Please enable JavaScript.
Coggle requires JavaScript to display documents.
影像處理論文領域研究 (Fast Lossless Depth Image Compression (有損 (現存的有損壓縮演算法沒有支援到16bi…
影像處理論文領域研究
Fast Lossless Depth Image Compression
kinect資料形式: 1280*760,16bit 原始資料
有損
缺點
若資料損失發生在邊緣
容易無法辨識
現存的有損壓縮演算法沒有支援到16bit
而拆成RGB三個channel後進行有損壓縮
不是一個好策略,因為資料損失在一個channel
可能會更嚴重
拆三channel然後無損壓縮就能一戰了嗎?
H264 14bit
HEVC v2 16bit,這是作者沒仔細講的
說不定可以一戰
文獻回顧
改進現有codec
Hybrid lossless-lossycompression for real-time depth-sensor streams in 3Dtelepresence applications
4倍到20倍,10倍內人類看起來都沒什麼差
以3D資料結構儲存
壓縮率會不夠
用普通video encoder來處理
失真程度會因為高8bit的損失而相對大
說低8bit常包含雜訊
HEVC
HEVC也還在變動還沒穩定
不知道有沒有能用的
JM系列
EDGE-PRESERVING INTRA DEPTH CODING BASED ON CONTEXT-CODING AND H.264/AVC
edge-adaptive transforms for
block-based
depth coding
Depth Map Coding using Graph based Transform and Transform
Domain Sparsification
Graph based Transforms
for Depth Video Coding
計算繁雜,其實這些方法都是block based的方法ㄟ
Depth-Image Compression based on an R-D Optimized Quadtree Decomposition for the Transmission of Multiview Images
Block-based
depth coding exploiting co-located texture
edge information
depth macroblocks with arbitrarily shaped edges
(本篇論文)
A Novel Distortion Model and Lagrangian
Multiplier for Depth Maps Coding
在講壓縮後的失真指標
首先壓到12bits,把最低4bits捨棄。
最高2bits用無損壓縮,
最低10bits轉到YUV後用x264壓縮
Kinect-like depth data compression
壓縮2.2到6.7倍
Improving depthcompression in HEVC by pre/post processing
2.5倍到3.3倍,用HEVC這個不如用無損的
缺點就是邊緣缺損
Adapting standardvideo codecs for depth streaming
根據深度影像的幾何模型弄個新的演算法
Compression of Noisy Depth Image using Planes
這篇找不到,要叫圖書館印
Depth image compression using geometrical wavelets
We used Jasper and JM 14.2 libraries for JPEG2000 and H264
kinect depth lib: Depth images of Desk
and Table from Washington dataset
512*512要幾分鐘,慢到不行
看半天看不懂他這個寫得不清不楚的bitrate,沒給原始大小不知道壓縮率多少。優點是資料集寫得清楚。引用的文獻回顧應該也有做一些只是還沒看
缺點是計算量大,時間久
HEVC演算法,上面就有一篇不知道為何要在這裡提起
有特別想解決邊緣缺損的演算法,不過計算量也不小
Contour approximation &depth image coding for virtual view synthesis
人眼取向
這跟下面兩篇都用bitrate的,不知道壓幾倍,跟他想吹噓的執行時間
這個2015的資訊量比中間再比下面多
Efficient depth map compression based on lossless edge coding and diffusion
RGB and depth intra-frame Cross-Compression for low bandwidth 3D video
無損
好像沒講優點,優點就是不會損失,但缺點是壓縮量小
現有演算法很少支援到16bits
文獻回顧
Low-complexity, near-losslesscoding
of depth maps from Kinect-like depth cameras
這篇就是本篇論文主要改進的論文,優點是超快
大概壓縮3倍左右,沒超過3倍都是拉基
https://thebytekitchen.com/2014/03/24/data-compression-for-the-kinect/
這篇出現重點在於經過前處理
能夠增進一些壓縮率
本篇論文提出一個能夠跟其他無損壓縮率差不多
但是執行超級快的方法
研究動機與背景(不用做功課)
壓縮可以省硬碟
而且壓幾倍就省幾倍的錢
傳輸效率跟頻寬跟壓縮速度感覺可以先不用講
重點就是在時限內生出一個好像可行的東西
這樣真的要來研究有損的了
無損照做出來的這個是最後備案(7倍)
目前的重點變得跟業務一樣
就是要拉到客戶
有損能拉到客戶的方法就是解壓出來能過宗翰那個計畫
是說有損也有容易生產論文的突破點嗎
可能也可以增強前處理的部分吧
用原有codec這個方法聽起來也是有點爛,看來主軸要先放在研究那些新的演算法?
論文的突破點也可以放在加入大面積,雖然大面積的重點就是在有損因為頻寬有限所以需要壓縮更多倍
相關技術比較表(本日重點)
無損
大概在五倍上下,十倍內
應該要列出比較的標準,以及檔案格式的特點,以及壓縮與解壓縮時間
有損
二十倍內,十倍以上
實現方法架構(要寫到別人看不懂)
預期目標與時程規劃(不用做功課)