Q-Tacit：基于潜空间视觉推理的图像质量评估

基于视觉语言模型（VLM）的图像质量评估（IQA）虽已引入思维链推理，但现有方法多以语言为中心，将视觉信息视为静态前提，受限于文本离散性与质量感知空间的差异。本文质疑自然语言是否为质量推理的理想空间，提出 Q-Tacit 新范式，引导 VLM 在潜质量空间进行超越自然语言的推理。该方法包含两阶段协同过程：向潜空间注入结构化视觉质量先验，并校准潜推理轨迹以提升评估能力。实验表明，Q-Tacit 能以显著更少的 token 实现高质量推理，验证了语言非视觉质量唯一紧凑表征的观点。