arXiv · AI· Jirong Zha, Yanwei Liao, Yemin Wang, Xiangmin Yi, Siqi Peng, Yingfeng Chen, Chen Gao, Xinlei Chen·· 5 小时前AI 评分31
面向具身任务的图像质量评估：Task-Utility IQA 框架
Task-Utility IQA: Rethinking Image Quality Assessment in Embodied Tasks
AI 导读
提出基于多模态大模型（MLLM）的 Task-Utility IQA 框架，通过具身任务效用重新定义图像质量评估，支持决策导向的可解释视觉感知。 在 VisDrone 实证研究中，传统感知指标与通用 MLLM 质量评分对下游视觉语言模型（VLM）任务成功的预测能力较弱，而任务条件效用评分能更准确预测视觉输入是否支持目标任务。
来源：arXiv · AI · arxiv.org