基于可靠区域感知推理的图像质量评估模型 Zoom-IQA
计算机视觉与模式识别
2026-01-16 v2
摘要
图像质量评估（IQA）是计算机视觉中的一个长期存在的问题。以往方法通常专注于预测数值分数而不提供解释，或提供低层描述而缺乏精确分数。近期的基于推理的视觉语言模型（VLM）在 IQA 中通过联合生成质量描述和分数显示出强大的潜力。然而，现有的 VLM-based IQA 方法常因整合视觉和文本线索能力有限，导致推理不可靠。本文引入 Zoom-IQA，一个 VLM-based IQA 模型，显式模拟关键认知行为：不确定性意识、区域推理和迭代细化。具体而言，我们提出两个阶段的训练 pipeline：1）在我们构建的 Grounded-Rationale-IQA（GR-IQA）数据集上进行监督微调（SFT），教导模型在关键区域中 grounding 其评估；2）采用强化学习（RL）进行动态策略探索，通过我们的 KL-Coverage 正则化器防止推理和评分多样性崩溃，并引入渐进式重抽样策略以缓解标注偏差。广泛的实验表明，Zoom-IQA 在鲁棒性、可解释性和泛化能力方面取得改进。将其应用于下游任务，如图像修复，进一步证明了 Zoom-IQA 的有效性。
引用
@article{arxiv.2601.02918,
title = {Zoom-IQA: Image Quality Assessment with Reliable Region-Aware Reasoning},
author = {Guoqiang Liang and Jianyi Wang and Zhonghua Wu and Shangchen Zhou},
journal= {arXiv preprint arXiv:2601.02918},
year = {2026}
}
备注
Project Page: https://ethanliang99.github.io/ZOOMIQA-Projectpage