引导感知-推理更接近人类水平的盲图像质量评估
计算机视觉与模式识别
2025-12-19 v1 人工智能
摘要
人类通过感知-推理级联来评估图像质量，将感官线索与隐含推理相结合以形成自洽的判断。在本工作中，我们研究模型如何获得类似人类且自洽的推理能力以进行盲图像质量评估（BIQA）。我们首先收集了捕捉人类感知-推理流水线多个方面的人类评估数据。然后，我们采用强化学习，以人类标注作为奖励信号来引导模型趋向类似人类的感知和推理。为了使模型内化自洽的推理能力，我们设计了一种奖励，驱动模型仅从自生成描述中推断图像质量。在经验上，我们的方法在通用指标下（包括 Pearson 和 Spearman 相关系数）达到了与最先进的 BIQA 系统相当的评分预测性能。除了评分之外，我们使用 ROUGE-1 评估人类-模型对齐度，以衡量模型生成与人类感知-推理链之间的相似性。在超过 1000 个人类标注样本上，我们的模型达到了 0.512 的 ROUGE-1 分数（基线为 0.443），表明对人类解释的实质性覆盖，标志着 BIQA 中向类似人类的可解释推理迈出了一步。
引用
@article{arxiv.2512.16484,
title = {Guiding Perception-Reasoning Closer to Human in Blind Image Quality Assessment},
author = {Yuan Li and Yahan Yu and Youyuan Lin and Yong-Hao Yang and Chenhui Chu and Shin'ya Nishida},
journal= {arXiv preprint arXiv:2512.16484},
year = {2025}
}
备注
Under review