[发明专利]数据的压缩方法、装置、电子设备、介质和程序产品

说明书

本公开提供了一种实景营业厅数据的压缩方法、装置、电子设备、介质和计算机程序产品。上述方法和装置可用于人工智能技术领域。实景营业厅数据的压缩方法包括：将采集的实景营业厅的m个点云数据经过随机采样模块进行特征变换，得到每个所述点云数据的局部特征，其中，m为大于等于1的整数；将每个所述局部特征经过自注意力机制模块进行特征增强后聚合，得到每个所述点云数据的全局特征；将每个所述全局特征进行压缩，得到每个所述点云数据的压缩码流；以及对每个所述压缩码流进行反向解码，得到实景营业厅的m个重建点云数据。

技术领域

本公开涉及人工智能技术领域，更具体地，涉及一种实景营业厅数据的压缩方法、装置、电子设备、介质和计算机程序产品。

背景技术

随着元宇宙和5G技术的发展，虚拟现实、增强现实和混合现实等交互式多媒体技术受到了广泛的关注，各种沉浸式线上实景营业厅纷纷涌现。交互式媒体通常以三维场景为对象，通过三维模型作为数据表达，三维点云数据因其非接触采集、高精度、高效率和高表达等众多优势成为最具代表的三维数据。具体地，可以通过激光雷达扫描仪轻松获取基于三维点云的线上实景银行营业厅，1∶1还原真实场景，通过六自由度视角为客户带来更逼真的数字银行业务体验。然而，海量的点云数据为用户带来细腻逼真的沉浸式体验的同时，也为数据的存储和传输带来了巨大的挑战，对点云数据进行高效压缩且保障人眼的视觉效果是十分必要的研究课题。

发明内容

有鉴于此，本公开提供了一种点云数据传输效率高以及压缩率失真性能高的实景营业厅数据的压缩方法、装置、电子设备、计算机可读存储介质和计算机程序产品。

本公开的一个方面提供了一种实景营业厅数据的压缩方法，包括：将采集的实景营业厅的m个点云数据经过随机采样模块进行特征变换，得到每个所述点云数据的局部特征，其中，m为大于等于1的整数；将每个所述局部特征经过自注意力机制模块进行特征增强后聚合，得到每个所述点云数据的全局特征；将每个所述全局特征进行压缩，得到每个所述点云数据的压缩码流；以及对每个所述压缩码流进行反向解码，得到实景营业厅的m个重建点云数据。

根据本公开实施例的实景营业厅数据的压缩方法，通过随机采样模块对实景营业厅的m个点云数据进行特征变换，由此可以初步降低点云数据量，降低网络的计算复杂度，随机采样模块在采样优化过程中充分保留有益的局部特征，局部特征在后续网络训练中进一步学习有益信息的高维特征，从而可以缓解异常值的影响；通过自注意力机制模块对特征变换后的局部特征进行特征增强后聚合，可以提高海量点云数据的处理，自注意力机制可以快速学习点云隐层特征之间的相关性和差异性，对重要特征进行聚合，使得重建后的点云数据更加逼真，由此可以为客户提供更逼真的沉浸式体验，本公开的实景营业厅数据的压缩方法可以实现对海量的实景营业厅点云数据进行端到端的压缩编码，可以有效改善点云数据的存储和传输效率低的问题，有效提高了点云数据压缩率失真性能。

在一些实施例中，所述实景营业厅的每个点云数据包括位置信息和颜色信息，所述将采集的实景营业厅的m个点云数据经过随机采样模块进行特征变换，得到每个所述点云数据的局部特征，包括：对所述实景营业厅的每个点云数据进行最大值池化操作，得到第一局部特征；将所述实景营业厅的每个点云数据的颜色信息作为第二局部特征；以及将每个所述点云数据的所述第一局部特征和所述第二局部特征融合，得到每个所述点云数据的局部特征。

在一些实施例中，所述对所述实景营业厅的每个点云数据进行最大值池化操作，得到第一局部特征，包括：通过K近邻搜索为所述实景营业厅的每个点云数据寻找K个近邻点，其中，K为大于等于1的整数；通过多层感知器对每个所述点云数据和所述K个近邻点进行操作，得到自适应权重；将每个所述点云数据的转置矩阵与所述自适应权重相乘后与该所述点云数据的所述第二局部特征融合，得到池化值；以及对所述池化值进行最大值池化操作，得到第一局部特征。