Vectra：面向电商图像中机器翻译的视觉质量评估新指标、数据集与模型
计算机视觉与模式识别
2026-02-10 v1 人工智能
摘要
图像机器翻译（IIMT）驱动跨境电商业务产品列表，但现有研究聚焦机器翻译评估，而视觉渲染质量对用户参与度至关重要。当面对上下文密集的产品图像和多模态缺陷时，现有基于参考的指标（如SSIM、FID）缺乏可解释性，而模型评判方法缺乏基于领域的细粒度奖励信号。为弥合这一差距，我们引入Vectra，据称是首个无参考、由多模态大模型驱动的电商IIMT视觉质量评估框架。Vectra包含三个组成部分：（1）Vectra评分系统，将视觉质量分解为14个可解释维度，引入基于空间的缺陷面积比（DAR）量化以减少标注模糊性；（2）Vectra数据集，基于多样性感知采样自110万真实产品图像构建，包含2000个系统评估基准、3000个基于推理的标注用于指令调优以及3500个专家标注的偏好用于对齐与评估；（3）Vectra模型，参数为4B的多模态大模型，可生成定量评分及诊断性推理。实验表明，Vectra在人类排名相关性方面实现了最新进展，我模型在评分性能上超越了领先的多模态大模型，包括GPT-5和Gemini-3。该数据集和模型将在接受后公开。
引用
@article{arxiv.2602.07014,
title = {Vectra: A New Metric, Dataset, and Model for Visual Quality Assessment in E-Commerce In-Image Machine Translation},
author = {Qingyu Wu and Yuxuan Han and Haijun Li and Zhao Xu and Jianshan Zhao and Xu Jin and Longyue Wang and Weihua Luo},
journal= {arXiv preprint arXiv:2602.07014},
year = {2026}
}