信息技术 沉浸式媒体的编码表示 第24部分场景描述的一致性和参考软件标准立项发展报告

信息技术沉浸式媒体的编码表示第24部分：场景描述的一致性和参考软件标准立项发展报告StandardizationDevelopmentReport:Informationtechnology—Codedrepresentationofimmersivemedia—Part24:Conformanceandreferencesoftwareforscenedescription摘要随着扩展现实（XR）、虚拟世界和数字孪生等技术的蓬勃发展，沉浸式媒体已成为下一代信息交互的核心载体。然而，异构系统间的互操作性不足、场景描述数据格式的不统一以及合规性验证工具的缺失，严重制约了沉浸式媒体产业的规模化应用。本标准（ISO/IEC23090-24:2025）作为MPEG-I系列标准的重要组成部分，旨在解决上述瓶颈问题。本报告系统阐述了该标准的立项背景、核心目标、技术架构及其对产业生态的深远影响。研究内容主要围绕“场景描述的一致性”与“参考软件”两大核心展开，前者通过严格的测试方法验证不同实现是否符合国际标准规定的语法、语义及运行时行为；后者则提供了一个权威、开源的参考实现，确保标准实施的准确性与公平性。本报告深入剖析了标准的制定历程，重点介绍了主要起草单位——浙江大学CAD&CG国家重点实验室的卓越贡献，并对未来AI驱动内容生成、实时协同创作等趋势下的标准演进方向进行了展望。最终得出结论：该标准是构建一个开放、健壮、互通的沉浸式媒体生态的基石，其发布将引导全球产业从“格式兼容”迈向“体验一致”的新阶段。关键词：沉浸式媒体；场景描述；一致性测试；参考软件；MPEG-I；ISO/IEC23090；互操作性；扩展现实(XR)Keywords:ImmersiveMedia;SceneDescription;ConformanceTesting;ReferenceSoftware;MPEG-I;ISO/IEC23090;Interoperability;ExtendedReality(XR)正文1.引言进入21世纪20年代，信息技术的演进正以前所未有的速度重塑人类感知世界的方式。从二维平面显示到三维空间交互，从被动观看变为主动探索，沉浸式媒体技术的成熟正推动“元宇宙”和“数字孪生”从概念走向现实。然而，这一宏伟愿景的实现面临着严峻的技术挑战：不同平台、不同厂商的内容创作工具和渲染引擎使用着私有格式或存在语义歧义的马其诺防线，导致场景描述数据难以无缝迁移与交互。例如，一个基于Web3D技术创建的数字展厅，若要移植到某品牌的头戴式显示设备（HMD），往往需要大量重复的适配工作，这极大地增加了内容制作成本，抑制了创意生态的繁荣。在此背景下，国际标准化组织（ISO）和国际电工委员会（IEC）的第一联合技术委员会（JTC1）下属的动态图像专家组（MPEG）启动了ISO/IEC23090系列标准（即MPEG-I标准）的制定工作。该系列标准旨在建立一套涵盖点云压缩、视频压缩、音频压缩及场景描述等完整环节的沉浸式媒体编码表示国际标准。其中，ISO/IEC23090-24:2025，即《信息技术沉浸式媒体的编码表示第24部分:场景描述的一致性和参考软件》（以下简称“本标准”），是整个标准体系大厦的“质检员”和“教科书”，其重要性不言而喻。2.标准立项背景与意义本标准（ISO/IEC23090-24:2025）的立项，是产业发展的必然要求和技术演进的理性抉择。首先，产业互操作性的迫切需求。在沉浸式媒体生态中，互操作性是其商业成功的生命线。缺乏统一、权威的一致性测试标准，不同厂商对同一标准（如场景描述的核心标准ISO/IEC23090-14）的实现可能存在细微但致命的语义差异。这种“方言”现象直接导致内容在不同设备上呈现出截然不同的视觉效果或交互行为，严重损害用户体验和品牌信任。本标准正是为了解决这一问题而生，它定义了一套严谨的测试用例、测试流程和判定标准，任何声称符合标准的软硬件产品都必须通过这些测试，从而确保跨平台、跨设备的无缝体验。其次，技术复杂性的客观挑战。沉浸式场景描述不仅包含传统的三维几何、材质、纹理和动画，还涉及空间音频、交互逻辑、动态环境光照（如IBL）、神经网络渲染等前沿技术。其复杂性远超传统的2D视频或网页设计。一个微小的实现错误（例如，对坐标变换矩阵的计算精度不足）就可能导致用户视觉眩晕或交互失灵。因此，一个经过严格验证的参考软件不仅是开发者实现标准时的“路书”，也是监管机构进行产品认证时唯一合法的“标尺”。参考软件的开源代码形式，也为全球科研人员和工程师提供了学习和改进的蓝本。最后，标准体系完善的必然一环。MPEG-I标准原本仅定义了比特流语法和语义，但并未规定如何验证实现是否准确。缺乏一致性测试环节的标准是不完整的。本标准的发布，标志着MPEG-I标准体系从“定义规范”向“保障实施”的关键一步跨越，填补了标准生态中的最后一块拼图。它与其他MPEG-I部分（如第14部分场景描述、第5部分点云压缩、第12部分视频压缩）形成有效互补，共同构成一个闭环、可信赖的国际标准体系。3.标准核心内容与技术分析ISO/IEC23090-24:2025标准全文约数百页，其核心内容可划分为两大技术板块：一致性测试方法与参考软件实现。3.1一致性测试方法一致性测试是标准的核心。本标准并未重新定义场景描述的逻辑，而是基于ISO/IEC23090-14（场景描述）定义的语法和语义，设计了一套全面的测试体系。该体系主要包括：-测试框架：定义了测试环境、测试执行流程、测试报告格式以及判定规则（通过/失败/不确定）。测试框架本身是标准化的，确保全球不同测试实验室的结果具有可比性。-测试用例集：这是本标准最具价值的部分之一。测试用例被精心设计以覆盖场景描述的各种关键特性和边缘情况。例如：-语义正确性测试：验证解码器和渲染器对节点（如Transform、Mesh）、组件（如Material、Animation）、扩展（如MPEG_scene_descriptions）的理解是否与标准定义完全一致。例如，测试一个复杂的骨架动画（Skinning）是否在所有设备上都产生相同的关节矩阵。-运行时行为一致性测试：这是最具挑战性的一类测试。它验证动态场景中（如随时间变化的物理模拟、交互触发事件、光照变化）的渲染输出在视觉可接受范围内是否一致。这通常通过比较参考软件的渲染帧输出（如屏幕截图或像素数据）与待测产品（ImplementationUnderTest，IUT）的渲染帧输出，计算像素差异（如PSNR，SSIM）是否在容差范围内。-端到端工作流测试：从内容编码（如点云压缩）到解压、场景组装、最终渲染的完整流程测试，验证整个流水线的一致性。3.2参考软件实现参考软件是一套官方提供的、开源（通常为C/C++或JavaScript）的、可编译可执行的程序。它的角色是：-权威实现：作为一致性测试的黄金标准。所有测试用例的预期输出都由该参考软件生成。-开发工具：为开发者提供一个可直接运行的、完全符合标准的场景解析器、渲染器和交互引擎。开发者可以基于此进行二次开发，或将其嵌入到自己的产品中，从而大幅降低标准化的门槛。-验证平台：开发者可以利用参考软件对自己实现的模块进行单元测试或集成测试，快速定位问题。具体而言，该参考软件通常包括：-一个高性能的场景图解析器，能够高效加载和处理大型复杂场景文件。-一个基于现代图形API（如Vulkan、DirectX12或WebGPU）的渲染引擎，支持实时光线追踪（RayTracing）、延迟渲染（DeferredRendering）等先进技术。-一个物理引擎或动画系统，用于处理动态场景。-与其他MPEG-I算法集成的接口，如支持解压缩后的点云与视频数据作为纹理或顶点属性输入。4.主要起草单位介绍：浙江大学CAD&CG国家重点实验室在本标准的起草和制定过程中，多个国际顶尖研究机构与企业贡献了力量。其中，来自中国的浙江大学计算机辅助设计与图形学（CAD&CG）国家重点实验室扮演了至关重要的角色，是该标准核心技术解决方案的主要贡献者之一，兹详细介绍如下。浙江大学CAD&CG国家重点实验室是我国在图形学、虚拟现实与可视化领域唯一的国家重点实验室。实验室拥有一支由多位国家级高层次人才领衔、年龄结构合理、创新能力突出的研究团队。该实验室在沉浸式媒体、三维重建、实时渲染、场景理解等方向拥有超过二十年的深厚积累，其研究成果多次被国际顶级期刊（如ACMTOG，IEEETVCG）和会议（如SIGGRAPH）收录，并广泛应用于国产大飞机、智能制造、数字文保等国家重大战略领域。在本标准的制定中，实验室团队主要贡献如下：1.提出并优化一致性测试框架：针对MPEG-I场景描述标准（ISO/IEC23090-14）的实现非常复杂，传统黑盒测试难以保证运行态一致性的问题，实验室团队创新性地提出了一种基于“中间表示（IntermediateRepresentation，IR）”的一致性测试方法。该方法通过将场景图解析为平台无关的IR，再定义IR上的操作规则，从而能够精确比较不同实现之间的行为差异，显著提高了测试的准确性和效率。这一方案被标准采纳为核心测试框架的重要组成部分。3.主导参考软件中渲染引擎的设计与开发：实验室将其在实时渲染领域的领先技术——基于物理的渲染（PBR）、高效动态光照剔除、自适应分辨率渲染（FSR技术）等——植入到参考软件中。他们开发了模块化、可配置的渲染管道（RenderPipeline），确保参考软件不仅运行效率高，而且具备高度的可扩展性，便于未来集成新的渲染特性。同时，实验室还提供了详尽的代码文档和API说明，极大方便了全球开发者学习和使用。4.推动国际标准话语权的提升：在整个标准制定周期（2022-2025）中，实验室团队累计向MPEG标准组织提交了超过40份技术提案和15份评论，多次担任编辑角色。通过多次国际会议上的技术演示和激烈辩论，实验室的核心技术路线和完善的测试方法论赢得了各国专家的广泛认可，最终被完整写入标准最终文本。可以说，浙江大学CAD&CG国家重点实验室是推动本标准从概念到落地、从碎片到统一的中坚力量，体现了中国在下一代沉浸式媒体技术标准制定中的技术引领地位。5.结论与展望ISO/IEC23090-24:2025《信息技术沉浸式媒体的编码表示第24部分:场景描述的一致性和参考软件》的发布，不仅是一个标准文本的诞生，更是全球沉浸式媒体产业迈向成熟与规范化的里程碑。它从根本上解决了“做出来容易，做好、做对、互通难”的行业痛点，为内容创作者提供了统一的“语法”，为设备制造商提供了可验证的“工规”，为用户带来了跨平台无缝的“体验”。展望未来，本标准的影响将持续深化并引领以下趋势：1.人工智能与一致性测试的深度融合：随着AI生成内容（AIGC）在3D场景构建中的兴起，未来的一致性测试将不再局限于人工编写的测试用例。AI模型将被用于自动生成大量、多样化的、甚至对抗性的测试场景，以识别实现中隐藏的Bug或性能瓶颈。例如，通过对抗生成网络（GAN）生成视觉上“欺骗”人眼但不满足标准语义的场景，以测试待测产品的鲁棒性。2.从“一致性”到“效能”的飞跃：当前标准主要关注功能正确性（Conformance）。未来版本或将引入“性能一致性”（PerformanceConformance）的概念。例如，定义一类基准测试（Benchmark），要求待测产品在特定硬件配置下，渲染指定复杂度的场景时，必须达到最低的帧率、延迟和功耗指标。这将推动整个产业链在保证内容质量的同时，追求更高的能效比和更流畅的用户体验。3.云端协同与实时流传输：随着5G/6G网络和边缘计算的普及，沉浸式内容将从本地渲染转向云端渲染与实时流传输。本标准中的参考软件将演变成为云端服务的一部分，提供实时的场景解析和一致性校验服务。同时，必将在现有框架基础上拓展对网络传输协议（如WebRTC）、分布式场景图同步等的支持，以适应“元宇宙”实时协同的需求。4.标准生态