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

技術要約: PROTEUS – プログレッシブなLiDAR圧縮のための、切断耐性を備えたエントロピーモデル

1. 問題提起

LiDAR点群は、安全性が極めて重要な協調認識（衝突検知、障害物回避など）に不可欠な、明示的かつ決定論的な物理的境界を提供します。しかし、これらの高密度なデータ構造を動的な無線チャネル（V2X、UAVスウォームなど）経由で伝送する場合、以下の2つの重大な課題が生じます。

• 帯域幅の変動と切断（Truncation）: 一時的なリンク断絶や帯域幅の低下により、転送中のストリームが途中で切断されることがあります。従来のコーデックはこのような条件下では崩壊し、ビットレートを再交渉するためのレイテンシの大きいフィードバックループを必要とするため、リアルタイムのパイプラインを停滞させます。
• チャネルの損傷 vs 物理的忠実度: Deep JSCC（深層結合ソース・チャネル符号化）やMDC（多重記述符号化）といった既存の堅牢なフレームワークは、パケット損失に対して統計的またはパラメトリックな推定を用いて欠損領域を再構成することで対処します。これらは競争力のある知覚品質やダウンストリームのmAPを維持できますが、正確な物理的測定値を、検証されていないアルゴリズムによる推定値へと変換してしまいます。安全性が極めて重要なタスクにおいては、たとえ解像度が粗くなったとしても、センサーの測定値としての数学的に限定された決定論的な性質を保持することが不可欠です。

核心となる課題は、プログレッシブ（漸進的）で切断耐性のある圧縮を実現しつつ、統計的推定手法に特有の幾何学的な「幻覚（hallucination）」を避け、LiDAR測定の正確な物理的境界を厳格に保持する学習型コーデックを設計することです。

2. 手法

著者らは、2Dレンジ画像上で動作する学習型LiDARコーデックであるProteusを提案しています。このフレームワークは、ストリームレベルの切断耐性を実現するために、フレーム表現を2つの独立したコーディングストリームに分離します。

A. 表象と分離（Representation & Deccloupling）
入力となるレンジ画像 $R = (x, a)$ は、レンジチャネル $x$（ビット深度 $d$）と属性チャネル $a$（例：反射強度）で構成されます。レンジチャネルは $d$ 個のビットプレーンに分割され、以下のように区分けされます。

1. SIG (Significant/重要部): 最上位のビットプレーン ($x_{1:s}$) であり、「ヘッド（head）」($x_{1:h}$) と「ミッド（mid）」($x_{h+1:s}$) のサブブロックで構成されます。
2. INS (Insignificant/非重要部): 残りの下位ビットプレーン ($x_{s+1:d}$) およびすべての属性チャネルです。

B. SIG コーダー: 自己完結型のビットバック（Self-Contained Bits-Back）
SIGブロックは、ブロック内で完全に自己完結したビットバック符号化スキームを用いて、重要部分のプレーンをエンコードします。

• メカニズム: ArIB (Autoregressive Initial Bits) メカニズムを利用します。「ミッド」サブブロックを、潜在変数による条件付けなしに最初にエンコードして初期ビットを生成します。その後、これらのビットを使用して、事後分布 $q(z|x_{1:h})$ の下でエンコードされる「ヘッド」サブブロックの潜在変数 $z$ をデコードします。
• 利点: これにより、ビットバック符号化において通常必要とされる（通常はシーケンス全体で振幅化が必要な）シングルフレームのオーバーヘッドを排除します。SIGブロックは切断不可能な性質を持ち、非切断的な、自己完結的な知覚的下限を確立します。もしストリームがSIGの完了前に切断された場合、フレームはデコード不能になりますが、SIGが受信されれば、基本的な幾何学的構造は保持されます。

C. INS コーダー: 切断耐性を持つFIFO
INSブロックは、非重要なレンジプレーンと属性をFIFO (First-In-First-Out) レンジコーダーを用いてエンコードします。

• 順序: ストリームは、レンジの下位プレーン ($x_{s+1:d}$) が属性プレーン ($a$) に先行する形でシリアル化されます。これにより、帯域幅の低下時に幾何学的な精度を属性の忠実度よりも優先させます。
• 切断特性:
  • 決定論的な精度劣化: $N$ 個の最下位ビットプレーンを切り捨てた場合、それは数学的にゼロパディングと同等であり、決定論的な空間精度の劣化 ($\Delta_N = 2^N \cdot \Delta_0$) をもたらします。これにより、欠損した幾何学構造を統計的に推定する必要がなくなります。
  • ハイブリッド属性再構成: 属性ビットが切断された場合、残りのビットはハイブリッドなロスレス・予測手法によって再構成されます。デコードされた幾何学（SIGおよび受信されたINSレンジから得られるもの）は、欠落した属性の詳細を近似するための予測ネットワーク $h_\theta$ に対する強力な構造的事前知識として機能します。
• 堅牢性: SIGがビットストリームの約30%を占めるため、ProteusはINSストリームの最大70%が切断された場合でも、完全なデコードが可能です。

3. 主な貢献

1. 切断耐性を持つビットバック: 本論文は、切断耐性と高効率なビットバック符号化の間の不適合性を解決しています。Proteusは、ストリームを分離しArIBを利用することで、ロスレス圧縮効率へのわずかなペナルティのみで、プログレッシブで緩やかな劣化を可能にし、シングルフレームのオーバーヘッドを排除しました。
2. 戦略的な幾何学・属性の順序付け: 切断可能なストリームにおいて、従属的な属性データを幾何学データの後に配置するように設計された、結合コーディングフレームワークを構築しました。これにより、帯域幅の低下時に属性の精度を先に犠牲にすることが自然に行われ、大幅な切断が発生してもダウンストリームの認識性能を維持できます。
3. 決定論的な物理的保存: 統計的推定に依存するDeep JSCCやMDCとは異なり、Proteusは切断された再構成がソースの数学的に限定された投影であることを保証します。幾何学が「幻覚」化されることはなく、単に低い精度で再構成されるだけです。

4. 実験結果

実験は Waymo Open Dataset (WOD) および SemanticKITetti に対して行われました。

• 切断耐性: Proteusは約70%のビットストリーム切断に耐えることができます。切断下においても、幾何学的誤差は数学的に制限されており（例：KITTIにおいて3つのプレーンを切り捨てると精度は約8mm）、ダウンストリームの3D物体検出性能は、崩壊することなく、自己完結的な下限へと漸進的に低下します。
• 圧縮効率（理想的なチャネル）: 理想的な条件下（切断0%）において、Proteusは確立された標準規格（G-PCC、Draco、JPEG XL）および学習ベースのベースラインである Unicorn を凌駕します。
  • SemanticKITetti: 幾何学においてG-PCCに対し**-35.41%、輝度（intensity）において-15.59%**のBD-rate改善を達成。
  • WOD: 幾何学においてG-PCCに対し**-42.72%、輝度において-80.47%**のBD-rate改善を達成。
• アブレーション研究:
  • ビットバックメカニズムを除去すると、レートが**+20.19%**増加。
  • ArIBスキームを除去すると、レートが**+31.17%**増加。
  • 分離設計は、切断耐性を実現するために、結合型ArIBスキームと比較してわずか**6.56%**の効率税（ペナルティ）しか課しません。
  • ハイブリッド属性再構成モジュール（LUT + CNN Head）は計算負荷が低く（ストレージ1.3 MB、オーバーヘッド5.2 ms）、パフォーマンスに不可欠です（両方を除去するとBD-rateが**+67.8%**増加）。

5. 重要性と主張

本論文は、Proteusが、安全性が極めて重要なLiDARアプリケーションにおける高効率な圧縮とチャネルに堅牢な伝送の間の根本的な緊張関係を解決することを主張しています。表現を分離し、コーディングの依存関係をフレーム内に限定することで、Proteusは以下を実現します。

• フレームレベルのパケット損失耐性（壊れるべき相互フレーム予測が存在しない）。
• 事前の調整なしに有効な再構成を可能にする接頭辞デコード可能な（prefix-decodable）ビットストリーム。
• 数学的に検証可能なセーフティネット: 再構成された点群は、その決定論的な物理的境界を保持します。これにより、たとえ深刻な切断が発生した場合でも、データは未検証の推定値ではなく、信頼できる（ただし低精度な）測定値であり続けることが保証されます。

著者らは、Proteusを、信頼性の低い無線チャネルを介して、安全性が極めて重要な意思決定に必要な数学的完全性を損なうことなく、高密度な点群を共有することを可能にするソリューションとして位置付けています。