3DGS-基准测试：一个全面的视频质量评估基准用于 3DGS 压缩.pdfVIP

3DGS-基准测试：一个全面的视频质量评估基

准用于3DGS压缩

123111

YukeXing,WilliamGordon,QiYang,KaifaYang,JiaruiWang,YilingXu

123

{xingyuke-v,sekiroyyy,wangjiarui,yl.xu}@,williamg.research@,qiyang@

1ShanghaiJiaoTongUniversity,Shanghai,China

2BasisIndependentSiliconValley,SanJose,CA,USA

3UniversityofMissouri-KansasCity,KansasCity,USA

摘要—三维高斯点云（3DGS）能够实现实时的新型视图合88个视频样本，而FFV[14]则使用220个样本建立了

成，并保持高视觉保真度，但其巨大的存储需求阻碍了实际部署，成对评估协议。ENeRF-QA[15]推进了系统性失真分

促使最先进的（SOTA）3DGS方法整合压缩模块。然而，这些析，在440个样本中纳入了NeRF压缩方法，并定义了

3DGS生成性压缩技术引入了特有的失真现象，缺乏系统的质

本9种不同的与NeRF相关的失真类别。3DGS作为主导

量评估研究。为此，我们建立了3DGS-基准测试平台，一个大规

译模的Video质量评估（VQA）数据集和基准标记，包含660个NVS范式的出现促使相应的评估重点发生变化。GSC-

中经过压缩的3DGS模型和从6种SOTA3DGS压缩算法生成QA[16]使用120个样本研究了与压缩相关的问题，分

1的视频序列，这些算法在11个场景中系统设计了参数级别。通析其特定的3DGS压缩方法，而GS-QA[17]在64个样

v过50名参与者的标注，我们获得了剔除异常值后的MOS得分，本中对3DGS和NeRF方法进行了比较分析。NVS-QA

8

3并验证了数据集的可靠性。我们在存储效率和视觉质量方面对6[18]同时涉及视频和图像评估领域，在每种模式下都纳

0种3DGS压缩算法进行了基准测试，并跨多个范式评估了15种

7入了65个样本。

0质量评估指标。我们的工作使针对3DGS的专业VQA模型训

.练成为可能，作为压缩和质量评估研究的催化剂。该数据集可在然而，现有的3DGS问答数据集表现出一些关键限

8

0/YukeXing/3DGS-VBench获取。制，阻碍了全面的评估。(1)有限失真类型。尽管由于

5IndexTerms—3D-高斯散射（3DGS）、视频质量评估数巨大的存储需求，压缩对于3DGS的实际部署变得至关

2

:据集和基准测试，3DGS压缩重要，但大多数当前的数据集主要未能纳入多样化的生

v

i成性压缩策略。这种疏忽导致用于有效指标训练的具有

x

rI.介绍

a多样化压缩诱导失真效果的样本不足。(2)有限的数据

3D高斯点云（3DGS）[1]已经成为新型视图合成集规模。由于主观实验的巨大成本，现有的数据集包含

（NVS）的一种变革性方法，与NeRF[2]相比，它提供少于100个样本，最大的不超过500个样本。更重要的

了实时渲染能力和视觉保真度。然而，其显式表示需要是，没有一个现有数据集包含超过100个真实世界场景

大量的存储资源，严重阻碍了实际部署，这促使最先