这篇笔记只覆盖量子位 7 月 20 日对 IQA-T1 的论文报道。
让模型先找证据，再给分
图像质量评估里，多模态大模型可能看懂「这是一只猫」，却对噪声、模糊和压缩伪影不够敏感。IQA-T1 将问题改写成工具化推理：模型可以主动调用感知工具，把底层退化显影成结构化视觉证据。
代表性工具包括：
- 噪声残差图：分离噪声与压缩痕迹
- 梯度方向 / 梯度幅度证据：观察结构和锐度
- 傅里叶幅度谱：寻找周期性伪影
训练重点是「会用」和「会挑」
团队用 Q-Tool 构建约 11k 条证据推理链：监督微调（SFT）先教模型按格式调用工具、引用证据；再用 GRPO 优化调用时机，并惩罚重复和无关工具。
论文报告：在 7 个图像质量评估基准上，IQA-T1 的平均 PLCC / SRCC 为 0.795 / 0.784；动态策略平均每张图调用 2.34 个工具。这些是论文实验结果，不等于所有真实图片场景都能达到同样表现。
第一张为原文研究框架图，第二张为原文案例对比：IQA-T1 先调用梯度与噪声证据，给出 2.67 分，接近人类真值 2.66。图片中的英文标签为论文原图，未改写为新结论。
コメント
ログインするとコメントできます。