論文の概要: DPCD: A Quality Assessment Database for Dynamic Point Clouds
- arxiv url: http://arxiv.org/abs/2505.12431v1
- Date: Sun, 18 May 2025 14:03:21 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-05-20 14:57:11.23073
- Title: DPCD: A Quality Assessment Database for Dynamic Point Clouds
- Title（参考訳）: DPCD:ダイナミックポイントクラウドの品質評価データベース
- Authors: Yating Liu, Yujie Zhang, Qi Yang, Yiling Xu, Zhu Li, Ye-Kui Wang,
- Abstract要約: DPCDと呼ばれる大規模DPCQAデータベースを導入し、7種類の損失圧縮とノイズ歪みから15個の参照DPCと歪んだDPCを含む。
主観的な実験を行い、21人の視聴者から平均オピニオンスコア(MOS)を取得して分析する。
実験の結果,DPCQAは静的点クラウドよりも難易度が高いことがわかった。
- 参考スコア（独自算出の注目度）: 29.53306531548785
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Recently, the advancements in Virtual/Augmented Reality (VR/AR) have driven the demand for Dynamic Point Clouds (DPC). Unlike static point clouds, DPCs are capable of capturing temporal changes within objects or scenes, offering a more accurate simulation of the real world. While significant progress has been made in the quality assessment research of static point cloud, little study has been done on Dynamic Point Cloud Quality Assessment (DPCQA), which hinders the development of quality-oriented applications, such as interframe compression and transmission in practical scenarios. In this paper, we introduce a large-scale DPCQA database, named DPCD, which includes 15 reference DPCs and 525 distorted DPCs from seven types of lossy compression and noise distortion. By rendering these samples to Processed Video Sequences (PVS), a comprehensive subjective experiment is conducted to obtain Mean Opinion Scores (MOS) from 21 viewers for analysis. The characteristic of contents, impact of various distortions, and accuracy of MOSs are presented to validate the heterogeneity and reliability of the proposed database. Furthermore, we evaluate the performance of several objective metrics on DPCD. The experiment results show that DPCQA is more challenge than that of static point cloud. The DPCD, which serves as a catalyst for new research endeavors on DPCQA, is publicly available at https://huggingface.co/datasets/Olivialyt/DPCD.
- Abstract（参考訳）: 近年、VR/AR(Virtual/Augmented Reality)の進歩により、ダイナミックポイントクラウド(Dynamic Point Clouds, DPC)の需要が高まっている。
静的点雲とは異なり、DPCはオブジェクトやシーン内の時間的変化を捉え、現実世界をより正確にシミュレーションすることができる。
静的ポイントクラウドの品質評価研究において大きな進展が見られたが、動的ポイントクラウド品質評価(DPCQA)では、実際のシナリオにおけるフレーム間圧縮や送信などの品質指向アプリケーションの開発を妨げる研究はほとんど行われていない。
本稿では,7種類の損失圧縮とノイズ歪みから15の参照DPCと525の歪みDPCを含むDPCDという大規模DPCQAデータベースを提案する。
これらのサンプルをPVS(Processed Video Sequences)にレンダリングすることにより、21人の視聴者から平均オピニオンスコア(MOS)を取得し、分析する。
提案するデータベースの不均一性と信頼性を検証するため, コンテンツの特徴, 様々な歪みの影響, およびMOSの精度を示す。
さらに,DPCDにおける複数の客観的指標の性能評価を行った。
実験の結果,DPCQAは静的点クラウドよりも難易度が高いことがわかった。
DPCQAの新しい研究の触媒として機能するDPCDは、https://huggingface.co/datasets/Olivialyt/DPCDで公開されている。
関連論文リスト
- Contrastive Pre-Training with Multi-View Fusion for No-Reference Point Cloud Quality Assessment [49.36799270585947]
No-Reference Point Cloud Quality Assessment (NR-PCQA) は、歪んだ点雲の知覚的品質を、参照なしで自動的に評価することを目的としている。
我々は,PCQA(CoPA)に適した新しいコントラスト付き事前学習フレームワークを提案する。
提案手法は,最新のPCQA手法よりも高い性能を示す。
論文 参考訳（メタデータ） (2024-03-15T07:16:07Z) - Activating Frequency and ViT for 3D Point Cloud Quality Assessment
without Reference [0.49157446832511503]
与えられた3D-PCの非参照品質指標を提案する。
入力属性を品質スコアにマップするには、Deformable Convolutional Network(DCN)とViT(ViT)を組み合わせた軽量ハイブリッドディープモデルを用いる。
その結果,本手法は現在のNR-PCQA測度やPointXRのFR-PCQAよりも優れていた。
論文 参考訳（メタデータ） (2023-12-10T19:13:34Z) - Geometry-Aware Video Quality Assessment for Dynamic Digital Human [56.17852258306602]
DDH-QAチャレンジのための新しい非参照(NR)幾何対応ビデオ品質評価手法を提案する。
提案手法はDDH-QAデータベース上での最先端性能を実現する。
論文 参考訳（メタデータ） (2023-10-24T16:34:03Z) - Robustness and Generalization Performance of Deep Learning Models on
Cyber-Physical Systems: A Comparative Study [71.84852429039881]
調査は、センサーの故障やノイズなど、様々な摂動を扱うモデルの能力に焦点を当てている。
我々は,これらのモデルの一般化と伝達学習能力を,アウト・オブ・ディストリビューション(OOD)サンプルに公開することによって検証する。
論文 参考訳（メタデータ） (2023-06-13T12:43:59Z) - DDH-QA: A Dynamic Digital Humans Quality Assessment Database [55.69700918818879]
多様な動作内容と複数の歪みを有する大規模デジタル人文品質評価データベースを構築した。
DDHを駆動するために10種類の共通運動が使用され、最後に合計800個のDDHが生成される。
論文 参考訳（メタデータ） (2022-12-24T13:35:31Z) - TCDM: Transformational Complexity Based Distortion Metric for Perceptual
Point Cloud Quality Assessment [24.936061591860838]
客観的クラウド品質評価(PCQA)研究の目標は、ポイントクラウド品質を一貫した方法で測定するメトリクスを開発することである。
歪んだ点雲を基準に戻す複雑さを計測することで点雲の質を評価する。
提案手法の有効性を,5つのパブリッククラウド品質評価データベース上で行った広範囲な実験を通じて評価した。
論文 参考訳（メタデータ） (2022-10-10T13:20:51Z) - Evaluating Point Cloud from Moving Camera Videos: A No-Reference Metric [58.309735075960745]
本稿では,ビデオ品質評価(VQA)手法を用いて,ポイントクラウド品質評価(PCQA)タスクの処理方法について検討する。
捉えたビデオは、いくつかの円形の経路を通して、点雲の周りでカメラを回転させて生成する。
トレーニング可能な2D-CNNモデルと事前学習された3D-CNNモデルを用いて、選択したキーフレームとビデオクリップから空間的・時間的品質認識特徴を抽出する。
論文 参考訳（メタデータ） (2022-08-30T08:59:41Z) - Reduced Reference Perceptual Quality Model and Application to Rate
Control for 3D Point Cloud Compression [61.110938359555895]
レート歪み最適化では、ビットレートの制約を受ける再構成品質尺度を最大化してエンコーダ設定を決定する。
本稿では,V-PCC幾何および色量化パラメータを変数とする線形知覚品質モデルを提案する。
400個の圧縮された3D点雲による主観的品質試験の結果,提案モデルが平均評価値とよく相関していることが示唆された。
また、同じ目標ビットレートに対して、提案モデルに基づくレート歪みの最適化は、ポイント・ツー・ポイントの客観的な品質指標による徹底的な探索に基づくレート歪みの最適化よりも高い知覚品質を提供することを示した。
論文 参考訳（メタデータ） (2020-11-25T12:42:02Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。