该研究提出了一种高效的基于图像梯度的质量评估模型，使用像素级梯度相似度与池化策略预测图像质量，该模型的预测准确度与计算效率均较高。

Aug, 2013

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

本文研究了通过机器学习进行图像质量评估和增强的问题，并开发了一个新的无参考图像质量评估模型和一个基于质量优化的强大的图像增强框架。

Apr, 2019

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

现代无参考图像质量评估（NR-IQA）模型可以有效量化感知图像质量，在固定测试集上模型预测与人类感知评分之间存在高相关性。然而，在从感知优化的角度比较NR-IQA模型方面几乎没有取得进展。本文首次证明NR-IQA模型可以被插入到最大后验估计（MAP）框架用于图像增强，通过在可微且双射的扩散隐变量而不是原始像素域中进行梯度运算。不同的NR-IQA模型可能导致不同的增强图像，最终需要经过感知测试。这为在合成分析框架内比较NR-IQA模型提供了一种新的计算方法。与传统基于相关性的度量方法相比，我们的方法在感知优化的背景下提供了互补的洞察力，用于评估竞争的NR-IQA模型的相对优点和缺陷。

Mar, 2024

利用压缩采样的图像质量评估方法 (S-IQA) 提出了一个新的框架，其中包括灵活采样模块、自适应嵌入模块和双分支模块，通过这个方法在各种数据集上实现了最先进的结果。

Apr, 2024

通过Compare2Score模型，我们成功地将文本定义的比较级别与转换后的单个图像质量得分进行了有效的联系，不仅在训练过程中有效地使用了丰富的图像质量评估数据集，而且在推理过程中通过概率矩阵自适应地转换了离线图像到连续质量得分的比较级别，从而成功超越了目前最先进的图像质量评估模型。

May, 2024

提出了一种新颖的预训练框架，通过从通用视觉语言模型中选择性提取与图像质量相关的知识，并利用大型数据集的可扩展性，构建了一种适用于图像质量评估的通用表示。同时我们的方法在多个数据集上取得了最先进的性能，并展现了显著的泛化能力。

Jun, 2024

通过理解可学习的质量感知文本提示与图像之间的对齐程度，我们利用潜在扩散模型的降噪过程对广义图像质量评估进行了改进。

Jun, 2024

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