统一图像质量评估数据集：MOSAIQ-500K 与 MOSAIQ-Bench
Unifying Image Quality Assessment Datasets: MOSAIQ-500K and MOSAIQ-Bench
查看机构详情
- University of Waterloo（滑铁卢大学）
- AI Center-Toronto, Samsung Electronics（三星电子多伦多人工智能中心）
机构由 AI 辅助整理，请以论文原文为准。
浏览论文内容
中文总结 AI 辅助
针对IQA数据集分数不可比的问题，提出MOSAIQ-500K（50万图像）和MOSAIQ-Bench基准，通过感知锚点统一23个数据集尺度，评估31种方法，发现跨数据集性能差距，并证明标准回归损失可替代专门机制，提升泛化能力。
中文摘要 AI 辅助
图像质量评估（IQA）数据集采用不同的主观协议和评分尺度，因此其分数不能直接比较。缺乏共同的感知尺度阻碍了多数据集训练，并排除了直接的跨数据集评估。我们通过进行一项新的主观实验，并将其评分作为感知锚点，来拟合单调映射，将23个IQA数据集的现有分数置于一个共同的质量尺度上，同时保留数据集内的排名。由此产生的数据集MOSAIQ-500K包含超过50万张图像，据我们所知，是最大的具有感知对齐主观分数的IQA数据集。我们还提出了MOSAIQ-Bench，一个跨数据集基准，并用它来评估31种IQA方法，揭示了数据集内和跨数据集性能之间的显著差距，特别是在真实失真上。对齐的分数提供了一个关键优势：用标准回归损失替代专门的多数据集训练机制，可以获得相当的数据集内准确性和更好的跨数据集性能。因此，MOSAIQ为组合异构IQA数据集以训练更具泛化能力的IQA模型提供了实用基础。代码和数据集将在论文被接收后于该http URL公开。
英文摘要
Image quality assessment (IQA) datasets use different subjective protocols and rating scales, so their scores are not directly comparable. The lack of a common perceptual scale hinders multi-dataset training and precludes direct inter-dataset evaluation. We address this by conducting a new subjective experiment and using its ratings as perceptual anchors to fit monotonic mappings that place the existing scores of 23 IQA datasets on a common quality scale while preserving within-dataset rankings. The resulting dataset, MOSAIQ-500K, contains over 500,000 images and is, to our knowledge, the largest IQA dataset with perceptually aligned subjective scores. We also propose MOSAIQ-Bench, an inter-dataset benchmark, and use it to evaluate 31 IQA methods, revealing substantial gaps between intra- and inter-dataset performance, particularly on authentic distortions. The aligned scores offer a key advantage: replacing specialized multi-dataset training mechanisms with standard regression losses yields comparable intra-dataset accuracy and better inter-dataset performance. MOSAIQ thus provides a practical foundation for combining heterogeneous IQA datasets to train more generalizable IQA models. Code and dataset will be made public at ivc.uwaterloo.ca/projects/unifying_iqa_datasets/ upon acceptance.
