論文の概要: PointQ-Bench: Benchmarking Diagnostic and Interpretable Point Cloud Quality Assessment

• arxiv url: http://arxiv.org/abs/2605.28241v1
• Date: Wed, 27 May 2026 09:56:36 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-28 17:38:55.952558
• Title: PointQ-Bench: Benchmarking Diagnostic and Interpretable Point Cloud Quality Assessment
• Title（参考訳）: PointQ-Bench: ベンチマーク診断と解釈可能なポイントクラウド品質評価
• Authors: Duanchu Wang, Cheng Li, Junjie Yang, Jing Huang, Zihang Cheng, Zhi Gao, ZhuBohong, Di Wang,
• Abstract要約: ポイントクラウドの品質は、3D取得、再構築、レンダリング、知覚において重要な役割を果たす。 本稿では,PCQAをスカラースコアから包括的品質理解へ拡張するベンチマークであるPointQ-Benchを紹介する。 PointQ-Benchは,3,083のポイントクラウドで構成されている。
• 参考スコア（独自算出の注目度）: 28.88904276309088
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Point cloud quality plays a critical role in 3D acquisition, reconstruction, rendering, and perception, yet existing point cloud quality assessment (PCQA) research remains largely centered on scalar score prediction. In practical inspection scenarios, quality assessment often involves identifying defects, characterizing dominant issue types, assessing downstream usability, and providing evidence-supported descriptions, which are not explicitly evaluated by current benchmarks. We introduce PointQ-Bench, a benchmark designed to extend PCQA from scalar scoring toward comprehensive quality understanding. PointQ-Bench consists of 3,083 point clouds spanning authentic scans, simulated distortions, and AI-generated content, covering eight major issue types. Each sample is annotated with mean opinion scores (MOS), quality levels, issue tags, expert-grounded descriptions, and 12,332 question-answer pairs. The benchmark supports three perception-oriented tasks: anomaly sensing, defect diagnosis, and usability grading, as well as a cognition-oriented task of open-ended quality reporting. To evaluate free-form quality descriptions, we further propose SSFRQ-5D, a five-dimensional evaluation protocol validated through human-AI agreement analysis. Extensive experiments on 14 vision-language models and traditional PCQA baselines reveal a consistent perception-diagnosis gap: while current models exhibit emerging abilities in coarse defect perception, they struggle with grounded diagnosis and quality calibration. Strong 2D MLLMs generally outperform existing 3D VLMs, and the benefit of additional views or point-level inputs is non-uniform, varying across tasks, data sources, and models, particularly under boundary-ambiguous conditions. Overall, PointQ-Bench provides a diagnostic testbed for advancing reliable and interpretable point cloud quality understanding.
• Abstract（参考訳）: ポイントクラウド品質は3D取得、再構築、レンダリング、知覚において重要な役割を担っているが、既存のポイントクラウド品質評価(PCQA)研究はスカラースコア予測を中心にしている。 実際の検査シナリオでは、品質評価は欠陥を特定し、主要な問題タイプを特徴づけ、下流のユーザビリティを評価し、現在のベンチマークで明示的に評価されていないエビデンスをサポートする記述を提供する。 本稿では,PCQAをスカラースコアから包括的品質理解へ拡張するベンチマークであるPointQ-Benchを紹介する。 PointQ-Benchは,3,083のポイントクラウドで構成されている。 各サンプルには平均評価スコア(MOS)、品質レベル、課題タグ、専門家による説明、12,332の質問対が注釈付けされている。 このベンチマークは、異常検知、欠陥診断、ユーザビリティグレーディングの3つの認識指向タスクと、オープンな品質レポートの認知指向タスクをサポートしている。 自由形式の品質記述を評価するために,人間とAIの合意分析によって検証された5次元評価プロトコルであるSSFRQ-5Dを提案する。 14の視覚言語モデルと従来のPCQAベースラインに対する広範な実験は、一貫した認識と診断のギャップを明らかにしている。 強い2D MLLMは一般に既存の3D VLMよりも優れており、追加のビューやポイントレベルの入力の利点は非一様であり、特に境界曖昧な条件下ではタスク、データソース、モデルによって異なる。 全体として、PointQ-Benchは信頼性と解釈可能なポイントクラウド品質理解を向上するための診断テストベッドを提供する。

関連論文リスト

• ReVSI: Rebuilding Visual Spatial Intelligence Evaluation for Accurate Assessment of VLM 3D Reasoning [59.558706734431276]
  空間知能の現在の評価は、現代の視覚言語モデル(VLM)設定下で体系的に無効にすることができる。 本稿では,各QAペアが実際の入力の下で応答可能で正しいことを保証するためのベンチマークとプロトコルであるReVSIを紹介する。
  論文  参考訳（メタデータ） (2026-04-27T10:45:51Z)
• QD-PCQA: Quality-Aware Domain Adaptation for Point Cloud Quality Assessment [59.63956655216264]
  No-Reference Point Cloud Quality Assessment (NR-PCQA)は、まだ一般化に苦戦している。 HVS(Human Visual System)は、メディアタイプとは独立して知覚品質の評価を実行する。 QD-PCQAと呼ばれるPCQAのための新しい品質対応ドメイン適応フレームワークを提案する。
  論文  参考訳（メタデータ） (2026-03-04T04:58:07Z)
• Continual Action Quality Assessment via Adaptive Manifold-Aligned Graph Regularization [53.82400605816587]
  アクション品質アセスメント(AQA)は、ビデオにおける人間の行動を定量化し、スポーツスコアリング、リハビリテーション、スキル評価の応用を支援する。 大きな課題は、現実世界のシナリオにおける品質分布の非定常的な性質にある。 本稿では,進化する分布を扱うための連続学習機能を備えた連続AQA(Continuous AQA)を紹介する。
  論文  参考訳（メタデータ） (2025-10-08T10:09:47Z)
• Simple Baselines for Projection-based Full-reference and No-reference Point Cloud Quality Assessment [60.2709006613171]
  投影型ポイントクラウド品質評価(PCQA)のための簡易ベースラインを提案する。 我々は、全参照(FR)タスクと非参照(NR)PCQAタスクの両方に対して、点雲から共通立方体状の投影プロセスによって得られる多重射影を用いる。 ICIP 2023 PCVQA Challengeに参加して,5トラック中4トラックで首位を獲得した。
  論文  参考訳（メタデータ） (2023-10-26T04:42:57Z)
• Progressive Knowledge Transfer Based on Human Visual Perception Mechanism for Perceptual Quality Assessment of Point Clouds [21.50682830021656]
  点雲(PKT-PCQA)の知覚的品質評価のための人間の視覚知覚機構に基づく進歩的知識伝達を提案する。 3つの大規模および独立したポイントクラウドアセスメントデータセットの実験により、提案された参照PKT-PCQAネットワークが同等のパフォーマンスを向上することを示す。
  論文  参考訳（メタデータ） (2022-11-30T00:27:58Z)
• Point Cloud Quality Assessment using 3D Saliency Maps [37.290843791053256]
  そこで本研究では,品質予測の容易化を目的として,実効的な完全参照PCQA指標を提案する。 具体的には、まず、点雲の幾何学的特性をよりよく反映する深度情報を導入し、プロジェクションに基づく点雲塩分濃度マップ生成法を提案する。 最後に、最終的な品質スコアを生成するために、サリエンシに基づくプーリング戦略を提案する。
  論文  参考訳（メタデータ） (2022-09-30T13:59:09Z)
• Blind Quality Assessment of 3D Dense Point Clouds with Structure Guided Resampling [71.68672977990403]
  本研究では,3次元高密度点雲の知覚的視覚的品質を自動評価するために,Structure Guided Resampling (SGR) を用いた客観的点雲品質指標を提案する。 提案するSGRは,参照情報の不要な汎用ブラインド品質評価手法である。
  論文  参考訳（メタデータ） (2022-08-31T02:42:55Z)

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。