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

Technische Samenvatting: PROTEUS – Een Truncatie-Robuust Entropiemodel voor Progressieve LiDAR-compressie

1. Probleemstelling

LiDAR-puntenwolken bieden expliciete, deterministische fysieke grenzen die essentieel zijn voor veiligheidskritische collaboratieve perceptie (bijv. botsingsdetectie, gevaarvermijding). Het verzenden van deze dichte datastructuren over dynamische draadloze kanalen (V2X, UAV-zwermen) introduceert echter twee kritieke uitdagingen:

• Bandbreedteschommelingen & Truncatie: Tijdelijke linkonderbrekingen of dalingen in de bandbreedte veroorzaken afkaping (truncatie) van de in transit zijnde stream. Conventionele codecs bezwijken onder dergelijke omstandigheden, wat leidt tot latency-intensieve feedbackloops om bitrates opnieuw te onderhandelen, wat real-time pipelines blokkeert.
• Kanaalimperfecties vs. Fysieke Getrouwheid: Bestaande robuuste frameworks, zoals Deep Joint Source-Channel Coding (Deep JSCC) of Multiple Description Coding (MDC), gaan om met pakketverlies door ontbrekende regio's te reconstrueren via statistische of parametrische schatting. Hoewel dit een concurrerende perceptuele kwaliteit of downstream mAP behoudt, zet dit exacte fysieke metingen om in ongeverifieerde algoritmische schattingen. Voor veiligheidskritische taken is het behoud van de wiskundig begrensde, deterministische aard van de sensormeting — zelfs bij een grovere resolutie — onontbeerlijk.

De kernuitdaging is het ontwerpen van een geleerde codec die progressieve, truncatie-robuuste compressie bereikt en daarbij strikt de exacte fysieke grenzen van de LiDAR-metingen bewaart, waarbij de "hallucinatie" van geometrie die inherent is aan statistische schattingsmethoden wordt vermeden.

2. Methodologie

De auteurs stellen Proteus voor, een geleerde LiDAR-codec die opereert op 2D range images. Het framework ontkoppelt de frame-representatie in twee onafhankelijke codestromen om stream-niveau truncatie-robuustheid te bereiken:

A. Representatie & Ontkoppeling
De input range image $R = (x, a)$ bestaat uit het range-kanaal $x$ (bitdiepte $d$) en attribuutkanalen $a$ (bijv. reflectie). Het range-kanaal wordt gesplitst in $d$ bit-vlakken en gepartitioneerd in:

1. SIG (Significant): De meest significante bit-vlakken ($x_{1:s}$), bestaande uit een "head" ($x_{1:h}$) en een "mid" ($x_{h+1:s}$) sub-blok.
2. INS (Insignificant): De resterende tail bit-vlakken ($x_{s+1:d}$) en alle attribuutkanalen.

B. SIG Coder: Zelfvoorzienende Bits-Back
Het SIG-blok codeert de significante vlakken met een bits-back coding schema dat volledig zelfvoorzienend is binnen het blok.

• Mechanisme: Het maakt gebruik van een Autoregressive Initial Bits (ArIB) mechanisme. Het "mid" sub-blok wordt eerst gecodeerd zonder latente conditionering om initiële bits te genereren. Deze bits worden vervolgens gebruikt om de latente variabele $z$ voor het "head" sub-blok te decoderen, dat wordt gecodeerd onder de posterior $q(z|x_{1:h})$.
• Voordeel: Dit elimineert de enkelvoudige frame-overhead die typisch is voor bits-back coding (die meestal wordt geamortiseerd over een sequentie). Het SIG-blok is niet-trunceerbaar; het vestigt een noodzakelijke, zelfvoorzienende perceptuele ondergrens. Als de stream wordt afgekapt voordat SIG voltooid is, is het frame ondecodeerbaar, maar als SIG is ontvangen, wordt de fundamentele geometrische structuur bewaard.

C. INS Coder: Truncatie-Robuuste FIFO
Het INS-blok codeert de insignificante range-vlakken en attributen met behulp van een First-In-First-Out (FIFO) range coder.

• Volgorde: De stream wordt geserialiseerd met range tail planes ($x_{s+1:d}$) voorafgaand aan de attribuutplanes ($a$). Dit geeft prioriteit aan geometrische precisie boven attribuutgetrouwheid tijdens bandbreedtedalingen.
• Truncatie-eigenschappen:
  • Deterministische Precisie-degradatie: Het afkappen van $N$ minst significante bit-vlakken is wiskundig equivalent aan zero-padding, wat resulteert in een deterministische ruimtelijke precisie-degradatie ($\Delta_N = 2^N \cdot \Delta_0$). Dit voorkomt de noodzaak voor statistische schatting van de ontbrekende geometrie.
  • Hybride Attribuutreconstructie: Wanneer attribuutbits worden afgekapt, worden de resterende bits gereconstrueerd via een hybride lossless-predictieve methode. De gedecodeerde geometrie (van SIG en de ontvangen INS range) dient als een sterke structurele prior voor een predictienetwerk $h_\theta$ om de ontbrekende attribuutdetails te benaderen.
• Robuustheid: Omdat SIG ongeveer 30% van de bitstream beslaat, blijft Proteus volledig decodeerbaar, zelfs als tot 70% van de INS-stream wordt afgekapt.

3. Belangrijkste Bijdragen

1. Truncatie-Robuuste Bits-Back: Het artikel adresseert de incompatibiliteit tussen truncatie-robuustheid en hoog-efficiënte bits-back coding. Door de stream te ontkoppelen en ArIB te gebruiken, maakt Proteus progressieve, gracieuze degradatie mogelijk met slechts een minimale straf in lossless compressie-efficiëntie, waardoor de enkelvoudige frame-overhead wordt geëlimineerd.
2. Strategische Geometrie-Attribuut Volgorde: Een gezamenlijk codingsframework is ontworpen waarbij ondergeschikte attribuutdata na de geometrie in de trunceerbare stream wordt geplaatst. Dit stelt het systeem in staat om tijdens bandbreedte-tekorten natuurlijk eerst de attribuutprecisie op te offeren, waardoor de downstream perceptie prestaties behouden blijven, zelfs bij significante truncatie.
3. Deterministische Fysieke Preservatie: In tegenstelling tot Deep JSCC of MDC, die vertrouwen op parametrische schatting, zorgt Proteus ervoor dat getrunceerde reconstructies wiskundig begrensde projecties van de bron zijn. De geometrie wordt nooit "gehallucineerd"; deze wordt simpelweg gereconstrueerd met een lagere precisie.

4. Experimentele Resultaten

Experimenten werden uitgevoerd op de Waymo Open Dataset (WOD) en SemanticKITTI.

• Truncatie-robuustheid: Proteus verdraagt tot ~70% bitstream-truncatie. Onder truncatie blijft de geometrische fout wiskundig begrensd (bijv. het afkappen van 3 vlakken levert ~8mm precisie op KITTI op), en de downstream 3D object detectie prestaties degraderen progressief naar een zelfvoorzienende ondergrens in plaats van in te storten.
• Compressie-efficiëntie (Ideale Kanalen): Onder ideale omstandigheden (0% truncatie) presteert Proteus beter dan gevestigde standaarden (G-PCC, Draco, JPEG XL) en de geleerde baseline Unicorn.
  • SemanticKITTI: Behaalt een -35,41% BD-rate winst ten opzichte van G-PCC voor geometrie en -15,59% voor intensiteit.
  • WOD: Behaalt een -42,72% BD-rate winst ten opzichte van G-PCC voor geometrie en -80,47% voor intensiteit.
• Ablatie-studies:
  • Het verwijderen van de bits-back mechanisme verhoogt de rate met +20,19%.
  • Het verwijderen van het ArIB schema verhoogt de rate met +31,17%.
  • Het ontkoppelde ontwerp brengt slechts een efficiëntiebelasting van 6,56% met zich mee vergeleken met een gekoppeld ArIB schema om truncatie-robuustheid mogelijk te maken.
  • Het hybride attribuutreconstructie module (LUT + CNN Head) is computationeel lichtgewicht (1,3 MB opslag, 5,2 ms overhead) en cruciaal voor de prestaties (het verwijderen van beide verhoogt de BD-rate met +67,8%).

5. Betekenis en Claims

Het artikel claimt dat Proteus de fundamentele spanning tussen hoog-efficiënte compressie en kanaal-robuuste transmissie voor veiligheidskritische LiDAR-toepassingen oplost. Door de representatie strikt te beperken tot intra-frame afhankelijkheden en te ontkoppelen, bereikt Proteus:

• Frame-niveau pakketverlies-resistentie (geen inter-frame predictie die kan breken).
• Prefix-decodeerbare bitstreams die geldige reconstructies opleveren zonder voorafgaande coördinatie.
• Wiskundig verifieerbare veiligheidsnetten: De gereconstrueerde puntenwolk behoudt zijn deterministische fysieke grenzen, wat ervoor zorgt dat de data, zelfs onder zware truncatie, een getrouwe, zij het lagere-precisie, meting blijft in plaats van een ongeverifieerde schatting.

De auteurs positioneren Proteus als een oplossing die autonome systemen in staat stelt om dichte puntenwolken over onbetrouwbare draadloze kanalen te delen zonder de wiskundige integriteit in gevaar te brengen die vereist is voor veiligheidskritische besluitvorming.