MR-IQA: A Unified Margin View of Regression and Ranking for Blind Image Quality Assessment

तकनीकी सारांश: MR-IQA

समस्या विवरण (Problem Statement)

ब्लाइंड इमेज क्वालिटी असेसमेंट (BIQA) का लक्ष्य बिना किसी संदर्भ छवि (reference image) के मानवीय बोध गुणवत्ता निर्णयों को मॉडल करना है। वर्तमान दृष्टिकोण मुख्य रूप से दो शिक्षण प्रतिमानों (learning paradigms) पर निर्भर करते हैं: रिग्रेशन (regression), जो पूर्ण गुणवत्ता स्कोर को कैलिब्रेट करता है, और रैंकिंग (ranking), जो क्रमिक संबंधों (ordinal relations) से गुणवत्ता संरचनाओं को पुनर्प्राप्त करता है। हाल के कार्य, विशेष रूप से मल्टीमॉडल लार्ज लैंग्वेज मॉडल्स (MLLMs) का उपयोग करने वाले, प्रदर्शन सुधारने के लिए अक्सर संयुक्त रिग्रेशन-रैंकिंग पर्यवेक्षण (supervision) का उपयोग करते हैं, लेकिन इन दोनों प्रतिमानों के बीच सैद्धांतिक संबंध काफी हद तक अनुभवजन्य (empirical) बना हुआ है। मौजूदा तरीके इन उद्देश्यों को हीयुरिस्टिक लॉस वेट्स या रिवॉर्ड डिज़ाइन्स के माध्यम से संतुलित करते हैं, न कि एक साझा अनुकूलन सिद्धांत (shared optimization principle) के माध्यम से। इसके अलावा, रिग्रेशन-आधारित तरीके डेटासेट-विशिष्ट स्कोर एंकर्स के प्रति संवेदनशील होते हैं, जबकि रैंकिंग-आधारित तरीके छवियों के बीच निरंतर सापेक्ष दूरी (continuous relative distance) को पकड़ने में विफल हो सकते हैं, क्योंकि वे केवल प्राथमिकता की दिशा पर ध्यान केंद्रित करते हैं।

कार्यप्रणाली: MR-IQA (Methodology: MR-IQA)

लेखक MR-IQA का प्रस्ताव करते हैं, जो एक एकीकृत ढांचा है जो रिग्रेशन और रैंकिंग दोनों को क्वालिटी मार्जिन (quality margins) के दृष्टिकोण से पुनर्व्याख्या करता है।

1. सैद्धांतिक आधार: एकीकृत मार्जिन दृश्य (The Unified Margin View)

पेपर यह व्युत्पन्न करता है कि रिग्रेशन और रैंकिंग दोनों मौलिक रूप से युग्म संबंधी सापेक्ष दूरियों (pairwise relational distances) (क्वालिटी मार्जिन) को अनुकूलित करते हैं, जिसे $\Delta\mu_{ij} = \mu_i - \mu_j$ के रूप में परिभाषित किया गया है, जहाँ $\mu$ मीन ऑपिनियन स्कोर (MOS) का प्रतिनिधित्व करता है।

• रिग्रेशन दृश्य (Regression View): दिखाया गया है कि पॉइंटवाइज रिग्रेशन मार्जिन त्रुटियों ($\delta_{ij} = \Delta s_{ij} - \Delta\mu_{ij}$) को एक डेटासेट-एंकर टर्म ($\bar{s} - \bar{\mu}$) के साथ अनुकूलित करता है। रिग्रेशन में ग्लोबल प्रेडिक्शन शिफ्ट एक प्रतिबंधात्मक एंकर के रूप में कार्य करता है जो क्रॉस-डेटासेट सामान्यीकरण (generalization) में बाधा डाल सकता है।
• रैंकिंग दृश्य (Ranking View): थर्स्टोन-शैली की रैंकिंग, जो प्राथमिकता संभावनाओं $P_{ij}$ को मॉडल करती है, गणितीय रूप से रूपांतरित मार्जिन को फिट करने के समान है। फिडेलिटी-आधारित रैंकिंग लॉस का अनुकूलन दिशा मानव मार्जिन ($\Delta\mu_{ij}$) के साथ अनुमानित मार्जिन ($\Delta s_{ij}$) को मिलाने की ओर अभिसरित होती है।
• सेतु (The Bridge): पेपर सिद्ध करता है कि मानक BIQA मेट्रिक, पियर्सन लीनियर कोरिलेशन कोएफिशिएंट (PLCC), अनुमानित मार्जिन के वेक्टर और मानव मार्जिन के वेक्टर के बीच कोसाइन समानता (cosine similarity) के सैद्धांतिक रूप से समान है। यह स्थापित करता है कि मार्जिन फिटिंग (margin fitting) दोनों प्रतिमानों के लिए साझा अनुकूलन लक्ष्य है।

2. एल्गोरिदम: मार्जिन रिवॉर्ड के साथ सुदृढीकरण लर्निंग (Reinforcement Learning with Margin Rewards)

MR-IQA इस सिद्धांत को ग्रुप रिलेटिव पॉलिसी ऑप्टिमाइज़ेशन (GRPO) का उपयोग करके एक सुदृढीकरण लर्निंग (RL) एल्गोरिदम के रूप में लागू करता है।

• सैंपलिंग (Sampling): $N$ छवियों के एक समूह के लिए, पॉलिसी मॉडल प्रत्येक छवि के लिए $K$ क्वालिटी-स्कोर कंप्लीशन (completions) सैंपल करता है।
• मार्जिन गणना (Margin Calculation): प्रत्येक सैंपल किए गए कंप्लीशन $s^{(k)}_i$ के लिए, मॉडल समूह में प्रत्येक अन्य छवि के विरुद्ध अनुमानित मार्जिन की गणना करता है: $\Delta s^{(k)}_{ij} = s^{(k)}_i - \bar{s}_j$।
• रिवॉर्ड डिज़ाइन (Reward Design): मॉडल मानव MOS मार्जिन ($\Delta\mu_{ij}$) के विरुद्ध अनुमानित मार्जिन की तुलना करने के लिए एक स्केल-नियंत्रित मार्जिन एरर $z^{(k)}_{ij}$ की गणना करता है। दो स्केल विकल्प तलाशे गए हैं:
  • रॉ (Raw): $\tau_{ij} = 1$ (पूर्ण बेमेल/absolute mismatch)।
  • अनिश्चितता-सामान्यीकृत (Uncertainty-normalized): $\tau_{ij} = \sqrt{\sigma_i^2 + \sigma_j^2}$ (इंटर-रेटर वेरिएंस के सापेक्ष)।
• रिवॉर्ड रूपांतरण (Reward Conversion): त्रुटि को गाऊसी (Gaussian) या लाप्लास रिवॉर्ड ($r_{margin}$) में परिवर्तित किया जाता है। अंतिम इमेज-लेवल रिवॉर्ड समूह के माध्य और मानक विचलन द्वारा सामान्यीकृत होकर पूरे समूह में युग्मवार रिवॉर्ड को एकत्रित करता है ताकि पॉलिसी अपडेट के लिए एडवांटेज की गणना की जा सके।
• प्रशिक्षण (Training): इस फ्रेमवर्क को Qwen-फैमिली MLLMs को बैकबोन के रूप में उपयोग करके KonIQ-10k डेटासेट पर प्रशिक्षित किया जाता है, जो स्पष्ट पॉइंटवाइज स्कोर रिग्रेशन या डिस्क्रीट रैंकिंग लेबल्स के बिना सीधे मार्जिन संरेखण (margin alignment) के लिए अनुकूलित होता है।

मुख्य योगदान (Key Contributions)

1. सैद्धांतिक एकीकरण (Theoretical Unification): पेपर क्वालिटी मार्जिन को उनके सामान्य अंतर्निहित मात्रा के रूप में पहचानकर रिग्रेशन और रैंकिंग को जोड़ने का काम करता है। यह एक सैद्धांतिक व्युत्पत्ति प्रदान करता है जो दिखाता है कि दोनों प्रतिमान अनिवार्य रूप से मार्जिन-ओरिएंटेड अनुकूलन हैं, जिसमें रिग्रेशन में एक अतिरिक्त डेटासेट-एंकर टर्म शामिल है।
2. MR-IQA फ्रेमवर्क: लेखक इस अंतर्दृष्टि को MR-IQA में लागू करते हैं, जो एक स्केल-नियंत्रित RL एल्गोरिदम है। पिछले तरीकों के विपरीत जो रिग्रेशन और रैंकिंग लॉस को मिलाते हैं, MR-IQA सीधे पॉलिसी रिवॉर्ड के रूप में युग्मवार मार्जिन एरर को अनुकूलित करता है, जो स्पष्ट रूप से निरंतर रिलेशनल क्वालिटी स्ट्रक्चर को मॉडल करता है।
3. अनुभवजन्य सत्यापन (Empirical Validation): छह BIQA बेंचमार्क (इन-डिस्ट्रीब्यूशन और आउट-ऑफ-डिस्ट्रीब्यूशन डेटासेट सहित) पर नियंत्रित प्रयोगों के माध्यम से, MR-IQA प्रतिस्पर्धी सामान्य प्रदर्शन प्रदर्शित करता है। यह सबसे मजबूत औसत PLCC और SRCC प्राप्त करता है, जो मैच किए गए सेटिंग्स के तहत शुद्ध रिग्रेशन और शुद्ध रैंकिंग बेसलाइन्स से बेहतर प्रदर्शन करता है।

प्रयोगात्मक परिणाम (Experimental Results)

• प्रदर्शन (Performance): छह बेंचमार्क (KonIQ-10k, SPAQ, LIVE-Challenge, AGIQA-3K, KADID-10k, CSIQ) पर, MR-IQA औसत PLCC 0.831 और SRCC 0.810 प्राप्त करता है। यह मजबूत SFT-आधारित मॉडल DeQA (0.838/0.813) के तुलनीय है और अन्य RL-आधारित तरीकों जैसे Q-Insight (रिग्रेशन) और VQ-R1 (रैंकिंग) से काफी बेहतर है।
• एब्लेशन अध्ययन (Ablation Studies):
  • रिवॉर्ड फंक्शन (Reward Function): रॉ मार्जिन स्केल ($\tau_{ij}=1$) के साथ L2 एस्टीमेटर ने सर्वोत्तम परिणाम दिए। आश्चर्यजनक रूप से, मानव इंटर-रेटर वेरिएंस द्वारा सामान्यीकृत करने से प्रदर्शन में लगातार सुधार नहीं हुआ, जो बताता है कि मानव वेरिएंस हमेशा मॉडल के लिए विश्वसनीय प्रशिक्षण-समय स्केल नहीं होता है।
  • बैकबोन स्थिरता (Backbone Stability): रिग्रेशन और रैंकिंग बेसलाइन्स पर MR-IQA के प्रदर्शन लाभ विभिन्न MLLM बैकबोन (Qwen3-VL-2B/4B और Qwen2.5-VL-7B) में सुसंगत रहे, जो दर्शाता है कि विधि का लाभ किसी विशिष्ट मॉडल स्केल से बंधा नहीं है।
• केस स्टडीज (Case Studies): गुणात्मक विश्लेषण से पता चलता है कि MR-IQA बेसलाइन्स की तुलना में वितरणों के बीच विजुअल एविडेंस को MOS मार्जिन के साथ अधिक मजबूती से संरेखित करता है, जो अक्सर पर्सेप्चुअल ओवरफिटिंग प्रदर्शित करते हैं या सापेक्ष दूरियों को सटीक रूप से पकड़ने में विफल रहते हैं।

महत्व और दावे (Significance and Claims)

पेपर का दावा है कि MR-IQA रिग्रेशन और रैंकिंग को एकीकृत करने के लिए एक नया सैद्धांतिक अंतर्दृष्टि प्रदान करता है, जो अनुभवजन्य संयोजनों से आगे बढ़कर गुणवत्ता संरचना पर आधारित एक साझा अनुकूलन सिद्धांत की ओर बढ़ता है।

• सैद्धांतिक आधार: यह यह दिखाकर BIQA को समझने के लिए एक आधार प्रदान करता है कि स्कोर कैलिब्रेशन और ऑर्डिनल तुलना (ordinal comparison) रिलेशनल क्वालिटी स्ट्रक्चर (मार्जिन्स) के माध्यम से एकीकृत हैं।
• डिज़ाइन सिद्धांत: यह कार्य स्कोर कैलिब्रेशन और ऑर्डिनल तुलना के बीच अनुभवजन्य पूरकता को एक स्पष्ट अनुकूलन सिद्धांत में बदल देता है।
• सामान्यीकरण (Generalizability): लेखक सुझाव देते हैं कि यह मार्जिन-आधारित दृष्टिकोण BIQA से परे अन्य गुणवत्ता और रैंकिंग कार्यों, जैसे सौंदर्य मूल्यांकन (aesthetic assessment), वीडियो गुणवत्ता मूल्यांकन और लर्निंग-टू-रैंक तक विस्तृत है।
• सीमाएं (Limitations): लेखक विनम्रतापूर्वक नोट करते हैं कि इंटर-रेटर वेरिएंस नॉर्मलाइजेशन ने लगातार मदद नहीं की, और इस पद्धति के लिए पर्याप्त पेयर कवरेज की आवश्यकता होती है, जो छोटे डेटासेट पर शोर युक्त (noisy) हो सकता है। वे यह भी उल्लेख करते हैं कि वर्तमान प्रयोग Qwen-फैमिली MLLMs पर केंद्रित हैं।