PCQA-R1: Advancing Generalized 3D Point Cloud Quality Assessment with Reinforcement Learning

📄 arXiv: 2608.18627v1 📥 PDF

作者: Kangning Ye, Yunhao Li, Sijing Wu, Yucheng Zhu, Guangtao Zhai

分类: cs.CV

发布日期: 2026-08-19

💡 一句话要点

提出PCQA-R1以解决无参考点云质量评估问题

🎯 匹配领域: 支柱二：RL算法与架构 (RL & Architecture) 支柱九：具身大模型 (Embodied Foundation Models)

关键词: 点云质量评估 强化学习 多模态模型 数据集构建 高斯奖励 跨数据集泛化 计算机视觉

📋 核心要点

  1. 现有的无参考点云质量评估方法在跨数据集泛化能力上存在不足，尤其是在不同的主观评分尺度和失真分布下表现脆弱。
  2. 本文提出的PCQA-R1利用强化学习框架，结合链式思维数据集和高斯接近奖励，增强了模型的质量理解和评分能力。
  3. 实验结果显示，PCQA-R1在五个基准测试中实现了跨数据集的最先进性能，并在领域内的准确性上具有竞争力。

📝 摘要（中文）

无参考点云质量评估（PCQA）近年来成为一个活跃的研究领域，用于衡量和优化点云的视觉体验。然而，基于大型多模态模型（LMM）的研究在这一领域尚属稀缺，现有方法多依赖于监督微调，缺乏跨数据集的泛化能力。本文提出PCQA-R1，这是首个用于3D点云质量评估的强化学习LMM，能够同时建模质量理解和评分。通过构建链式思维数据集PCQA-CoT，采用反向推理策略进行冷启动训练，并引入高斯接近奖励以防止评分预测的漂移。实验结果表明，PCQA-R1在五个基准测试中实现了跨数据集的最先进泛化能力，并在领域内的准确性上表现竞争力。

🔬 方法详解

问题定义：本文旨在解决无参考点云质量评估中的泛化能力不足问题，现有方法在不同数据集间的主观评分尺度和失真分布上表现不稳定。

核心思路：PCQA-R1通过强化学习框架，结合链式思维数据集和高斯接近奖励，提升了模型对质量的理解和评分的稳定性。

技术框架：整体架构包括数据集构建、模型训练和评分预测三个主要模块。首先，构建PCQA-CoT数据集以进行冷启动训练；其次，利用GRPO策略进行模型优化；最后，通过高斯奖励机制进行评分预测的校准。

关键创新：PCQA-R1的主要创新在于首次将强化学习应用于3D点云质量评估，利用相对质量排名而非绝对MOS回归，显著提高了模型的泛化能力。

关键设计：在模型设计中，采用了高斯接近奖励以防止评分漂移，并通过链式思维数据集进行冷启动，确保模型在不同数据集上的稳定性和准确性。

🖼️ 关键图片

fig_0
img_1
img_2

📊 实验亮点

实验结果表明，PCQA-R1在五个基准测试中实现了跨数据集的最先进泛化能力，相较于现有方法，准确性提升幅度显著，尤其在不同主观评分尺度下表现出更强的稳定性和可靠性。

🎯 应用场景

该研究的潜在应用领域包括虚拟现实、增强现实、3D建模和计算机视觉等领域，能够有效提升点云数据的质量评估和优化过程。随着3D技术的普及，PCQA-R1有望在实际应用中发挥重要作用，推动相关技术的发展与应用。

📄 摘要（原文）

No-reference point cloud quality assessment (PCQA) has been an active topic in recent years and is used to measure and optimize the visual experience of point clouds. However, large multimodal models (LMMs) have rarely been explored in this area. Previous LMM-based methods mainly rely on supervised fine-tuning to directly predict numerical quality scores, lacking the ability to generalize across datasets with heterogeneous MOS scales and limited annotations. A key difficulty is that absolute MOS regression can be brittle across datasets with different score scales and distortion distributions, whereas relative quality ranking is more stable under such shifts. In this paper, we present PCQA-R1, the first reinforcement learning LMM for 3D point cloud quality assessment to simultaneously model quality understanding and scoring. Built upon the group relative policy optimization (GRPO) strategy, PCQA-R1 first constructs a chain-of-thought dataset, PCQA-CoT, which serves as cold-start training data through a reverse reasoning strategy that teaches the LMM to generate its reasoning process. We further introduce a Gaussian proximity reward that prevents calibration drift by anchoring score predictions to the source MOS range. Experimental results demonstrate that PCQA-R1 achieves state-of-the-art cross-dataset generalization across five benchmarks and competitive in-domain accuracy. Ablation studies support the role of ranking, Gaussian reward, and cold-start traces.