Tag · 10 篇
图像质量评估
基于奖励引导自强化策略的无配对图像去雨
Unpaired Image Deraining Using Reward-Guided Self-Reinforcement Strategy
提出基于IQA的动态奖励回收与自强化训练策略，可复用于其他无监督底层视觉任务（如去噪、去雾），通过挖掘训练过程中的高质量输出构建伪配对数据来约束优化空间。
UARE：统一视觉语言模型用于图像质量评估、复原与增强
UARE: A Unified Vision-Language Model for Image Quality Assessment, Restoration, and Enhancement
该工作提出用统一视觉语言模型联合建模图像质量评估与复原，并通过交错文本-图像数据微调对齐 IQA 信号与复原目标，为低层视觉任务提供了一种可复用的多任务协同训练范式。
重新审视图像质量评估中的知识迁移：感知偏好结构对齐视角
Rethinking Knowledge Transfer in Image Quality Assessment: A Perceptual Preference Structure Alignment Perspective
对做IQA或任何需要跨数据集迁移的视觉任务，PPR/PPC提供了一种无需训练、可解释的源数据筛选准则：用视觉特征与质量分数的相关性刻画数据集特有的偏好结构，再据此挑选与目标域偏好结构一致的源样本，可直接用于跨域微调前的数据选择。
复原、评估、重复：面向迭代图像复原的统一框架
Restore, Assess, Repeat: A Unified Framework for Iterative Image Restoration
把 IQA 作为复原流程中的评估环节嵌入潜空间，形成「复原—评估—再复原」的迭代闭环，可复用于处理未知或复合退化的 all-in-one 复原模型设计，并避免图像/文本解码带来的延迟与信息损失。
R4-CGQA：基于检索的视觉语言模型用于计算机图形图像质量评估
R4-CGQA: Retrieval-based Vision Language Models for Computer Graphics Image Quality Assessment
提出双流检索增强生成框架，利用视觉相似图像的质量描述提升VLM对细粒度图像质量的判断能力，可迁移至其他需要细粒度感知的视觉语言任务。
PR-IQA：面向扩散式新视角合成的部分参考图像质量评估
PR-IQA: Partial-Reference Image Quality Assessment for Diffusion-Based Novel View Synthesis
提出部分参考图像质量评估（PR-IQA），用不同位姿的参考图在重叠区域计算几何一致的质量图，再通过交叉注意力补全为全图质量图；可直接用于筛选扩散生成伪真值视图中的高置信区域，为扩散增强的3DGS等重建流程提供免真值的监督掩码。
HDR-VLM：面向 HDR 视频调色的视觉语言模型 HDR 域适配与偏好对齐质量评估
HDR-VLM: HDR-Domain Adaptation of VLMs and Preference-Aligned Quality Assessment for HDR Video Color Grading
把预训练 VLM 从 SDR 域迁移到 HDR 域的两阶段范式（HLG 统一编码 + 渐进适配 + 课程式奖励强化学习对齐人类偏好）可直接复用到其他「预训练模型域不匹配」的感知质量评估任务，其归因理由输出也为质量评估提供了可解释性接口。
FinPercep-RM：面向基于强化学习的真实世界超分辨率的细粒度奖励模型与协同进化课程
FinPercep-RM: A Fine-grained Reward Model and Co-evolutionary Curriculum for RL-based Real-world Super-Resolution
提出细粒度感知奖励模型（全局分数+感知退化图）和协同进化课程学习策略，可复用于基于强化学习的图像复原任务中，缓解奖励黑客问题并提升局部真实感。
DPGF-Net：用于联合评估 AI 生成图像感知质量与语义一致性的双先验引导融合网络
DPGF-Net: Dual-Prior Guided Fusion Network for Joint Assessment of Perceptual Quality and Semantic Consistency in AI-Generated Images
面向 AI 生成图像的联合质量与语义一致性评估，用图像侧先验把渲染失真与内容解耦、再与提示词模板交互，可作为 T2I 生成模型评测与数据筛选的自动化打分器。
弥合图像超分辨率评测中的感知鸿沟
Bridging the Perception Gap in Image Super-Resolution Evaluation
对做超分辨率的人，这篇给出了一个可直接套用的评测改造：把任意 FR/NR IQA 指标换成成对相对质量比较（RQI），既能更贴合人眼偏好地排名 SR 模型，也能当作训练损失引导生成更真实的细节。