في هذا البحث، نقدّر جودة الصورة المدركة باستخدام التمثيلات النادرة المستخرجة من قواعد بيانات الصور العامة من خلال نهج تعلم غير مشرف. يتم استخدام تحويل فضاء الألوان، وطرح المتوسط، وعملية التبييض لتقوية وصفية الصور عن طريق تقليل التكرار المكاني؛ ويتم استخدام مفكك خطي للحصول على تمثيلات نادرة؛ ويتم استخدام مرحلة تقليم لصياغة آليات القمع في نظام بصري. يتم تدريب المفكك الخطي باستخدام بيانات بحجم 7 غيغابايت، والتي تعادل 100,000 شريحة صورية بحجم 8x8 تم الحصول عليها عشوائيًا من حوالي 1,000 صورة في قاعدة بيانات ImageNet 2013. يُفضل اتباع نهج التدريب حسب الشرائح للحفاظ على المعلومات المحلية. يتم اختبار مقدر الجودة المقترح UNIQUE على قواعد البيانات LIVE ومultiply Distorted LIVE وTID 2013 ويُقارن مع ثلاثة عشر مقدر جودة. تظهر النتائج التجريبية أن UNIQUE هو عمومًا أفضل مقدر جودة من حيث الدقة والاتساق والخطية والسلوك المتزايد.请注意，“Multiply Distorted LIVE” 直接翻译为 "Multiply Distorted LIVE" 可能会显得不够自然。在科技文献中，通常会保留英文原名以确保准确性，因此这里没有将其完全本地化。如果需要进一步本地化，请告知。