Es ist eine wichtige Aufgabe, die wahrgenommene Qualität von Ausgabebildern in vielen Anwendungen wie Bildkompression, Bildrestauration und Multimedia-Streaming zuverlässig zu bewerten. Ein gutes Modell zur Bewertung der Bildqualität (Bild-Qualitätsbewertung, IQA) sollte nicht nur hohe Vorhersagegenauigkeit liefern, sondern auch rechnerisch effizient sein. Die Effizienz von IQA-Metriken gewinnt zunehmend an Bedeutung aufgrund der steigenden Verbreitung von visuellen Daten mit hohem Volumen in Hochgeschwindigkeitsnetzwerken. Wir stellen ein neues, effektives und effizientes IQA-Modell vor, das als Gradient Magnitude Similarity Deviation (GMSD) bezeichnet wird. Bildgradienten sind empfindlich gegenüber Bildverzerrungen, während verschiedene lokale Strukturen in einem verzerrten Bild unterschiedliche Grade von Degradation erleiden. Dies motiviert uns, die Nutzung der globalen Variation gradientbasierter lokaler Qualitätskarten für die Gesamtbewertung der Bildqualität zu erforschen. Wir stellen fest, dass die pixelweise Gradient Magnitude Similarity (GMS) zwischen dem Referenzbild und dem verzerrten Bild in Kombination mit einer neuen Pooling-Strategie – der Standardabweichung der GMS-Karte – die wahrgenommene Bildqualität genau vorhersagen kann. Der resultierende GMSD-Algorithmus ist deutlich schneller als die meisten anderen modernsten IQA-Methoden und liefert eine hochwettbewerbsfähige Vorhersagegenauigkeit.