[Paper] SA-IQA：用多维奖励重新定义空间美学的图像质量评估

Source: arXiv - 2512.05098v1

概述

本文 SA‑IQA 解决了图像质量评估中的一个空白：评判 AI 生成的室内场景的审美吸引力。通过定义一个关注布局、和谐、光照和失真四个方面的“空间美学”框架，作者创建了首个大规模基准（SA‑BENCH）以及可用作生成流水线奖励信号的新评估模型。

主要贡献

• 空间美学范式 – 引入了室内场景质量的四维视角（布局、和谐、光照、失真）。
• SA‑BENCH 数据集 – 包含 18 K 室内图像，约 50 K 细粒度人工标注，覆盖四个维度。
• SA‑IQA 模型 – 对多模态大语言模型（MLLM）进行微调，并将四个维度得分融合为单一、可解释的奖励。
• 下游集成 – 展示了两种实用用法：
  1. 作为基于 GRPO 的强化学习奖励，引导 AI 生成内容（AIGC）流水线。
  2. 作为 “Best‑of‑N” 选择器，从批次中挑选最高质量的输出。
• 开源发布 – 代码、模型权重和基准将公开发布，以促进可复现性和社区采纳。

方法论

1. 维度定义 – 作者将室内美学拆解为四个可度量的方面：

   • 布局：家具和物体的空间排列。
   • 和谐：颜色和风格的一致性。
   • 光照：曝光、阴影以及整体照明质量。
   • 失真：几何伪影，如扭曲或拉伸。

2. 数据集构建（SA‑BENCH） –

   • 收集了 18 K 多样化的室内渲染（真实照片、合成场景以及 AI 生成图像）。
   • 众包获得 50 K 条标注，每幅图像在每个维度上得到 1‑5 评分，并给出整体美学分数。

3. 模型架构（SA‑IQA） –

   • 基于预训练的多模态大语言模型（如基于 CLIP 的视觉‑语言编码器）。
   • 使用多任务损失在 SA‑BENCH 标注上微调视觉编码器，同时预测四个维度得分。
   • 轻量级融合头将四个预测聚合为单一标量奖励，亦可输出各维度得分以提升可解释性。

4. 与生成流水线的集成 –

   • GRPO RL：SA‑IQA 的标量奖励取代传统的像素级或 CLIP‑基奖励，引导生成器实现更佳的空间美学。
   • Best‑of‑N 过滤：生成 N 个候选，使用 SA‑IQA 评估每个并保留前 k 个用于下游（如 UI 原型、VR 环境）。

结果与发现

• 基准表现：SA‑IQA 在所有四个维度上均显著优于通用 IQA 指标，证明多维奖励能够捕捉室内场景特有的细微差别。
• RL 提升：在 GRPO 强化学习回路中使用 SA‑IQA，生成器学会产生结构更合理、光照更真实的房间，FID 比基于 CLIP 的奖励降低了 12 分。
• Best‑of‑N：在 10 张候选中挑选最高排名的图像，可将下游视觉质量指标提升约 23 %，展示了可靠排序信号的实际价值。

实际意义

• 室内设计工具 – 为 SaaS 平台（如虚拟布景、AR 看房应用）提供质量过滤器，仅向用户展示审美连贯的渲染。
• 游戏与 VR 资产流水线 – 程序化环境生成器可利用该奖励偏向资产布局，减少关卡设计师的手动修正工作。
• 内容审核 – 托管用户生成室内图像的市场（如家居装饰平台）可自动标记低质量或失真上传。
• 模型无关奖励 – 由于 SA‑IQA 是标量函数，可直接替换任何扩散或 GAN‑基图像生成器的奖励，无需改动架构，实现即插即用的提升。

局限性与未来工作

• 领域范围 – 基准仅聚焦于室内场景，室外或混合环境美学尚未覆盖。
• 主观性 – 虽然四个维度定义明确，但审美判断受文化差异影响；当前标注主要来自西方人群。
• 计算开销 – 对每个生成样本运行完整的 MLLM 编码器会增加延迟，可能不适用于实时应用。
• 未来方向 – 将 SA‑BENCH 扩展至其他领域（建筑外观、城市规划），探索轻量化蒸馏版 SA‑IQA 以适配边缘部署，并通过微调引入用户个性化审美偏好。

作者

• Yuan Gao
• Jin Song

论文信息

• arXiv ID: 2512.05098v1
• 分类: cs.CV, cs.AI
• 发表时间: 2025 年 12 月 4 日
• PDF: Download PDF