为了推进无参考视频质量预测，我们构建了一个大规模的视频质量评估数据库，其中包含由大量用户捕捉的独特内容的 585 个视频，具有各种复杂，真实扭曲的级别。我们通过众包收集了大量的主观视频质量分数，总共有 4776 个独特的参与者参加了本次研究，产生了超过 205000 条意见分数，每个视频平均记录了 240 个人的意见。我们称之为 LIVE-VQC 的新资源的价值是通过在其中进行领先的 NR 视频质量预测器的比较来证明的；这是有史以来在内容数量、捕获设备、畸变类型与畸变组合、研究参与者和记录的主观分数等多个关键维度上进行的最大的视频质量评估研究。

Mar, 2018

该研究介绍了一个人像特定的图像质量评估数据集 PIQ23，其使用配对比较的方法由多位专家对三个特定属性进行注释，在深入的统计分析后，证明了语义信息可以用于提高图像质量评估的预测。

Apr, 2023

近年来，图像处理技术在多个工业过程中的应用范围日益广泛，为验证现有的图像质量评估方法的可靠性，我们建立了一个新的工业过程图像数据库（IPID），其中包含 3000 个经过不同程度畸变处理的图片，并进行了主观测试以收集其主观质量评分，在 IPID 数据库上进行对比实验以研究一些客观图像质量评估算法的性能，实验结果表明，最先进的图像质量评估方法在预测包含多种失真类型的图像质量方面存在困难。

Jan, 2024

本文介绍了一种系统化、可规模化的方法，用于创建大规模的、真实和多样化的图像数据集，以进行图像质量评估，并构建了一个包含 10,073 个图像的 IQA 数据库，其中进行了大规模众包实验，以获得 1,467 个众包工人（1.2 百万评分）的可靠质量评级。

Mar, 2018

该研究利用认知图像分析技术开发了自动化工具，旨在改善视力受损用户拍摄照片的技术质量问题，建立了一个大型的歪曲视力受损用户生成内容（VI-UGC）图像数据库，利用人类感知质量判断和失真标签进行预测模型的训练及其反馈系统的原型设计，为视力受损用户提供拍摄更高质量照片的机会。

May, 2023

我们介绍了一种新的图像质量评估（IQA）数据集，包括 6073 个高分辨率的 UHD-1（4K）图像，以 3840 像素为固定宽度进行注释。与现有的非参考（NR）IQA 数据集相反，我们的数据集侧重于高度美学且高技术质量的照片，填补了文献中的空白。该数据集通过众包研究获得感知质量评级。经过数天的多个评估者的多次评估，我们得到了高度可靠的标签。我们的数据集具有独特的特点，如注重高质量图像、可靠的众包注释和高分辨率注释，为推进感知图像质量评估研究和开发适用于现代照片的实用非参考 IQA 模型提供了新的机会。

Jun, 2024

通过众包的方式，我们创建了 KonIQ-10k 数据集，该数据集是目前最大的图像质量评估数据集，共计包括 10,073 张有质量评分的图像。我们还提出了一种新的运用深度学习的模型 KonCept512，该模型通过 InceptionResNet 架构进行训练，在高分辨率的数据集上具有了比现有技术更好的泛化性能（SROCC0.921）

Oct, 2019

本文旨在通过一项有关画质评估的研究，建立大规模的虚拟现实（VR）主观质量数据库，以发展 VR 品质模型和基准测试 VR 品质预测算法。研究中，使用 450 张受损的图像进行了调查，并记录了主观评分和眼动数据，支持了注视方向与品质感知之间的关系。文章还对几个公开可用的 IQA 模型进行了评估，并对比了它们的性能。

Oct, 2019

提出了一种基于深度学习的方法，包含两个 CNN 子单元的深度架构，以及一个自行收集的包含自然扭曲的图像的图像库 BIQ2021，用于模型训练和验证。通过在多个数据集上的实验，证明了该方法的性能和广泛的泛化性能。

May, 2023

本文建立了一个大规模的 AIGC IQA 数据库，用于评估人类对于每个图像的质量、真实性和对应性的视觉偏好，并在该数据库上进行了基准实验来评估几个最先进的 IQA 度量标准的性能。

Jul, 2023