通过全局-局部自适应互动释放视觉 Transformer 在图像质量评估中的潜能
计算机视觉与模式识别
2026-05-19 v1
摘要
在盲测图像质量评估（BIQA）领域，准确预测真实失真图像的感知质量仍具有高度挑战性， due to 来自自然环境中多样化和复杂失真。虽然已有方法取得了显著准确性，但其可扩展性常受主观标注成本高和可用数据集规模有限的制约。近期大规模预训练视觉模型的进展引入了强大的语义和表示能力，但其应用于 IQA 任务受到巨大的计算需求和次优微调效率的限制。为克服这些限制，我们引入了全局-局部互动适配器（GLIA），一个新型框架，通过双流特征提取机制结合交互式全局-局部融合，有效地利用预训练视觉 Transformer。通过同时保留全局语义信息和细粒度局部细节，我们的方法在保持显著更少可训练参数的同时，提供了卓越的预测准确性和鲁棒性。多个基准上的广泛实验验证了我们方法的有效性与优越性。
引用
@article{arxiv.2605.17748,
title = {Unleashing Vision Transformer Potential In Image Quality Assessment via Global-Local Adaptive Interaction},
author = {Yu Li and Puchao Zhou and Yachun Mi and Yanfeng Wu and Xiaoming Wang and Shaohui Liu},
journal= {arXiv preprint arXiv:2605.17748},
year = {2026}
}