LoViF 2026 挑战：面向人的语义图像质量评估方法与结果
计算机视觉与模式识别
2026-04-14 v1
摘要
本文综述了 LoViF 2026 挑战，旨在提出一种新方向，即如何从人类视角评估语义信息的损失，以推动语义编码、处理和语义导向优化等新方向的发展。不同于现有质量评估数据集，我们构建了人类导向的语义质量评估数据集，称为 SeIQA 数据集。该数据集分为三个部分供本次竞赛使用：(i) 训练数据：510 对损坏图像及其对应的 ground truth 参考；(ii) 验证数据：80 对损坏图像及其对应的 ground-truth 参考；(iii) 测试数据：160 对损坏图像及其对应的 ground-truth 参考。本次挑战的主要目标是建立一个新的强大基准，用于人类导向的语义图像质量评估。本次竞赛共有 58 支队伍报名，6 支队伍提交了有效解答和 fact sheets 用于最终测试阶段。这些提交在 SeIQA 数据集上实现了最新进展 (SOTA) 性能。
引用
@article{arxiv.2604.11207,
title = {LoViF 2026 Challenge on Human-oriented Semantic Image Quality Assessment: Methods and Results},
author = {Xin Li and Daoli Xu and Wei Luo and Guoqiang Xiang and Haoran Li and Chengyu Zhuang and Zhibo Chen and Jian Guan and Weping Li and Weixia Zhang and Wei Sun and Zhihua Wang and Dandan Zhu and Chengguang Zhu and Ayush Gupta and Rachit Agarwal and Shouvik Das and Biplab Ch Das and Amartya Ghosh and Kanglong Fan and Wen Wen and Shuyan Zhai and Tianwu Zhi and Aoxiang Zhang and Jianzhao Liu and Yabin Zhang and Jiajun Wang and Yipeng Sun and Kaiwei Lian and Banghao Yin},
journal= {arXiv preprint arXiv:2604.11207},
year = {2026}
}
备注
Accepted by CVPR2026 Workshop; LoViF Challenge