UVG-VPC

UVG-VPC数据集是由坦佩雷大学Ultra Video Group创建的一个开放点云数据集，包含12个具有不同运动、RGB纹理、3D几何形状和表面遮挡特性的点云测试视频序列。每个序列长10秒，包含250帧，以25帧/秒的速率捕获。该数据集以9到12位的几何精度进行体素化，并提供相关的法线信息，更适合评估点云压缩方案。

The UVG-VPC dataset is an open point cloud dataset created by the Ultra Video Group at Tampere University. It contains 12 test point cloud video sequences with varying motion, RGB texture, 3D geometry, and surface occlusion characteristics. Each sequence lasts 10 seconds, comprises 250 frames, and is captured at a frame rate of 25 frames per second. This dataset is voxelized with a geometric precision of 9 to 12 bits and provides associated normal information, making it more suitable for evaluating point cloud compression schemes.

搜集汇总

数据集介绍

构建方式

UVG-VPC数据集的构建采用了先进的体积捕捉技术，通过32个相机单元组成的捕捉工作室获取原始点云数据。每个相机单元配备双RGB摄像头、红外投影仪和红外摄像头，确保高精度的三维几何和纹理信息采集。原始点云数据经过泊松表面重建算法生成网格，随后通过三角形点采样技术优化点云密度，最终将点云数据体素化，几何精度覆盖9至12位。此外，数据集还提供了基于K近邻算法的法线信息，以支持更精确的质量评估。

使用方法

UVG-VPC数据集主要用于开发和评估MPEG视觉体积视频编码（V3C）技术，特别是视频点云压缩（V-PCC）算法。研究人员可以利用数据集中的多样化序列测试算法在不同运动、纹理和几何复杂度下的性能。数据集提供的法线信息可用于计算D2质量指标，支持客观和主观质量评估。此外，数据集的中间数据（如原始点云和网格）也可用于其他研究领域，如动态网格压缩和三维重建。

背景与挑战

背景概述

UVG-VPC数据集由芬兰坦佩雷大学超视频组（Ultra Video Group）于近年推出，旨在促进视觉体积视频编码（V3C）技术的发展。该数据集包含12个体素化点云测试序列，每个序列时长10秒，帧率为25fps，涵盖不同运动模式、RGB纹理、3D几何形状及表面遮挡特性的多样化内容。作为首个专为MPEG V-PCC标准评估设计的开放数据集，其9至12比特的几何精度与8比特RGB属性为沉浸式媒体压缩研究提供了高保真基准，填补了现有数据在体素化精度与场景复杂度上的空白。

当前挑战

在领域问题层面，UVG-VPC需解决动态点云压缩中运动估计、纹理保持与遮挡处理的算法优化挑战，其多变的场景特性对编码器的率失真性能提出更高要求。构建过程中，研究团队面临体素化精度与计算资源的平衡难题，10亿级点云的采样与法向量计算消耗显著；相机阵列同步采集、多模态数据融合及非商业许可下的数据合规性亦增加了工程复杂度。此外，如何通过有限的序列覆盖真实场景的多样性，仍是数据集代表性的关键挑战。

常用场景

经典使用场景

UVG-VPC数据集在点云压缩算法的开发与评估中扮演了关键角色，尤其在MPEG视觉体积视频编码（V3C）技术的标准化进程中。该数据集通过提供12种不同特性的点云视频序列，涵盖了从简单到复杂的运动、纹理、几何和遮挡场景，为研究者提供了一个全面的测试平台。其高精度的几何表示（9至12位）和8位RGB色彩属性，使得该数据集成为评估视频点云压缩（V-PCC）算法性能的理想选择。

解决学术问题

UVG-VPC数据集解决了点云压缩领域中的多个核心学术问题，包括高效压缩算法的开发、率失真性能的客观与主观评估，以及复杂动态场景下的编码优化。通过提供多样化的测试序列，该数据集填补了现有数据在几何精度和内容多样性上的空白，为研究者提供了一个标准化的评估框架，从而推动了点云压缩技术的进一步发展。

实际应用

在实际应用中，UVG-VPC数据集被广泛用于扩展现实（XR）领域，包括虚拟现实（VR）、增强现实（AR）和混合现实（MR）的内容生成与传输。其高精度的点云数据支持了沉浸式媒体内容的压缩与流媒体传输，为远程协作、虚拟旅游和实时体育直播等应用场景提供了技术基础。

数据集最近研究

最新研究方向

随着扩展现实(XR)技术的快速发展，点云压缩技术已成为沉浸式视觉媒体处理与传输的关键环节。UVG-VPC数据集作为专为MPEG视觉体积视频编码(V3C)技术开发而设计的开源资源，其最新研究主要聚焦于多维度点云压缩算法的优化与评估。该数据集通过提供12组具有不同运动特征、RGB纹理、3D几何结构和表面遮挡特性的体素化点云序列，为视频点云压缩(V-PCC)领域的研究者提供了全面的测试基准。当前研究热点集中在基于深度学习的高效压缩算法开发，以及在不同几何精度(9-12位)下率失真性能的优化。该数据集的发布不仅填补了现有体素化人体点云数据在精度和规模上的空白，更为6DoF沉浸式体验、远程通信等XR应用提供了重要的技术支撑。

相关研究论文

• UVG-VPC: Voxelized Point Cloud Dataset for Visual Volumetric Video-based Coding

  坦佩雷大学Ultra Video Group · 2025年