技术摘要：MR-IQA

问题陈述

盲图像质量评估（BIQA）旨在无需参考图像即可模拟人类的感知质量判断。目前的方法主要依赖两种学习范式：回归（regression），用于校准绝对质量分数；以及排序（ranking），用于从序关系中恢复质量结构。虽然近期的研究（特别是利用多模态大语言模型 MLLM 的研究）通常采用回归与排序联合监督的方式来提升性能，但这两者之间的理论关系在很大程度上仍停留在经验层面。现有方法通常通过启发式的损失权重或奖励设计来平衡这两个目标，而非通过一个共享的优化原则。此外，基于回归的方法往往对数据集特定的分数锚点（score anchors）较为敏感，而基于排序的方法则可能无法捕捉图像之间连续的相对距离，仅关注偏好方向。

方法论：MR-IQA

作者提出了 MR-IQA，这是一个通过**质量边际（quality margins）**视角来重新诠释回归与排序的统一框架。

1. 理论基础：统一边际观

论文推导出回归与排序在本质上都在优化成对关系距离（pairwise relational distances）（即质量边际），定义为 $\Delta\mu_{ij} = \mu_i - \mu_j$，其中 $\mu$ 代表平均意见得分（MOS）。

• 回归视角： 点对点回归被证明是在优化边际误差（$\delta_{ij} = \Delta s_{ij} - \Delta\mu_{ij}$）并耦合一个数据集锚点项（$\bar{s} - \bar{\mu}$）。回归中的全局预测偏移作为一个限制性锚点，可能会阻碍跨数据集的泛化。
• 排序视角： 建模偏好概率 $P_{ij}$ 的 Thurstone 式排序在数学上等同于拟合变换后的边际。基于保真度的排序损失的优化方向收敛于使预测边际（$\Delta s_{ij}$）与人类边际（$\Delta\mu_{ij}$）相匹配。
• 桥梁： 论文证明了标准的 BIQA 指标——皮尔逊线性相关系数（PLCC）——在理论上等同于预测边际向量与人类边际向量之间的余弦相似度。这确立了**边际拟合（margin fitting）**是两种范式共同的优化目标。

2. 算法：基于边际奖励的强化学习

MR-IQA 将这一理论实例化为一个使用**群体相对策略优化（GRPO）**的强化学习（RL）算法。

• 采样： 对于一组 $N$ 张图像，策略模型为每张图像采样 $K$ 个质量分数补全（completions）。
• 边际计算： 对于每个采样的补全 $s^{(k)}_i$，模型计算其相对于组内其他每张图像的预测边际：$\Delta s^{(k)}_{ij} = s^{(k)}_i - \bar{s}_j$。
• 奖励设计： 模型计算一个比例控制的边际误差 $z^{(k)}_{ij}$，用于比较预测边际与地面真值（ground-truth）MOS 边际（$\Delta\mu_{ij}$）。文中探索了两种比例选项：
  • 原始（Raw）： $\tau_{ij} = 1$（绝对失配）。
  • 不确定性归一化（Uncertainty-normalized）： $\tau_{ij} = \sqrt{\sigma_i^2 + \sigma_j^2}$（相对于评分者间方差）。
• 奖励转换： 误差被转换为高斯或拉普拉斯奖励（$r_{margin}$）。最终的图像级奖励通过聚合组内的成对奖励，并根据组的均值和标准差进行归一化，以计算用于策略更新的优势（advantage）。
• 训练： 该框架在 KonIQ-10k 数据集上进行训练，使用 Qwen 系列 MLLM 作为骨干网络，直接针对边际对齐进行优化，而不进行显式的点对点分数回归或离散排序标签训练。

核心贡献

1. 理论统一： 论文通过识别质量边际为两者的共同底层量，架起了回归与排序之间的桥梁。它提供了一个理论推导，表明这两种范式本质上都是面向边际的优化，而回归包含了一个额外的数据集锚点项。
2. MR-IQA 框架： 作者将这一洞察实例化为 MR-IQA，一种比例控制的强化学习算法。与以往结合回归和排序损失的方法不同，MR-IQA 直接将成对边际误差作为策略奖励进行优化，从而显式地建模了连续的关系质量结构。
3. 实证验证： 通过在六个 BIQA 基准测试（包括分布内和分布外数据集）上的受控实验，MR-IQA 展示了极具竞争力的通用性能。它在 RL 方法中实现了最强的平均 PLCC 和 SRCC，优于在匹配设置下的纯回归和纯排序基线。

实验结果

• 性能： 在六个基准测试（KonIQ-10k, SPAQ, LIVE-Challenge, AGIQA-3K, KADID-10k, CSIC）上，MR-IQA 达到了 0.831 的平均 PLCC 和 0.810 的 SRCC。这与强大的基于 SFT 的模型 DeQA（0.838/0.813）相当，并显著优于其他基于 RL 的方法，如 Q-Insight（回归）和 VQ-R1（排序）。
• 消融实验：
  • 奖励函数： 使用原始边际尺度（$\tau_{ij}=1$）的 L2 估计器效果最好。令人惊讶的是，通过人类评分者间方差进行归一化并未一致地提升性能，这表明人类方差在训练时并不总是可靠的缩放尺度。
  • 骨干网络稳定性： MR-IQA 相较于回归和排序基线的性能增益在不同的 MLLM 骨干网络（Qwen3-VL-2B/4B 和 Qwen2.5-VL-7B）上保持一致，表明该方法的鲁棒性并不依赖于特定的模型规模。
• 案例研究： 定性分析表明，与基线相比，MR-IQA 在不同分布下能更稳健地将视觉证据与 MOS 边际对齐，而基线往往表现出感知过拟合或无法准确捕捉相对距离的问题。

意义与主张

论文声称 MR-IQA 提供了一种新的理论见解，用于统一回归与排序，使其超越了经验性的组合，转向基于质量结构的共享优化原则。

• 理论基础： 它通过展示分数校准与序向比较如何通过关系质量结构（边际）实现统一，为理解 BIQA 提供了基础。
• 设计原则： 该工作将分数校准与序向比较之间的经验互补性转化为一个显式的优化原则。
• 泛化性： 作者认为这种基于边际的视角可以扩展到 BIQA 之外的其他质量与排序任务，例如美学评估、视频质量评估和排序学习。
• 局限性： 作者谦虚地指出，人类评分者间方差归一化并未始终有效，且该方法需要足够的配对覆盖，这在小数据集上可能会产生噪声。他们还提到目前的实验主要集中在 Qwen 系列 MLLM 上。