COPP-Net：通过加权补丁质量预测进行无参考点云质量评估

《IEEE Transactions on Broadcasting》：COPP-Net: No-Reference Point Cloud Quality Assessment via Weighted Patch Quality Prediction

COPP-Net是一种无参考点云质量评估方法，通过分割点云为多区域并增强PointNet++提取纹理与结构特征，结合Transformer架构的CORA网络进行区域间相关性分析，最终整合各区域权重和预测质量计算整体评分，在多种测试中验证其优越性。

　　

摘要：

随着依赖点云的3D视觉应用快速发展，点云质量评估（PCQA）已成为一个重要的研究领域。在观察点云时，人们通常会从不同角度旋转它以检查局部细节，从而综合评估点云的整体质量。在这个过程中，点云的不同部分对整体质量的影响各不相同。然而，现有的PCQA方法往往忽略了点云不同区域之间局部质量差异的影响。为了解决质量分布不均衡的问题，我们提出了COPP-Net，这是一种无需参考数据的点云质量评估（NR-PCQA）方法，具备进行局部区域相关性分析的能力。具体而言，我们将点云分割成多个小块，并对PointNet++进行改进，以生成每个小块的准确纹理和结构特征。然后，这些特征被组合起来用来预测每个小块的质量。接下来，我们使用基于Transformer的相关性分析（CORA）网络对所有小块的特征进行聚合分析，以确定相关性权重。最后，通过结合所有小块的预测质量和相关性权重来计算整体质量得分。通过与最新的NR-PCQA模型进行比较，以及在不同类型的失真、跨数据集验证和时间复杂性分析上的测试，证明了COPP-Net的高性能。COPP-Net的源代码可在此处获取：https://github.com/philox12358/COPP-Net。