DR.Experts：差分精炼失真感知专家用于盲图质量评估

盲图质量评估旨在无需参考图像即可复制人类视觉质量感知，在视觉任务中发挥关键作用，但现有模型往往难以有效捕捉细微的失真线索，导致与人类主观判断产生偏差。我们识别到，这一局限性的根本原因在于可靠失真先验缺乏，由于方法通常仅学习统一图像特征与质量评分之间的浅层关系，导致其对失真不够敏感，从而限制了性能。为此，我们提出 DR.Experts，一种新型以先验为导向的盲图质量评估框架，旨在显式地纳入失真先验，以实现可靠的质量评估。DR.Experts 首先利用基于退化的视觉语言模型获取失真特定先验，然后通过提出的失真显著性差分模块对其进行细化和强化，通过区分于语义注意力的区别，确保捕获真实的失真表征。随后，这些细化后的先验、语义特征和桥接表征将通过提出的混合专家风格模块——动态失真加权模块进行融合。该机制按感知影响为每种失型特定特征赋予权重，确保最终质量预测与人类感知一致。在五个具有挑战性的盲图质量评估基准数据集上进行的大量实验表明，DR.Experts 在当前方法之上具有优势，展示了其在泛化性和数据效率方面的卓越表现。