Tool-IQA：利用简单工具增强图像质量评估

视觉语言模型（VLMs）已广泛用于图像质量评估（IQA），但现有方法多采用静态单次评分范式，缺乏人类动态视觉检查的灵活性。为此，本文提出 Tool-IQA，将评估机制从被动评分转变为工具增强型工作流。该方法为 VLM 配备了查看局部细节的“放大镜”和提升可见性的“伽马校正器”两种工具，并构建了包含初步观察、工具辅助深度检查及最终量化评分的结构化流程。此外，引入批次感知训练策略以奖励有效的工具交互。实验表明，该方法在多个基准上显著优于现有最先进模型。