摘要
尽管近期在图像质量评估（IQA）领域的努力已取得令人鼓舞的成果，但与人类视觉系统（HVS）相比，仍存在显著差距。一个重要的差异在于人类能够在全参考（FR）和无参考（NR）任务之间无缝切换，而现有的模型则局限于执行FR或NR任务之一。这种差异意味着需要设计两个独立的系统，从而大大削弱了模型的通用性。因此，我们的研究重点在于将FR和NR IQA统一到一个框架下。具体而言，我们首先使用编码器从输入图像中提取多级特征。然后提出了一种层次注意力（Hierarchical Attention, HA）模块作为FR和NR输入的通用适配器，以建模每个编码器阶段的空间失真。此外，考虑到不同的失真对编码器各阶段的影响不同，并且会不同程度地损害图像的语义意义，我们还提出了一种语义失真感知（Semantic Distortion Aware, SDA）模块来分析编码器浅层和深层之间的特征相关性。通过采用HA和SDA模块，所提出的网络能够有效执行FR和NR IQA任务。当我们的模型分别在NR或FR IQA任务上独立训练时，其性能优于现有模型，并达到当前最佳水平。此外，当同时在NR和FR IQA任务上进行联合训练时，该模型进一步提升了NR IQA的性能，并在最先进的FR IQA中实现了相当的性能。只需一次训练即可完成两种IQA任务。代码将在以下地址发布：https://github.com/BarCodeReader/YOTO。