M3-AGIQA：多模态、多轮、多维度 AI 生成图像质量评估
计算机视觉与模式识别
2025-06-05 v2
摘要
AI 生成图像（AIGI）模型的快速发展为评估图像质量带来了新挑战，尤其是涉及感知质量、提示对应性和真实性三个方面。为此，我们提出了 M3-AGIQA，一个综合性框架，利用多模态大语言模型（MLLM）实现对 AI 生成图像在视觉与文本领域的更符合人类直觉的整体评估。此外，我们的框架具备结构化的多轮评估流程，通过生成和分析中间图像描述，为深入洞察这三个方面提供了更深入的见解。通过使模型输出更贴近人类判断，M3-AGIQA 能提供稳健且可解释的质量评分。大量实验表明，在多个基准数据集上，本方法在所测试的数据集和维度上实现了最新性能，并在大多数跨数据集设置中表现出强大的泛化能力。代码已公开于 https://github.com/strawhatboy/M3-AGIQA。
引用
@article{arxiv.2502.15167,
title = {M3-AGIQA: Multimodal, Multi-Round, Multi-Aspect AI-Generated Image Quality Assessment},
author = {Chuan Cui and Kejiang Chen and Zhihua Wei and Wen Shen and Weiming Zhang and Nenghai Yu},
journal= {arXiv preprint arXiv:2502.15167},
year = {2025}
}
备注
24 pages. This work has been submitted to the ACM for possible publication