为了促进静态网格压缩算法和客观质量度量的研究，我们创建了腾讯 - 静态网格数据集（TSMD），其中包含具有丰富视觉特征的 42 个参考网格。通过为多边形静态网格编码的 Call for Proposals 于 6 月 23 日发布的失真压缩方案生成了 210 个变形样本，并使用处理过的视频序列进行了大规模的基于众包的主观实验，从 74 个观众那里收集了主观评分。对新数据集进行了分析以验证其样本的多样性和均值意见得分（MOS）的准确性，确立了其异构性和可靠性。评估了最先进的客观度量指标在新数据集上的性能，并报告了约为 0.75 的 Pearson 和 Spearman 相关性，与在较少异构数据集上通常观察到的结果不同，表明有必要进一步发展更强大的度量指标。TSMD 被公开发布，包括网格、PVS 和比特流以及 MOS，可以在以下位置获取：this https URL

Aug, 2023

研究人员创建了腾讯 - 动态彩色网格数据库（TDMD），其中包含八个参考的动态彩色网格对象，用于研究不同类型的畸变对人类感知的影响，并提供了关于动态彩色网格压缩和相关任务的推荐。他们还在 TDMD 上评估了三种最先进的客观指标，包括基于图像、基于点和基于视频的指标，突显了每个指标的优缺点，并提供了在实际动态彩色网格应用中选择指标的建议。

Aug, 2023

提出了 SJTU-H3D 数据库，包含 40 个高质量的数字人类参考数据和 1120 个用七种类型的失真生成的标签失真数据，还提出了零样本 DHQA 方法，以确保泛化能力，减轻数据库偏差，并引入了数字人类质量指数（DHQI）来提高性能。

Jul, 2023

通过卷积神经网络，构建了一种显式容忍纹理重采样的完全参考图像质量模型，利用纹理相似度和结构相似度结合来优化图像质量评估，在现有的数据库和纹理数据库上都表现出了具有竞争力的性能。

Apr, 2020

利用深度特征和形状 - 纹理自适应融合的方法，通过内外形状 - 纹理统计间的变量马氏距离量化感知质量，在人工和真实图像畸变上取得了最先进的质量预测性能。

Jan, 2024

本文介绍了一种新的基于信息内容加权结构相似性的 3D 点云质量评估方法及其数据库，实验结果表明该方法在预测主观质量评分方面表现优异，具有较高的再现性。

Nov, 2021

通过提出 MQENet 这种基于动态图注意力的结构化网格质量评估神经网络，可以更全面客观地评估工业应用中的结构化网格质量，从而提高流体模拟精度。

Sep, 2023

通过定量评估指标、交叉验证人类评级以及分析 SDS 技术的失败案例，我们提出了一种新的计算效率基准模型，以解决生成模型中的艺术问题，包括 3D 模型准确性和文本提示之间的错位问题，并在所提出的评估指标上达到了最先进的性能。

Feb, 2024

提出了一种特别为带有纹理贴图的静态网格设计的基于模型的新度量方法 GeodesicPSIM，其通过构建 1 跳的纹理测地线补丁并提取要素来准确预测人类感知质量，该方法在比较新的数据库上与基于图像、基于点和基于视频的度量方法相比表现出卓越的性能，并通过不同超参数设置和消融实验证明了其鲁棒性。

Aug, 2023

视频质量评估的挑战在于解决用户生成内容视频中存在的严重失真导致整体视觉质量下降的问题，提出了 Visual Quality Transformer (VQT) 方法，并通过实验证明了其优于其他方法的性能。

Jul, 2023