arXiv · 机器人与计算机视觉· Yvette Y. Lin, Sai Karthikey Pentapati, Sarvesh Sundaram, Guandao Yang, Sara Fridovich-Keil·· 12 小时前AI 评分35
Data-Driven Variable-Length Compression of 3D Representations 提出自适应压缩方法提升网格与符号距离场率失真性能
Data-Driven Variable-Length Compression of 3D Representations
AI 导读
Data-Driven Variable-Length Compression of 3D Representations 提出一种利用数据集统计并仅通过快速前向推理即可适应个体形状复杂度的学习式变长压缩方法。该方法作用于通用潜在表示,显著提升了网格和符号距离场的率失真性能,解决了现有方法无法利用数据集级统计或固定压缩比的问题。代码已公开于相关 https URL。
来源:arXiv · 机器人与计算机视觉 · arxiv.org