NTIRE 2026 第三届恢复任意图像模型（RAIM）挑战赛：专业图像质量评估（Track 1）

在本文中，我们概述了 NTIRE 2026 第三届“野外恢复任何图像模型”挑战赛，特别关注第一轨道：专业图像质量评估。传统的图像质量评估 (IQA) 通常依赖于标量分数。通过将复杂的视觉特征压缩为单个数字，这些方法从根本上难以区分统一的高质量图像之间的细微差异。此外，他们无法阐明为什么一张图像更优越，缺乏为视觉任务提供指导所需的推理能力。为了弥补这一差距，多式联运 大语言模型 (MLLM) 的最新进展提供了一个有前途的范例。受这种潜力的启发，我们的挑战建立了一个新颖的基准，探索 MLLM 在评估高质量图像对时模仿人类专家认知的能力。参与者的任务是克服专业场景中的关键瓶颈，围绕两个主要目标：（1）比较质量选择：可靠地识别高质量图像中视觉上优越的图像； (2) 解释性推理：生成有根据的专家级解释，详细说明选择背后的基本原理。此次挑战赛总共吸引了近 200 名报名者和超过 2,500 份参赛作品。顶尖的方法显着提高了专业 IQA 的技术水平。挑战数据集可在 https://github.com/narthchin/RAIM-PIQA 获取，官方主页可在 https://www.codabench.org/competitions/12789/ 访问。