摘要
开放环境下的图像质量评估（IQA）因泛化性与可解释性受限而极具挑战。现有基于多模态大语言模型的方法依赖语义偏置的内部表征，对底层感知退化不敏感。本文提出 IQA-T1，一种基于工具的视觉证据推理框架，通过显式感知观察增强推理。模型在推断时自主调用专用工具生成噪声残差、梯度统计等结构化证据，并将其逐步融入推理过程。此外，构建了包含 1.1 万条基于工具证据的多模态推理链数据集 Q-Tool。实验表明，该方法在七个基准上性能最优且具备可解释性。
AI 推荐理由
论文提出基于工具的证据推理框架，核心在于增强多模态模型的视觉推理与解释能力。
研究机构
西北工业大学计算机科学学院，中国西安
香港科技大学，中国香港
论文信息