重访基于 MLLM 的图像质量评估：误差及其补救
计算机视觉与模式识别
2025-11-12 v1
摘要
多模态大语言模型 (MLLM) 的快速发展推动了图像质量评估 (IQA) 任务的发展。然而，一个关键挑战源于 MLLM 的离散 token 输出与 IQA 任务所需连续质量评分之间的内在不匹配。这一差异显著阻碍了基于 MLLM 的 IQA 方法性能。将离散 token 预测转换为连续评分的先前方法常受转换误差的制约。此外，水平 token（如 "good"）引入的语义混淆进一步限制了 MLLM 在 IQA 任务上的表现，并降低其相关任务的原始能力。为解决这些问题，我们对先前方法固有的误差进行了理论分析，并在此基础上提出了一种简单而有效的框架 Q-Scorer。该框架纳入轻量级回归模块和 IQA 特定评分 token 以整合到 MLLM 流程中。广泛实验表明，Q-Scorer 在多个 IQA 数据集上实现了最先进的性能，能够良好地泛化到混合数据集，并在与其他方法结合时进一步提升性能。
引用
@article{arxiv.2511.07812,
title = {Revisiting MLLM Based Image Quality Assessment: Errors and Remedy},
author = {Zhenchen Tang and Songlin Yang and Bo Peng and Zichuan Wang and Jing Dong},
journal= {arXiv preprint arXiv:2511.07812},
year = {2025}
}
备注
13 pages