面向具身任务的图像质量评估新框架

论文提出以任务效用重构具身场景的图像质量评估。

资讯摘要

论文提出，现有图像质量评估（IQA）多在静态基准上学习与通用人类评分对齐的任务无关分数，这与具身交互场景不匹配，因为图像是否够用取决于任务目标、上下文与动作需求。作者提出基于 MLLM 的具身 IQA 智能体框架，推理任务需求、给出质量证据并输出面向决策的评估。一项基于 VisDrone 的小规模证据研究显示，传统感知指标和通用 MLLM 的 IQA 分数对下游 VLM 任务成功预测较弱，而任务条件化的效用分数预测更好。

要点速读

1. 论文主张 IQA 应从分数回归转向由具身任务效用定义的目标条件化判断。
2. 提出基于 MLLM 的具身 IQA 智能体框架，输出面向决策的评估。
3. VisDrone 小规模证据研究显示任务条件化效用分数比传统指标和通用 MLLM 分数更能预测下游 VLM 任务成功。

中文摘要由 AI 根据公开来源生成，可能存在理解偏差；具体能力、数字、开放时间等信息请以原文为准。
采集于 2026/10/29 08:00:21（北京时间）。 arXiv 日期为本次公告时间，论文初次投稿日期请查看原文版本记录。