视觉通信中的 AI 生成图像质量评估

评估人工智能生成图像（AIGIs）的质量对于其在现实场景中的应用至关重要。然而，传统的图像质量评估（IQA）算法主要关注低层视觉感知，而现有的 IQA 作品过度强调生成内容本身，忽略其在现实应用中的有效性。为弥合这一差距，我们提出 AIGI-VC，一个用于视觉通信中 AI 生成图像的数据库，研究视觉通信中 AIGIs 的可沟通性，从信息清晰度和情感交互两个角度进行分析。该数据集包含 2500 张图片，覆盖 14 个广告主题和 8 种情感类型。它提供粗粒度的人类偏好注释和细粒度的偏好描述，为 IQA 方法在偏好预测、解释和推理方面的能力提供基准测试。我们对现有代表性 IQA 方法和大型多模态模型在 AIGI-VC 数据集上的经验研究，揭示了它们的优势和不足。