面向 3D 彩色点云与网格模型的无参考质量评估
计算机视觉与模式识别
2022-06-28 v6 图形学
图像与视频处理
摘要
为了提升观看者的体验质量（QoE）并优化计算机图形学应用，3D 模型质量评估（3D-QA）已成为多媒体领域的一项重要任务。点云和网格是 3D 模型最广泛使用的两种数字表示格式，其视觉质量对简化和压缩等有损操作相当敏感。因此，许多相关研究如点云质量评估（PCQA）和网格质量评估（MQA）已开展以度量 3D 模型的视觉质量退化。然而，以往研究很大一部分使用全参考（FR）指标，这意味着它们无法在参考 3D 模型缺失时预测质量水平。此外，少数 3D-QA 指标考虑颜色信息，这极大限制了其有效性和应用范围。本文中，我们提出一种针对以点云和网格表示的彩色 3D 模型的无参考（NR）质量评估指标。首先，我们将 3D 模型从 3D 空间投影到与质量相关的几何和颜色特征域。然后，利用 3D 自然场景统计（3D-NSS）和熵提取质量感知特征。最后，采用机器学习将质量感知特征回归为视觉质量分数。我们的方法在彩色点云质量评估数据库（SJTU-PCQA）、Waterloo 点云评估数据库（WPC）和彩色网格质量评估数据库（CMDM）上得到验证。实验结果表明，所提方法以有竞争力的计算资源优于大多数被比较的 NR 3D-QA 指标，并大幅缩小了与最先进 FR 3D-QA 指标的性能差距。所提模型的代码现已公开以促进进一步研究。
引用
@article{arxiv.2107.02041,
title = {No-Reference Quality Assessment for 3D Colored Point Cloud and Mesh Models},
author = {Zicheng Zhang and Wei Sun and Xiongkuo Min and Tao Wang and Wei Lu and Guangtao Zhai},
journal= {arXiv preprint arXiv:2107.02041},
year = {2022}
}