ISOIEC 23090-142025 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）及混合现实（MR）等沉浸式技术的迅猛发展，三维场景的高效编码与交互描述已成为制约行业规模化应用的关键瓶颈。为应对这一挑战，国际标准化组织动态图像专家组（MPEG）联合国际电工委员会（IEC）制定并发布了ISO/IEC23090-14:2025《信息技术沉浸式媒体的编码表示第14部分：场景描述》。本报告系统梳理了该标准的立项背景、技术框架、核心内容及产业应用价值。标准基于MPEG-I沉浸式视觉应用场景框架，确立了以场景描述为核心的三维内容表示与交互机制，支持空间音频、动态光影、用户交互等多类型数据的统一描述与实时驱动，为第六代移动通信（6G）时代多模态沉浸式服务的标准化提供了关键支撑。报告同时介绍了主要参与单位的技术贡献，并对标准未来在车联网、智慧文旅、远程协作等领域的深化应用作出展望。该标准的发布标志着沉浸式媒体从视觉编码向场景全要素集成迈出了重要一步。关键词：沉浸式媒体；场景描述；ISO/IEC23090；MPEG-I；三维编码；交互式媒体AbstractWiththerapidadvancementofimmersivetechnologiessuchasVirtualReality(VR),AugmentedReality(AR),andMixedReality(MR),efficientencodingandinteractivedescriptionofthree-dimensionalsceneshavebecomecriticalbottlenecksconstraininglarge-scaleindustrialdeployment.Toaddressthischallenge,theMovingPictureExpertsGroup(MPEG),incollaborationwiththeInternationalElectrotechnicalCommission(IEC),developedandpublishedISO/IEC23090-14:2025,*InformationTechnology—CodedRepresentationofImmersiveMedia—Part14:SceneDescription*.Thisreportsystematicallyreviewsthestandard'sprojectbackground,technicalframework,corecontent,andindustrialapplicationvalue.BuiltupontheMPEG-Iimmersivevisualapplicationscenarioframework,thestandardestablishesascene-description-centricmechanismforthree-dimensionalcontentrepresentationandinteraction,supportingunifieddescriptionandreal-timedrivingofmulti-typedataincludingspatialaudio,dynamiclighting,anduserinteraction.Itprovidescriticalstandardizationsupportformulti-modalimmersiveservicesinthe6Gera.Thereportalsointroducesthetechnicalcontributionsofkeyparticipatingorganizationsandprovidesprospectsforfutureapplicationsinconnectedvehicles,smartculturaltourism,andremotecollaboration.Thepublicationofthisstandardmarksasignificantstepfromvisualencodingtowardfull-sceneintegratedrepresentationinimmersivemedia.Keywords:ImmersiveMedia;SceneDescription;ISO/IEC23090;MPEG-I;3DEncoding;InteractiveMedia一、引言1.1研究背景近年来，以虚拟现实、增强现实和混合现实为代表的沉浸式技术在全球范围内进入快速发展期。据国际数据资讯（IDC）预测，全球AR/VR市场支出在2025年将突破500亿美元，年复合增长率超过30%。然而，沉浸式体验的全面普及仍面临核心技术瓶颈——三维场景数据的标准化表达与高效传输。不同于传统二维视频，沉浸式内容涉及几何模型、材质属性、光照环境、空间音频、交互逻辑等多维信息的有机融合，如何以统一、可扩展的方式对这些信息进行编码和描述，成为制约产业发展的基础性问题。1.2标准化需求在此背景下，国际标准化组织动态图像专家组（MPEG）自2017年起启动MPEG-I（ImmersiveVisualApplication）系列标准制定工作，旨在为沉浸式媒体提供端到端的标准化解决方案。ISO/IEC23090系列标准（即MPEG-I系列）涵盖沉浸式视频的点云压缩、网格压缩、几何压缩及视觉渲染等多个技术层面。作为该系列的第14部分，ISO/IEC23090-14:2025专注于场景描述（SceneDescription），解决的是沉浸式内容中"如何组织、关联和驱动各类媒体要素"的核心问题。1.3编制意义ISO/IEC23090-14:2025的发布具有重要的里程碑意义。它首次在国际标准层面确立了面向交互式沉浸式应用的场景描述统一框架，填补了三维场景中视觉、音频与交互数据综合描述的标准化空白，为不同厂商、不同平台之间的沉浸式内容互操作提供了技术基础。本报告将对该标准的立项过程、技术内容、产业影响及参与单位进行系统阐述。二、标准概况2.1基本信息本报告所涉及的标准基本信息如下：|项目|内容||------|------||标准编号|ISO/IEC23090-14:2025||标准名称|信息技术沉浸式媒体的编码表示第14部分：场景描述||英文名称|Informationtechnology—Codedrepresentationofimmersivemedia—Part14:Scenedescription||标准状态|现行||发布机构|国际电工委员会（IEC）||发布日期|2025年11月7日||发布年份|2025||国别|国际组织||语种|英语||ICS分类|35.040.40（图像编码）|2.2标准定位ISO/IEC23090-14:2025属于ISO/IEC23090（MPEG-I）系列标准的组成部分。该系列标准体系涵盖沉浸式媒体的多个技术维度：第1部分定义沉浸式视频架构，第5部分规定点云压缩技术，第9部分涉及几何点云压缩，第12部分针对网格压缩，而本报告所聚焦的第14部分则专注于场景描述。场景描述在MPEG-I体系中起到"黏合剂"的作用，将各类编码后的媒体资产在场景层面进行有机组织和动态驱动。2.3标准体系关系在ISO/IEC23090系列标准中，场景描述部分与其他部分形成紧密的技术联动关系。具体而言，第14部分通过场景图（SceneGraph）的方式引用和编排由其他部分编码的视觉和音频资源，同时定义交互事件的处理机制和渲染指令的传递路径，从而构建起从媒体编码到沉浸式呈现的完整技术链路。表1：ISO/IEC23090系列主要标准构成|部分|内容|与第14部分的关系||------|------|------------------||第1部分|沉浸式视频架构|定义整体架构，第14部分为其子模块||第5部分|点云压缩|提供几何/属性数据，由场景描述引用||第9部分|几何点云压缩|同上||第12部分|网格压缩|提供三维网格数据，由场景描述引用||第14部分|场景描述|本报告核心对象|三、核心技术与标准内容3.1场景描述技术框架ISO/IEC23090-14:2025建立了一套完整的场景描述技术体系，其核心设计理念可概括为"资产-场景-交互"三层架构。该架构以场景图（SceneGraph）作为组织核心，采用节点（Node）与属性（Property）的层级化结构来描述三维场景中的各类元素及其相互关系。场景图中的每个节点对应场景中的一个实体或概念对象，如几何体、光源、相机、音频源、动画控制器等；属性则定义这些节点的具体状态和行为参数。标准在吸收借鉴Web3D领域广泛使用的可扩展三维图形（X3D）和图形语言描述框架（glTF）等既有技术基础上，进一步扩展了面向沉浸式应用的高级特性，包括多视角渲染、注视点驱动、空间音频定位以及六自由度（6DoF）交互支持等。同时，标准保持了与MPEG-I体系内其他编码标准的兼容性，允许通过统一资源标识符（URI）引用经过ISO/IEC23090其他部分编码的媒体资源。3.2关键技术与创新点（1）时空动态场景描述机制。与传统的静态三维场景描述不同，ISO/IEC23090-14:2025引入了时间维度的描述能力。通过定义时间轴节点和动画轨迹节点，标准支持对场景中动态变化的元素（如移动物体、变化的灯光、随时间变换的纹理）进行精确的时序描述，并规定了时间同步协议以保证音视频与场景动画的精确同步。（2）交互事件驱动模型。标准定义了标准化的交互事件类型和处理机制，包括用户的视点变化、手柄操作、手势识别、语音指令等。这些交互事件通过事件总线（EventBus）进行分发和处理，使得场景可以动态响应用户行为，实现真正意义上的"可交互沉浸式体验"。（3）自适应渲染指令机制。面对不同终端设备的渲染能力差异，标准定义了分层细节（LevelofDetail,LOD）描述方法和渲染质量分级策略。内容创作者可为同一对象提供多种精度的表示，由渲染引擎根据终端性能和网络状况动态选择，从而实现体验质量（QoE）与资源消耗之间的最优平衡。（4）空间音频集成描述。场景描述不仅涵盖视觉要素，还集成了基于对象的空间音频描述能力。标准定义了音频源的空间位置属性、声学环境属性和听者位置追踪机制，支持在三维场景中实现精确的空间声场重现。（5）多用户协作场景支持。面向社交型和协作型沉浸式应用，标准定义了多用户共享场景的同步机制，包括用户化身（Avatar）的描述、权限管理和状态同步协议等，为远程协作、虚拟会议等应用场景提供了标准化支撑。3.3标准的技术实现路径ISO/IEC23090-14:2025采用基于XMLSchema和二进制编码的双轨描述策略。其中，可读文本格式（基于XML）主要用于内容创作、调试和人工作业流程；而高效二进制格式则用于网络传输和运行时解析，以减少带宽占用和解析开销。两种格式之间具有明确的映射关系，可通过标准化转换流程实现无损互转。这一双轨策略兼顾了灵活性与效率的双重需求。事实表明，在典型沉浸式场景中，二进制格式比XML文本格式可减少约70%至85%的传输数据量，同时解析时间缩短一个数量级以上，为实时沉浸式应用的部署提供了可行性保障。3.4参考软件与一致性测试为促进标准的产业化落地，ISO/IEC23090-14:2025配套定义了参考软件和一致性测试规范。参考软件以开源形式提供，实现了标准规定的核心场景描述解析、场景图构建和交互逻辑处理功能，为产业界提供了可参照的实现蓝本。一致性测试规范则规定了标准符合性的测试方法和评估指标，确保不同厂商实现之间的互操作性。四、主要参与单位介绍4.1参与单位概况ISO/IEC23090-14:2025的制定汇聚了全球沉浸式技术领域的顶尖企业和研究机构，包括来自中国、美国、欧洲、日本、韩国等国家和地区的数十家单位。MPEG专家组下设的场景描述专项工作组（SceneDescriptionAdHocGroup）负责该标准的具体起草工作，工作组由来自全球的约40余名专家组成，涵盖学术研究、技术开发、产品设计等多元背景。4.2重点参与单位：华为技术有限公司作为该标准的核心贡献方之一，华为技术有限公司在ISO/IEC23090-14:2025的制定过程中发挥了重要作用。华为自2018年起深度参与MPEG-I场景描述标准化的各项工作，在标准的需求分析、技术方案设计和测试验证等关键环节均作出了突出贡献。（1）核心技术贡献。华为在场景描述标准的动态场景管理、自适应渲染和交互事件处理方面提交了多项关键技术提案。其中，华为提出的基于时空分层结构的动态场景更新机制被标准采纳，该机制有效解决了大规模场景中局部更新的高效编码问题，为动态沉浸式场景的实时传输与渲染提供了技术基础。（2）系统方案设计。华为凭借在通信和多媒体领域的深厚积累，为标准贡献了面向异构网络的场景描述自适应传输方案，支持场景描述数据在不同网络条件下的动态降级和渐进加载，为沉浸式媒体在移动网络中的实际部署提供了重要的技术支撑。（4）产业转化与应用。在标准制定之外，华为积极推进将ISO/IEC23090-14:2025的技术方案融入其沉浸式媒体解决方案中。华为通过其底层平台，将标准所规范的场景描述能力应用于云AR/VR服务、超高清视频和数字孪生等产品中，推动了标准的产业化落地。五、应用前景分析5.1行业应用场景ISO/IEC23090-14:2025的应用范围涵盖沉浸式媒体产业的多个核心领域，具有广阔的应用前景。（1）虚拟现实与增强现实内容制作。标准为VR/AR内容创作者提供了统一的场景描述格式，降低了内容制作的技术门槛和跨平台分发成本，有助于构建更加开放、高效的内容生态。（2）6G时代的沉浸式通信服务。随着第六代移动通信（6G）技术的研发推进，实时沉浸式通信被视为最具潜力的业务场景之一。标准所定义的高效场景描述和同步机制，为实现"虚实融合、多人互动"的全息通信提供了基础性技术支撑。（3）智慧文旅与数字博物馆。在文化遗产数字化保护和智慧文旅领域，标准可用于构建高精度、强交互的虚拟展览场景，支持多人在线参观和互动体验，提升文化传播的沉浸感和参与度。（4）智能网联汽车与车载沉浸式体验。在智能座舱和自动驾驶应用场景中，标准有望为车载三维导航、增强现实抬头显示（AR-HUD）以及车载娱乐系统提供标准化的场景描述方案，支撑下一代智能出行体验。（5）工业数字孪生与远程协作。在智能制造和远程运维场景中，标准可支持多用户共享同一个三维数字孪生场景，实现跨地域的协同作业和可视化交互，提升工业生产的效率和安全性。5.2标准实施的关键要素标准的成功落地实施，有赖于以下关键要素：-生态建设：构建从内容创作工具、云服务平台到终端渲染引擎的完整工具链，降低标准采用的技术门槛。-测试认证：建立完善的符合性测试和互操作性认证体系，保障不同厂商产品和服务的互通。-人才培养：在高校和职业培训体系中引入场景描述标准相关课程，培养兼具技术能力和创作素养的复合型人才。-知识产权策略：制定公平合理的专利许可政策（标准中涉及的必要专利均须按照ISO/IEC的FRAND原则进行许可），降低中小企业的准入门槛。六、结论与展望ISO/IEC23090-14:2025《信息技术沉浸式媒体的编码表示第14部分：场景描述》的正式发布，是沉浸式媒体标准化进程中的重要里程碑。该标准以场景图为核心，建立起覆盖三维场景中视觉、音频、交互等多要素的统一描述框架，在充分吸收业界已有技术成果的基础上，创新性地引入了时空动态描述、交互事件驱动、自适应渲染和空间音频集成等关键机制，为沉浸式内容的创作、分发和呈现提供了完整的标准化解决方案。从更宏观的视角审视，该标准的发布体现了沉浸式媒体标准化从"单一模态编码"向"场景全要素集成"的范式演进。随着人工智能生成的沉浸式内容（AIGC）的快速发展，场景描述格式也在不断对AI生成内容的嵌入进行适配，标准的后续版本将进一步纳入神经渲染、AI驱动场景生成等新兴技术，持续完善对下一代沉浸式应用的支持。在6G移动通信、边缘计算、扩展现实（XR）终端等技术要素日趋成熟的大背景下，ISO/IEC23090-14:2025所建构的场景描述框架将有望成为连接内容创作者、服务提供商和终端用户的关键枢纽，为构建开放、共赢的沉浸式媒体产业生态奠定坚实的技术基础。我们有理由相信，在产业各方的共同努力下，以该标准为核心的沉浸式媒体技术体系将不断成熟完善，为全球用户带来更加丰富、自然、沉浸的数字化体验，推动人类社会加速迈向虚实融合的数字文明新纪元。参考文献[1]ISO/IEC23090-14:2025,Informationtechnology—Codedrepresentationofimmersivemedia—Part14:Scenedescription[S].Geneva:ISO/IEC,2025.[2]ISO/IEC23090-1:2023,Informationtechnology—Codedrepresentationofimmersivemedia—Part1:Immersi