Publication
Quality Evaluation of Point Cloud Coding Solutions
| datacite.subject.fos | Engenharia e Tecnologia::Engenharia Eletrotécnica, Eletrónica e Informática | |
| datacite.subject.sdg | 09:Indústria, Inovação e Infraestruturas | |
| dc.contributor.advisor | Pinheiro, António Manuel Gonçalves | |
| dc.contributor.author | Prazeres, João Pedro Casanova | |
| dc.date.accessioned | 2025-10-09T15:47:44Z | |
| dc.date.available | 2025-10-09T15:47:44Z | |
| dc.date.issued | 2025-09-17 | |
| dc.description.abstract | Point clouds experienced a large increase in popularity. From gaming to medical applications, autonomous driving, and urban mapping, point clouds have been widely used in the current technological world. As the demand for point cloud content increases, the need for efficient point cloud coding solutions also increases. Access to such solutions is important for efficient storage and transmission of point cloud data, because they are typically represented by huge amounts of information. It is, however, crucial to have access to quality methods that accurately benchmark point cloud coding solutions. This allows the developers of such solutions to accurately test their codec in several different environments, adjusting the codec development accordingly. In the past, subjective quality models were established to assess the quality of images and videos. Based on this knowledge, new models were developed for point cloud content, though there are crucial differences due to the 3D nature of point clouds. Recently, the growing popularity of learning-based codecs led to a new analysis of the performance of the developed quality models, as the caused distortions tend to be different from those created by the traditional coding technologies. This thesis aims to research those well established subjective quality models in order to assess the performance of point cloud coding solutions, namely the ones that are learningbased. Furthermore, it was also important to understand how the current point cloud objective quality metrics perform in assessing the quality of learning-based point cloud coding solutions. To achieve this goal, several quality studies were conducted under different viewing conditions and considering several state-of-the-art point cloud coding solutions. Furthermore, extensive objective quality metrics benchmarking was conducted across this doctoral program in order to assess their performance in predicting the quality of learning-based point cloud coding solutions. Ultimately, this led to multiple contributions that were proposed and accepted by the scientific community and that were helpful in understanding the performance of point cloud coding solutions, the impact of the display on quality perception, and the performance of objective point cloud quality metrics. | eng |
| dc.description.abstract | As nuvens de pontos registaram um grande aumento de popularidade. Desde jogos a aplicações médicas, passando por condução autónoma e cartografia urbana, as nuvens de pontos têm sido amplamente utilizadas no mundo tecnológico atual. À medida que aumenta a procura por conteúdos de nuvens de pontos, aumenta também a necessidade de soluções eficientes de codificação de nuvens de pontos. O acesso a essas soluções é importante para o armazenamento e a transmissão eficientes dos dados das nuvens de pontos, uma vez que estas são normalmente representadas por enormes quantidades de informação. No entanto, é crucial ter acesso a métodos de qualidade que avaliem com precisão as soluções de codificação de nuvens de pontos. Isto permite aos criadores dessas soluções testar com precisão o seu codificador em vários ambientes diferentes, ajustando o desenvolvimento do codificador conforme os mesmos. No passado, foram estabelecidos modelos de qualidade subjetivos para avaliar a qualidade de imagens e vídeos. Com base neste conhecimento, foram desenvolvidos novos modelos para a avaliação de nuvens de pontos, embora existam diferenças cruciais devido à natureza tridimensional das nuvens de pontos. Recentemente, a crescente popularidade dos codificadores baseados em aprendizagem, levou a uma nova análise de desempenho dos modelos de qualidade desenvolvidos, uma vez que as distorções causadas tendem a ser diferentes das criadas pelas tecnologias de codificação tradicionais. Esta tese tem como objetivo investigar esses modelos de qualidade subjetiva bem estabelecidos, a fim de avaliar o desempenho das soluções de codificação de nuvens de pontos, nomeadamente as que são baseadas na aprendizagem. Além disso, é também importante compreender o desempenho das atuais métricas de qualidade objetiva de nuvens de pontos na avaliação da qualidade das soluções de codificação de nuvens de pontos baseadas na aprendizagem. Para atingir este objetivo, foram realizados vários estudos de qualidade, sob diferentes condições de visualização, e considerando várias soluções de codificação de nuvens de pontos presentes no estado da arte. Além disso, foi realizada uma extensa análise comparativa de métricas de qualidade objetiva ao longo deste programa de doutoramento, a fim de avaliar o seu desempenho na previsão da qualidade das soluções de codificação de nuvens de pontos baseadas na aprendizagem. Em última análise, isto conduziu a múltiplas contribuições que foram propostas e aceites pela comunidade científica e que foram úteis para compreender o desempenho das soluções de codificação de nuvens de pontos, o impacto da visualização na perceção da qualidade, bem como o desempenho de métricas objetivas de qualidade de nuvens de pontos. | por |
| dc.identifier.tid | 101720947 | |
| dc.identifier.uri | http://hdl.handle.net/10400.6/18952 | |
| dc.language.iso | eng | |
| dc.relation | Instituto de Telecomunicações | |
| dc.relation | Plenoptics for Virtual Reality | |
| dc.rights.uri | http://creativecommons.org/licenses/by-nc-sa/4.0/ | |
| dc.subject | Nuvem de pontos | |
| dc.subject | Qualidade Subjetiva | |
| dc.subject | Qualidade Objetiva | |
| dc.subject | Codificação | |
| dc.subject | Medida de Opinião Média | |
| dc.subject | Baseado em Aprendizagem | |
| dc.subject | Point clouds | |
| dc.subject | Subjective Quality | |
| dc.subject | Objective Quality | |
| dc.title | Quality Evaluation of Point Cloud Coding Solutions | por |
| dc.type | doctoral thesis | |
| dspace.entity.type | Publication | |
| oaire.awardTitle | Instituto de Telecomunicações | |
| oaire.awardTitle | Plenoptics for Virtual Reality | |
| oaire.awardURI | info:eu-repo/grantAgreement/FCT/6817 - DCRRNI ID/UIDB%2F50008%2F2020/PT | |
| oaire.awardURI | http://hdl.handle.net/10400.6/18951 | |
| oaire.fundingStream | 6817 - DCRRNI ID | |
| oaire.fundingStream | Early Postdoc.Mobility | |
| person.familyName | Prazeres | |
| person.givenName | João Pedro Casanova | |
| person.identifier.ciencia-id | 441A-CABD-41E0 | |
| person.identifier.orcid | 0000-0002-5553-0231 | |
| project.funder.identifier | http://doi.org/10.13039/501100001871 | |
| project.funder.name | Fundação para a Ciência e a Tecnologia | |
| relation.isAuthorOfPublication | 2eea9b7c-9999-4864-aae3-4a58e5aa999e | |
| relation.isAuthorOfPublication.latestForDiscovery | 2eea9b7c-9999-4864-aae3-4a58e5aa999e | |
| relation.isProjectOfPublication | 5a9bd4c8-57a9-46c4-95dc-a5e5c220c117 | |
| relation.isProjectOfPublication | 584f138a-65f8-4661-ade8-5748dc3f9b53 | |
| relation.isProjectOfPublication.latestForDiscovery | 5a9bd4c8-57a9-46c4-95dc-a5e5c220c117 | |
| thesis.degree.name | Doutoramento em Engenharia Eletrotécnica e de Computadores |