iDETEX：赋能 MLLMs 的智能详细可解释图像质量评估
计算机视觉与模式识别
2025-10-21 v1
摘要
图像质量评估（IQA）已从标量质量预测发展到更具可解释性、符合人类感知的评估范式。本文针对详细且可解释的 IQA 挑战，提出 iDETEX—a 统一的多模态大语言模型（MLLM），能够同时执行三个关键任务：质量 grounding、感知与描述。为 facilitate 高效和可泛化的训练，我们设计了一套任务特定的离线数据增强模块和数据混合策略，并通过线上增强策略充分利用多源监督。我们在大型 ViDA-UGC 数据集上验证了该方法，iDETEX 在所有子任务上均实现了最先进的性能。我们的模型在ICCV MIPI 2025 Detailed Image Quality Assessment 挑战赛中名列前茅，展示了其在提供准确和可解释质量评估方面的有效性和鲁棒性。
引用
@article{arxiv.2510.17332,
title = {iDETEX: Empowering MLLMs for Intelligent DETailed EXplainable IQA},
author = {Zhaoran Zhao and Xinli Yue and Jianhui Sun and Yuhao Xie and Tao Shao and Liangchao Yao and Fan Xia and Yuetang Deng},
journal= {arXiv preprint arXiv:2510.17332},
year = {2025}
}
备注
Accepted to ICCV 2025 Workshop