English(EN) Learning Where to Look and How to Judge: Resolution-agnostic Image Quality Assessment with Quality-aware Saliency

新的ReLIQS模型实现了分辨率无关的图像质量评估

作者 PulseAugur 编辑部 · [1 个来源] · 2026-08-04 04:00

研究人员开发了ReLIQS，一种新颖的分辨率无关图像质量评估模型。该基于CLIP的架构学会识别多个分辨率（包括原始分辨率）的关键质量线索，并使用感知重要性估计器来关注信息性图像块。ReLIQS在各种基准测试中表现优于现有的基于CNN、CLIP和MLLM的系统，计算成本相当或更低。 AI

影响该模型可以通过克服分辨率限制来改进自动图像质量评估，特别是对于AI生成的内容。

排序理由该集群包含一篇详细介绍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]

AI 生成摘要 · Google Gemini · 来自 1 个来源。我们如何撰写摘要 →

报道来源 [1]

arXiv cs.CV TIER_1 English(EN) · Hakan Emre Gedik, Shashank Gupta, Alan Bovik · 2026-08-04 04:00

Learning Where to Look and How to Judge: Resolution-agnostic Image Quality Assessment with Quality-aware Saliency

arXiv:2608.01730v1 Announce Type: new Abstract: No-reference image quality assessment (NR IQA) has recently benefited from deep and multimodal models, yet many SOTA systems still violate at least one basic requirement: they either discard critical quality cues via aggressive resi…