MetaRefine 图像质量评分精修方法论文在 arXiv 发布
热点事件持续更新
MetaRefine 图像质量评分精修方法论文在 arXiv 发布
1 篇报道1 个报道来源15 小时前更新
先了解这件事
AI 综述
Chuanzhi Xu 等在 arXiv（arXiv:2610.40487）发布 MetaRefine，一种图像质量评估的分数精修架构：用轻量残差头结合几何信息、多层级视觉特征和冻结模型的原始分数来预测分数修正，不改动原评分流程。论文报告在 21 个数据集的 100 种配置中，该方法分别在其中 88 和 85 种配置上提升 PLCC 和 SRCC，平均相对增益为 7.55% 和 7.10%，MAE 和 RMSE 平均相对降低 23.27% 和 21.93%，参数开销中位数约 1.11%。
AI 根据报道生成 · 1 小时前更新
最新进展10月30日 01:15
MetaRefine：基于多层级特征的分数精修图像质量评估方法报道时间线
沿着报道，了解事件的不同侧面。
10月30日
- arXiv · cs.AIMetaRefine：基于多层级特征的分数精修图像质量评估方法
MetaRefine 是一种元数据感知的图像评估分数精修架构，通过轻量残差头结合图像几何信息、多层级视觉特征和冻结模型原始分数来预测分数修正，无需改动原有评分流程。在 21 个数据集的 100 种配置中，MetaRefine 分别在 88 和 85 种配置上提升 PLCC 和 SRCC，平均相对增益为 7.55% 和 7.10%，MAE 和 RMSE 平均相对降低 23.27% 和 21.93%，参数开销中位数仅 1.11%。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。