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

Resumo Técnico: PROTEUS – Um Modelo de Entropia Robusto à Truncação para Compressão Progressiva de LiDAR

1. Definição do Problema

As nuvens de pontos LiDAR fornecem limites físicos explícitos e determinísticos, essenciais para a percepção colaborativa de segurança crítica (ex: detecção de colisão, evasão de obstáculos). No entanto, transmitir essas estruturas de dados densas através de canais sem fio dinâmicos (V2X, enxames de UAV) introduz dois desafios críticos:

• Flutuação de Largura de Banda e Truncação: Interrupções transitórias de link ou quedas de largura de banda causam a truncação do fluxo em trânsito. Os codecs convencionais colapsam sob tais condições, exigindo ciclos de feedback com alta latência para renegociar taxas de bits, o que interrompe os pipelines de tempo real.
• Comprometimentos do Canal vs. Fidelidade Física: Estruturas robustas existentes, como o Deep Joint Source-Channel Coding (Deep JSCC) ou o Multiple Description Coding (MDC), lidam com a perda de pacotes reconstruindo regiões ausentes via estimativa estatística ou paramétrica. Embora isso mantenha uma qualidade perceptual competitiva ou mAP para tarefas de downstream, converte medições físicas exatas em estimativas algorítmicas não verificadas. Para tarefas de segurança crítica, preservar a natureza matematicamente delimitada e determinística da medição do sensor — mesmo em uma resolução mais grosseira — é indispensável.

O desafio central é projetar um codec aprendido que alcance uma compressão progressiva e robusta à truncação, mantendo estritamente os limites físicos exatos das medições LiDAR, evitando a "alucinação" de geometria inerente aos métodos de estimativa estatística.

2. Metodologia

Os autores propõem o Proteus, um codec de LiDAR aprendido que opera sobre imagens de amplitude (range images) 2D. O framework desacopla a representação do frame em dois fluxos de codificação independentes para alcançar robustez à truncação ao nível de stream:

A. Representação e Desacoplamento
A imagem de amplitude de entrada $R = (x, a)$ consiste em um canal de amplitude $x$ (profundidade de bits $d$) e canais de atributos $a$ (ex: refletância). O canal de amplitude é fatiado em $d$ planos de bits e particionado em:

1. SIG (Significativo): Os planos de bits mais significativos ($x_{1:s}$), compreendendo um sub-bloco "head" ($x_{1:h}$) e um "mid" ($x_{h+1:s}$).
2. INS (Insignificante): Os planos de bits de cauda restantes ($x_{s+1:d}$) e todos os canais de atributos.

B. Coder SIG: Bits-Back Autossuficiente
O bloco SIG codifica os planos significativos usando um esquema de codificação bits-back que é inteiramente autossuficiente dentro do bloco.

• Mecanismo: Utiliza um mecanismo de Bits-Back Autoregressivo Inicial (ArIB). O sub-bloco "mid" é codificado primeiro sem condicionamento latente para gerar bits iniciais. Esses bits são então usados para decodificar a variável latente $z$ para o sub-bloco "head", que é codificado sob a posterior $q(z|x_{1:h})$.
• Benefício: Isso elimina o overhead de frame único tipicamente associado à codificação bits-back (que geralmente exige amortização sobre uma sequência). O bloco SIG é não-truncável; ele estabelece um limite inferior perceptual necessário e autossuficiente. Se o stream for truncado antes da conclusão do SIG, o frame torna-se indecodificável, mas se o SIG for recebido, a estrutura geométrica fundamental é preservada.

C. Coder INS: FIFO Robusto à Truncação
O bloco INS codifica os planos de amplitude insignificantes e os atributos usando um codificador de amplitude FIFO (First-In-First-Out).

• Ordenação: O stream é serializado com os planos de cauda da amplitude ($x_{s+1:d}$) precedendo os canais de atributo ($a$). Isso prioriza a precisão geométrica sobre a fidelidade de atributos durante quedas de largura de banda.
• Propriedades de Truncação:
  • Degradação Determinística de Precisão: Truncar $N$ planos de bits menos significativos da amplitude é matematicamente equivalente ao preenchimento com zeros (zero-padding), resultando em uma degradação de precisão espacial determinística ($\Delta_N = 2^N \cdot \Delta_0$). Isso evita a necessidade de estimativa estatística da geometria ausente.
  • Reconstrução Híbrida de Atributos: Quando os bits de atributo são truncados, os bits restantes são reconstruídos via um método híbrido lossless-preditivo. A geometria decodificada (do SIG e do INS de amplitude recebido) serve como um prior estrutural forte para uma rede de predição $h_\theta$ para aproximar os detalhes de atributos ausentes.
• Robustez: Como o SIG responde por ~30% do bitstream, o Proteus permanece totalmente decodificável mesmo se até 70% do stream INS for truncado.

3. Principais Contribuições

1. Bits-Back Robusto à Truncação: O artigo aborda a incompatibilidade entre robustez à truncação e a alta eficiência da codificação bits-back. Ao desacoplar o stream e utilizar ArIB, o Proteus permite uma degradação progressiva e suave com apenas uma penalidade menor na eficiência de compressão lossless, eliminando o overhead de frame único.
2. Ordenação Estratégica Geometria-Atributo: Um framework de codificação conjunta é projetado onde os dados de atributo subordinados são posicionados após a geometria no stream truncável. Isso permite que o sistema sacrifique naturalmente a precisão de atributos primeiro durante quedas de largura de banda, mantendo o desempenho de percepção downstream mesmo com truncamento significativo.
3. Preservação Física Determinística: Diferente do Deep JSCC ou MDC, que dependem de estimativa paramétrica, o Proteus garante que as reconstruções truncadas sejam projeções matematicamente delimitadas da fonte. A geometria nunca é "alucinada"; ela é simplesmente reconstruída com uma precisão menor.

4. Resultados Experimentais

Experimentos foram conduzidos nos datasets Waymo Open Dataset (WOD) e SemanticKITTI.

• Robustez à Truncação: O Proteus tolera até ~70% de truncamento do bitstream. Sob truncamento, o erro geométrico permanece matematicamente limitado (ex: truncar 3 planos resulta em ~8mm de precisão no KITTI), e o desempenho de detecção de objetos 3D downstream degrada-se progressivamente para um limite inferior autossuficiente, em vez de colapsar.
• Eficiência de Compressão (Canais Ideais): Sob condições ideais (0% de truncamento), o Proteus supera padrões estabelecidos (G-PCC, Draco, JPEG XL) e o baseline aprendido Unicorn.
  • SemanticKITTI: Alcança -35,41% de ganho de taxa BD para geometria e -15,59% para intensidade em relação ao G-PCC.
  • WOD: Alcança -42,72% de ganho de taxa BD para geometria e -80,47% para intensidade em relação ao G-PCC.
• Estudos de Ablação:
  • Remover o mecanismo bits-back aumenta a taxa em +20,19%.
  • Remover o esquema ArIB aumenta a taxa em +31,17%.
  • O design desacoplado incorre em apenas um imposto de eficiência de 6,56% comparado a um esquema ArIB acoplado para permitir a robustez à truncação.
  • O módulo de reconstrução híbrida de atributos (LUT + CNN Head) é computacionalmente leve (1,3 MB de armazenamento, 5,2 ms de overhead) e crítico para o desempenho (remover ambos aumenta a taxa BD em +67,8%).

5. Significância e Alegações

O artigo afirma que o Proteus resolve a tensão fundamental entre alta eficiência de compressão e transmissão robusta ao canal para aplicações de LiDAR de segurança crítica. Ao restringir estritamente as dependências de codificação ao intra-frame e desacoplar a representação, o Proteus alcança:

• Resistência à perda de pacotes ao nível de frame (sem predição inter-frame para quebrar).
• Bitstreams prefix-decodáveis que geram reconstruções válidas sem coordenação prévia.
• Redes de segurança matematicamente verificáveis: A nuvem de pontos reconstruída retém seus limites físicos determinísticos, garantindo que, mesmo sob truncamento severo, os dados permaneçam uma medição fiel, embora de menor precisão, em vez de uma estimativa não verificada.

Os autores posicionam o Proteus como uma solução que permite a sistemas autônomos colaborativos compartilhar nuvens de pontos densas sobre canais sem fio não confiáveis sem comprometer a integridade matemática necessária para a tomada de decisão de segurança crítica.