論文の概要: Q-Tacit: Image Quality Assessment via Latent Visual Reasoning

• arxiv url: http://arxiv.org/abs/2603.22641v1
• Date: Mon, 23 Mar 2026 23:32:20 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-25 19:53:37.21938
• Title: Q-Tacit: Image Quality Assessment via Latent Visual Reasoning
• Title（参考訳）: Q-Tacit:潜時視覚推論による画質評価
• Authors: Yuxuan Jiang, Yixuan Li, Hanwei Zhu, Siyue Teng, Fan Zhang, David Bull,
• Abstract要約: VLM(Vision-Language Model)に基づく画像品質評価(IQA)が大幅に進歩した。 最近の研究は、強化学習(RL)を適用し、アクティブな視覚ツールを活用することで、画像品質の推論を洗練している。 Q-Tacitは、VLMに潜伏した品質空間における自然言語を超えて推論させる新しいパラダイムである。
• 参考スコア（独自算出の注目度）: 24.842671425873487
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Vision-Language Model (VLM)-based image quality assessment (IQA) has been significantly advanced by incorporating Chain-of-Thought (CoT) reasoning. Recent work has refined image quality reasoning by applying reinforcement learning (RL) and leveraging active visual tools. However, such strategies are typically language-centric, with visual information being treated as static preconditions. Quality-related visual cues often cannot be abstracted into text in extenso due to the gap between discrete textual tokens and quality perception space, which in turn restricts the reasoning effectiveness for visually intensive IQA tasks. In this paper, we revisit this by asking the question, "Is natural language the ideal space for quality reasoning?" and, as a consequence, we propose Q-Tacit, a new paradigm that elicits VLMs to reason beyond natural language in the latent quality space. Our approach follows a synergistic two-stage process: (i) injecting structural visual quality priors into the latent space, and (ii) calibrating latent reasoning trajectories to improve quality assessment ability. Extensive experiments demonstrate that Q-Tacit can effectively perform quality reasoning with significantly fewer tokens than previous reasoning-based methods, while achieving strong overall performance. This paper validates the proposition that language is not the only compact representation suitable for visual quality, opening possibilities for further exploration of effective latent reasoning paradigms for IQA. Source code will be released to support future research.
• Abstract（参考訳）: 視覚言語モデル(VLM)に基づく画像品質評価(IQA)は,CoT推論を取り入れることで大幅に進歩している。 最近の研究は、強化学習(RL)を適用し、アクティブな視覚ツールを活用することにより、画像品質の推論を洗練している。 しかし、このような戦略は通常言語中心であり、視覚情報は静的な前提条件として扱われる。 品質関連の視覚的手がかりは、離散的なテキストトークンと品質知覚空間のギャップのために拡張性のあるテキストに抽象化できないことが多く、それによって視覚的に集中的なIQAタスクの推論の有効性が制限される。 本稿では,「自然言語は品質推論の理想的な空間か?」という質問をすることで,これを再考する。その結果,潜伏する品質空間において,VLMを自然言語を超えて推論する新たなパラダイムであるQ-Tacitを提案する。 我々のアプローチは、相乗的な2段階のプロセスに従う。 一 構造的視覚的品質の先行を潜伏空間に注入し、 二 品質評価能力を向上させるために潜時推論軌道を校正すること。 広範囲な実験により、Q-Tacitは従来の推論手法よりもかなり少ないトークンで品質推論を効果的に行うことができ、全体的な性能は高いことが示されている。 本稿では,言語が視覚的品質に適したコンパクト表現ではないこと,IQAの有効な潜伏推論パラダイムのさらなる探索の可能性について検証する。 ソースコードは将来の研究をサポートするためにリリースされる。

関連論文リスト

• Zoom-IQA: Image Quality Assessment with Reliable Region-Aware Reasoning [32.30800226412995]
  VLMに基づくIQAモデルであるZoom-IQAを導入し、重要な認知行動を明確にエミュレートする。 Zoom-IQAは、堅牢性、説明可能性、一般化の向上を実現する。 画像復元などの下流タスクへの応用は、Zoom-IQAの有効性をさらに示している。
  論文  参考訳（メタデータ） (2026-01-06T11:00:17Z)
• Life-IQA: Boosting Blind Image Quality Assessment through GCN-enhanced Layer Interaction and MoE-based Feature Decoupling [53.74410422225995]
  ブラインド画像品質評価(BIQA)は視覚経験の評価と最適化において重要な役割を担っている。 既存のBIQAアプローチのほとんどは、バックボーンネットワークから抽出された浅く深い特徴を融合させ、品質予測に不平等な貢献を見落としている。 本稿では,BIQA の浅層・深層特性の寄与について検討し,GCN によるアンダーライン層アンダーライン相互作用と MoE ベースのアンダーラインアンダーラインデカップリング(textbf(Life-IQA))による効果的な品質特徴デコードフレームワークを提案する。
  論文  参考訳（メタデータ） (2025-11-24T11:59:55Z)
• Q-Insight: Understanding Image Quality via Visual Reinforcement Learning [27.26829134776367]
  画像品質評価(IQA)は、画像の知覚的視覚的品質に焦点を当て、画像再構成、圧縮、生成などの下流タスクにおいて重要な役割を果たす。 グループ相対ポリシー最適化(GRPO)に基づく強化学習に基づくモデルQ-Insightを提案する。 評価結果から,Q-Insightは,評価結果の回帰と劣化知覚の両面において,既存の最先端手法を大幅に上回っていることを示す。
  論文  参考訳（メタデータ） (2025-03-28T17:59:54Z)
• Multi-Modal Prompt Learning on Blind Image Quality Assessment [65.0676908930946]
  画像品質評価(IQA)モデルは意味情報から大きな恩恵を受け、異なる種類のオブジェクトを明瞭に扱うことができる。 十分な注釈付きデータが不足している従来の手法では、セマンティックな認識を得るために、CLIPイメージテキスト事前学習モデルをバックボーンとして使用していた。 近年のアプローチでは、このミスマッチに即時技術を使って対処する試みがあるが、これらの解決策には欠点がある。 本稿では、IQAのための革新的なマルチモーダルプロンプトベースの手法を提案する。
  論文  参考訳（メタデータ） (2024-04-23T11:45:32Z)
• Towards Robust Text-Prompted Semantic Criterion for In-the-Wild Video Quality Assessment [54.31355080688127]
  コントラスト言語画像事前学習(CLIP)を用いたテキストプロンプト付きセマンティック親和性品質指標(SAQI)とそのローカライズ版(SAQI-Local)を導入する。 BVQI-Localは前例のないパフォーマンスを示し、すべてのデータセットで既存のゼロショットインデックスを少なくとも24%上回る。 我々は、異なる指標の異なる品質問題を調べるために包括的な分析を行い、設計の有効性と合理性を示す。
  論文  参考訳（メタデータ） (2023-04-28T08:06:05Z)
• Exploring Opinion-unaware Video Quality Assessment with Semantic Affinity Criterion [52.07084862209754]
  コントラッシブ言語画像事前学習モデルにおけるテキストプロンプトを用いた意見認識型VQAに対する明示的セマンティック親和性指標を提案する。 また、ガウス正規化とシグモイド再スケーリング戦略を通じて、異なる伝統的な低レベル自然度指数を集約する。 The proposed Blind Unified Opinion-Unaware Video Quality Index via Semantic and Technical Metric Aggregation (BUONA-VISTA)は、既存の意見不明のVQA手法を少なくとも20%改善した。
  論文  参考訳（メタデータ） (2023-02-26T08:46:07Z)
• Task-Specific Normalization for Continual Learning of Blind Image Quality Models [105.03239956378465]
  視覚的画像品質評価(BIQA)のための簡易かつ効果的な連続学習法を提案する。 このアプローチの重要なステップは、トレーニング済みのディープニューラルネットワーク(DNN)のすべての畳み込みフィルタを凍結して、安定性を明示的に保証することです。 我々は、各新しいIQAデータセット(タスク)に予測ヘッドを割り当て、対応する正規化パラメータをロードして品質スコアを生成する。 最終的な品質推定は、軽量な$K$-meansゲーティング機構で、すべての頭からの予測の重み付け総和によって計算される。
  論文  参考訳（メタデータ） (2021-07-28T15:21:01Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。