从稠密均匀到稀疏离散：面向真实场景的点云压缩与实时传输技术研究及应用

点云数据目前正面临爆炸式增长，其高效压缩与实时传输已成为关键挑战。针对稠密均匀数据，我们深入探索了时序感知、双向循环场景流、潜在场景流以及特征锚点建模和可变速编码等端到端压缩框架，致力于高效编码其庞大的几何与运动信息。面对稀疏离散数据，我们创新性地提出了相关性排序引导的区域自适应压缩方法，以应对其不规则分布与空间相关性；并引入了基于Mamba的Octree上下文熵模型，利用状态空间模型卓越的长序列建模能力，更精准地捕获并利用点云内部的几何依赖关系，从而实现高效概率编码。同时基于上述技术研发路径，我们构建了一套点云高效压缩与实时传输解决方案，为相关产业的落地提供坚实支撑。

杨柏林，教授，博导，致公党，浙江省十三届政协委员。浙江省师德标兵，浙江省151人才工程第一层次，浙江省杰出青年基金获得者，担任多个国家和省市级学术专委会副主任和委员。长期从事数字媒体、大数据可视分析、虚拟（增强）现实、人工智能方向的科研工作，并积极与产业结合，将科研成果进行转化，取得了显著的经济和社会效益，在省内外具有一定的影响力。?近五年来主持或作为主要成员（前三）在上述研究领域已经获得包括国家科技国家863重点研发计划课题、973项目课题、国家自然科学基金项目，浙江省杰出青年自然科学、浙江省重点基金，浙江省重大科技专项等国家和省部级项目二十余项。基于这些项目的研究成果，获省部以上科技进步奖9项（其中国家教学成果二等奖1次，省科技进步二三等奖各1次），已申请发明专利40项（其中授权二十余项，专利转换6项）。在著名国际期刊、重要国际会议以及国内一级期刊上发表SCI/EI收录论文80多篇，其中ESI高倍引论文3篇。