Tag · 4 篇
图像美学评估
面向统一图像美学与质量评估的概率提示词适配
Probabilistic Prompt Adaptation for Unified Image Aesthetics and Quality Assessment
把「提示词选择」建模为对 LLM 预采样提示词集合的混合分布并做边缘化，使视觉语言模型能在只有 (任务, 图像, 分数) 三元组、无标注的情况下适配任意文本提示词；做文本条件评分或提示词敏感任务时可复用这一概率化提示词适配思路。
JoPPO：基于对比联合条件概率强化学习的分层摄影评估
JoPPO: Hierarchical Photography Assessment via Contrastive Joint Conditional Probabilistic Reinforcement Learning
把 VLM 当作评分器时，用基于批内细粒度属性分数条件分布的期望胜率作为奖励，替代 GRPO 的标量奖励，可直接迁移到任何需要多属性组合排序的视觉评测任务（美学、生成质量、偏好对齐）。
细粒度图像美学评估：从相对排序中学习判别性分数
Fine-grained Image Aesthetic Assessment: Learning Discriminative Scores from Relative Ranks
论文提出的细粒度图像美学评估数据库 FGAesthetics 与基于相对排序的框架 FGAesQ，为视觉研究提供了在细微美学差异下进行判别性评估的新设定与可复用技术（DiffToken、CTAlign、RankReg），可迁移到其他需要细粒度比较的视觉任务。
ArtiMuse：联合评分与专家级理解的细粒度图像美学评估
ArtiMuse: Fine-Grained Image Aesthetics Assessment with Joint Scoring and Expert-Level Understanding
提出基于多模态大语言模型的联合评分与专家级理解框架，并构建首个专家标注的细粒度美学评估数据集，为视觉美学分析提供可复用的模型与数据基础。