视觉质量评估

VITAL：以视觉编码器为中心的视觉质量评估多模态大模型预训练

VITAL: Vision-Encoder-centered Pre-training for LMMs in Visual Quality Assessment

以视觉编码器为中心的生成式预训练流程，配合机器执行的标注-审查范式构建大规模视觉-语言对，为视觉质量评估等低层感知任务提供可零样本迁移的多模态大模型底座；其解码器仅需极少预热数据即可复现全量训练性能，为视觉-语言模型的高效扩展提供可复用方案。