本文研究了在对话检索（CS）场景下，已有的查询预测方法的有效性和适用性，并探讨了一些新的查询性能预测挑战，研究发现：（i）仅在大规模训练集可用时，受监督的 QPP 方法明显优于无监督的对应物；（ii）对于大多数情况，点对点受监督的 QPP 方法优于其列表对应物；（iii）基于检索分数的无监督 QPP 方法在评估 Conversational Dense Retrieval 方法 ConvDR 时展现出高级别的效果。

May, 2023

基于人工判断，我们引入了第一个在图像生成性能方面手动标注的提示数据集，并且在图像检索中收集了手动标注的检索结果，从而确定相同提示在图像生成和图像检索中的困难程度。我们提出了第一个综合评估图像生成和图像检索中提示 / 查询性能困难程度的基准，包括 10K 个查询。通过各种预生成 / 检索和后生成 / 检索性能预测器的结果，为未来研究提供了竞争基准。

Jun, 2024

使用自动生成的相关判断将查询性能预测 (QPP) 分解为独立的子任务，通过判断排名列表中每个项目与给定查询的相关性来预测信息检索评估度量，并利用领先的开源大型语言模型 LLaMA 来提高 QPP 质量。

Apr, 2024

我们研究了开放域多跳问题回答中查询性能预测的问题，提出了一种用于预测开放域多跳问题性能的新型预检索方法，通过对最大的多跳问题回答数据集进行广泛评估，我们证明了该模型是一个强大的性能预测器，优于传统的单跳查询性能预测模型，此外，我们展示了该方法可以有效地用于优化问题回答系统的参数，例如需要检索的文档数量，从而提高整体的检索性能。

Aug, 2023

本研究介绍了迄今为止最大的主观图像质量数据库，并使用这个数据库建造了深度基于区域的体系结构来预测图像的质量，包括全局和局部预测。

Dec, 2019

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

本文提出一种新的方法，利用偏好图片对来训练盲图像质量评估模型，这些偏好标签可在很低的成本下产生，实验表明该方法具有良好的性能且易于扩展。

Sep, 2013

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

本文旨在回答两个问题：（1）现有的图像质量评估方法是否能客观评估最近的图像修复（IR）算法？（2）在打破当前基准的重点下，我们是否获得了更好的 IR 算法？为了回答这些问题并推动 IQA 方法的发展，我们贡献了一个大规模的 IQA 数据集，称为感知图像处理算法（PIPAL）数据集。该数据集包括基于 GAN 的方法的结果。通过 PIPAL，我们为 IQA 和超分辨方法提供了新的基准。实验表明，现有的 IQA 方法不能公平评估基于 GAN 的 IR 算法。最后，我们通过引入抗锯齿池化来改善 IQA 网络在基于 GAN 的扭曲上的性能，并取得了显著效果。

Jul, 2020

本文提出了一种基于感知的数字图像质量评估方法 —— 无参考感知图像质量指数（PIQI），来评估数字图像的质量。通过计算多个尺度和颜色空间中的亮度、梯度统计信息以及均值减法对比规范化乘积，将这些提取出的特征提供给高斯过程回归（GPR）的堆叠集成模型进行质量评估，并在六个基准数据库上评估其性能并与其他方法进行比较，结果表明 PIQI 能够达到竞争水平。

May, 2023