研究人员开发了LEIQ-Assessor，一种新颖的多任务学习模型，用于评估低光增强图像的质量。该模型利用SigLIP2 Vision Transformer骨干网络，同时预测整体平均意见得分（MOS）和六个特定的感知属性，包括亮度、色彩保真度和内容恢复。与单任务模型相比，这种方法可以捕获更丰富的质量感知特征。LEIQ-Assessor在MLE基准测试中表现出色，优于现有的无参考图像质量评估（IQA）模型，并在QoMEX 2026低光增强图像质量评估挑战赛中获得第二名。 AI
影响 通过提供更全面的质量评估，该模型有望改进低光图像增强算法的开发和实际应用。
排序理由 这是一篇描述新型图像质量评估模型的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]
- LEIQ-Assessor
- MLE benchmark
- QoMEX 2026 Grand Challenge on Low-light Enhanced Image Quality Assessment
- SigLIP2 Vision Transformer
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
