論文の概要: Perceptual Quality Assessment of 3D Gaussian Splatting: A Subjective Dataset and Prediction Metric

• arxiv url: http://arxiv.org/abs/2511.08032v1
• Date: Wed, 12 Nov 2025 01:35:19 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-11-12 20:17:03.607802
• Title: Perceptual Quality Assessment of 3D Gaussian Splatting: A Subjective Dataset and Prediction Metric
• Title（参考訳）: 3次元ガウス平滑化の知覚的品質評価 : 主観的データセットと予測基準
• Authors: Zhaolin Wan, Yining Diao, Jingqi Xu, Hao Wang, Zhiyang Li, Xiaopeng Fan, Wangmeng Zuo, Debin Zhao,
• Abstract要約: 3DGSの主観的品質評価データセットである3DGS-QAを提案する。 15種類の物体に対して225の劣化した復元を行い、共通の歪み要因の制御を可能にした。 本モデルでは,ガウス表現から空間的および測光的手がかりを抽出し,構造的に知覚された品質を推定する。
• 参考スコア（独自算出の注目度）: 76.66966098297986
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: With the rapid advancement of 3D visualization, 3D Gaussian Splatting (3DGS) has emerged as a leading technique for real-time, high-fidelity rendering. While prior research has emphasized algorithmic performance and visual fidelity, the perceptual quality of 3DGS-rendered content, especially under varying reconstruction conditions, remains largely underexplored. In practice, factors such as viewpoint sparsity, limited training iterations, point downsampling, noise, and color distortions can significantly degrade visual quality, yet their perceptual impact has not been systematically studied. To bridge this gap, we present 3DGS-QA, the first subjective quality assessment dataset for 3DGS. It comprises 225 degraded reconstructions across 15 object types, enabling a controlled investigation of common distortion factors. Based on this dataset, we introduce a no-reference quality prediction model that directly operates on native 3D Gaussian primitives, without requiring rendered images or ground-truth references. Our model extracts spatial and photometric cues from the Gaussian representation to estimate perceived quality in a structure-aware manner. We further benchmark existing quality assessment methods, spanning both traditional and learning-based approaches. Experimental results show that our method consistently achieves superior performance, highlighting its robustness and effectiveness for 3DGS content evaluation. The dataset and code are made publicly available at https://github.com/diaoyn/3DGSQA to facilitate future research in 3DGS quality assessment.
• Abstract（参考訳）: 3次元可視化の急速な進歩に伴い、3Dガウススプラッティング(3DGS)がリアルタイム高忠実レンダリングの先駆的手法として登場している。 先行研究はアルゴリズムの性能と視覚的忠実さを強調してきたが、3DGSでレンダリングされたコンテンツの知覚的品質は、特に様々な再構成条件下では、ほとんど探索されていない。 実際には、視点の空間性、限られたトレーニングイテレーション、ポイントダウンサンプリング、ノイズ、色歪みなどの要因は視覚的品質を著しく低下させるが、その知覚的影響は体系的に研究されていない。 このギャップを埋めるため、3DGSの主観的品質評価データセットである3DGS-QAを提案する。 15種類の物体に対して225の劣化した復元を行い、共通の歪み要因の制御を可能にした。 このデータセットに基づいて、レンダリングされた画像や接地構造参照を必要とせず、ネイティブな3Dガウスプリミティブを直接操作するノン参照品質予測モデルを導入する。 本モデルでは,ガウス表現から空間的および測光的手がかりを抽出し,構造的に知覚された品質を推定する。 さらに、従来のアプローチと学習ベースのアプローチの両方にまたがって、既存の品質評価手法をベンチマークします。 実験結果から,本手法は連続的に優れた性能を達成し,その堅牢性と3DGSコンテンツ評価の有効性を強調した。 データセットとコードはhttps://github.com/diaoyn/3DGSQAで公開されている。

関連論文リスト

• MUGSQA: Novel Multi-Uncertainty-Based Gaussian Splatting Quality Assessment Method, Dataset, and Benchmarks [50.53294970211443]
  ガウススプラッティング (GS) は3次元オブジェクト再構成の有望な技術として登場し, 再現速度を大幅に改善した高品質なレンダリング結果を提供している。 異なるGSベースの方法で再構成された3Dオブジェクトの知覚的品質を評価することは、依然としてオープンな課題である。 本研究では,GS法で再構成されたオブジェクトに対する人間の視聴動作を忠実に模倣する,マルチ距離主観的品質評価手法を提案する。 提案手法は,複数の不確実性下での各種GSベースの再構築手法の堅牢性を評価するためのベンチマークと,既存の品質評価指標の性能を評価するためのベンチマークを構築した。
  論文  参考訳（メタデータ） (2025-11-10T08:21:11Z)
• Hi3DEval: Advancing 3D Generation Evaluation with Hierarchical Validity [78.7107376451476]
  Hi3DEvalは3D生成コンテンツに適した階層的評価フレームワークである。 素材リアリズムを明示的に評価することで審美的外観を超えてテクスチャ評価を拡張する。 ハイブリッド3次元表現に基づく3次元自動スコアリングシステムを提案する。
  論文  参考訳（メタデータ） (2025-08-07T17:50:13Z)
• 3DGS-IEval-15K: A Large-scale Image Quality Evaluation Database for 3D Gaussian-Splatting [38.666247000427674]
  3DGSは、視覚的忠実度の高いリアルタイムレンダリングを提供する、新しいビュー合成のための有望なアプローチとして登場した。 圧縮された3DGS表現に特化して設計された最初の大規模画像品質評価(IQA)データセットである3DGS-IEval-15Kを提案する。
  論文  参考訳（メタデータ） (2025-06-17T15:39:34Z)
• GS-QA: Comprehensive Quality Assessment Benchmark for Gaussian Splatting View Synthesis [4.117347527143616]
  Gaussian Splatting (GS)はリアルタイム3DシーンレンダリングのためのNeural Radiance Fields (NeRF)に代わる有望な代替手段を提供する。 GSは、NeRFで使用されるニューラルネットワークアプローチと比較して、レンダリング時間の短縮とメモリ消費の削減を実現している。 本稿では,複数の静的GS法による合成映像の評価を目的とした主観的品質評価研究について述べる。
  論文  参考訳（メタデータ） (2025-02-18T17:46:57Z)
• PF3plat: Pose-Free Feed-Forward 3D Gaussian Splatting [54.7468067660037]
  PF3platは、設計選択を検証した包括的なアブレーション研究によってサポートされた、すべてのベンチマークに新しい最先端を設定します。 本フレームワークは,3DGSの高速,スケーラビリティ,高品質な3D再構成とビュー合成機能を活用している。
  論文  参考訳（メタデータ） (2024-10-29T15:28:15Z)
• 3DGCQA: A Quality Assessment Database for 3D AI-Generated Contents [50.730468291265886]
  本稿では,テキスト・ツー・3D生成手法を用いて構築した新しい3DGC品質評価データセットである3DGCQAを提案する。 可視化によって、生成された3DGCに6つの共通の歪みカテゴリが存在することが直感的に明らかになる。 主観的品質評価は評価者によって行われ、その評価は異なる生成方法における品質の顕著な変動を示す。 いくつかの客観的品質評価アルゴリズムが3DGCQAデータセットでテストされている。
  論文  参考訳（メタデータ） (2024-09-11T12:47:40Z)

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。