연구진은 포인트 클라우드 품질 평가(PCQA) 벤치마크 PointQ-Bench를 공개했어요. 기존 PCQA 연구가 스칼라 점수 예측에 집중된 반으로, 실제 검사 시나리오에서는 결함 식별, 문제 유형 특성 분석, 사용성 평가, 증거 기반 설명 제공이 중요해요.
PointQ-Bench는 실제 스캔, 시뮬레이션 왜곡, AI 생성 콘텐츠를 포함한 3,083개의 포인트 클라우드로 구성되며, 8가지 주요 문제 유형에 대한 MOS, 품질 수준, 문제 태그, 전문가 기반 설명, 12,332개의 질문-답변 쌍이 함께 제공돼요.
연구 결과, 기존 모델은 거친 결함 인지 능력은 보이지만, 근거 기반 진단과 품질 보정에는 어려움을 겪으며, 2D MLLM이 3D VLM보다 성능이 우수하고, 추가 뷰나 포인트 레벨 입력의 이점은 모델과 조건에 따라 달라지는 것으로 나타났어요.