تقييم جودة الصور بدون مرجع (NR-IQA) يهدف إلى تطوير طرق لقياس جودة الصورة بما يتماشى مع الإدراك البشري دون الحاجة إلى صورة مرجعية عالية الجودة. في هذا العمل، نقترح نهجًا ذاتي الرقابة يُسمى ARNIQA (تعلم منحنى التشويه لتقييم جودة الصور (leArning distoRtion maNifold for Image Quality Assessment)) لنمذجة منحنى تشويه الصورة للحصول على تمثيلات للجودة بطريقة ذاتية. أولاً، نقدم نموذج تدهور الصورة الذي يقوم بتكوين تسلسلات مرتبة من التشوهات المطبقة بشكل متتابع وبشكل عشوائي. بهذه الطريقة، يمكننا تدهور الصور بشكل اصطناعي باستخدام مجموعة متنوعة كبيرة من أنماط التدهور. ثانيًا، نقترح تدريب نموذجنا عن طريق زيادة التشابه بين تمثيلات الأجزاء المختلفة للصور المشوهة بنفس القدر، رغم اختلاف المحتوى. وبالتالي، فإن الصور المشوهة بنفس الطريقة تتواجد في مواقع متجاورة داخل منحنى التشويه. أخيرًا، نقوم بربط تمثيلات الصور بالدرجات الجودوية باستخدام رgressor خطي بسيط، وذلك دون ضبط أوزان المُشفِّر بشكل دقيق. تظهر النتائج التجريبية أن نهجنا يحقق أفضل الأداء على عدة مجموعات بيانات. بالإضافة إلى ذلك، يثبت ARNIQA كفاءة البيانات وقابلية التعميم والمتانة أفضل مقارنة بالطرق المنافسة. الكود والنماذج متاحة للعامة على الرابط https://github.com/miccunifi/ARNIQA.