Deqa Score Mix3

🚀 DeQA-Score-Mix3

DeQA-Score 是一个图像质量评估模型，其权重在 KonIQ、SPAQ 和 KADID 数据集上进行了全量微调。本项目提供了该模型的相关代码、论文以及项目页面链接，方便研究人员和开发者使用。

🚀 快速开始

使用 AutoModel 快速启动

对于这张图片：，使用 transformers==4.36.1 启动一个 AutoModel 评分器：

import requests
import torch
from transformers import AutoModelForCausalLM

model = AutoModelForCausalLM.from_pretrained(
  "zhiyuanyou/DeQA-Score-Mix3",
  trust_remote_code=True,
  attn_implementation="eager", 
  torch_dtype=torch.float16,
  device_map="auto", 
)

from PIL import Image

# 输入应该是多个 PIL 图像的列表
score = model.score(
  [Image.open(requests.get(
    "https://raw.githubusercontent.com/zhiyuanyou/DeQA-Score/main/fig/singapore_flyer.jpg", stream=True
    ).raw)]
)

“score” 的结果应该是 1.9404（范围在 [1,5] 内，值越高越好）。

💻 使用示例

基础用法

上述快速开始部分的代码即为基础用法示例，展示了如何使用 transformers 库加载预训练模型并对单张图像进行质量评分。

📚 详细文档

无参考图像质量评估结果（PLCC / SRCC）

引用信息

如果您发现我们的工作对您的研究和应用有帮助，请使用以下 BibTeX 进行引用：

@inproceedings{deqa_score,
  title={Teaching Large Language Models to Regress Accurate Image Quality Scores using Score Distribution},
  author={You, Zhiyuan and Cai, Xin and Gu, Jinjin and Xue, Tianfan and Dong, Chao},
  booktitle={IEEE Conference on Computer Vision and Pattern Recognition},
  year={2025},
}

模型信息

本项目是 DepictQA 项目 的一部分，更多信息请访问 项目页面、代码仓库 或 论文。