DPCD

DPCD是一个大规模的动态点云质量评估数据库，包含15个参考动态点云和525个失真动态点云。这些点云是通过七种类型的损失性压缩和噪声失真得到的，用于模拟真实世界的动态变化。该数据库通过主观实验获得了21位观众的平均意见得分，以评估动态点云的质量。

DPCD is a large-scale dynamic point cloud quality assessment database, consisting of 15 reference dynamic point clouds and 525 distorted dynamic point clouds. These point clouds are generated through seven types of lossy compression and noise distortions to simulate real-world dynamic changes. This database has obtained Mean Opinion Scores (MOS) from 21 viewers via subjective experiments for evaluating the quality of dynamic point clouds.

原始信息汇总

DPCD数据集概述

数据集简介

DPCD是一个用于动态点云质量评估的大规模数据库，旨在解决动态点云质量评估（DPCQA）领域的研究空白。该数据集包含15个参考动态点云（DPC）和525个经过七种不同类型失真处理的动态点云，适用于虚拟/增强现实（VR/AR）等应用场景。

数据集详情

参考动态点云

• 包含15个参考动态点云，具体为：
  • longdress, loot, soldier, redandblack, dancer, model, basketball-player, exercise, AxeGuy, Matis, Rafa2, mitch, thomas, football, levi

失真类型

• 七种失真类型：
  • G-PCC-Octree-RAHT
  • G-PCC-Trisoup-RAHT
  • V-PCC-C2RA
  • D-DPCC
  • CN
  • DS
  • GGN

数据集结构

数据集结构如下：

├── root │ ├── MOS.csv │ ├── reference │ │ ├── [参考动态点云名称] │ │ │ ├── ply │ │ │ │ ├── [帧序列].ply │ │ │ ├── output │ │ │ │ ├── images │ │ │ │ │ ├── [帧序列].png │ │ │ │ ├── [动态点云名称].mp4 │ ├── [失真类型] │ │ ├── [参考动态点云名称][失真类型] │ │ │ ├── [失真强度] │ │ │ │ ├── ply │ │ │ │ │ ├── [帧序列][失真类型][失真强度].ply │ │ │ │ ├── output │ │ │ │ │ ├── images │ │ │ │ │ │ ├── [帧序列][失真类型][失真强度].png │ │ │ │ │ ├── [动态点云名称][失真类型]_[失真强度].mp4

主观实验

• 通过将样本渲染为处理后的视频序列（PVS），进行了全面的主观实验。
• 21名观众参与实验，获得平均意见分数（MOS）用于分析。

作者与联系方式

• 作者：Yating Liu, Yujie Zhang, Qi Yang, Yiling Xu, Zhu Li, Ye-Kui Wang
• 联系方式：
  • {Olivialyt, yujie19981026, yl.xu}@sjtu.edu.cn
  • {qiyang, lizhu}@umkc.edu
  • {yekui.wang}@bytedance.com

搜集汇总

数据集介绍

构建方式

在虚拟现实与增强现实技术快速发展的背景下，DPCD数据库的构建采用了系统化的数据采集与处理流程。研究团队选取了15组具有代表性的动态点云序列作为参考样本，通过七种不同的有损压缩和噪声失真算法生成了525组失真样本。为确保数据质量评估的可靠性，所有样本均被渲染为处理后视频序列（PVS），并邀请21名专业评测人员参与主观实验，最终获得每组的平均意见分数（MOS）作为质量评估基准。数据存储采用分层目录结构，原始点云文件（.ply）与渲染图像（.png）、视频（.mp4）同步保存，形成完整的质量评估体系。

特点

该数据集的核心价值体现在其多维度的技术特性上。作为目前规模最大的动态点云质量评估数据库，DPCD囊括了G-PCC-Octree-RAHT、V-PCC-C2RA等七种前沿压缩算法生成的失真类型，覆盖从几何失真到颜色噪声的多种退化模式。数据集特别设计了失真强度梯度（如CN噪声的10-70强度分级），支持细粒度的质量退化研究。所有样本均配备经过严格标准化处理的主观评分，其MOS值通过专业实验室环境下的双刺激连续质量分级法获得，为算法开发提供了可靠的基准数据。

使用方法

研究者可通过解析MOS.csv文件快速获取全部样本的质量评分，结合目录结构中的参考样本与失真样本进行对比分析。对于点云质量评估模型的开发，建议先读取ply格式的原始点云数据，配合对应的失真类型标签构建训练集；亦可直接利用预渲染的PNG图像序列或MP4视频进行基于二维视觉的质量预测。该数据集特别适用于跨模态质量评估研究，支持通过文件路径中的分级标识（如CN_10）进行特定失真强度的模型性能验证。使用前需注意不同失真类型的文件存储于独立子目录，需按照标准文件命名规则进行数据匹配。

背景与挑战

背景概述

随着虚拟现实（VR）和增强现实（AR）技术的迅猛发展，动态点云（DPC）因其能够捕捉物体或场景的时间变化特性而备受关注。然而，相较于静态点云质量评估研究的丰硕成果，动态点云质量评估（DPCQA）领域的研究尚处于起步阶段。为填补这一空白，由上海交通大学、密苏里大学堪萨斯城分校及字节跳动等机构的研究人员联合构建了DPCD数据库。该数据库包含15组参考动态点云及525组经过七种失真处理的动态点云，通过渲染为视频序列并邀请21名受试者进行主观评分，为质量导向型应用（如帧间压缩与传输）提供了关键数据支撑。

当前挑战

动态点云质量评估面临双重挑战：在领域问题层面，动态点云的时间维度特性使得传统静态评估方法难以直接适用，需开发兼顾时空一致性的新型质量度量指标；在数据集构建层面，如何设计涵盖多样化失真类型的样本、确保主观实验的评分可靠性，以及处理大规模点云数据的高效渲染与存储，均为研究团队需要攻克的技术难点。

常用场景

经典使用场景

在虚拟现实和增强现实技术迅猛发展的背景下，DPCD数据集为动态点云质量评估（DPCQA）提供了关键的研究基础。该数据集通过15个参考动态点云和525个经过七种不同失真处理的样本，为研究者提供了丰富的实验材料。经典使用场景包括动态点云的压缩算法优化、噪声抑制技术验证以及跨帧传输质量评估，这些场景直接关联到VR/AR应用中真实感渲染的效能提升。

解决学术问题

DPCD数据集填补了动态点云质量评估领域的空白，解决了静态点云质量评估方法无法直接应用于动态场景的学术难题。通过提供标准化的主观评分（MOS）和多类型失真样本，该数据集支持研究者开发客观质量评估模型，推动压缩算法、噪声鲁棒性分析等核心问题的研究进展，为动态点云技术的标准化奠定基础。

衍生相关工作

围绕DPCD数据集已衍生出多项经典研究，包括基于深度学习的动态点云质量预测框架、跨模态质量评估方法，以及针对G-PCC/V-PCC编码器的优化方案。这些工作不仅发表在IEEE Transactions on Multimedia等顶级期刊，更被国际标准组织MPEG采纳为动态点云编码技术的重要参考依据。