IST Rendered Point Cloud Quality Assessment Dataset

该数据集包含六个不同体素化的点云，这些点云来自MPEG仓库，通过三种不同的编解码器在三种不同的速率下压缩，代表低、中、高质量。使用了基于八叉树的压缩方案，包括PCL、MPEG G-PCC和MPEG V-PCC点云编解码器。数据集还提供了三种不同的渲染解决方案：RPoint、RMesh和RColor，以及通过主观测试评估的结果。

This dataset comprises six distinct voxelized point clouds sourced from the MPEG repository, compressed at three different bitrates using three distinct codecs, representing low, medium, and high quality. The compression schemes employed are based on octree structures, including the PCL, MPEG G-PCC, and MPEG V-PCC point cloud codecs. Additionally, the dataset offers three different rendering solutions: RPoint, RMesh, and RColor, along with the results of subjective quality assessments.

原始信息汇总

IST Rendered Point Cloud Quality Assessment Dataset 概述

数据集构成

• 压缩点云（PCs）: 来自MPEG仓库的六个不同的体素化点云。
• 压缩方法: 使用三种不同的编解码器（Octree-based compression scheme in PCL, MPEG G-PCC, MPEG V-PCC）在三种不同的质量等级（低、中、高）下进行压缩。

渲染方法

• RPoint session: 解码后的点云具有均匀颜色和阴影，采用点基表示。
• RMesh session: 解码后的点云具有均匀颜色、表面阴影和网格基表示。
• RColor session: 解码后的点云具有原始纹理，无阴影，采用点基表示。

评估方法

• 主观测试: 通过三个不同的会话对每种渲染方法进行评估。
• MOS表格: 提供每种测试会话的平均意见得分（MOS）。

数据更新

• MOS数据: 添加了18名参与所有三个会话的参与者的MOS数据，推荐使用文件 "MOS_CommonSubjects.xlsx" 中的数据。

原始数据与法线

• 原始点云与法线: 上传了原始点云和法线。对于客观度量评估，必须使用Normals文件夹中提供的法线。
• 特殊处理: 对于12位数据，由于V-PCC仅编码10位数据，原始点云被体素化为10位，并添加到仓库中以供V-PCC解码数据使用。法线使用PCL的16个最近邻估计。

搜集汇总

数据集介绍

构建方式

IST Rendered Point Cloud Quality Assessment Dataset的构建基于六种来自MPEG存储库的体素化点云数据，这些数据通过三种不同的编解码器以低、中、高质量进行压缩。编解码器包括PCL中的基于八叉树的压缩方案、MPEG G-PCC和MPEG V-PCC点云编解码器。压缩率的选择依据MPEG通用测试条件(CTC)的建议参数。此外，数据集还采用了三种不同的渲染解决方案，包括点基表示、网格基表示以及带有原始纹理的点基表示。

特点

该数据集的特点在于其多层次的渲染和压缩方法，提供了丰富的视觉质量评估场景。每种渲染方法都通过主观测试进行了评估，并提供了每个测试会话的平均意见分数(MOS)。数据集还包含了原始点云和法线数据，为客观度量评估提供了基础。特别地，对于12位数据，由于V-PCC仅编码10位数据，原始点云被体素化为10位并添加到存储库中，以便用于V-PCC解码数据。

使用方法

使用IST Rendered Point Cloud Quality Assessment Dataset时，建议首先查阅提供的MOS_CommonSubjects.xlsx文件，该文件包含了所有三个会话中参与者的平均意见分数。对于客观度量评估，应使用Normals文件夹中提供的法线数据。此外，如果对渲染视频感兴趣，可以通过提供的电子邮件联系数据集作者。在使用该数据集时，请引用相关的IEEE论文以支持研究工作的透明度和可追溯性。

背景与挑战

背景概述

IST Rendered Point Cloud Quality Assessment Dataset是由葡萄牙里斯本大学（IST）的研究团队创建的一个专注于点云质量评估的数据集。该数据集创建于2020年，旨在解决点云压缩和渲染质量评估中的关键问题。数据集的核心研究问题在于如何通过主观和客观方法评估不同压缩算法和渲染技术对点云质量的影响。该数据集采用了来自MPEG存储库的六个不同体素化点云，并通过三种不同的编解码器（PCL、MPEG G-PCC和MPEG V-PCC）以低、中、高三种质量进行压缩。此外，数据集还提供了三种不同的渲染解决方案（RPoint、RMesh和RColor），并通过主观测试评估了这些渲染方法的质量。该数据集对点云压缩和渲染领域的研究具有重要影响，为相关算法的性能评估提供了基准。

当前挑战

IST Rendered Point Cloud Quality Assessment Dataset在构建过程中面临多重挑战。首先，点云数据的压缩和渲染质量评估本身是一个复杂的问题，涉及主观感知和客观指标的平衡。数据集通过主观测试获取了平均意见分数（MOS），但主观测试的可靠性和一致性难以保证，尤其是在不同渲染方法之间的比较中。其次，点云数据的压缩和渲染过程涉及多种编解码器和渲染技术，如何确保这些技术的参数设置和实现方式具有可比性，是一个技术上的挑战。此外，数据集还面临数据一致性和标准化的问题，特别是在处理不同位深（如10位和12位）的点云数据时，需要额外的预处理步骤来确保数据的可比性。这些挑战不仅影响了数据集的构建过程，也为后续研究提供了重要的研究方向。

常用场景

经典使用场景

IST Rendered Point Cloud Quality Assessment Dataset 主要用于评估不同编码和解码方法对点云质量的影响。通过使用三种不同的渲染解决方案（RPoint、RMesh、RColor），该数据集能够模拟点云在不同渲染条件下的表现，从而为研究人员提供了一个全面的评估平台。经典的使用场景包括在点云压缩算法的开发过程中，通过该数据集进行质量评估和优化。

衍生相关工作

该数据集衍生了许多相关的研究工作，特别是在点云压缩和渲染领域。例如，基于该数据集的研究成果被广泛应用于MPEG点云压缩标准的制定和优化。此外，许多研究团队利用该数据集开发了新的点云质量评估算法，进一步推动了点云处理技术的发展。

数据集最近研究

最新研究方向

在点云质量评估领域，IST Rendered Point Cloud Quality Assessment Dataset为研究者提供了一个多维度的评估框架。该数据集通过采用三种不同的编码器（PCL、MPEG G-PCC和MPEG V-PCC）对点云进行压缩，并结合低、中、高三种质量等级，全面覆盖了点云压缩的多种场景。此外，数据集还引入了三种渲染方法（RPoint、RMesh和RColor），以模拟不同视觉表现下的点云质量。通过主观测试获取的平均意见分数（MOS）为点云质量评估提供了可靠的人类感知数据。这一数据集不仅推动了点云压缩算法的优化，还为点云渲染技术的改进提供了重要参考，特别是在虚拟现实和增强现实等前沿应用中，具有重要的研究价值和实际意义。