成对比较就是所需的

盲图像质量评估 (BIQA) 方法虽然在自动化图像质量评估方面具有前景，但由于依赖于适用于各类图像的通用质量标准，在实际场景中常常不足。这种“一刀切”方法忽略了图像内容与质量之间至关重要的感知关系，导致“域迁移”挑战，即单一质量指标不足以代表各种内容类型。此外，BIQA 技术通常忽视了不同观察者之间在人类视觉系统中固有的差异。针对这些挑战，本文引入了 PICNIQ，一种旨在绕过常规 BIQA 局限性的成对比较框架，强调相对而非绝对的质量评估。PICNIQ 专为估计图像对之间的偏好概率而设计。通过采用心理测量标度算法，PICNIQ 将成对比较转换为仅可辨别差异 (just-objectionable-difference, JOD) 质量分数，提供图像质量的细粒度且可解释的度量。该框架在深度学习架构结合专用损失函数和针对稀疏成对比较设置优化的训练策略的基础上实现。我们采用本论文发布的 PIQ23 数据集中的比较矩阵进行研究。我们的广泛实验分析显示，PICNIQ 在广泛适用性和竞争性能方面均表现出色，凸显了其在 BIQA 领域设定新标准的潜力。