DPCD: A Quality Assessment Database for Dynamic Point Clouds
Yating Liu, Yujie Zhang, Qi Yang, Yiling Xu, Zhu Li, Ye-Kui Wang
最近,虚拟/增强现实(VR/AR)的进步推动了对动态点云(DPC)的需求。 与静态点云不同,DPC能够捕获物体或场景中的时间变化,从而更准确地模拟现实世界。 虽然静态点云的质量评估研究取得了重大进展,但对动态点云质量评估(DPCQA)的研究很少,这阻碍了面向质量的应用程序的开发,例如实际场景中的帧间压缩和传输。 在本文中,我们介绍了一个名为DPCD的大型DPCQA数据库,其中包括来自7种有损压缩和噪声失真类型的15个参考DPC和525个失真DPC。 通过将这些样本渲染到处理式视频序列(PVS),进行了全面的主观实验,以获得21位观众的平均意见分数(MOS)进行分析。 介绍了内容的特性、各种失真的影响和MOS的准确性,以验证拟议数据库的异质性和可靠性。 此外,我们评估DPCD上几个客观指标的性能。 实验结果表明,DPCQA比静态点云更具挑战性。 DPCD是DPCQA新研究工作的催化剂,可公开查阅https://huggingface.co/datasets/Olivialyt/DPCD。
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-oriente...