APEX：基于投影的无假设图像质量评估嵌入检验指标
计算机视觉与模式识别
2026-05-12 v2 人工智能
摘要
随着生成模型实现了前所未有的视觉质量，图像评估的黄金标准仍是传统特征分布指标（如 FID）。然而，这些指标因陈旧特征的封闭词汇瓶颈以及刚性参数化公式的假设偏差而受到明确限制。最近的替代方案利用现代主干网络解决特征瓶颈，但仍受参数化限制。为弥合这一差距，我们引入了 APEX（Assumption-free Projection-based Embedding eXamination），一种新型评估框架，利用切片 Wasserstein 距离作为数学依托、无假设的相似性度量。我们通过理论与实证证据证明，APEX 继承了对高维空间的有效可扩展性。此外，APEX 无嵌入依赖，采用 CLIP 和 DINOv2 两款开放词汇基础模型作为特征提取器。对 APEX 与既定基准进行基准测试，揭示其对视觉退化具有优异鲁棒性。此外，我们展示 APEX 指标在 intra- 与 cross-dataset 稳定性方面表现出色，确保其在超出数据集上的评估高度稳定。
引用
@article{arxiv.2605.07786,
title = {APEX: Assumption-free Projection-based Embedding eXamination Metric for Image Quality Assessment},
author = {Caterina Gallegati and Monica Bianchini and Franco Scarselli and Vittorio Murino and Barbara Toniella Corradini},
journal= {arXiv preprint arXiv:2605.07786},
year = {2026}
}