技術要約: MR-IQA

問題提起

ブラインド画像品質評価（BIQA）は、参照画像なしで人間の知覚的な品質判断をモデル化することを目的としている。現在の手法は、主に2つの学習パラダイムに依存している。一つは絶対的な品質スコアを較正する**回帰（regression）であり、もう一つは順序関係から品質構造を復元するランキング（ranking）**である。特にマルチモーダル大規模言語モデル（MLLM）を活用した最近の研究では、性能向上のために回帰とランキングの共同監督を頻繁に採用しているが、これら2つのパラダイム間の理論的な関係は、依然として主に経験的なものに留まっている。既存の手法は、共通の最適化原理を用いるのではなく、ヒューリスティックな損失重みや報酬設計を通じてこれらの目的をバランスさせているのが一般的である。さらに、回帰ベースの手法はデータセット固有のスコアアンカーに敏感である一方、ランキングベースの手法は、単に好みの方向性にのみ焦点を当て、画像間の連続的な相対距離を捉えきれない可能性がある。

手法: MR-IQA

著者らは、回帰とランキングの両方を品質マージン（quality margins）の観点から再解釈した統一フレームワークであるMR-IQAを提案する。

1. 理論的基礎: 統一されたマージンの視点

本論文は、回帰とランキングの両方が、根本的に**ペアの相対距離（品質マージン）**を最適化していることを導出している。ここで、$\Delta\mu_{ij} = \mu_i - \mu_j$ と定義され、$\mu$ は平均意見スコア（MOS）を表す。

• 回帰の視点: 点的な回帰は、データセットアンカー項（$\bar{s} - \bar{\mu}$）と結合されたマージン誤差（$\delta_{ij} = \Delta s_{ij} - \Delta\mu_{ij}$）を最適化することが示されている。回帰におけるグローバルな予測シフトは、クロスデータセットの汎化を妨げる制約的なアンカーとして機能する。
• ランキングの視点: 好みの確率 $P_{ij}$ をモデル化するサーストン型のランキングは、変換されたマージンに適合することと数学的に等価である。忠実度に基づくランキング損失の最適化方向は、予測されたマージン（$\Delta s_{ij}$）を人間のマージン（$\Delta\mu_{ij}$）に一致させることに収束する。
• 架け橋: 本論文は、標準的なBIQA指標であるピアソン線形相関係数（PLCC）が、予測されたマージンのベクトルと人間のマージンのベクトルの間のコサイン類似性と理論的に等価であることを証明している。これにより、**マージン適合（margin fitting）**が両パラダイムの共通の最適化ターゲットであることが確立される。

2. アルゴリズム: マージン報酬を用いた強化学習

MR-IQAは、この理論を**グループ相対方策最適化（GRPO）**を用いた強化学習（RL）アルゴリズムとして実装する。

• サンプリング: $N$ 枚の画像のグループに対して、方策モデルは各画像につき $K$ 個の品質スコアの補完（completion）をサンプリングする。
• マージン計算: 各サンプリングされた補完 $s^{(k)}_i$ について、モデルはグループ内の他のすべての画像に対する予測マージン $\Delta s^{(k)}_{ij} = s^{(k)}_i - \bar{s}_j$ を計算する。
• 報酬設計: モデルは、予測されたマージンを正解のMOSマージン（$\Delta\mu_{ij}$）と比較し、スケール制御されたマージン誤差 $z^{(k)}_{ij}$ を計算する。2つのスケールオプションが検討されている：
  • 生（Raw）: $\tau_{ij} = 1$ （絶対的な不一致）。
  • 不確実性正規化（Uncertainty-normalized）: $\tau_{ij} = \sqrt{\sigma_i^2 + \sigma_j^2}$ （評価者間の分散に対する相対値）。
• 報酬変換: 誤差はガウス報酬またはラプラス報酬（$r_{margin}$）に変換される。最終的な画像レベルの報酬は、グループ内のペアごとの報酬を集計し、グループの平均と標準偏差によって正規化して、方策更新のためのアドバンテージを算出する。
• 学習: フレームワークは、QwenファミリーのMLLMをバックボーンとして使用し、明示的な点的なスコア回帰や離散的なランキングラベルを用いずに、マージンへの直接的な整列（alignment）を最適化しながら、KonIQ-10kデータセット上で学習される。

主な貢献

1. 理論的統一: 本論文は、品質マージンを共通の基礎量として特定することで、回帰とランキングを橋渡しする。これは、両方のパラダイムが本質的にマージン指向の最適化であり、回帰には追加のデータセットアンカー項が含まれることを示す理論的導出を提供している。
2. MR-IQAフレームワーク: 著者らはこの洞察を、スケール制御されたRLアルゴリズムであるMR-IQAとして実装した。回帰とランキングの損失を組み合わせる従来の手法とは異なり、MR-IQAはペアのマージン誤差を直接方策報酬として最適化し、連続的な相対的品質構造を明示的にモデル化する。
3. 実証的検証: 6つのBIQAベンチマーク（イン・ディストリビューションおよびアウト・オブ・ディストリビューションのデータセットを含む）にわたる制御された実験を通じて、MR-IQAは競争力のある汎用性能を示す。MR-IQAは、マッチした設定において、純粋な回帰および純粋なランキングのベースラインを上回り、RLベースの手法の中で最強の平均PLCCおよびSRCCを達成している。

実験結果

• 性能: 6つのベンチマーク（KonIQ-10k, SPAQ, LIVE-Challenge, AGIQA-3K, KADID-10k, CSIQ）において、MR-IQAは平均PLCC 0.831、SRCC 0.810を達成した。これは強力なSFTベースのモデルであるDeQA（0.838/0.813）に匹敵し、Q-Insight（回帰）やVQ-R1（ランキング）のような他のRLベースの手法を大幅に上回っている。
• アブレーション研究:
  • 報酬関数: 生のマージンスケール（$\tau_{ij}=1$）を用いたL2推定器が最良の結果をもたらした。驚くべきことに、人間の評価者間の分散によって正規化しても性能は一貫して向上せず、人間の分散は必ずしもモデルの学習時における信頼できるスケールではないことが示唆された。
  • バックボーンの安定性: 回帰およびランキングのベースラインに対するMR-IQAの性能向上は、異なるMLLMバックボーン（Qwen3-VL-2B/4BおよびQwen2.5-VL-7B）にわたって一貫しており、この手法の堅牢性が特定のモデル規模に依存していないことを示している。
• ケーススタディ: 定性的分析によれば、MR-IQAは、知覚的なオーバーフィッティングを起こしたり相対的な距離を正確に捉えられなかったりするベースラインと比較して、分布を越えて視覚的根拠をMOSマージンに、より強固に適合させている。

意義と主張

本論文は、MR-IQAが、経験的な組み合わせを超えて、品質構造に基づく共通の最適化原理を通じて回帰とランキングを統一する新しい理論的洞察を提供すると主張している。

• 理論的基礎: スコアの較正と順序比較が、相対的な品質構造（マージン）を通じて統一されることを示すことで、BIQAの理解のための基盤を提供する。
• 設計原則: 本研究は、スコア較正と順序比較の間の経験的な相補性を、明示的な最適化原理へと変換している。
• 汎用性: 著者らは、このマージンベースの視点が、美学的評価、ビデオ品質評価、学習によるランキング（learning-to-rank）など、BIQA以外の品質およびランキングタスクにも拡張可能であると示唆している。
• 限界: 著者らは、評価者間の分散による正規化が一貫して役立たなかったこと、および本手法は十分なペアの被覆を必要とし、小規模なデータセットではノイズが生じる可能性があることを控えめに述べている。また、現在の実験はQwenファミリーのMLLMに焦点を当てていることも記している。