G-PCC与V-PCC：为什么MPEG为点云压缩制作了两个编解码器？

原文链接：mpeg官方新闻网站https://3dgraphics.mpeg.expert/
  MPEG在2020年FDIS（标准准备的最后一步）中批准了两种用于点云压缩的编码标准：第一种称为V-PCC（基于视频的点云压缩），第二种称为G-PCC（基于几何的点云压缩） ）。你可能会感到疑问：为什么对点云数据同时制定两个编解码器标准？这两个编解码器是为同一个目的而相互竞争，还是为不同应用场景而设计的？
  简单来说，V-PCC和G-PCC是针对不同类型的点云设计的：V-PCC用于稠密点云，例如代表自然对象（从一组图像中重建）或图形对象（由艺术家设计）；而G-PCC用于稀疏点云，例如在获得较大空间时由激光雷达获得的点云。当然，用户完全可以将V-PCC用于稀疏点云，而将G-PCC用于密集云，但是这并不是最优的做法。
  下面来解释一下这两种编解码器开发背后的缘由。点云现在用于具有各种要求的各种应用场景中。下图是两个示例：

  这两幅图像都是点云，左图是通过3D重建从位于人周围的摄像机捕获的一组图像中获得的，而右图是通过使用安装在汽车上的LIDAR采集获得的。两个点云都是动态的。很容易观察到，第一个点云很密集，第二个点云很稀疏。
  当点云密集时，其在2D平面上的投影仍然足够密集（投影图像中没有孔或只有很少的孔），因此可以将密集3D点云转换为一组图像（或视频），然后对这种2D表示进行编码，而不是对原始3D进行编码。对稀疏点云应用相同的方法（3D到2D投影）也是可行的，但这种方法会产生传统图像/视频编解码器将很难编码的不良图像（由于点与点之间存在的缝隙，投影之后的图片中带有孔洞）。V-PCC基于将3D点云投影到一组2D补丁中，将它们组合到2D视频中并使用传统视频编解码器进行编码的这种机制。因此请记住：不要尝试使用V-PCC编码稀疏点云，这不是最优的选择。
  当点云稀疏时，需要其他表示空间才能获得良好的压缩效果。学术界提出了许多方法，并且所有方法都试图利用3D几何构造可预测的空间。一种足够通用的方法是在八叉树中分解3D空间-立方体的分层分割，这有助于快速分离大的空白空间并仅在存在信息的地方（非空块）优化分区。G-PCC中使用了这种方法，这也是其名字的由来，即基于几何的点云压缩。因此请记住：G-PCC专为稀疏点云而设计。
  问题：G-PCC也可以用于密集点云吗？答案是肯定的，但是同样的，这和使用V-PCC编码稀疏点云的结果类似，并不是最优的选择。
  结论：V-PCC是为稠密点云设计的，G-PCC是为稀疏点云设计的。因此如果将G-PCC与V-PCC用于同一个序列，两者性能的比较结果将由序列本身的稠密程度决定。