VersusQ：基于对比边际推理的通用视频质量评估
计算机视觉与模式识别
2026-05-21 v1
摘要
大型多模态模型（LMM）在视频质量评估方面显示出前景，但大多数方法仍为每个视频预测绝对分数。这种点态监督常将感知质量与数据集特定校准混合，包括标注协议、评分习惯和得分分布。因此，学习到的评分规则可能在基准内部表现良好，但在跨域未知数据上 transfer 不佳。我们认为，相对比较可通过聚焦感知差异而非数据集特定评分习惯来缓解绝对尺度校准偏差。因此，我们提出了基于直接比较的对比边际推理框架——VersusQ。具体而言,VersusQ基于LMM对两个视频进行比较，推理其视觉与时序质量差异，并预测一个有符号的连续边际，以捕捉首选选择及其差异程度。此外，为将可解释的比较理由与细粒度数值差异对齐，我们引入Margin-Coupled GRPO，联合优化基于 rollout的关系推理和连续边际回归。广泛的实验表明,VersusQ在多个公开VQA基准上实现了最先进的性能，具备强大的跨域泛化能力，在异构评估情境下能够可靠地进行细粒度排序。
引用
@article{arxiv.2605.21130,
title = {VersusQ: Pairwise Margin Reasoning for Generalizable Video Quality Assessment},
author = {Shibei Meng and Binxin Yang and Yuan Liu and Jiexuan Zhang and Zhengyao Lv and Hubery Yin and Qiang Xu},
journal= {arXiv preprint arXiv:2605.21130},
year = {2026}
}