IQA-T1：让大模型图像质量评估从‘凭感觉’走向‘拿证据说话’

大模型打图质量分，为什么总像在猜？ 一张清晰的照片，和它被悄悄加噪、压缩、模糊后的退化版本，在人眼看来质量天差地别；但在多模态大模型（MLLM）的视觉表征中，两者却几乎完全一致。模型无法感知底层退化信号，只能依赖高层语义理解——比如‘这是一只猫’‘这是海边日落’——而对噪声、模糊、压缩伪影等真实画质缺陷极度迟钝。这种语义偏见导致其质量评分缺乏客观依据，本质上是‘凭感觉估分’，而非‘看证据判断’。 旧方法的两个补丁，都没补到要害 当前主流方案有两种尝试：一种是纯文本推理，例如Q-Insight或VisualQuality-R1，靠模型生成质量描述再打分，但整个过程仍建立在模型自身‘脑补’的语义先验上，没有可验证的视觉锚点；另一种是区域裁剪推理，如Zoom-IQA或Q-Probe，把可疑区域放大喂给模型，但这些图像块本身仍是未解释的原始像素，模型既看不出‘这是噪声’也说不清‘为何失真’。二者共同缺陷在于：都没有为推理提供结构化、可追溯的视觉证据。 新范式：给大模型配一个‘检测工具箱’ IQA-T1提出根本性转变——不靠模型‘自己看’，而是让它主动调用专业视觉分析工具，把不可见的退化特征转化为可视化的‘物证’。团队构建了覆盖7类关键感知属性（结构、锐度、噪声、伪影、亮度、色彩、自然度）的15种确定性工具，每种工具专攻一类退化： NoiseResidualMap提取传感器与压缩噪声； FourierMagnitudeSpectrum定位频域周期性伪影； GradientOrientationCoherenceMap揭示因模糊导致的边缘方向混乱…… 这些工具输出统一格式、适度下采样、结果完全确定，确保训练与推理阶段证据一致可靠。 从‘会用’到‘会选’：两阶段智能训练 模型需掌握两项能力：正确使用工具，以及精准判断何时调用。为此设计两阶段训练流程：第一阶段监督微调（SFT），在自建Q-Tool数据集上教会模型遵循结构化推理模板、规范调用工具语法、并将证据图与质量判断强关联；第二阶段强化学习（GRPO），优化工具调用策略——奖励格式合规、打分准确、工具适量且不重复，惩罚冗余与滥用。最终模型学会以最少工具（平均每图仅2.34个）获取最有效证据，实现高效、精准、可解释的评估。 首个支持证据推理的IQA数据集：Q-Tool 为支撑这一新范式，团队构建了首个面向‘视觉证据驱动推理’的IQA数据集Q-Tool，含11,000条高质量多模态推理链。构建采用三阶段流水线：先定义7属性/15工具的感知框架；再由人类专家设计分步推理模板，并约束GPT-4o生成符合逻辑的证据引用链；最后人工三重校验——工具是否匹配属性、证据是否被实际引用、结论是否由证据支撑，不合格样本全部剔除或精修。 实证效果：7大基准综合最优，解释性与精度兼得 IQA-T1在KonIQ上训练后，在涵盖真实失真、合成失真、算法退化及AI生成内容的7个权威基准上全面领先，平均PLCC达0.795、SRCC达0.784，刷新综合SOTA。相比仅打分不解释的方法（如Q-Align、DeQA），它在保持高精度的同时输出完整证据链；相比已有带推理的方法（如Q-Insight、Zoom-IQA），它在最难的CSIQ（合成失真）与PIPAL（算法退化）数据集上取得突破，并在真实图像与AIGC场景中表现稳健。消融实验进一步证实：工具不在多而在准，动态调用机制显著优于固定组合或暴力堆叠。 不止于IQA：一种可迁移的多模态推理新范式 该框架已在Qwen3-VL-2B、InternVL3.5-4B等多个主流多模态基座上验证通用性，性能趋势高度一致。这表明‘工具化视觉证据推理’不是某个模型的特例技巧，而是一种可推广的系统级设计思想。它指向一个更可靠的方向：让大模型的视觉感知不再依赖黑箱表征，而是扎根于可测量、可验证、可追溯的底层信号，真正迈向‘看得懂、说得清、判得准’的下一代多模态智能。