ISOIEC 23090-142023 信息技术.沉浸式媒体的编码表示.第14部分场景描述标准立项发展报告

信息技术沉浸式媒体的编码表示第14部分：场景描述标准立项发展报告StandardizationDevelopmentReport:InformationTechnology—CodedRepresentationofImmersiveMedia—Part14:SceneDescription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，场景描述作为连接三维空间内容与终端呈现的核心技术环节，已成为国际标准化组织（ISO）和国际电工委员会（IEC）联合技术委员会（JTC1）重点关注的标准化领域。ISO/IEC23090-14:2023《信息技术沉浸式媒体的编码表示第14部分：场景描述》由ISO/IECJTC1/SC29（音频、图像、多媒体和超媒体信息编码分技术委员会）制定并发布，旨在为沉浸式媒体应用提供统一、可互操作的三维场景描述规范。本报告对该标准的立项背景、编制历程、核心技术内容、标准废止原因及后续演进方向进行了全面分析。报告指出，该标准是MPEG-I（MovingPictureExpertsGroup-Immersive）标准体系的重要组成部分，其场景描述框架基于ISO/IEC23090-14规定的声明式场景描述（DeclarativeSceneDescription）技术路线，支持动态场景图、时空一致性表达及多模态交互映射。尽管该标准已于2024年（含）前后被后续版本取代，但其在设计理念、技术架构和产业应用方面的奠基性贡献不容忽视。本报告同时介绍了ISO/IECJTC1/SC29的组织架构和标准修订工作机制，并对沉浸式媒体场景描述标准的未来发展方向提出了展望，建议加快推进与三维图形标准（如glTF、USD）的融合互操作，以满足元宇宙、数字孪生等新兴应用场景对沉浸式内容互操作性的迫切需求。关键词：沉浸式媒体；场景描述；ISO/IEC23090；MPEG-I；虚拟现实；标准化；编码表示Keywords:ImmersiveMedia;SceneDescription;ISO/IEC23090;MPEG-I;VirtualReality;Standardization;CodedRepresentation1引言1.1研究背景随着第五代移动通信（5G）、云计算和人工智能等新一代信息技术的成熟与普及，沉浸式媒体技术已经从实验室走向规模化商用。根据中国信息通信研究院发布的《虚拟现实产业发展白皮书》，全球虚拟现实市场规模预计在2026年将突破千亿美元级别。然而，沉浸式内容的生产、传输和呈现涉及多个环节、多个设备、多种格式，缺乏统一标准将导致严重的技术碎片化和产业割裂问题。在沉浸式媒体技术体系中，场景描述（SceneDescription）承担着将三维模型、动画、光照、材质、音频源和交互逻辑等信息有机组织起来的关键任务，是实现沉浸式体验的“最后一公里”。国际标准化组织于2023年发布的ISO/IEC23090-14:2023标准，正是为解决这一核心问题而制定的国际标准。1.2标准基本信息该标准全称为ISO/IEC23090-14:2023《信息技术沉浸式媒体的编码表示第14部分：场景描述》（Informationtechnology—Codedrepresentationofimmersivemedia—Part14:Scenedescription），由ISO/IECJTC1/SC29分技术委员会负责制定，发布日期为2023年6月2日，标准状态为废止（即已被后续版本或替代标准取代）。该标准的官方版本为英文版，以电子版加密PDF格式发行，售价541元人民币。1.3报告目的与结构本报告旨在全面梳理ISO/IEC23090-14:2023标准的立项背景、研制过程、技术内容和应用价值，为国内从事沉浸式媒体技术研究、标准制定和产业应用的各类机构提供参考和借鉴。报告的结构安排如下：第2章介绍标准的立项背景与编制历程；第3章详述标准的主要技术内容；第4章分析标准废止的原因和替代关系；第5章介绍主要起草单位SC29的组织架构和工作机制；第6章给出结论并对未来发展方向进行展望。2标准的立项背景与编制历程2.1沉浸式媒体标准化需求分析沉浸式媒体的标准化需求源自产业发展面临的多重挑战。首先，虚拟现实内容的制作工具和发布平台各有其专属的场景描述格式，如Unity的场景文件、UnrealEngine的关卡文件、Web3D的X3D格式以及Pixar的UniversalSceneDescription（USD）等，不同格式间转换困难、成本高昂，严重制约了内容资产的跨平台复用。其次，在流式传输场景中，传统的视频编码标准（如H.264/H.265）仅能处理二维帧序列，无法有效表达三维空间中的动态变化、用户交互和视点切换等沉浸式体验的核心特征。这要求制定专门面向沉浸式媒体的编码表示标准，场景描述正是其中不可或缺的组成部分。第三，MPEG组织自2017年前后启动MPEG-I（Immersive）标准计划，拟定了从视觉、音频到场景的整体性标准化路线图。ISO/IEC23090系列标准即为MPEG-I的正式编号体系，其中第14部分专门面向场景描述子系统的标准化。2.2编制历程与版本演进ISO/IEC23090-14标准的编制历程可追溯至2020年初。在MPEG第128次会议（2020年4月）上，场景描述标准化需求调查工作组（RequirementsAdHocGroup）发布了《沉浸式媒体场景描述需求文档》，明确了以下核心需求：-支持静态和动态三维场景的高效表达；-支持空间音频的定位和渲染；-支持与外部设备（如头戴式显示器）的交互能力；-支持场景的增量更新和局部替换；-支持与压缩媒体流（视频、音频、图像）的时序同步。在后续会议中，MPEG与KhronosGroup就glTF2.0的复用进行了深入讨论。最终，SC29决定采用基于glTF扩展的方式构建沉浸式媒体场景描述格式。2022年1月，该标准进入委员会草案（CommitteeDraft，CD）阶段，2022年7月进入国际标准草案（DraftInternationalStandard，DIS）阶段，最终于2023年6月2日正式发布。2.3标准定位与编制思路ISO/IEC23090-14:2023在MPEG-I体系中的位置，如图1所示（图中示意了23090系列各部分的关系）。整体来看，MPEG-I标准体系分为三个层次：底层为编码表示层（包括视频、图像、音频和点云压缩等），中间层为媒体格式与封装层，上层为场景描述与呈现层。ISO/IEC23090-14正是位于最上层的场景描述标准，它向下调用23090-2（视频编码）、23090-3（音频编码）和23090-5（点云编码）等子标准的解码输出，向上提供API接口供应用系统调用。该标准的编制思路可以概括为“复用为主、针对性扩展”，即不另起炉灶创建一套全新的场景描述格式，而是充分继承和扩展既有成熟标准，使现有产业生态能够平滑迁移和兼容。3标准的主要技术内容3.1场景描述的整体架构ISO/IEC23090-14:2023定义了一种基于图结构（Graph-based）的沉浸式场景描述框架。场景图（SceneGraph）以节点和层级关系组织场景内的各类元素，包括变换节点（TransformNode）、几何节点（GeometryNode）、材质节点（MaterialNode）、光照节点（LightNode）、音频节点（AudioNode）及传感器节点（SensorNode）等。该场景图采用“声明式”设计理念，即使用描述性语言定义“场景中有什么”，而将“如何渲染”留给后续渲染管线处理。这一设计与HTML/CSS的思想类似，有利于场景内容与渲染实现的解耦，提升了互操作性。标准中定义了以下关键概念和机制：-场景节点（SceneNode）：场景图中的基本组成单元；-空间坐标系统（SpatialCoordinateSystem）：支持全局坐标和局部坐标的嵌套变换；-时间模型（TemporalModel）：定义了场景的时间轴、时间戳和动画采样机制；-事件机制（EventMechanism）：支持用户交互产生的离散事件和连续事件的传播与处理。3.2关键编码机制标准中的场景描述数据采用了高效的结构化编码方式，包括JSON格式的文本编码和二进制格式的高效编码两种模式。文本编码便于调试和开发，二进制编码适用于带宽受限的传输场景。其中二进制编码采用了基于MPEG-B（ISO/IEC23001）系列标准的通用位流语法（GenericBitstreamSyntax）框架，支持在保持表达力的同时实现较高的压缩效率。在动态场景支持方面，标准定义了两类更新机制：-完整场景替换（FullSceneReplacement）：适用于重大场景切换，如用户从一个虚拟展厅进入另一个展馆；-增量场景更新（IncrementalSceneUpdate）：适用于局部变化，如单个物体的位置移动、材质变化或灯光开关，极大减少了动态更新所需的带宽资源。在媒体同步方面，标准定义了场景时间线（SceneTimeline）与各媒体流时间线（如视频帧序列和音频采样序列）之间的映射关系，确保三维空间中物体的运动、动画播放与音视频内容在时间维度上的一致性。3.3交互与呈现标准的交互模型支持多层次的用户交互方式，包括：-视点导航（ViewpointNavigation）：支持六自由度（6DoF）的视点移动和旋转；-对象选取（ObjectSelection）：支持通过射线拾取、碰撞检测等方式选择场景中的对象；-动态属性修改（DynamicPropertyModification）：支持运行时修改场景节点的属性和参数。3.4与相关标准的关系ISO/IEC23090-14:2023并非孤立存在，它与以下标准密切相关：-ISO/IEC23090-2（视频编码）：定义了沉浸式视频的编码表示；-ISO/IEC23090-3（音频编码）：定义了沉浸式音频的编码表示；-ISO/IEC23090-5（点云编码）：定义了动态点云数据的压缩编码；-ISO/IEC23090-7（图像内容）：定义了沉浸式静态图像的内容格式；-ISO/IEC23090-8（网络协议）：定义了沉浸式媒体的传输协议。场景描述标准作为上述编码标准的“汇聚点”，在应用层面将各类编码后的媒体资产统一组织到三维空间场景中，形成完整的沉浸式体验。4标准废止原因与替代分析4.1废止原因ISO/IEC23090-14:2023在发布后不久进入废止状态，这一情况在多国际标准中属于正常的技术迭代现象，主要原因可归纳为以下几点：第一，技术更新迭代速度快。沉浸式媒体领域的技术演进速度非常快，MPEG组织在标准发布后即启动了修订工作。随着glTF2.0的广泛应用和USD在工业界的大规模部署，亟需在新版标准中融合这些产业实践。第二，标准间隔期短。ISO/IECJTC1对标准维持有效期的常规要求为五年评审周期。但在快速发展的技术领域，国际标准在首次发布后即启动修订的情况日益普遍。第三，与配套标准的协同修订。ISO/IEC23090系列的多个部分（如第2、3、5部分）也在同步修订中，为了保证系列标准之间的协调性和一致性，场景描述标准需要进行相应的同步更新。4.2后续演进方向从公开渠道获得的MPEG路线图显示，ISO/IEC23090-14标准的后续修订将重点关注以下方向：-与USD（UniversalSceneDescription）的深度融合：USD作为Pixar发起并逐步成为业界事实标准的三维场景交换格式，在数字内容创作、视觉特效和工业数字孪生领域具有广泛应用。后续版本将重点解决USD与MPEG场景描述标准间的互操作问题；-面向元宇宙应用的场景表述扩展：包括大规模分布式虚拟场景的分区管理、跨平台身份映射、社交交互语义表达等；-支持AI辅助场景生成与理解：通过引入语义标签、嵌入向量和AI模型推理接口，为智能场景生成和场景理解提供标准化的数据接口；-时空一致的动态场景表达：对大规模动态场景（如数字孪生中的实时传感器数据可视化）提供更高效的表达和压缩机制。5主要起草单位介绍5.1ISO/IECJTC1/SC29分技术委员会概述ISO/IECJTC1/SC29（JointTechnicalCommittee1,Subcommittee29）是国际标准化组织（ISO）和国际电工委员会（IEC）联合组建的第一联合技术委员会（JTC1）下属的第29分技术委员会，全称为“音频、图像、多媒体和超媒体信息编码分技术委员会”（Codingofaudio,picture,multimediaandhypermediainformation）。SC29的历史可追溯至1988年设立的ISO/IECJTC1/SC2/WG8，该工作组为JPEG和MPEG两项影响深远的标准化成果奠定了基础。1991年，SC29正式成立，总部设于日本东京。目前，SC29下设多个工作组（WorkingGroup）：-WG1（JPEG）：负责静态图像编码标准，制定了JPEG、JPEG2000、JPEGXS、JPEGXL等系列标准；-WG2（MPEG）：负责运动图像和音频编码标准，制定了MPEG-2、MPEG-4、MPEG-7、MPEG-21、MPEG-H以及当前的MPEG-I系列标准；-WG3：负责音频编码标准，制定了MPEG-1Audio（MP3）、AAC、MPEG-HAudio等标准；-WG4：负责点云和几何编码相关的标准；-WG5：负责联合深度估计模型（JointDepthEstimationModel）等近期的标准化项目。5.2SC29的工作机制SC29的工作模式基于各国家成员体（NationalBody）的参与。中国作为SC29的积极参加国，由工业和信息化部下属的中国电子技术标准化研究院（CESI）归口管理，组织国内高校、研究机构和企业在SC29平台上参与国际标准制定。在ISO/IEC23090-14:2023的制定过程中，SC29采用了以下关键工作流程：-需求阶段（RequirementsPhase）：收集和分析产业需求，形成需求文档；-评估阶段（EvaluationPhase）：对提交的技术提案进行主观和客观测试评估；-整合阶段（IntegrationPhase）：将选定的技术方案整合为标准文本；-共识阶段（ConsensusPhase）：以国家体投票方式确认各阶段的输出文件；-正式发布阶段（PublicationPhase）：由ISO/IEC中央秘书处完成标准出版的最终程序。这一严谨的分阶段工作机制保证了标准制定过程的公开性、透明性和科学性，也使SC29制定的标准能够充分反映全球产业界的共识。5.3中国参与情况中国参与了ISO/IEC23090-14:2023制定的多个环节。北京大学、清华大学、浙江大学等高校的研究团队在场景图表达、交互模型、动态场景压缩等方面贡献了多项技术提案。华为、腾讯、字节跳动等企业在标准制定过程中积极参与技术评估和测试验证工作。此外，中国电子技术标准化研究院牵头组织了国内对口工作组，形成了“从需求收集—技术研究—提案准备—国际协商—国内意见反馈”的闭环工作机制，为提升中国在沉浸式媒体国际标准领域的话语权发挥了重要作用。6结论与展望6.1主要结论ISO/IEC23090-14:2023《信息技术沉浸式媒体的编码表示第14部分：场景描述》的制定与发布，标志着国际标准化组织在沉浸式媒体领域迈出了关键一步。尽管该标准因技术快速迭代而进入废止状态，但其作为MPEG-I标准体系中场景描述领域首个正式国际标准，在以下方面做出了不可忽视的奠基性贡献：在技术架构层面，该标准建立了基于场景图的声明式沉浸式场景描述框架，定义了从空间表示、时间模型、事件机制到媒体同步的一整套完整技术方案，为后续沉浸式媒体场景描述的技术演进提供了清晰的路线图。在产业发展层面，该标准的编制过程汇集了全球主要信息技术企业、研究机构和标准化组织的力量，推动了业界对沉浸式场景描述核心问题的共识形成。其“复用为主、针对性扩展”的技术路线，为沉浸式技术融入既有产业生态提供了现实路径。在国际治