主页：https://depictqa.github.io/deqa-score

论文：https://arxiv.org/abs/2501.11561

代码：https://github.com/zhiyuanyou/DeQA-Score

介绍一篇我们在CVPR25的工作，DeQA-Score，基于多模态大语言模型的图像质量评估。DeQA-Score实现了installation-free的使用，不需要安装环境，仅需安装transformers库，两行代码即可调用。欢迎大家使用！

为什么要做这个项目？

我们之前做过了DepictQA项目 [3]，使用语言对图像质量进行描述，利用语言的灵活性来解决图像质量评价 (IQA) 的复杂性。

但是，无论是在审稿过程中，还是在与同学的讨论过程中，我们都得到了一个反馈：score虽然有很多limitation，但是score最大的优势就是方便易用；语言虽然很灵活多样，但是并不能直接作为一个metric来用。因此，对于多模态的IQA，在有语言描述的同时，也需要能够产生一个准确的score。

因此，在这个项目中，我们致力于使用多模态大语言模型回归一个准确的图像质量score，称为DeQA-Score。

最大的难点

使用大语言模型回归score最大的难点在于：

• score是连续的，一般是多个标注员标注的，被近似为一个高斯分布。该高斯分布的mean就是标注员的mos (mean opinion score)，variance即为标注员的variance。
• 但是，大语言模型的输入输出是离散的token。

如何用离散的token回归score这样一个连续的高斯分布呢？

离散化连续的score得到离散的level token

离散化：score to level token

我们可以将连续的score离散化成level token以训练大语言模型。已有工作Q-Align [1] 已经尝试过这种离散化。

如下图右上，Q-Align将score这个高斯分布的均值，也就是mos，均匀地离散化到5个区间。这5个区间分别代表 [bad, poor, fair, good, excellent] 这5个level token。因此，构成了一个one-hot label。

与之对比，如下图右下，我们提出在score这个高斯分布的不同区间积分，分别得到这 [bad, poor, fair, good, excellent] 这5个level token的概率，构成一个soft label。

连续化：level token to score

对于one-hot label，Q-Align对于 [bad, poor, fair, good, excellent] 这5个level token分别赋予了 [1,2,3,4,5] 的score。

对于我们的soft label，[bad, poor, fair, good, excellent] 这5个level token同样分别被赋予 [1,2,3,4,5] 的token score，我们使用这5个level token的概率作为权重，计算整体的score。

对比与优势

相比于one-hot label，我们的soft label有以下4个优势。

• 离散化更准确。我们的soft label转化回score后，与mos的误差约为0.01，而one-hot label的误差约为0.3，我们的soft label减少了30倍的误差。
• 保持了高斯分布的variance。我们的soft label可以转化回variance，构成一个重构的高斯分布，与原来的高斯分布的JS散度仅有0.001，吻合得非常好。而one-hot label完全损失了方差信息。
• 保持了图像间的关系。如下图的AB，质量差距很大，却被one-hot label划分为同一个label token；而BC质量基本一致，却被one-hot label划分为不同的label token。相比之下，我们的soft label可以体现出A的质量比B差、BC的质量基本一致。
• 保持了level token间的关系。one-hot label训练的重要假设是：不同的level token之间的关系都是一致的，在一个隐空间是正交的，即：“bad到poor的距离”和“bad到excellent的距离”是一致的。这明显是错误的。我们的soft label可以部分保持这种level token之间的关系。

模型训练

对于除了level token之外的普通token，我们采用next token prediction进行训练；而对于level token，我们采用了KL divergence loss训练，使预测的level token的分布靠近我们构造的soft label。

next token prediction + KL divergence loss

另外，由于不同的dataset存在很大的标注variance，不同dataset中score一致的图像，质量差距其实也会比较大。因此，我们follow了UNIQUE [2] 这篇工作，引入了fidelity loss进行监督。这可以促进模型关于图像之间的优劣关系，而不是具体的score数值。

fidelity loss

实验结果

从下图可以看出，one-hot label训练的模型倾向于预测一个单独的level token，因而偏离了GT的高斯分布，而我们的预测结果与GT十分吻合。

从我们的DeQA-Score预测的level token分布，我们可以计算mean score。从定量结果上看，我们的DeQA-Score也达到了SOTA的score回归效果。

从我们的DeQA-Score预测的level token分布，我们不仅可以计算mean score，也可以计算score variance，从而构成一个预测的高斯分布，该分布与GT分布也十分吻合。

如何学习大模型 AI ？

由于新岗位的生产效率，要优于被取代岗位的生产效率，所以实际上整个社会的生产效率是提升的。

但是具体到个人，只能说是：

“最先掌握AI的人，将会比较晚掌握AI的人有竞争优势”。

这句话，放在计算机、互联网、移动互联网的开局时期，都是一样的道理。

我在一线互联网企业工作十余年里，指导过不少同行后辈。帮助很多人得到了学习和成长。

我意识到有很多经验和知识值得分享给大家，也可以通过我们的能力和经验解答大家在人工智能学习中的很多困惑，所以在工作繁忙的情况下还是坚持各种整理和分享。但苦于知识传播途径有限，很多互联网行业朋友无法获得正确的资料得到学习提升，故此将并将重要的AI大模型资料包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。

第一阶段（10天）：初阶应用

该阶段让大家对大模型 AI有一个最前沿的认识，对大模型 AI 的理解超过 95% 的人，可以在相关讨论时发表高级、不跟风、又接地气的见解，别人只会和 AI 聊天，而你能调教 AI，并能用代码将大模型和业务衔接。

• 大模型 AI 能干什么？
• 大模型是怎样获得「智能」的？
• 用好 AI 的核心心法
• 大模型应用业务架构
• 大模型应用技术架构
• 代码示例：向 GPT-3.5 灌入新知识
• 提示工程的意义和核心思想
• Prompt 典型构成
• 指令调优方法论
• 思维链和思维树
• Prompt 攻击和防范
• …

第二阶段（30天）：高阶应用

该阶段我们正式进入大模型 AI 进阶实战学习，学会构造私有知识库，扩展 AI 的能力。快速开发一个完整的基于 agent 对话机器人。掌握功能最强的大模型开发框架，抓住最新的技术进展，适合 Python 和 JavaScript 程序员。

• 为什么要做 RAG
• 搭建一个简单的 ChatPDF
• 检索的基础概念
• 什么是向量表示（Embeddings）
• 向量数据库与向量检索
• 基于向量检索的 RAG
• 搭建 RAG 系统的扩展知识
• 混合检索与 RAG-Fusion 简介
• 向量模型本地部署
• …

第三阶段（30天）：模型训练

恭喜你，如果学到这里，你基本可以找到一份大模型 AI相关的工作，自己也能训练 GPT 了！通过微调，训练自己的垂直大模型，能独立训练开源多模态大模型，掌握更多技术方案。

到此为止，大概2个月的时间。你已经成为了一名“AI小子”。那么你还想往下探索吗？

• 为什么要做 RAG
• 什么是模型
• 什么是模型训练
• 求解器 & 损失函数简介
• 小实验2：手写一个简单的神经网络并训练它
• 什么是训练/预训练/微调/轻量化微调
• Transformer结构简介
• 轻量化微调
• 实验数据集的构建
• …

第四阶段（20天）：商业闭环

对全球大模型从性能、吞吐量、成本等方面有一定的认知，可以在云端和本地等多种环境下部署大模型，找到适合自己的项目/创业方向，做一名被 AI 武装的产品经理。

• 硬件选型
• 带你了解全球大模型
• 使用国产大模型服务
• 搭建 OpenAI 代理
• 热身：基于阿里云 PAI 部署 Stable Diffusion
• 在本地计算机运行大模型
• 大模型的私有化部署
• 基于 vLLM 部署大模型
• 案例：如何优雅地在阿里云私有部署开源大模型
• 部署一套开源 LLM 项目
• 内容安全
• 互联网信息服务算法备案
• …

学习是一个过程，只要学习就会有挑战。天道酬勤，你越努力，就会成为越优秀的自己。

如果你能在15天内完成所有的任务，那你堪称天才。然而，如果你能完成 60-70% 的内容，你就已经开始具备成为一名大模型 AI 的正确特征了。

这份完整版的大模型 AI 学习资料已经上传CSDN，朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】