一种基于图卷积网络和隐式神经表示的高效点云处理方法

本发明涉及点云数据技术领域，具体涉及一种基于图卷积网络和隐式神经表示的高效点云处理方法，利用两个坐标基神经网络分别处理点云的几何和属性数据。第一个网络生成体素的占用状态，第二个网络生成占用体素的属性。通过对输入点云进行体素化并将其空间分为多个块，仅对那些非空块中的体素进行处理，从而显著提高了计算效率。本发明引入了图卷积网络，用于学习和处理点云数据中体素之间的空间关系，有助于在保持几何细节的同时，有效地压缩数据。此外，通过对神经网络参数进行量化处理并使用深度内容自适应二进制算术编码方法进行编码，本发明不仅减少了存储需求，还保证了压缩后数据的重建质量，在解码阶段也实现了数据的高效传输和存储。