2025_NIPS_VisualQuality-R1: Reasoning-Induced Image Quality Assessment via Reinforcement Learning to

一、文章主要内容总结

该研究聚焦无参考图像质量评估（NR-IQA）任务，提出了一种基于推理诱导的模型VisualQuality-R1，核心是通过强化学习排序（RL2R） 方法训练，以契合视觉质量的内在相对性特征。

1. 研究背景：现有NR-IQA方法存在局限——基于监督微调（SFT）的VLM模型标注成本高、易过拟合且输出僵化；传统强化学习方法将质量评估视为回归任务，依赖数据集特定奖励设计，泛化性不足。
2. 核心设计：
   • 采用组相对策略优化（GRPO）为每张图像生成多个质量分数，利用瑟斯顿模型（Thurstone model）计算图像间质量比较概率；
   • 基于连续保真度度量（fidelity measure）设计奖励函数，替代离散二元标签，提供更精准的训练指导；
   • 以预训练VLM（Qwen2.5-VL-7B）为骨干，通过结构化文本提示引导模型生成带推理过程的质量评分（1-5分）。
3. 实验结果：在8个涵盖成像失真、超分辨率、去雾、图像生成等场景的数据集上，VisualQuality-R1（及多数据集训练版本）的SRCC和PLCC指标持续优于传统手工特征模型、判别式深度学习模型及现有推理诱导基线（如Q-Insight）；同时能生成