IQA-Spider：统一多粒度图像质量评估框架
计算机视觉与模式识别
2026-05-26 v1
摘要
我们提出IQA-Spider，是首个将推理、定位和指涉统一于单一大语言模型框架（LMM）用于多粒度质量理解的图像质量评估（IQA）框架。现有LMM-based IQA方法通常仅支持部分感知维度，如质量描述和问答（即推理）或像素级定位。这一限制很大程度上源于缺乏（i）统一的任务和数据表述，以及（ii）针对多粒度学习的有效优化范式。为此，我们构建了一个涵盖全局和局部质量描述、像素级定位和区域级指涉的严格的四任务范式。基于此表述，我们构建了一个相应的IQA数据集，采用可扩展且自动化的标注管道，从而为统一的多粒度学习提供了坚实基础。为进一步实现统一感知，我们采用无冲突的两阶段设计，逐步将文本级多粒度理解扩展到像素级定位：（i）第一阶段为模型提供跨多个IQA任务的细粒度文本级推理能力，（ii）第二阶段引入一种无监督的文本到点定位范式，将文本语义与像素级感知通过将token logits映射到空间坐标桥接起来。基于上述努力，我们实现了IQA-Spider，实现了统一的多粒度可解释图像质量评估。广泛的实验在多个基准数据集上表现出色，验证了所提出表述和框架的有效性和通用性。
引用
@article{arxiv.2605.24553,
title = {IQA-Spider: Unifying Multi-Granularity Image Quality Assessment with Reasoning, Grounding and Referring},
author = {Xinge Peng and Yiting Lu and Xin Li and Zhibo Chen},
journal= {arXiv preprint arXiv:2605.24553},
year = {2026}
}
备注
Accepted by ICML 2026