3DGS-IEval-15K

3DGS-IEval-15K是首个专为压缩3D高斯-斯普拉廷（3D Gaussian-Splatting）表示设计的大规模图像质量评估（IQA）数据集。它包括6种代表性3DGS算法、10个真实场景、760个训练的3DGS模型、20个策略性选择的视点、15,200张图像、每张图像15个注释者以及228K个注释。

3DGS-IEval-15K is the first large-scale image quality assessment (IQA) dataset specifically designed for the compressed 3D Gaussian-Splatting representation. It includes six representative 3DGS algorithms, ten real-world scenes, 760 trained 3DGS models, 20 strategically selected viewpoints, 15,200 images, 15 annotators per image, and 228K annotations.

原始信息汇总

3DGS-IEval-15K: 大规模3D高斯泼溅图像质量评估数据库

📌 概述

• 目的：首个针对压缩3D高斯泼溅（3DGS）表示的大规模图像质量评估（IQA）数据集。
• 规模：
  • 包含6种代表性3DGS算法
  • 10个真实场景
  • 760个训练好的3DGS模型
  • 20个策略性选择的视点
  • 15,200张图像
  • 每张图像由15位标注者标注
  • 总计228,000条标注

📌 源内容

• 3个源3DGS多视角图像数据集：
  • DeepBlending：包含playroom和drjohnson场景
  • Mipnerf360：包含bicycle、flowers、garden、kitchen、room和counter场景
  • TanksandTemples：包含train和truck场景

📌 训练与测试视点选择

• 数据集下载：可通过HuggingFace平台获取，链接为https://huggingface.co/datasets/Chole12/3DGS-IEval-15K

搜集汇总

数据集介绍

构建方式

在3D视觉与图像质量评估领域，3DGS-IEval-15K数据集通过系统化流程构建而成。研究团队精选6种主流3D高斯泼溅算法，在10个真实场景中训练760个模型，每个场景采用20个经过策略性筛选的视角生成图像。为确保数据多样性，源数据整合了DeepBlending、Mipnerf360和TanksandTemples三大权威多视图数据集，最终形成包含15,200张图像的基准库。每张图像由15位标注者独立评估，累计获得22.8万条质量评分，构建过程严格遵循视觉信号处理与人类视觉感知的科学研究范式。

使用方法

研究者可通过HuggingFace平台直接下载该数据集，其结构化存储格式便于快速接入主流机器学习框架。典型应用场景包括：开发3DGS压缩算法的客观质量评估模型、训练基于深度学习的无参考图像质量评价（NR-IQA）网络、或验证新型质量评价指标的可靠性。使用建议按照标准协议划分训练集与测试集，利用提供的视角选择策略确保评估公平性。对于跨算法比较研究，可调用数据集预置的算法标签进行分层性能分析。

背景与挑战

背景概述

3DGS-IEval-15K数据集作为首个针对3D高斯泼溅（3D Gaussian-Splatting, 3DGS）压缩表示的大规模图像质量评估数据库，由Chole12团队于2024年构建并公开发布。该数据集整合了DeepBlending、Mipnerf360和TanksandTemples三大主流多视角图像数据集，涵盖10个真实场景的760个训练模型，通过20个策略性选取的视角生成15,200张图像，并收集了228,000条专业标注数据。其核心研究目标在于解决3DGS算法在图像压缩与重建过程中客观质量评估标准缺失的问题，为计算机视觉与图形学领域提供了关键的量化分析工具，显著推动了神经渲染技术的标准化进程。

当前挑战

3DGS-IEval-15K面临的挑战主要体现在技术维度与工程实践两个层面。从领域问题视角，3DGS渲染图像的质量评估需克服传统IQA指标对几何失真与光照伪影的敏感度不足，且缺乏针对神经渲染特性的专用评价体系。在数据集构建过程中，多源数据融合导致场景复杂度激增，需精确协调不同3DGS算法的参数空间；大规模标注需保证15位评审者对模糊、重影等特定伪影的评判一致性，这对标注协议设计与质量控制提出极高要求。此外，视角选择策略需平衡场景覆盖率与计算成本，这对数据集的结构合理性构成显著挑战。

常用场景

经典使用场景

在计算机视觉与图形学领域，3DGS-IEval-15K数据集为3D高斯泼溅（3D Gaussian-Splatting）技术的图像质量评估提供了标准化基准。研究者通过该数据集可系统性地比较不同3DGS算法在真实场景中的渲染保真度，尤其适用于量化压缩算法对多视角图像重建质量的影响。其精心设计的20个战略视角和15,200张标注图像，为算法优化提供了多维度的客观评价依据。

解决学术问题

该数据集解决了3D重建领域长期缺乏大规模、细粒度质量评估基准的痛点。通过整合6种主流3DGS算法在10个真实场景的760个模型数据，研究者能够深入分析几何失真、纹理模糊等典型问题。228K人工标注进一步建立了主观感知与客观指标的映射关系，为建立新型质量评价指标提供了数据支撑，显著推进了沉浸式媒体技术的理论研究。

实际应用

在虚拟现实内容制作中，3DGS-IEval-15K被广泛应用于渲染管线优化。工业界借助其多场景测试数据，可快速验证新型压缩算法在头戴设备中的视觉表现。数字孪生领域则利用该数据集校准建筑扫描模型的色彩还原度，其包含的DeepBlending、Mipnerf360等权威数据源确保了评估结果的行业认可度。

数据集最近研究

最新研究方向

随着三维高斯泼溅（3D Gaussian-Splatting, 3DGS）技术在计算机视觉和图形学领域的迅速崛起，3DGS-IEval-15K作为首个针对3DGS压缩表示的大规模图像质量评估数据集，为相关研究提供了重要基准。该数据集通过整合6种代表性3DGS算法、10个真实场景和760个训练模型，生成了15,200张图像，并收集了228K条标注数据，为研究3DGS在不同压缩条件下的视觉保真度提供了丰富资源。当前研究热点集中在利用深度学习模型优化3DGS的渲染质量与效率，特别是在实时渲染和虚拟现实应用中。3DGS-IEval-15K的发布填补了该领域标准化评估工具的空白，推动了3DGS技术在工业界和学术界的进一步应用与创新。