توصیف صحنه MPEG ایجاد تجربیات 6DoF بر اساس رسانه MPEG را امکان پذیر می کند. توصیف صحنه معمولاً نموداری است که فضای سه بعدی را به عنوان صحنه ای که شامل اشیاء صوتی و بصری در آن صحنه است، توصیف می کند. اشیاء سه بعدی با استفاده از رسانه های MPEG مانند تصاویر ثابت، فیلم های دو بعدی، ابرهای نقطه ای، میدان های نوری، صدا، و موارد اولیه هندسی مانند مش ها تعریف می شوند. نمودار صحنه ترکیب صحنه‌ای را امکان‌پذیر می‌کند که ممکن است هم از محتوای دنیای طبیعی (فیلم برداری شده) و هم از محتوای مصنوعی (به عنوان مثال CGI ) با فرمت‌های فشرده و غیرفشرده تشکیل شده باشد.
MPEG راه حلی را برای توصیف صحنه بر اساس استاندارد glTF 2.0 که توسط Khronos ارائه شده است، توسعه خواهد داد. راه‌حل به‌عنوان مجموعه‌ای از الحاقات برای افزودن پشتیبانی از زمان برای رسانه‌های نمایش‌داده‌شده MPEG به glTF مشخص می‌شود. رابط‌های تبادل اطلاعات استخراج‌شده از توصیف صحنه نیز تعریف می‌شوند تا امکان بازیابی کارآمد رسانه را فراهم کنند.