ISOIEC 21794-62025 信息技术 全光图像编码系统(JPEG Pleno) 第6部分基于学习的点云编码标准立项发展报告

信息技术全光图像编码系统(JPEGPleno)第6部分:基于学习的点云编码标准立项发展报告StandardizationDevelopmentReport:Informationtechnology-Plenopticimagecodingsystem(JPEGPleno)-Part6:Learning-basedpointcloudcoding摘要随着三维采集设备与增强现实/虚拟现实技术的迅猛发展，点云数据已成为继图像与视频之后最重要的沉浸式媒体形态之一。然而，海量点云数据的高效压缩与传输面临前所未有的技术挑战，传统基于几何与属性的编码方法在率失真性能上已逐渐逼近瓶颈。在此背景下，国际标准化组织ISO/IECJTC1/SC29（编码音频、图像、多媒体和超媒体信息分技术委员会）下设的JPEG委员会启动了JPEGPleno标准体系的制定工作，并于2025年7月正式发布ISO/IEC21794-6:2025《信息技术全光图像编码系统(JPEGPleno)第6部分：基于学习的点云编码》。该标准是JPEGPleno系列中首个采用深度学习方法实现点云编码的正式国际标准，标志着点云编码从传统信号处理范式向人工智能驱动范式的里程碑式跨越。本报告系统梳理了该标准的立项背景、技术架构、核心算法与产业应用前景，深入分析了其在国际标准化体系中的定位与战略意义，并就标准发布机构、主要参与单位及未来演进方向进行了全面解读。报告指出，ISO/IEC21794-6:2025的发布不仅为沉浸式媒体生态提供了高效的编码工具，更开创了学习型编码标准的先河，为后续人工智能技术在图像与视频编码标准中的深度融入奠定了基础。关键词：JPEGPleno；点云编码；深度学习；国际标准；全光图像；率失真优化；沉浸式媒体Keywords:JPEGPleno;PointCloudCoding;DeepLearning;InternationalStandard;PlenopticImage;Rate-DistortionOptimization;ImmersiveMedia1.引言1.1研究背景点云（PointCloud）作为一种高精度的三维空间数据表征形式，通过海量的空间采样点来刻画物体的几何形状、颜色属性及其他物理特征，已成为自动驾驶、文化遗产数字化保护、工业精密测量、医学影像重建以及虚拟现实/增强现实（VR/AR）等众多领域不可或缺的核心数据形态。以自动驾驶为例，单台激光雷达每秒可产生超过百万级的三维空间点数据，原始数据量动辄以GB为单位；而高精度三维场景重建中，单帧点云的数据规模更可达到数亿个点。这种爆炸式的数据增长对存储、传输和处理带来了严峻的挑战。国际电信联盟（ITU）与ISO/IEC在点云压缩领域已进行了长期探索。MPEG于2017年启动了点云压缩标准化工作，先后发布了基于几何的点云编码（G-PCC，Geometry-basedPointCloudCompression）和基于视频的点云编码（V-PCC，Video-basedPointCloudCompression）两项标准，分别适用于静态点云和动态点云场景。然而，随着深度学习技术的快速成熟，基于学习的方法在率失真性能上展现出超越传统方法的巨大潜力——端到端的神经网络编解码架构可以更充分地挖掘点云数据中的空间相关性与语义冗余，在相同码率下实现更高的重建质量。1.2JPEGPleno标准体系概述JPEGPleno是JPEG委员会（ISO/IECJTC1/SC29/WG1）自2015年起着力打造的全光（Plenoptic）成像标准体系，旨在为光场、全息、点云等多种沉浸式媒体格式提供统一而灵活的编码框架。JPEGPleno标准体系由多个部分构成，其中已发布的标准包括：JPEGPlenoPart1（系统框架，ISO/IEC21794-1）、JPEGPlenoPart2（光场编码，ISO/IEC21794-2）、JPEGPlenoPart4（全息编码，ISO/IEC21794-4），以及本次新发布的Part6（基于学习的点云编码，ISO/IEC21794-6）。JPEGPlenoPart6的制定过程充分体现了“以需求为导向、以技术为驱动”的标准化理念。2019年，JPEG委员会正式发布“JPEGAI”倡议，明确将深度学习等人工智能技术纳入新一代编码标准的探索方向。经过多轮技术提案征集、核心实验评估与交叉验证，基于学习的点云编码技术方案于2023年基本定型，最终在2025年7月完成正式发布。2.标准技术内容综述2.1标准适用范围ISO/IEC21794-6:2025规定了基于学习的点云编码比特流格式与解码流程，适用于静态点云和动态点云序列的压缩编码。该标准定义了一种完全基于深度神经网络的端到端编解码架构，编码器与解码器均通过神经网络实现，支持有损压缩与近无损压缩模式，覆盖从高码率质量重建到极低码率近似的全谱系编码需求。2.2核心编码框架该标准的核心编码框架采用基于深度学习的变换编码范式，其基本结构包括以下关键模块：（1）几何信息编码：点云的空间几何坐标首先被体素化（Voxelization）为稀疏三维网格，随后通过稀疏卷积神经网络（SparseConvolutionalNeuralNetwork）进行特征提取与层级下采样。编码端采用超先验（Hyperprior）模型对潜变量进行熵估计，通过上下文模型（ContextModel）捕捉相邻体素之间的统计依赖关系，从而实现精确的比特率分配。几何信息的重建通过多层级联的解卷积网络逐步恢复三维空间分辨率。（2）属性信息编码：对于每个空间点所附带的颜色、反射率等属性信息，标准采用与几何编码相协调的特征编码方案。属性编码以几何重建结果为条件，通过条件编码模块将几何先验信息注入属性编解码网络，以提升属性重建的精度。特别是，该标准引入了跨模态注意力融合机制，使属性编码能够自适应地利用几何结构信息。（3）熵编码引擎：编解码的熵编码阶段采用基于深度学习的算术编码引擎，结合超先验与上下文模型输出的概率估计，对量化的潜变量进行自适应算术编码。该模块的率失真优化目标通过端到端的联合训练实现，损失函数综合考虑重建失真（包括几何误差与属性误差）与码率约束。（4）训练与推理优化：标准在附录中提供了网络结构的参考配置与训练策略建议，并对算力约束进行了规范。为保障不同实现之间的互操作性，标准定义了统一的张量格式和量化方案，确保来自不同编码器实现生成的比特流能够被标准解码器正确解析。2.3率失真性能分析根据JPEG委员会在标准制定过程中组织的跨机构对比测试，ISO/IEC21794-6:2025在相同的几何重建精度（以D1/D2指标衡量）条件下，相较于MPEGG-PCC标准，在典型测试数据集上可实现约20%-30%的码率节省；在属性编码方面，以BD-Rate指标计算，相较V-PCC平均可获得15%-25%的压缩效率提升。此外，该方法在低码率区间展现出尤为显著的性能优势，为网络条件受限的应用场景（如移动端AR/VR流媒体传输）提供了新的可能性。3.标准制定的政策与技术背景3.1国际标准化战略与政策导向ISO/IEC21794-6:2025的制定与发布，不仅是技术演进的自然产物，更承载着国际标准化战略层面的深刻考量。近年来，主要经济体纷纷将人工智能标准化提升至国家战略高度。国际标准化组织（ISO）于2018年成立ISO/IECJTC1/SC42（人工智能分技术委员会），系统推进人工智能基础性标准的制定。JPEG委员会作为图像编码领域最富盛名的标准化组织，适时推出“JPEGAI”战略规划，旨在将AI技术纳入其标准版图。Part6的发布正是这一战略落地的关键一环。从产业政策角度来看，该标准的出台顺应了全球数字经济与元宇宙发展的迫切需求。欧盟在其“2030数字罗盘”计划中将沉浸式技术列为关键技术方向；我国在《“十四五”数字经济发展规划》中亦明确提出加快沉浸式视频、虚拟现实等技术的产业化进程。点云作为沉浸式内容的核心数据形态，其编码标准的完善直接关系到相关产业的规模化应用。3.2技术发展背景与演进脉络JPEGPlenoPart6的技术方案并非孤立发展而来，而是深度学习技术在该领域多年积累的集中体现。2017年，T.N.Can与K.E.Ak等人率先将深度学习引入点云压缩，提出了基于体素的自编码器方案；2020年前后，M.Quach、J.Wang等研究者将稀疏卷积与超先验熵模型引入点云压缩，显著提升了编码效率；此后，基于Transformer架构的全局上下文建模方法进一步突破了局部感受野的限制。ISO/IEC21794-6:2025充分吸收了这一系列前沿研究成果，将其凝练为统一的标准技术框架。与此同时，MPEG在点云压缩领域的工作也对本标准的制定产生了重要影响。G-PCC的几何量化与属性预测方案为学习方法的对比分析提供了基准，而JPEGPlenoPart6中所采用的率失真优化策略则参考了VersatileVideoCoding（H.266/VVC）等视频编码标准的成熟经验。此外，ISO/IEC21794-6:2025与前序发布的JPEGPlenoPart1（系统框架）保持高度协同，确保整个JPEGPleno系列标准在系统层面的统一性与兼容性。4.标准修订参与单位介绍ISO/IEC21794-6:2025的制定汇聚了全球顶尖高校、研究机构与产业公司的智慧。在标准制定过程中，数十家单位向JPEG委员会提交了技术提案，参与了核心实验与交叉验证。以下重点介绍标准制定的核心技术贡献单位之一——华为技术有限公司。4.1华为技术有限公司华为技术有限公司作为全球领先的信息与通信技术（ICT）解决方案提供商，长期以来深度参与音视频编码、图像处理及人工智能领域的国际标准制定工作，是ISO/IECJTC1/SC29的活跃成员单位之一。在JPEGPlenoPart6标准制定过程中，华为公司承担了关键技术方案设计、核心实验组织与跨平台验证等重要角色。具体而言，华为方面在标准制定中的技术贡献涵盖以下几个层面。首先，在几何编码模块，华为的研究团队提出了一种多尺度稀疏卷积特征提取网络，有效建模了点云数据中长距离空间依赖关系，显著提升了几何信息的压缩效率。其次，在属性编码方面，华为创新性地提出了几何引导的跨模态注意力编码机制，使属性编码能够自适应地利用几何结构先验，该方案被标准采纳为属性编码的核心参考方案之一。此外，华为还积极参与了标准的互操作性测试与比特流一致性验证工作，为保障标准的技术完备性和产业适用性做出了重要贡献。4.2其他重要参与机构除华为外，ISO/IEC21794-6:2025的制定还得到了多所国际知名学术机构和企业的深度参与。北京大学数字媒体研究所团队在端到端率失真优化理论与训练策略方面提供了关键技术支持；法国国家信息与自动化研究所（INRIA）在稀疏卷积网络的高效实现方面贡献了重要算法；三星电子参与了熵编码引擎的优化与硬件友好性设计；腾讯公司则在动态点云序列的时间冗余消除方面提出了创新方案。同时，中国电子技术标准化研究院、德国弗劳恩霍夫协会等标准化专业机构也在标准文本编制、一致性测试规范等方面发挥了积极的推动与协调作用。5.标准应用前景与产业影响5.1沉浸式媒体与元宇宙5.2自动驾驶与智能交通自动驾驶系统依赖高精度三维感知数据实现环境理解与路径规划。本标准的应用有助于解决自动驾驶场景中车载传感器产生的海量点云数据的实时上传与共享问题，支持车路协同系统的高效运行。基于学习的编码方法在复杂城市场景下的鲁棒性为自动驾驶场景中的点云数据交换提供了可靠的压缩方案。5.3文化遗产数字化保护在文化遗产数字化领域，高精度三维扫描所获得的点云数据量极为庞大，单个遗址或文物的扫描数据往往达到数十GB乃至TB级别。ISO/IEC21794-6:2025所支持的高压缩比特性，为珍贵的文化遗产三维档案的长期保存、远程展示与学术共享提供了可行的技术路径。5.4工业检测与医学影像在工业精密测量与逆向工程中，点云数据的快速采集与高效处理是提升生产效率和保障产品质量的关键环节。本标准的低延迟特性支持在线检测场景中的实时压缩与传输。在医学影像领域，三维点云在口腔正畸、骨科建模、手术导航等应用中的使用日益普及，高效的点云编码技术有助于推动远程医疗与智能诊断的落地实施。6.结论与展望ISO/IEC21794-6:2025作为国际首项基于学习的点云编码正式标准，其发布具有深远的里程碑意义。在技术层面，该标准以端到端深度神经网络架构取代了传统的手工设计变换与编码模块，实现了压缩性能的大幅跃升，验证了学习方法在媒体编码领域的技术可行性。在产业层面，该标准为沉浸式媒体、自动驾驶、智能制造等前沿应用提供了高效的技术基座，有利于构建更加开放协同的三维数据生态。在标准化层面，该标准的制定与发布开创了学习型编码标准之先河，为后续JPEGAI标准家族（如面向图像与视频的AI编码标准）的制定积累了宝贵经验，提供了可参照的技术框架和标准范式。参考文献[1]ISO/IEC21794-6:2025,Informationtechnology—Plenopticimagecodingsystem(JPEGPleno)—Part6:Learning-basedpointcloudcoding,ISO/IEC,2025.[2]ISO/IEC21794-1:2021,Informationtechnology—Plenopticimagecodingsystem(JPEGPleno)—Part1:Framework,ISO/IEC,2021.[3]ISO/IEC23090-9:2023,Informationtechnology—Codedrepresentationofimmersivemedia—Part9:Geometry-basedpointcloudcompression,ISO/IEC,2023.[4]ISO/IEC23090-5:2023,Informationtechnology—Codedrepresentationofimmersivemedia—Part5:Video-basedpointcloudcompression,ISO/IEC,2023.[5]JPEGCommittee,“JPEGAI:ScopeandUseCases,”ISO/IEC