ISOIEC 23090-62021 信息技术.沉浸式媒体的编码表示法.第6部分沉浸式媒体度量标准立项发展报告

标题：信息技术沉浸式媒体的编码表示法第6部分：沉浸式媒体度量标准立项发展报告EnglishTitle:StandardizationDevelopmentReport:Informationtechnology—Codedrepresentationofimmersivemedia—Part6:Immersivemediametrics摘要随着虚拟现实、增强现实和全景视频等沉浸式媒体技术的迅猛发展，如何客观、准确地评价其提供的用户体验质量成为行业痛点。现有传统视频质量评价方法在应对六自由度、空间音频和交互性等全新维度时，已显露出明显的局限性。本报告深入分析了国际标准ISO/IEC23090-6:2021《信息技术沉浸式媒体的编码表示法第6部分：沉浸式媒体度量》的立项背景、核心内容与行业价值。该标准作为MPEG-I系列的重要组成部分，首次系统性定义了沉浸式媒体质量的度量指标体系，涵盖了视觉质量、空间连续性、视点切换流畅性以及用户交互感受等多个维度。通过对标准技术框架和关键度量方法论的详细解读，本报告揭示了其在推动沉浸式媒体产业标准化、促进不同厂商产品互操作性以及引导技术研发方向上的重大意义。报告同时指出，该标准的发布标志着沉浸式媒体评估从主观体验向客观度量的重要跨越，为未来沉浸式应用的部署和优化提供了权威的技术依据。关键词沉浸式媒体；度量指标；MPEG-I；用户体验质量；标准体系；虚拟现实；编码表示法；互操作性KeywordsImmersiveMedia;Metrics;MPEG-I;QualityofExperience;StandardsSystem;VirtualReality;CodedRepresentation;Interoperability正文1.引言在信息科技领域，每十年左右都会出现一次人机交互模式的重大变革。从早期的文本界面到图形用户界面，再到当前以触摸为核心的移动交互，我们正站在迈向下一代计算平台的门槛上，而这个平台的核心驱动力便是沉浸式媒体。沉浸式媒体，包括虚拟现实、增强现实、混合现实以及全景视频，通过模拟或扩展物理世界，为用户提供前所未有的临场感和交互体验。然而，这种全新的媒体形态对数据编码、传输和呈现提出了极高要求。传统的视频质量评价方法，如峰值信噪比和结构相似性指标，主要针对平面、时序固定的二维视频，无法有效评估用户在三维空间内自由移动、注视点变化以及与之伴随的交互延迟等关键体验要素。因此，建立一个能够全面、客观、可量化地衡量沉浸式媒体质量的国际标准，成为产业界和学术界亟待解决的共性需求。在此背景下，国际标准化组织（ISO）与国际电工委员会（IEC）联合技术委员会（JTC1）下属的运动图像专家组（MPEG），自2015年开始启动了“沉浸式媒体编码表示法”项目（即MPEG-I），旨在为此类媒体提供从采集、编码到渲染的完整解决方案，而ISO/IEC23090-6:2021正是这一宏大规划中的核心组成部分。2.标准立项背景与需求分析2.1技术发展的迫切需求随着头戴式显示设备的日趋成熟和网络带宽的持续增长，沉浸式内容的生产和消费正呈现爆发式增长。与二维视频不同，沉浸式体验涉及“六自由度”感知，即用户在三维空间中的平移和旋转。任何在视觉渲染、空间音频定位、甚至交互响应上的微小误差，都可能导致用户产生眩晕、疲劳等负面体验。当前，行业急需一套统一的度量标准，来：-指导编码器设计：帮助开发者在优化算法时，理解何种压缩失真对沉浸式体验影响最大。-评价网络传输：在不同带宽和延迟条件下，量化服务质量对用户感知的影响。-进行产品对比：使不同厂商的头显设备、视频平台和内容制作工具能在同一尺度下进行评估。-规范内容制作：确保最终呈现的沉浸式内容满足最低质量门槛。2.2传统标准的局限性传统视频质量评估标准，如ITU-TP.910和P.1203系列，主要基于二维平面上的像素差异和主观测试。但对于沉浸式媒体，这些方法存在根本性缺陷：-视点依赖性：沉浸式视频本质上是球面或三维空间的采样，用户注视方向不同，看到的区域细节要求截然不同。传统指标对所有像素一视同仁，无法体现“中心凹”渲染特性。-空间连续性：用户从一个位置移动到另一个位置时，物体视觉连续性（如纹理、光照、遮挡关系）的保持是体验关键，传统指标无法度量。-交互延迟：动作与画面变化之间的延迟（Motion-to-PhotonLatency）直接影响真实感和舒适度，这是二维视频中不存在的新维度。-内容感知：对于点云、网格等非自然图像对象，传统基于像素的方法根本不适用。2.3市场需求驱动根据全球多家咨询机构的报告，沉浸式媒体市场预计在未来五年内将保持超过30%的年复合增长率。为了实现这一增长潜力，解决标准缺失带来的市场碎片化问题至关重要。ISO/IEC23090-6:2021的制定，正是为了通过建立一套通用的“质量语言”，降低行业准入门槛，促进产业链上下游的协同发展。3.标准核心内容解析ISO/IEC23090-6:2021《信息技术沉浸式媒体的编码表示法第6部分：沉浸式媒体度量》为沉浸式媒体定义了全面的度量指标体系。该标准共分为以下几个关键部分：3.1核心术语与框架标准首先明确了一系列核心术语，如“沉浸式程度”、“体验质量”、“六自由度”、“视点”等，统一了行业内对基本概念的认知。在此基础上，构建了一个通用的度量框架，该框架将度量划分为三类：-系统度量：关注传输、解码和渲染过程中的技术性能，如比特率、帧率、渲染分辨率、端到端延迟。-感知度量：针对人类视觉、听觉系统的感知特性，定义主观感觉的客观近似值，如视觉质量、听觉临场感。-交互度量：评估用户与沉浸式环境交互的流畅性和自然性，包括交互延迟、视点切换速度、物体操纵精度。3.2视觉质量度量标准重点规范了沉浸式视频的视觉质量度量，提出了多个创新度量方法：-球面质量指标：要求在球面域而非平面域进行质量计算，以公平对待所有方向的内容。-视口质量指标：基于用户在任意时刻只能看到部分的特性，提出了局部视口内的质量加权计算模型，该模型更贴合人眼观察特性。-空间一致性度量：评估在不同视点间移动时，同一场景对象视觉上保持一致性的能力。这通过评估纹理、深度和法线在空间坐标变换中的误差来实现。-点云和网格失真度量：针对几何对象，定义了基于点对点、点对面距离的度量，如基于点云的豪斯多夫距离和基于网格的均方误差。3.3空间与听觉度量标准认识到沉浸式体验是空间化的，因此定义了与空间感知相关的度量：-空间音频定位精度：评估虚拟声源在三维空间中的定位准确度，包括角度和距离的感知偏差。-声场连续性：当用户头部转动或移动时，评估声场能否连贯、无跳变地随之变化。3.4交互与系统度量-“动-像”延迟：定义了从用户动作发生到显示设备更新画面之间的总延迟，这是导致晕动症的关键因素，标准明确了测量方法。-视点切换流畅度：在用户从沉浸式环境的一个视角切换到另一个时，评估画面能否平滑过渡，出现卡顿或畸变的程度。4.标准的制定过程与参与单位本标准的制定过程遵循了JTC1的严格流程，经过提案阶段、开发阶段、委员会草案投票、国际标准草案投票等多个环节，从2017年启动立项至2021年最终发布，历时约4年。全球数十个国家的专家参与了深入讨论，同时吸引了来自学术界、工业界和研究机构的数百名代表。标准的核心技术内容主要由MPEG的视频编码和系统工作组完成，其中以HDR、点云和沉浸式视频质量评估为方向的子任务组发挥了主导作用。详细介绍：美国InterDigital公司InterDigital是一家全球知名的移动通信技术研发和授权公司，总部位于美国特拉华州。在沉浸式媒体领域，InterDigital是MPEG-I最积极的推动者和技术贡献者之一。其团队在标准制定过程中扮演了关键角色：1.技术贡献：InterDigital的科学家团队在视图合成、点云压缩和沉浸式视频质量评估方面拥有大量专利和核心算法。他们为ISO/IEC23090-6的初期草案贡献了大量技术素材，特别是在“视口质量指标”和“点云几何失真度量”方面，其提案因其科学性、可重复性和易操作性而被采纳为标准的核心组成部分。2.实验验证与测试：为了说服各国专家采纳其提出的度量方法，InterDigital主导了多次大规模跨实验室的主观质量测试。他们设计了严谨的实验方案，组织了不同国家、不同文化背景的受试者，对编码失真、视点变化、延迟等不同场景下的用户体验进行主观评分。这些测试数据有力地支撑了标准中度量阈值的设定和方法论的验证。3.标准互操作性推广：InterDigital不仅参与标准制定，还积极推动标准的产业落地。他们开发了开源参考软件，实现了对ISO/IEC23090-6中定义的多种度量的自动化计算工具，供全球开发者和研究机构免费使用。同时，InterDigital在多个国际行业会议（如NAB、IBC、IEEEVR）上组织技术论坛，宣传该标准并分享最佳实践，显著提升了标准的国际影响力。通过InterDigital等公司的卓越贡献，ISO/IEC23090-6:2021得以成为第一个真正意义上的沉浸式媒体质量度量国际标准。5.标准的影响与应用前景5.1对产业的直接影响-推动产品质量提升：内容提供商和硬件厂商可以利用本标准作为开发指南，在编码、传输、渲染各环节进行针对性的优化，从而显著提升最终用户体验。-促进市场公平竞争：标准提供了统一的“度量尺”，使消费者和采购方能够基于客观数据而非主观宣传进行产品选择和比较，从而促进良性竞争。-加速技术迭代：研究机构可以依赖标准中定义的基准测试，对新的编码算法、渲染方案进行效果评估，大大缩短从研发到上市的时间。5.2对未来的展望ISO/IEC23090-6:2021仅仅是沉浸式媒体度量领域的第一里程碑，其未来仍有广阔的发展空间：-扩展至更广义的沉浸式场景：未来的版本有望涵盖全息显示、数字孪生、以及更复杂的交互方式（如手势、眼动追踪）带来的新质量维度。-与人工智能的结合：利用深度学习模型，基于标准框架训练出能够实时、高精度预测沉浸式质量的简化模型，应用于实时流媒体优化。-跨层协同优化：该标准有望与传输层标准（如5GURLLC）联动，实现从服务器到终端设备的端到端质量保障，助力元宇宙等更高阶应用的实现。结论ISO/IEC23090-6:2021《信息技术沉浸式媒体的编码表示法第6部分：沉浸式媒体度量》的发布，标志着沉浸式媒体产业正式进入了一个可量化、可评价、可优化的发展新阶段。该标准系统性地解决了传统视频质量评估方法在应对六自由度交互、空间连贯性和感知体验等方面的失灵问题，首次为业界提供了一套全面、权威的度量框架和指标。从球面质量到点云失真，从交互延