AgenticIQA：面向自适应与可解释图像质量评估的智能体框架
计算机视觉与模式识别
2025-10-02 v2
摘要
图像质量评估 (IQA) 本质上是复杂的，因为它反映了根植于人类视觉系统的感知质量的量化与解释。传统方法通常依赖固定模型输出标量分数，限制了其对多样化失真、用户特定查询和可解释性需求的适应性。此外，评分和解释通常被视为独立的过程，尽管它们相互依存：解释识别感知退化，而评分将其抽象为紧凑的指标。为了解决这些局限性，我们提出了 AgenticIQA，一个模块化的智能体框架，以动态、感知查询的方式将视觉语言模型 (VLMs) 与传统 IQA 工具相集成。AgenticIQA 将 IQA 分解为四个子任务——失真检测、失真分析、工具选择和工具执行——由规划器、执行器和摘要器协调。规划器制定特定任务的策略，执行器通过工具调用收集感知证据，摘要器整合这些证据以产生准确分数与符合人类认知的解释。为了支持训练和评估，我们引入了 AgenticIQA-200K，一个专为 IQA 智能体定制的大规模指令数据集，以及 AgenticIQA-Eval，首个用于评估基于 VLM 的 IQA 智能体规划、执行和摘要能力的基准。在多样化 IQA 数据集上的大量实验表明，AgenticIQA 在评分准确性和解释对齐方面均持续超越强基线。
引用
@article{arxiv.2509.26006,
title = {AgenticIQA: An Agentic Framework for Adaptive and Interpretable Image Quality Assessment},
author = {Hanwei Zhu and Yu Tian and Keyan Ding and Baoliang Chen and Bolin Chen and Shiqi Wang and Weisi Lin},
journal= {arXiv preprint arXiv:2509.26006},
year = {2025}
}