DAL-PCQA：为点云质量评估启用失真级别和语言驱动的推理

点云质量评估（PCQA）方法通常预测标量平均意见得分（MOS），它量化整体感知退化，但不揭示其原因。相比之下，人类观察者自然会根据特定的扭曲（例如模糊、色移、点密度变化、缺失区域和几何变形）进行推理。为了弥补这一差距，我们引入了 DAL-PCQA，这是一个用于 PCQA 的失真感知、语言注释数据集。 DAL-PCQA 通过多级失真严重性标签、离散质量类别以及与人类感知一致的结构化自然语言描述来增强基准点云。我们定义了一个特定于点云的畸变分类法，涵盖光度和几何伪影。统计分析揭示了失真类型和质量水平的特征退化模式。为了评估这些注释的实用性，我们比较了用于生成感知质量描述的零样本和微调多模态模型。实验表明，失真感知监督极大地改善了 真值 描述的词汇和语义对齐。通过实现可解释的、失真级别的推理，DAL-PCQA 促进了语言驱动的、可解释的点云质量评估。该数据集可在 https://github.com/swarna96/DAL-PCQA 上公开获取。