Proteus: A Truncation-Robust Entropy Model for Progressive LiDAR Compression

तकनीकी सारांश: PROTEUS – प्रोग्रेसिव LiDAR संपीड़न के लिए एक ट्रंकेशन-रोबस्ट एंट्रॉपी मॉडल

1. समस्या विवरण (Problem Statement)

LiDAR पॉइंट क्लाउड्स स्पष्ट, नियतात्मक भौतिक सीमाएँ (deterministic physical boundaries) प्रदान करते हैं जो सुरक्षा-महत्वपूर्ण सहयोगात्मक धारणा (जैसे, टक्कर का पता लगाना, खतरे से बचाव) के लिए आवश्यक हैं। हालाँकि, इन सघन डेटा संरचनाओं को गतिशील वायरलेस चैनलों (V2X, UAV स्वार्म्स) के माध्यम से प्रसारित करना दो महत्वपूर्ण चुनौतियाँ पेश करता है:

• बैंडविड्थ उतार-चढ़ाव और ट्रंकेशन (Bandwidth Fluctuation & Truncation): क्षणिक लिंक आउटेज या बैंडविड्थ में गिरावट के कारण ट्रांसमिशन स्ट्रीम का ट्रंकेशन (बीच में ही कट जाना) हो सकता है। पारंपरिक कोडक ऐसी स्थितियों में विफल हो जाते हैं, जिन्हें बिटरेट को फिर से बातचीत करने के लिए लेटेंसी-भारी फीडबैक लूप की आवश्यकता होती है, जिससे रियल-टाइम पाइपलाइन रुक जाती है।
• चैनल दोष बनाम भौतिक निष्ठा (Channel Impairments vs. Physical Fidelity): मौजूदा रोबस्ट फ्रेमवर्क, जैसे कि डीप जॉइंट सोर्स-चैनल कोडिंग (Deep JSCC) या मल्टीपल डिस्क्रिप्शन कोडिंग (MDC), सांख्यिकीय या पैरामीट्रिक अनुमान के माध्यम से लुप्त क्षेत्रों के पुनर्निर्माण द्वारा पैकेट लॉस को संभालते हैं। जबकि यह प्रतिस्पर्धी परसेप्चुअल क्वालिटी या डाउनस्ट्रीम mAP बनाए रखता है, यह सटीक भौतिक मापों को अनवेरिफाइड एल्गोरिथमिक अनुमानों में बदल देता है। सुरक्षा-महत्वपूर्ण कार्यों के लिए, सेंसर के माप की गणितीय रूप से बद्ध (mathematically bounded), नियतात्मक प्रकृति को संरक्षित करना—भले ही वह कम रिज़ॉल्यूशन पर हो—अनिवार्य है।

मुख्य चुनौती एक ऐसा सीखा हुआ (learned) कोडक डिजाइन करने की है जो प्रोग्रेसिव, ट्रंकेशन-रोबस्ट संपीड़न प्राप्त कर सके और साथ ही LiDAR मापों की सटीक भौतिक सीमाओं को सख्ती से संरक्षित कर सके, जिससे सांख्यिकीय अनुमान विधियों में निहित ज्यामिति के "भ्रम" (hallucination) से बचा जा सके।

2. कार्यप्रणाली (Methodology)

लेखक Proteus का प्रस्ताव करते हैं, जो 2D रेंज इमेजेस पर संचालित होने वाला एक सीखा हुआ LiDAR कोडक है। यह फ्रेमवर्क स्ट्रीम-स्तरीय ट्रंकेशन मजबूती प्राप्त करने के लिए फ्रेम प्रतिनिधित्व को दो स्वतंत्र कोडिंग स्ट्रीम्स में विभाजित करता है:

A. प्रतिनिधित्व और डिकपलिंग (Representation & Decoupling)
इनपुट रेंज इमेज $R = (x, a)$ में रेंज चैनल $x$ (बिट डेप्थ $d$) और एट्रिब्यूट चैनल $a$ (जैसे, रिफ्लेक्टेंस) शामिल हैं। रेंज चैनल को $d$ बिट-प्लेन्स में विभाजित किया गया है और दो भागों में बांटा गया है:

1. SIG (Significant): सबसे महत्वपूर्ण बिट-प्लेन्स ($x_{1:s}$), जिसमें एक "हेड" ($x_{1:h}$) और एक "मिड" ($x_{h+1:s}$) सब-ब्लॉक शामिल है।
2. INS (Insignificant): शेष टेल बिट-प्लेन्स ($x_{s+1:d}$) और सभी एट्रिब्यूट चैनल्स।

B. SIG Coder: सेल्फ-कंटेन्ड बिट्स-बैक (Self-Contained Bits-Back)
SIG ब्लॉक महत्वपूर्ण प्लेन्स को एक बिट्स-बैक (bits-back) कोडिंग स्कीम का उपयोग करके एनकोड करता है जो पूरी तरह से इस ब्लॉक के भीतर ही आत्म-निहित (self-contained) है।

• तंत्र (Mechanism): यह एक ऑटोरेग्रेसिव इनिशियल बिट्स (ArIB) तंत्र का उपयोग करता है। "मिड" सब-ब्लॉक को पहले बिना लेटेंट कंडीशनिंग के एनकोड किया जाता है ताकि प्रारंभिक बिट्स उत्पन्न किए जा सकें। इन बिट्स का उपयोग फिर "हेड" सब-ब्लॉक के लिए लेटेंट वेरिएबल $z$ को डिकोड करने के लिए किया जाता है, जिसे $q(z|x_{1:h})$ के तहत एनकोड किया गया है।
• लाभ: यह बिट्स-बैक कोडिंग से जुड़े एकल-फ्रेम ओवरहेड को समाप्त करता है (जो आमतौर पर एक अनुक्रम पर एम्ोर्टाइजेशन की आवश्यकता होती है)। SIG ब्लॉक नॉन-ट्रंकेटेबल है; यह एक आवश्यक, आत्म-निहित परसेप्चुअल लोअर बाउंड स्थापित करता है। यदि स्ट्रीम SIG के पूरा होने से पहले ट्रंकेट हो जाती है, तो फ्रेम डिकोडेबल नहीं होगा, लेकिन यदि SIG प्राप्त हो जाता है, तो मौलिक ज्यामितीय संरचना सुरक्षित रहती है।

C. INS Coder: ट्रंकेशन-रोबस्ट FIFO (Truncation-Robust FIFO)
INS ब्लॉक महत्वहीन रेंज प्लेन्स और एट्रिब्यूट्स को एक फर्स्ट-इन-फर्स्ट-आउट (FIFO) रेंज कोडर का उपयोग करके एनकोड करता है।

• क्रम (Ordering): स्ट्रीम को रेंज टेल प्लेन्स ($x_{s+1:d}$) को एट्रिब्यूट प्लेन्स ($a$) से पहले रखकर क्रमबद्ध किया जाता है। यह बैंडविड्थ ड्रॉप के दौरान ज्यामितीय सटीकता को एट्रिब्यूट फिडेलिटी पर प्राथमिकता देता है।
• ट्रंकेशन गुण (Truncation Properties):
  • नियतात्मक परिशुद्धता क्षरण (Deterministic Precision Degradation): $N$ लीस्ट सिग्निफिकेंट बिट-प्लेन्स का ट्रंकेशन गणितीय रूप से ज़ीरो-पैडिंग के समान है, जिसके परिणामस्वरूप एक नियतात्मक स्थानिक परिशुद्धता क्षरण ($\Delta_N = 2^N \cdot \Delta_0$) होता है। यह लुप्त ज्यामिति के सांख्यिकीय अनुमान की आवश्यकता को समाप्त करता है।
  • हाइब्रिड एट्रिब्यूट पुनर्निर्माण (Hybrid Attribute Reconstruction): जब एट्रिब्यूट बिट्स ट्रंकेट होते हैं, तो शेष बिट्स को एक हाइब्रिड लॉसलेस-प्रेडिक्टिव विधि के माध्यम से पुनर्निर्मित किया जाता है। डिकोड की गई ज्यामिति (SIG और प्राप्त INS रेंज से) एक प्रेडिक्शन नेटवर्क $h_\theta$ के लिए एक मजबूत स्ट्रक्चरल प्रायर के रूप में कार्य करती है, जो लुप्त एट्रिब्यूट विवरणों का अनुमान लगाता है।
• मजबूती (Robustness): चूंकि SIG बिटस्ट्रीम का ~30% हिस्सा कवर करता है, इसलिए Proteus तब भी पूरी तरह से डिकोडेबल रहता है जब तक कि INS स्ट्रीम का 70% तक ट्रंकेट न हो जाए।

3. मुख्य योगदान (Key Contributions)

1. ट्रंकेशन-रोबस्ट बिट्स-बैक: यह पेपर ट्रंकेशन मजबूती और उच्च-दक्षता वाले बिट्स-बैक कोडिंग के बीच असंगति को संबोधित करता है। स्ट्रीम को डिकपल करके और ArIB का उपयोग करके, Proteus एक मामूली लॉसलेस कंप्रेशन दक्षता दंड के साथ प्रोग्रेसिव, ग्रेसफुल डिग्रेडेशन सक्षम करता है, जिससे सिंगल-फ्रेम ओवरहेड समाप्त हो जाता है।
2. रणनीतिक ज्यामिति-एट्रिब्यूट क्रम (Strategic Geometry-Attribute Ordering): एक संयुक्त कोडिंग फ्रेमवर्क डिज़ाइन किया गया है जहाँ अधीनस्थ एट्रिब्यूट डेटा को ज्यामिति के बाद रखा जाता है। यह सिस्टम को बैंडविड्थ की कमी के दौरान स्वाभाविक रूप से पहले एट्रिब्यूट परिशुद्धता का त्याग करने की अनुमति देता है, जिससे महत्वपूर्ण ट्रंकेशन के बावजूद डाउनस्ट्रीम परसेप्शन प्रदर्शन बना रहता है।
3. नियतात्मक भौतिक संरक्षण (Deterministic Physical Preservation): Deep JSCC या MDC के विपरीत, जो पैरामीट्रिक अनुमान पर निर्भर करते हैं, Proteus यह सुनिश्चित करता है कि ट्रंकेटेड पुनर्निर्माण स्रोत के गणितीय रूप से बद्ध प्रोजेक्शन हैं। ज्यामिति कभी भी "हैलुसिनेट" (भ्रमित) नहीं की जाती है; यह केवल कम परिशुद्धता पर पुनर्निर्मित होती है।

4. प्रयोगात्मक परिणाम (Experimental Results)

प्रयोग Waymo Open Dataset (WOD) और SemanticKITetti पर किए गए।

• ट्रंकेशन रोबस्टनेस: Proteus ~70% बिटस्ट्रीम ट्रंकेशन को सहन कर सकता है। ट्रंकेशन के तहत, ज्यामितीय त्रुटि गणितीय रूप से बद्ध रहती है (उदाहरण के लिए, KITTI पर 3 प्लेन्स ट्रंकेट करने से ~8mm परिशुद्धता मिलती है), और डाउनस्ट्रीम 3D ऑब्जेक्ट डिटेक्शन प्रदर्शन एक सेल्फ-कंटेन्ड लोअर बाउंड तक प्रोग्रेसिव रूप से गिरता है, न कि अचानक ढह जाता है।
• कंप्रेशन एफिशिएंसी (आदर्श चैनल): आदर्श स्थितियों (0% ट्रंकेशन) के तहत, Proteus स्थापित मानकों (G-PCC, Draco, JPEG XL) और सीखे हुए बेसलाइन Unicorn को पछाड़ देता है।
  • SemanticKITetti: ज्यामिति के लिए G-PCC पर -35.41% BD-rate लाभ और इंटेंसिटी के लिए -15.59% प्राप्त करता है।
  • WOD: ज्यामिति के लिए G-PCC पर -42.72% BD-rate लाभ और इंटेंसिटी के लिए -80.47% प्राप्त करता है।
• एब्लेशन स्टडीज (Ablation Studies):
  • बिट्स-बैक मैकेनिज्म को हटाने से रेट +20.19% बढ़ जाता है।
  • ArIB स्कीम को हटाने से रेट +31.17% बढ़ जाता है।
  • डिकपल्ड डिज़ाइन, ट्रंकेशन मजबूती को सक्षम करने के लिए, एक कपल्ड ArIB स्कीम की तुलना में केवल 6.56% दक्षता टैक्स लेता है।
  • हाइब्रिड एट्रिब्यूट रिकंस्ट्रक्शन मॉड्यूल (LUT + CNN Head) कम्प्यूटेशनल रूप से हल्का (1.3 MB स्टोरेज, 5.2 ms ओवरहेड) है और प्रदर्शन के लिए महत्वपूर्ण है (दोनों को हटाने से BD-rate +67.8% बढ़ जाता है)।

5. महत्व और दावे (Significance and Claims)

यह पेपर दावा करता है कि Proteus सुरक्षा-महत्वपूर्ण LiDAR अनुप्रयोगों के लिए उच्च-दक्षता संपीड़न और चैनल-रोबस्ट ट्रांसमिशन के बीच मौलिक तनाव को हल करता है। अपने प्रतिनिधित्व को डिकपल और कोडिंग डिपेंडेंसी को इंट्रा-फ्रेम तक सीमित करके, Proteus प्राप्त करता है:

• फ्रेम-लेवल पैकेट-लॉस रेजिस्टेंस (कोई इंटर-फ्रेम प्रेडिक्शन नहीं जो टूट सके)।
• प्रीफिक्स-डिकोडेबल बिटस्ट्रीम्स जो पूर्व समन्वय के बिना वैध पुनर्निर्माण प्रदान करते हैं।
• गणितीय रूप से सत्यापन योग्य सुरक्षा जाल: पुनर्निर्मित पॉइंट क्लाउड अपनी नियतात्मक भौतिक सीमाओं को बनाए रखता है, यह सुनिश्चित करता है कि गंभीर ट्रंकेशन के तहत भी, डेटा एक अनवेरिफाइड अनुमान के बजाय एक वफादार, भले ही कम-परिशुद्धता वाला माप बना रहता है।

लेखक Proteus को एक ऐसे समाधान के रूप में प्रस्तुत करते हैं जो सहयोगात्मक स्वायत्त प्रणालियों को सुरक्षा-महत्वपूर्ण निर्णय लेने के लिए आवश्यक गणितीय अखंडता से समझौता किए बिना अविश्वसनीय वायरलेस चैनलों पर सघन पॉइंट क्लाउड्स साझा करने की अनुमति देता है।