IQA-T1：基于工具的图像质量评估视觉证据推理

IQA-T1是一个基于工具的视觉证据推理框架，用于图像质量评估。它在推理时自动调用专门分析工具生成噪声残差图、梯度统计和频谱等结构化证据，并逐步整合到多模态大语言模型的推理过程中。在7个基准数据集上取得最佳性能，同时提供可解释且基于证据的质量评估。

与以往仅依赖多模态大语言模型内部语义偏见的文本推理方法不同，IQA-T1通过引入明确的外部感知观测（工具生成的视觉证据），显著提升了对低层次退化（如噪声、模糊）的敏感性，并增强了可解释性。

推理时模型自主调用噪声分析、梯度计算、频谱分析等工具，生成结构化视觉证据，这些证据被逐步加入推理链，使评估结果更加客观。同时，研究者构建了Q-Tool数据集，包含1.1万条基于工具证据的多模态推理链，用于训练和评估。

该框架可直接用于图像质量评估类产品，提升评分准确性和可解释性。但集成需要调用额外工具（如噪声残差计算），可能增加推理延迟和计算成本，产品团队需评估部署可行性。

• 基于IQA-T1开发图片质量自动评分API，供图像编辑或社交平台使用。
• 在AI生成图像（如Midjourney、DALL-E）的输出审核中加入该模型，自动筛选低质量图片。
• 将其集成到图像处理软件中，为用户提供带解释的质量评估结果。
• 为内容审核系统提供可解释的图片质量判断，帮助人工审核决策。

• IQA-T1在真实用户场景（如社交媒体图片）中的泛化能力如何？
• 工具调用增加了多少推理时间和计算资源？是否适合实时场景？
• Q-Tool数据集覆盖的退化类型是否足够丰富？
• 与其他同时期IQA方法（如基于感知损失的方法）相比，在效率上的差异？