面向机器视觉系统的图像质量评估：范式、大规模数据库与模型
计算机视觉与模式识别
2025-08-28 v1
摘要
机器视觉系统（MVS）在恶劣视觉条件下易受性能退化影响。为此，我们提出一种以机器为中心的图像质量评估（MIQA）框架，量化图像退化对MVS性能的影响。我们建立了涵盖端到端评估工作流程的MIQA范式。为支持此目标，我们构建了机器中心图像质量数据库（MIQD-2.5M），包含250万样本，捕捉75个视觉模型在一致性和准确性指标上的独特退化响应，覆盖250种退化类型和3个代表性视觉任务。我们进一步提出了基于区域的MIQA（RA-MIQA）模型，通过细粒度空间退化分析评估MVS视觉质量。广泛实验对比表明，RA-MIQA在多个维度上均优于七种基于人类视觉系统（HVS）的IQA指标和五个经重新训练的经典backbone。例如，在图像分类任务中，RA-MIQA实现了13.56%和13.37%的SRCC提升，揭示了任务特定的退化灵敏性。关键的是，HVS-based指标对MVS质量预测不具备有效性，甚至专门的MIQA模型在背景退化、准确性导向估计和细微失真方面也仍有挑战。本研究可推动MVS可靠性，为机器中心的图像处理和优化奠定基础。该模型和代码已公开于 https://github.com/XiaoqiWang/MIQA。
引用
@article{arxiv.2508.19850,
title = {Image Quality Assessment for Machines: Paradigm, Large-scale Database, and Models},
author = {Xiaoqi Wang and Yun Zhang and Weisi Lin},
journal= {arXiv preprint arXiv:2508.19850},
year = {2025}
}