BiRQA：基于双向多尺度金字塔的双向鲁棒图像质量评估
计算机视觉与模式识别
2026-02-25 v1
摘要
全参考图像质量评估（FR IQA）是图像压缩、恢复和生成建模中的重要任务，但当前神经网络指标速度慢且易受对抗性扰动威胁。我们提出 BiRQA，一个紧凑的 FR IQA 指标模型，在双向多尺度金字塔中处理四个快速互补特征。底层注意力模块通过不确定性感知门将细尺度线索注入粗糙层级，while 上层跨门控模块将语义上下文路由回高分辨率。为增强鲁棒性，我们引入锚定对抗训练，这是一种在干净“锚定”样本上使用排序损失以紧束对抗攻击下点预测误差的理论依据方法。在五个公开的 FR IQA 数据集上，BiRQA 在准确率上超越或相当于先前的最佳方法（SOTA），同时运行速度约为先前 SOTA 的 3 倍。在未见的白盒攻击下，BiRQA 将 KADID-10k 数据集上的 SROCC 从 0.30-0.57 提升至 0.60-0.84，显著提升了鲁棒性。据我们所知，BiRQA 是唯一一种在准确率、实时吞吐量和强对抗韧性方面实现竞争力的 FR IQA 模型。
引用
@article{arxiv.2602.20351,
title = {BiRQA: Bidirectional Robust Quality Assessment for Images},
author = {Aleksandr Gushchin and Dmitriy S. Vatolin and Anastasia Antsiferova},
journal= {arXiv preprint arXiv:2602.20351},
year = {2026}
}