该研究提出了一种名为DisPA的解耦表示学习框架，旨在解决无参考点云质量评估中的内容与失真混合问题。实验结果表明，DisPA在多个数据集上优于现有方法，具有提升虚拟现实和增强现实质量评估能力的潜力。

该论文提出了一种无参考点云质量评估方法，利用局部区域相关性分析和特征融合来预测点云质量。实验结果表明，该方法优于现有基准。此外，研究创建了纹理网格质量评估数据库，并提出了基于投影的简单基准线方法和PointPCA+指标，均显示出较高的预测性能。同时，基于深度学习的质量评估方法在3D点云领域也取得了进展。

该文介绍了一种基于投影的点云质量评估方法，通过多投影提取质量感知特征，回归到视觉质量分数，以应对点云失真的需求。该方法在 ICIP 2023 PCVQA Challenge 中获得了四个赛道的冠军。