point-based metric을 evaluate하기 위해 선택된 sampling 방법이지만, 5.2,5.3,5.4와 같은 다른 sampling 기법들도 가능하다. // 5.1 5.2 , 5.3 , 5.4..

Prior art on mesh metircs Dynamic meshes 앞서 언급했듯이, 이전 섹션에서 제시된 정적 메시를 위한 메트릭은 모든 프레임에서의 결과 합, 평균 또는 최대값을 결과로 사용하여 프레임별 방식으로 dynamic mesh에 적용될 수 있습니다. 일부 저자들은 특정 정적 메시 메트릭의 결과를 시간 의존성 그래프 형태로 각 프레임에 대해 표시합니다. //결국 dynamic mesh라는 게 각 static mesh가 여러개 이어서 존재하는 거로 볼 수 있어서 그런건가?.. dynamic mesh compression에 대한 초기 논문들, 예를 들어 [Len99]과 [IR03]은 손실 인코딩으로 인한 왜곡의 양을 평가하기 위해 평균 SNR을 사용했습니다. 나중에 Metro 도구가 공개된 ..

Prior art on mesh metrics Static meshes Table1은 이미 존재하던 static meshes의 metrics들을 정리해놓은 것이다 적합성에 대해 표현하기 위하여 표에 색으로 표시하였다. 모두 연두색을 띄어야 적합하다. [ Table1 구성 ] Image/model : image를 위한 metric인지 model을 위한 metric인지 HVS/signal : 인간 시각 시스템 (Human Visual System)을 모델링하여 신호의 품질을 측정하는지 Principle : metirc이 사용하는 기본적인 원칙 및 이론 Constraints : 메쉬를 평가할 때, 동일한 connectivity나 동일한 details를 공유해야하는 제약이 있는지 Texture Colors : ..

introduction introduction 메쉬 압축 알고리즘의 평가를 위해서 적절한 객관적 metric이 필요하다. 이미 많은 메쉬 압축 metric들이 존재하지만, 이미 존재하는 것들 중에는 프레임마다 다른 topology와 두 메쉬 간의 vertex density에 대한 요구사항을 충족시키지 못한다. ( *** topology : 공간의 성질과 그 공간 내의 점들이 어떻게 연결되어있는지 ) Dynamic mesh evaluation를 위한 두 가지 metric를 제시한다. 1.point cloud compression에서 사용되는 D1/D2 metric을 기반으로 한 point -based metric 2.투영된 이미지(projected image)의 평가를 기반으로 한 image-based m..

Peak Signal-to-noise ratio, PSNR PSNR PSNR은 이미지,비디오,오디오 등의 신호 처리 분야에서 신호의 최대 가능 파워(최대 신호) 대비 노이즈의 파워(손실 양)를 나타내는 지표이다. 단위는 데시벨(dB)로 표현되며, 원본과 압축된 버전과의 차이(손실)를 정량적으로 평가하는 데 사용된다. *** 신호의 최대 가능 파워 : 이미지나 비디오에서 가장 밝거나 진한 색의 강도 *** 노이즈의 파워 : 원본 신호와 비교했을 때 손상이나 오류로 인해 발생하는 차이의 양 PSNR은 두 신호간의 차이를 나타내는 MSE ( Mean Squared Error)에 기반하여 계산된다. MAX_I : 이미지에서의 최대 픽셀 값 . ex) 8bits 표현에서 255 //픽셀이 가질 수 있는 최대값 M..

D1/D2 Metric point cloud data는 3D 스캐너, LiDAR 시스템, 컴퓨터 비전 알고리즘을 통해 생성되며, 3차원 공간에서의 점들의 집합으로 구성된다. 이러한 데이터는 대규모의 공간 정보를 포함하고 있어 압축이 필수적이며, 압축 과정에서 발생하는 손실을 최소화하는 것이 중요하다. D1 Metric : Point-to-point Distance D1 metric은 원본 point cloud와 압축 후 복원된 point cloud 간의 point to point 거리의 평균을 계산한다. 이는 각 복원된 점이 원본 데이터의 해당 점으로부터 얼마나 멀리 떨어져있는지 측정하는 방법으로, 압축으로 인한 공간적 위치 정보의 손실을 평가한다. D1 metric은 위치적 정확성에 초점을 맞추어, 복..

보호되어 있는 글입니다.