論文の概要: Task-Utility IQA: Rethinking Image Quality Assessment in Embodied Tasks

• arxiv url: http://arxiv.org/abs/2610.35905v1
• Date: Wed, 30 Sep 2026 03:27:47 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-11-02 06:06:26.155249
• Title: Task-Utility IQA: Rethinking Image Quality Assessment in Embodied Tasks
• Title（参考訳）: Task-Utility IQA: 身体的タスクにおける画像品質評価の再考
• Abstract要約: 我々は、IQAがスコア回帰から、具体的タスクユーティリティによって定義されたゴール条件の判断にシフトすべきであると主張している。 コンパクトなVisDroneエビデンス研究は、従来の知覚測度と一般的なMLLMベースのIQAスコアが、下流のVLMタスク成功のための弱いプロキシであることを示している。 これらの知見は, 具体的, 説明可能な, 意思決定に配慮した視覚知覚のための, IQAのタスクユーティリティ指向のリフレーミングを支援する。
• 参考スコア（独自算出の注目度）: 24.149319896416724
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Image quality assessment (IQA) underpins embodied imaging pipelines by judging whether visual quality satisfies downstream tasks, yet most existing methods learn task-agnostic scores aligned with generic human ratings on static benchmarks. This objective mismatches embodied and interactive settings, where image adequacy depends on task goals, context, and action requirements that shape an agent's decisions. We argue that IQA should shift from score regression to goal-conditioned judgment defined by embodied task utility. To this end, we propose an MLLM-based embodied IQA agent framework that reasons about task requirements, grounds quality evidence, and produces decision-facing assessments. A compact VisDrone evidence study shows that conventional perceptual metrics and generic MLLM-based IQA scores are weak proxies for downstream VLM task success, while a task-conditioned utility score better predicts whether visual input supports the target task. These findings support a task-utility-oriented reframing of IQA for embodied, explainable, and decision-aware visual perception.
• Abstract（参考訳）: 画像品質評価(IQA)は、視覚的品質が下流のタスクを満足するかどうかを判断することで、画像パイプラインの基盤となるが、既存のほとんどの手法では、静的ベンチマークで一般的な人間の評価と一致したタスクに依存しないスコアを学習する。 この目的は、イメージの妥当性がエージェントの決定を形成するタスクの目標、コンテキスト、アクション要求に依存するような、具体的で対話的な設定をミスマッチさせる。 我々は、IQAがスコア回帰から、具体的タスクユーティリティによって定義されたゴール条件の判断にシフトすべきであると主張している。 そこで本稿では,MLLM をベースとした IQA エージェントフレームワークを提案する。 コンパクトなVisDroneエビデンス研究は、従来の知覚測定値と一般的なMLLMベースのIQAスコアが、下流のVLMタスク成功の弱いプロキシであることを示し、タスク条件付きユーティリティスコアは、視覚入力が目標タスクをサポートするかどうかをより正確に予測する。 これらの知見は, 具体的, 説明可能な, 意思決定に配慮した視覚知覚のための, IQAのタスクユーティリティ指向のリフレーミングを支援する。

関連論文リスト

• One Model, Two Minds: Task-Conditioned Reasoning for Unified Image Quality and Aesthetic Assessment [37.98880646905503]
  既存の手法では、両方のタスクに同じ推論戦略と報酬を適用するタスク非依存のレシピが採用されていることを示す。 本稿では,各タスクの性質に基づいて後学習を行いながら,視覚言語バックボーンを共有する統合フレームワークであるTATARを提案する。 本研究は,統合された知覚スコアリングのための原則的パラダイムとして,タスク条件付きポストトレーニングを確立した。
  論文  参考訳（メタデータ） (2026-03-20T09:14:33Z)
• Enhancing Image Quality Assessment Ability of LMMs via Retrieval-Augmented Generation [102.10193318526137]
  大規模マルチモーダルモデル(LMM)は近年,低レベルの視覚知覚タスクにおいて顕著な将来性を示している。 我々は,LMMの画像品質評価(IQA)能力を向上させるトレーニングフリーフレームワークであるIQARAGを紹介する。 IQARAGはRetrieval-Augmented Generation (RAG)を利用して、意味論的に類似しているが品質の異なる参照画像と対応する平均オピニオンスコア(MOS)を入力画像として取得する。
  論文  参考訳（メタデータ） (2026-01-13T08:00:02Z)
• 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)
• AgenticIQA: An Agentic Framework for Adaptive and Interpretable Image Quality Assessment [69.06977852423564]
  画像品質評価(IQA)は、人間の視覚系に根ざした知覚品質の定量化と解釈の両方を反映している。 AgenticIQAは、IQAを歪み検出、歪み解析、ツール選択、ツール実行の4つのサブタスクに分解する。 本稿では,IQAエージェントに適した大規模命令データセットであるAgenticIQA-200Kと,VLMベースのIQAエージェントの計画,実行,要約機能を評価するための最初のベンチマークであるAgenticIQA-Evalを紹介する。
  論文  参考訳（メタデータ） (2025-09-30T09:37:01Z)
• Few-Shot Image Quality Assessment via Adaptation of Vision-Language Models [93.91086467402323]
  Gradient-Regulated Meta-Prompt IQA Framework (GRMP-IQA) は、視覚言語事前学習モデルのCLIPをIQAタスクに効率よく適応させるように設計されている。 GRMP-IQAは、 (i) Meta-Prompt 事前学習モジュールと (ii) Quality-Aware Gradient Regularization の2つのコアモジュールから構成される。
  論文  参考訳（メタデータ） (2024-09-09T07:26:21Z)
• 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)
• Object-QA: Towards High Reliable Object Quality Assessment [71.71188284059203]
  オブジェクト認識アプリケーションでは、オブジェクトイメージは通常、異なる品質レベルで表示される。 本稿では,オブジェクト画像の信頼性の高い品質スコアを評価するために,Object-QAという効果的手法を提案する。
  論文  参考訳（メタデータ） (2020-05-27T01:46:58Z)

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。