ISOIEC 23090-22023 信息技术.沉浸式媒体的编码表示.第2部分全向媒体格式标准立项发展报告

ISO/IEC23090-2:2023《信息技术沉浸式媒体的编码表示第2部分：全向媒体格式》标准立项发展报告StandardizationDevelopmentReport:InformationTechnology—CodedRepresentationofImmersiveMedia—Part2:OmnidirectionalMediaFormat摘要随着虚拟现实（VR）、增强现实（AR）和混合现实（MR）等沉浸式技术的迅猛发展，全向媒体（OmnidirectionalMedia）作为支撑沉浸式体验的核心数据形态，其标准化工作已成为国际信息技术领域关注的焦点。本报告围绕国际标准ISO/IEC23090-2:2023《信息技术沉浸式媒体的编码表示第2部分：全向媒体格式》展开系统研究，从标准立项背景、技术内容架构、产业发展需求、国际协作机制及推广应用前景等维度进行深入分析。该标准由国际标准化组织与国际电工委员会第一联合技术委员会（ISO/IECJTC1）下设的场景视频编码工作组（SC29/WG2）制定，于2023年6月9日正式发布，为全向媒体的封装、存储、流传输及渲染提供了统一的技术规范。报告指出，该标准在继承ISO/IEC14496-12（ISO基础媒体文件格式）架构的基础上，引入了球面坐标系统、区域自适应编码、视角相关传输等关键技术革新，有效解决了全向媒体在带宽效率、视点切换延迟和终端兼容性等方面的核心难题。该标准的实施对于推动沉浸式媒体产业链的互联互通、降低内容制作与分发成本、促进全球范围内虚拟现实产业的规模化发展具有重要的战略意义和深远的技术影响。关键词：沉浸式媒体；全向媒体格式；ISO/IEC23090；虚拟现实；标准化；编码表示；媒体封装Keywords:ImmersiveMedia;OmnidirectionalMediaFormat;ISO/IEC23090;VirtualReality;Standardization;CodedRepresentation;MediaEncapsulation一、标准立项背景与研究意义（一）沉浸式媒体产业的技术需求近年来，沉浸式媒体技术经历了从概念验证到商业化落地的跨越式发展。根据国际数据资讯（IDC）发布的市场追踪报告，全球增强现实与虚拟现实头显市场在2022年出货量达到880万台，同比增长超过20%；预计到2026年，该市场的年出货量将突破5000万台，复合年增长率达到32.3%。这一持续增长的市场态势背后，是用户对高沉浸感、强交互性和实时性体验的迫切需求，而全向媒体正是承载这些体验需求的基石性数据形态。不同于传统平面视频仅能呈现有限的视野范围，全向媒体通过全景摄像头阵列或计算机生成图像（CGI）技术，记录来自全方位视角的视觉信息，用户在佩戴头戴式显示器（HMD）后可自由转动视角，获得仿佛置身于真实场景之中的沉浸式体验。然而，全向媒体的数据量远超传统视频——以8K分辨率、30帧每秒、10bit色深的360度全景视频为例，其原始数据率可达数Gbps量级。如何在有限带宽条件下高效传输并实时渲染如此庞大的数据量，同时保证不同厂商设备之间的互联互通，成为产业界亟需解决的关键技术难题。（二）标准制定的必要性与紧迫性在全向媒体产业发展的早期阶段，各设备制造商和内容服务商采用了彼此独立、互不兼容的数据格式和技术方案。例如，部分厂商采用立方体映射（Cubemap）方式存储全景内容，另一些则倾向于等距柱状投影（EquirectangularProjection）；在空间音频的编码方式上，也有基于场景对象和基于声道等多种技术路线的分歧。这种碎片化的技术格局严重制约了产业链的协同发展——内容创作者需要为不同平台分别制作多版本内容，终端用户则面临设备锁定的窘境，客观上抬高了产业整体的生产和消费成本。在此背景下，国际标准化组织ISO/IECJTC1/SC29（音频、图像、多媒体和超媒体信息编码分技术委员会）于2017年敏锐地捕捉到产业界对全向媒体标准化需求的迫切性，正式启动了MPEG-I（沉浸式媒体编码）阶段一的标准化工作项目，旨在制定一套涵盖全向媒体捕获、编码、封装、传输和渲染全链路的国际标准。其中，ISO/IEC23090-2作为该系列标准中规定全向媒体格式（OmnidirectionalMediaFormat,OMAF）的核心部分，承担着定义统一封装格式的关键角色。（三）标准在ISO/IEC23090系列中的定位ISO/IEC23090系列标准（即MPEG-I标准体系）系统性地规定了沉浸式媒体的编码表示方法。该系列目前包括多个部分，各自聚焦于不同的技术维度：第1部分（ISO/IEC23090-1）规定了沉浸式媒体的架构体系；第2部分即本报告所研究的全向媒体格式标准；第3部分规定了沉浸式视频的编码；第5部分涉及点云压缩技术；第6部分涉及沉浸式媒体的沉浸式音频；第7部分则规定了沉浸式媒体的元数据。在这样一个层次分明、功能互补的标准体系架构中，ISO/IEC23090-2:2023扮演着承上启下的关键角色——它既需要与第1部分所定义的总体架构保持高度一致，又需要为第3部分所规定的视频编码工具提供封装层面的支撑，同时还要确保与既有ISO基础媒体文件格式（ISO/IEC14496-12）的兼容性。正是这种系统性的体系定位，使得本标准的研制过程需要在技术方案的完备性、产业链的兼容性和未来扩展的灵活性之间寻求精妙的平衡。二、标准的技术内容与核心架构（一）标准的文档结构与适用范围ISO/IEC23090-2:2023规定了全向媒体的封装格式，涵盖全向视频（OmnidirectionalVideo）、全向图像（OmnidirectionalImage）以及与之关联的空间音频（SpatialAudio）的媒体封装、元数据描述和存储结构。该标准定义了使用ISO基础媒体文件格式（ISOBMFF，ISO/IEC14496-12）封装全向媒体内容的具体方法和规则，包括投影方式标识、区域定义、视角相关信息、传感器数据等多样化元数据的表示方法。标准适用于通过ISO/IEC23008-2（高效视频编码，HEVC）、ISO/IEC23090-3（沉浸式视频编码）以及ISO/IEC23090-10（视频编解码标准）等视频编码标准对全向视频进行压缩后的封装需求。（二）核心关键技术要素1.投影与区域封装机制2.视口相关元数据与传输支持标准定义了一套丰富而完备的元数据结构，用于描述全向媒体的空间和时间属性。其中，球面坐标系统的定义采用经度（yaw）、纬度（pitch）和滚动角（roll）的三维表述方式，为视角定位提供了精确的数学基础。覆盖视角信息（CoverageInformation）描述了每个媒体轨道或区域所覆盖的球面范围，使播放器能够准确判断当前视角与可用内容的空间关系。初始视角信息（InitialViewport）则建议了内容创作者期望用户首先观看的视角方向。此外，标准还支持内容覆盖时间信息（ContentCoverageTimeInformation），用于描述媒体内容在时间维度上的有效性，为多视角切换时的时间同步提供了参考基准。3.时间对齐与同步机制全向媒体通常包含多个关联的媒体轨道——如多视角视频流、空间音频流和辅助数据流等，这些媒体流之间的时间同步直接关系到最终呈现的沉浸感质量。ISO/IEC23090-2:2023基于ISO基础媒体文件格式的时间轴机制（MovieTimeline）和样本级时间戳（SampleTimestamp），定义了严格的时间对齐方案。同时，针对自适应流传输场景，标准与MPEG动态自适应流传输规范（ISO/IEC23009-1，DASH）中的空间表示描述（SRD）机制实现了无缝衔接，支持在流媒体会话中动态切换不同空间分辨率的媒体分片。（三）关键技术指标的演进与优化相较于早期草案版本，ISO/IEC23090-2:2023在多个关键技术维度上实现了显著的改进。在区域编码方面，标准完善了区域级质量排名（Region-wiseQualityRanking）机制，允许内容服务商明确标识各区域的相对质量等级。在视角相关的流传输方面，标准化了视角信息在媒体呈现描述（MPD）中的表达方式，增强了与DASH的协同工作能力。此外，2023版进一步完善了与ISO/IEC23090-10（视频编解码）的技术衔接，增加了对多功能视频编码（VVC）编码视频的封装支持。三、国际标准化研制历程与合作机制ISO/IEC23090-2的研制历经了严谨而完整的国际标准化流程，充分体现了国际标准制定的公开性、协商一致性和技术严谨性。该标准的研制工作由ISO/IECJTC1/SC29/WG2（场景视频编码工作组）承担，吸引了来自全球各主要经济体的标准化专家参与。标准研制过程遵循ISO/IEC导则所规定的各阶段流程。自2017年立项后，项目经历了以下关键阶段：研究阶段（StudyPeriod）——收集产业需求、调研现有技术方案、形成初步技术框架；工作组草案阶段（WorkingDraft,WD）——基于各成员国提交的技术提案，形成第一版完整技术文本；委员会草案阶段（CommitteeDraft,CD）——在SC29内部进行正式评审，根据各国家体反馈意见进行系统修订；国际标准草案阶段（DraftInternationalStandard,DIS）——面向全体成员国进行投票表决；最终国际标准草案阶段（FinalDraftInternationalStandard,FDIS）——完成最终文本修订和技术编辑工作。四、主要研制单位与标准化技术力量本标准的研制汇聚了全球范围内在沉浸式媒体与视频编码领域具有深厚技术积累的标准化机构和产业力量，包括但不限于以下主要单位：国际标准化组织/国际电工委员会第一联合技术委员会（ISO/IECJTC1）作为本标准的最高管理机构，负责协调各成员国之间在信息技术领域的标准化工作。其下设的SC29分技术委员会专门负责音频、图像、多媒体和超媒体信息编码领域的标准制定。SC29/WG2工作组的具体承担单位包括全球多所顶级科研机构和产业巨头——包括中国电子技术标准化研究院、华为技术有限公司、北京邮电大学、清华大学等在内的中国企事业单位深度参与了标准的研制，在区域封装优化、视口自适应传输、球面坐标精度提升等关键技术的讨论与制定中发挥了积极作用。其中，华为技术有限公司在视口相关的流媒体传输元数据设计中贡献了多项核心提案，推动了标准技术与实际产业需求的有效对接。五、标准实施与推广前景（一）产业应用价值分析ISO/IEC23090-2:2023作为全向媒体格式领域的核心国际标准，其推广应用将产生显著的产业价值。在内容生产端，统一的封装格式使内容创作者可以面向全球市场制作一次内容即可适配多种终端平台，大幅降低了多平台适配的重复开发成本，提升了内容供给效率。在内容分发端，标准所定义的自适应传输元数据机制使内容分发网络能够根据用户实际视角动态调整传输码率，在保障用户体验的前提下显著节约带宽资源。在终端消费端，用户不再受制于特定厂商的私有格式限制，可以在更广泛的设备选择范围内获得一致的沉浸式体验。（二）与其他标准的协同发展ISO/IEC23090-2:2023不仅独立发挥作用，更与多个相关标准形成了协同增效的技术生态。在系统架构层面，它与ISO/IEC23090-1（沉浸式媒体架构）保持一致的技术框架；在编码层面，它与ISO/IEC23008-2（HEVC）、ISO/IEC23090-3（沉浸式视频编码）和ISO/IEC23090-10（视频编解码）实现了无缝衔接；在传输层面，它与ISO/IEC23009-1（DASH）深度融合，支持基于HTTP的自适应流传输场景。此外，该标准还与第三代合作伙伴计划（3GPP）在5G多媒体广播多播服务（MBMS）领域的技术规范形成了有效互补，为移动网络环境下沉浸式媒体的高效分发提供了技术保障。（三）标准实施的技术支撑体系为促进标准的落地实施，ISO/IECJTC1/SC29同步制定了配套的一致性测试标准和参考软件。标准文本中包含了详细的语义定义、语法描述和实现指南，为各厂商开发符合性产品提供了技术参考。同时，MPEG工业论坛等行业协会也在积极推动标准的产业落地，组织互操作性测试活动，建立认证体系，促进不同厂商产品之间的互联互通。六、结论与展望ISO/IEC23090-2:2023《信息技术沉浸式媒体的编码表示第2部分：全向媒体格式》的正式发布，标志着全球沉浸式媒体产业迈入了标准化、规范化发展的新阶段。该标准凝聚了全球各主要经济体在虚拟现实、增强现实和全向媒体领域的技术共识与产业智慧，以ISO基础媒体文件格式为基石，通过创新的区域封装机制、完善的视口相关传输支持和严格的时间同步方案，构建了一套科学合理、灵活可扩展的全向媒体封装技术体系。从技术发展的长远视角来看，随着6G通信、边缘计算和人工智能技术的不断成熟，沉浸式媒体将走向更高分辨率（如12K乃至更高）、更强交互性（如六自由度，6DoF）和更广泛的应用场景（如全息通信、数字孪生）。ISO/IEC23090-2所确立的模块化、可扩展的标准化设计理念，为未来技术演进预留了充分的扩展空间。随着标准的深入推广实施和全球产业链的协同推进，全向媒体技术必将在更广泛的行业领域释放其变革性力量，为人类社会的信息交互方式带来深远的积极影响。参考文献[1]ISO/IEC23090-2:2023,Informationtechnology—Codedrepresentationofimmersivemedia—Part2:Omnidirectionalmediaformat,ISO/IECJTC1,2023.[2]ISO/IEC14496-12:2022,Informationtechnology—Codingofaudio-visualobjects—Part12:ISObasemediafileformat,ISO/IECJTC1,2022.[3]ISO/IEC23090-1:2023,Informationtechnology—Codedrepresentationofimmersivemedia—Part1:Immersivemediaarchitecture,ISO/IECJTC1,2023.[4]高文,黄铁军.数字视频编码技术发展回顾与展望[J].中国图象图形学报,2023,28(1):1-22.[5]赵海武,陈熙霖.沉浸式媒体技术发展与标准化