AU-IQA：面向 AI 增强用户生成内容感知质量评估的基准数据集
计算机视觉与模式识别
2025-08-12 v2 图像与视频处理
摘要
AI 基础的图像增强技术已在各种视觉应用中广泛采用，显著提升了用户生成内容（UGC）的感知质量。然而，缺乏专门的质量评估模型已成为该领域的重要限制因素，制约了用户体验并阻碍了增强方法的进步。虽然感知质量评估方法在 UGC 和 AIGC 各自方面表现出色，但其在将两者特征融合的 AI 增强 UGC（AI-UGC）上的有效性仍 largely 未被探索。为填补这一空白，我们构建了 AU-IQA，一个包含 4800 张 AI-UGC 图像的数据集，这些图像由三种代表性增强类型构成，包括超分辨率、低光增强和去噪。在该数据集上，我们进一步评估了各种现有质量评估模型，包括传统 IQA 方法和大规模多模态模型。最终，我们对当前方法在评估 AI-UGC 感知质量方面的表现进行了全面分析。AU-IQA 数据集的访问链接为 https://github.com/WNNGGU/AU-IQA-Dataset。
引用
@article{arxiv.2508.05016,
title = {AU-IQA: A Benchmark Dataset for Perceptual Quality Assessment of AI-Enhanced User-Generated Content},
author = {Shushi Wang and Chunyi Li and Zicheng Zhang and Han Zhou and Wei Dong and Jun Chen and Guangtao Zhai and Xiaohong Liu},
journal= {arXiv preprint arXiv:2508.05016},
year = {2025}
}
备注
Accepted by ACMMM 2025 Datasets Track