显著优于现有方法
首个将扩散模型用于无参考图像质量评价的方法，通过视觉补偿引导和双分支架构有效利用高级视觉信息，在多个数据集上验证了其有效性。
Wang, Zhaoyang · 胡玻 · 张明阳 · Jie, Li · 李雷达 · 公茂果 · 高新波
IEEE Transactions on Image Processing 2025
扩散模型的中间变量在去噪迭代过程中具有更清晰的高层视觉信息，可引导主网络进行质量评估。
扩散模型能够建模复杂失真关系，增强图像恢复效果，从而提升质量评估性能。
设计两个互补的视觉分支，协同利用高层视觉信息进行质量评估。
在七个公开数据集上超过了现有的无参考图像质量评价方法。