점수 이상의 품질 이해
품질 평가에서 숫자 하나만 내면 왜 그런 판단을 했는지 해석하기 어려울 수 있다. Q-Insight는 이미지의 내용과 열화, 비교 추론을 포함하는 폭넓은 이해를 지향한다. 설명이 있다는 사실과 실제 이미지 근거가 정확한지는 별도 문제다.
두 과제의 공동 최적화
설계한 보상 함수를 이용해 점수 회귀와 열화 인식 과제를 함께 학습한다. 그룹 상대 정책 최적화를 기반으로 두 과제의 상호 이익을 활용하는 방향이다. 점수와 열화 레이블을 사용하므로 평가 자료가 전혀 없는 학습이라고 소개해서는 안 된다.
비교 과제로의 전이
점수와 열화 인식뿐 아니라 비교 추론의 제로샷 일반화도 평가한다. 특정 평가에서 전이가 된다는 결과를 모든 이미지의 비교 판단이 정확하다는 뜻으로 확대해서는 안 된다. 비교 대상의 내용과 왜곡 종류를 확인해야 한다.
진단과 선호의 독립 예
설명용으로 두 사진에서 하나는 잡음이 많고 다른 하나는 흐림이 강할 수 있다. 열화 종류를 맞히는 것과 어떤 사진을 사람이 더 선호할지 정하는 것은 다르다. 실제 연구 평가 항목을 옮기지 않은 진단과 종합 판단의 예다.
관련 문서
Q-Align / Q-Instruct / M3-AGIQA / T2IScoreScore / MSTRIQ / MA-AGIQA