提出任务效用驱动的具身IQA框架

2026年10月28日，arXiv cs.CV 刊出一篇论文，提出 Task-Utility IQA，重新思考具身任务中的图像质量评估。该研究主张 IQA 应从分数回归转向由具身任务效用定义的目标条件判断，并给出一个基于 MLLM 的具身 IQA 智能体框架，可推理任务需求、定位质量证据并输出面向决策的评估。论文还报告了一项 VisDrone 小规模证据研究：传统感知指标与通用 MLLM IQA 分数对下游 VLM 任务成功的预测较弱，而任务条件效用分数的预测表现更好。目前该工作以预印本形式发布，尚无后续同行评审或复现报道。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。