このページを印刷する
画像処理分野の国際会議ICIP 2026で点群データ品質評価の論文がBEST INDUSTRY PAPER AWARD FINALISTに選出
～ICIP 2026では選出された論文を含む4件の論文が採録～
2026年9月18日
株式会社KDDI総合研究所
KDDI総合研究所の点群品質評価に関する論文が、2026年9月13日から17日にフィンランドで開催された画像処理分野で著名な国際会議「ICIP 2026（注1）」で、採録論文約650件の中からBEST INDUSTRY PAPER AWARD FINALISTに選出（注2）されました。またICIP 2026では、受賞した論文を含む計4件の論文が採録されました。
【BEST INDUSTRY PAPER AWARD FINALISTに選出された論文の概要】
タイトル：Full-Reference Point Cloud Quality Assessment Using Graph Neural Network-Based Regression
三次元（以下、3D）点群データ（注3）は、建設現場での施工管理や自動運転などのアプリケーションにおける3Dデータの表現形式として幅広く用いられており、国際標準方式PCC（Point Cloud Compression）などの効率的な圧縮技術の開発が進められています。これらの圧縮技術の実用化のためには、圧縮に伴う品質の劣化を客観的に評価する技術の確立が必須となります。
KDDI総合研究所は、3D点群データの空間構造をグラフとして捉え、グラフ信号処理技術（注4）およびグラフニューラルネットワーク（注5）を活用して人間が知覚する品質と極めて近い客観点群品質評価技術（以下、本技術）を提案しました。点群は面を持たない離散点の集合であるため、従来の位置や色だけでは点群表面の滑らかさや凹凸の歪みを捉えることは困難でした。そこで本技術では、位置と色に加え、点群表面の向きの情報に対して、大域的な成分から局所的な成分まで段階的に分解する「グラフウェーブレット変換」を適用しました。これにより広範囲な品質低下から局所的な歪みまでを網羅的に定量化します。さらに、品質を表すスコアの算出にグラフニューラルネットワークを適用することで、顔など特定部分の歪みが全体の印象を大きく左右するといった人間の視覚特性を反映することが可能となります。本技術に対する評価実験では3種類の公開データセットにおいて、ICIP 2024で最優秀論文賞（Best Paper Award）を受賞した当社従来手法（注6）の精度を上回る高い推定精度を確認しました。
■ 原著論文情報
Ryosuke Watanabe, Hiromu Yoshida, Tomoaki Konno, "Full-Reference Point Cloud Quality Assessment Using Graph Neural Network-Based Regression" 2026 IEEE International Conference on Image Processing (ICIP), Tampere, Finland, 2026.
Full-Reference Point Cloud Quality Assessment Using Graph Neural Network-Based Regression
KDDI総合研究所は画像処理技術の研究成果を通じて、2030年代の6Gを見据え、立体的な映像や音響の制作・伝送技術でXR領域を高度化します。これにより遠隔地とのコミュニケーションやエンターテインメント、ビジネスの分野で革新的な体験価値の創出に貢献します。
■ 関連記事
KDDI Tech note：
【国際会議でBEST INDUSTRY PAPER AWARD FINALISTに選出】
点群の「きれいさ」をAIで測るKDDIの新技術と、研究で大切な三つの視点
（注1）IEEE（米国電気電子学会）が主催する、画像処理分野において世界最大規模かつ最も権威ある国際会議の一つ（International Conference on Image Processing）。
（注2）採録された論文のうち、優秀な論文に贈られる賞の一つであるBEST INDUSTRY PAPER AWARDの最終選考候補として上位3件のうちの1件に選出。
（注3）3D物体を点の位置と色の集合で表現するデータ形式。
（注4）信号値間の関係を、グラフを用いて定義した上で、グラフの構造を利用して解析処理を行う信号処理技術。
（注5）グラフ構造のデータを直接取り扱うことができるニューラルネットワーク技術。
（注6）画像処理分野の世界最大の国際学会ICIP 2024にて最優秀論文賞（Best Paper Award）を受賞
（別紙）
【採録論文の概要】
1．Adaptive Cross-component Prediction based on Chroma Sample Position Estimation for NGVC
スマートフォンなどで高画質な映像を快適に視聴するには、データ量を抑える圧縮技術が不可欠です。従来の圧縮規格は実写カメラでの撮影を前提として明るさと色の位置関係を固定していたため、CGやゲーム映像では位置のずれが生じ、圧縮効率が低下する課題がありました。本論文では、映像の特性に合わせて色の位置ずれを自動で推定し、最適に補正しながら圧縮する新技術を提案しました。
【原著論文情報】
Haruhisa Kato, Yoshitaka Kidani, Takeshi Chujoh, "Adaptive Cross-component Prediction based on Chroma Sample Position Estimation for NGVC," 2026 IEEE International Conference on Image Processing (ICIP), Tampere, Finland, 2026.
Adaptive Cross-component Prediction based on Chroma Sample Position Estimation for NGVC
2．Effective Degree-Wise Scalability of Spherical Harmonic Coefficients for 3D Gaussian Splatting Compression
現実空間をデジタル上に模してシミュレーションなどを行うデジタルツインの実現が期待されています。近年、デジタルツインに不可欠な3Dデータを生成する技術として、3D Gaussian Splatting（3DGS）が注目されていますが、そのデータ量は大きく、様々な通信環境や端末において安定した送受信・表示が難しいという課題がありました。本論文では、データ量の大部分を占める色情報のデータ構造に着目し、ネットワーク状況や端末処理能力に応じて3DGSのデータを段階的に分けて配信できる仕組みと、その際に画質を損なわないように見え方を適切に調整する技術を提案しました。
【原著論文情報】
Jianfeng Xu, Ryosuke Watanabe, Keisuke Nonaka, "Effective Degree-Wise Scalability of Spherical Harmonic Coefficients for 3D Gaussian Splatting Compression," 2026 IEEE International Conference on Image Processing (ICIP), Tampere, Finland, 2026.
Effective Degree-Wise Scalability of Spherical Harmonic Coefficients for 3D Gaussian Splatting Compression
3．Region-of-Interest and Upsampling-Enhanced Point Cloud Transmission for 3D Machine Vision
自動運転車や自律作業ロボットは次世代のインフラとして実用化が期待されています。実用化に向けて、周囲の空間を理解するために3D点群データを取得し、クラウドなどと連携して周辺状況を認識するアプローチがありますが、さまざまな環境で迅速な空間認識を実現するためには、伝送する3D点群データ量の削減が不可欠です。本論文では、低密度で抽出した注目領域のみを伝送することでデータ量を削減した上で、受信側で点の密度を高めて復元することで伝送データ量の削減と認識精度を両立する技術を提案しました。
【原著論文情報】
Ao Luo, Weishuai Song, Diego Fujii, Keisuke Nonaka, Linxin Song, Heming Sun, Xuelian Cheng, Jiro Katto, " Region-of-Interest and Upsampling-Enhanced Point Cloud Transmission for 3D Machine Vision " 2026 IEEE International Conference on Image Processing (ICIP), Tampere, Finland, 2026.
Region-of-Interest and Upsampling-Enhanced Point Cloud Transmission for 3D Machine Vision
※ニュースリリースに記載された情報は、発表日現在のものです。 商品・サービスの料金、サービス内容・仕様、お問い合わせ先などの情報は予告なしに変更されることがありますので、あらかじめご了承ください。
