arXiv · 机器人与计算机视觉· Guoqiang Liang, Jianyi Wang, Zhonghua Wu, Shangchen Zhou, Chen Change Loy·· 2026-10-06精选AI 评分78
Zoom-IQA:基于可靠区域感知的图像质量评估模型
Zoom-IQA: Image Quality Assessment with Reliable Region-Aware Reasoning
AI 导读
论文介绍 Zoom-IQA,一种基于视觉语言模型的图像质量评估方法,旨在解决现有方法缺乏解释或推理不可靠的问题。该模型通过监督微调在 Grounded-Rationale-IQA 数据集上学习关键区域定位,并利用强化学习与 KL-Coverage 正则化器进行动态策略探索以防止多样性坍塌。实验表明该方法提升了评估的鲁棒性、可解释性和泛化能力,并验证了其在图像恢复等下游任务中的有效性。
推荐理由
该工作提出 Zoom-IQA,通过两阶段训练让 VLM 在图像质量评估中显式模拟不确定性感知与区域推理,提升解释性与鲁棒性。
来源:arXiv · 机器人与计算机视觉 · arxiv.org