3DGSI-Assessor: 대규모 데이터셋 및 LMM 기반 3D 가우시안 스플래팅 이미지 품질 평가 방법

3DGSI-Assessor: A Large-Scale Dataset and An LMM-based Method for 3D Gaussian Splatting Image Quality Assessment

3D 가우시안 스플래팅(3DGS)은 실시간 새로운 시점 합성(NVS)을 위한 주요 표현 방식으로 자리 잡았지만, 실제 적용을 위해서는 압축이 필수적입니다. 3DGS 학습 및 압축 과정에서 발생하는 플로팅 아티팩트, 표면 산란과 같은 표현 방식 특유의 왜곡은 기존 이미지 품질 평가(IQA) 지표로는 제대로 파악하기 어렵습니다. 또한, 기하학적 속성과 색상 속성의 독립적인 압축은 각 차원별로 분리된 왜곡을 야기할 수 있으며, 이는 별도로 진단되어야 하지만, 기존 지표는 단일의 전체 점수만 제공합니다. 이러한 문제점을 해결하기 위해, 우리는 15,200개의 이미지로 구성된 대규모 다차원 IQA 데이터셋인 3DGS-IEval-15K+를 제안합니다. 이 데이터셋은 10가지 다양한 장면에서 생성되었으며, 6가지 대표적인 3DGS 알고리즘을 사용하여 체계적으로 설계된 압축 수준으로 처리되고, 학습 시점과 어려운 새로운 시점을 포함하는 20개의 전략적으로 선택된 시점에서 렌더링되었습니다. 또한, 전체 품질, 기하학적 품질, 색상 품질에 대한 45,600개의 평균 주관 점수(MOS)가 함께 제공됩니다. 3DGS-IEval-15K+를 기반으로, 우리는 글로벌 의미론적 특징과 차원별 로컬 특징을 대규모 다중 모드 모델(LMM) 내에 통합하여 모든 세 가지 차원을 단일 순방향 패스에서 예측하는 통합형 3DGS IQA 프레임워크인 3DGSI-Assessor를 제안합니다. 3DGSI-Assessor는 3DGS-IEval-15K+ 데이터셋에서 최첨단 성능을 달성했으며, 다른 NVS 벤치마크에서도 경쟁력 있는 일반화 능력을 보입니다. 데이터셋 및 코드는 https://github.com/YukeXing/3DGSI-Assessor 에서 확인할 수 있습니다.

3D Gaussian Splatting (3DGS) has become a dominant representation for real-time novel view synthesis (NVS), yet its storage footprint makes compression indispensable for practical deployment. 3DGS training and compression introduce representation-specific distortions such as floating artifacts and surface scattering, which conventional image quality assessment (IQA) metrics fail to capture. Moreover, the independent compression of geometric and color attributes may lead to decoupled dimension-specific distortions that must be diagnosed separately, yet existing metrics report only a single overall score. To address these gaps, we present 3DGS-IEval-15K+, a large-scale, multi-dimensional IQA dataset for compressed 3DGS, comprising 15,200 images from 10 diverse scenes, produced by 6 representative 3DGS algorithms at systematically designed compression levels and rendered from 20 strategically selected viewpoints spanning both training views and challenging novel views, annotated with 45,600 mean opinion scores (MOSs) across overall, geometry, and color quality. Based on 3DGS-IEval-15K+, we propose 3DGSI-Assessor, an all-in-one 3DGS IQA framework that integrates global semantic and dimension-specific local features within a large multimodal model (LMM), predicting all three dimensions in a single forward pass. 3DGSI-Assessor achieves state-of-the-art performance on 3DGS-IEval-15K+, and exhibits competitive generalization on other NVS benchmarks. Dataset and code will be released at https://github.com/YukeXing/3DGSI-Assessor.