图像质量评估（IQA）Q-Insight: Understanding Image Quality via Visual Reinforcement Learning

论文作者：Weiqi Li,Xuanyu Zhang,Shijie Zhao,Yabin Zhang,Junlin Li,Li Zhang,Jian Zhang

作者单位：Peking University;ByteDance Inc.

论文链接：http://arxiv.org/abs/2503.22679v1

项目链接：https://github.com/lwq20020127/Q-Insight

内容简介：

1）方向：图像质量评估（IQA）

2）应用：图像质量评估（IQA）

3）背景：现有的基于MLLM的图像质量评估方法通常仅能生成缺乏可解释性的数值评分，或严重依赖大规模标注数据进行监督微调（SFT），限制了模型的灵活性和适用性。因此，亟需一种更高效且更具泛化能力的IQAs方法。

4）方法：本文提出了一种基于强化学习的图像质量评估模型 Q-Insight，其核心为群体相对策略优化（GRPO），能够在仅需少量评分和降质标签的情况下实现强大的视觉推理能力。该方法通过精心设计的奖励函数，联合优化评分回归和降质感知任务，从而有效利用两者的互补优势，提高整体评估性能。

5）结果：实验表明，Q-Insight 在评分回归和降质感知任务上显著超越当前最先进的方法，并在零样本情况下表现出强大的比较推理泛化能力。代码：https://github.com/lwq20020127/Q-Insight