本文综述了传统图像信号和新兴信号（包括高动态范围（HDR）和 3-D 图像）的质量评估方法，提供了主观和客观图像质量评估的分类和综述，并评估了9种常用的质量评估指标在四个主观质量数据集上的表现和计算时间。本文还简要介绍了3-D图像质量评估，并综述了与该领域相关的问题。

Jun, 2014

本文提出了一种可靠的全参考图像质量评价模型，该模型利用了梯度相似性、色度相似性和偏差池化，并经过了若干改进，其实验结果表明该模型在图像处理领域表现优秀。

Aug, 2016

本文提出了一种基于视觉显著性和对比度的全参考图像质量评估方法，该方法增加了中心区域的敏感度，通过在三个大规模的基准数据库上的实验验证，显示出与人类评估数值更强的相关性和更高的实时处理速度，并提供MATLAB代码以供测试。

Dec, 2018

本文介绍了最新的反感知(IR)算法基于生成对抗网络(GANs)，但其定量评估与视觉感知质量存在不一致性。为了回答现有的IQa方法能否客观评价最近的IR算法和促进IQa方法的发展，作者提出了一个大规模的IQa数据集PIPAL，并针对GAN基础的IR算法，提出了一些新的基准方法和对空间错位改进的IQa网络。

Nov, 2020

本文研究了基于深度神经网络的知觉度量，用于评估图像质量，提出了一种多分辨率知觉量度（MR-Perceptual），在不同分辨率上聚合知觉信息，并在不同图像畸变的IQ 任务中表现优于标准知觉量度。

Feb, 2022

本文提出了一种基于知识蒸馏的内容变异参考方法（CVRKD-IQA），通过使用不对齐的高质量图像引入各种先验分布，并通过知识蒸馏从全参照教师向NAR学生传输更多的高质量-低质量分布差异信息，从而实现更好的图像质量评估。

Feb, 2022

探索基于transformer的全参考图像质量评估模型的性能，并提出了一种基于半监督知识蒸馏的IQA方法，使用嘈杂的伪标签数据将全参考教师模型蒸馏到盲学生模型中。在NTIRE 2022感知图像质量评估挑战中，我们的方法取得了竞争力的结果。

Apr, 2022

无参考图像质量评估中，无监督学习的质量表示具有广泛的扭曲捕捉能力，并通过视觉语言模型提取高层次的图像质量信息，将这两组特征结合训练简单回归器有效预测质量，并展示了这些特征在数据有效和零样本情况下的优越性能。

Dec, 2023

通过构建一个新的损失函数和网络，本研究提出了一个GMC-IQA框架，综合了全局相关性和均值一致性，通过定义基于偏好的排序估计来解决非可微问题，并引入了队列机制来近似整个数据集的全局结果。实验证明，我们的方法在多个真实数据集上的准确性和泛化能力上优于其他方法，并且适应了多种网络，取得了更好的性能和更稳定的训练。

Jan, 2024

本研究解决了图像质量评估中的数据标签依赖问题，提出了一种新颖的梯度调节元提示框架（GRMP-IQA）。该框架利用元学习预训练模型，快速适应多样的图像质量评估任务，显著提高了在有限数据场景下的准确性。实验结果表明，GRMP-IQA在只使用20%的训练数据时，其表现超越了大多数现有的完全监督的图像质量评估方法。

Sep, 2024