SciQNet：用于科学图像质量评估的两阶段多模态适应

科学图像对于传达实验观察、定量证据和概念知识至关重要。与自然图像不同，它们的质量取决于视觉清晰度和科学信息量，这使得评估具有挑战性。在这项工作中，我们提出了 SciQNet，这是一种用于科学图像质量评估的两阶段多模态适应框架。第一阶段对科学文档图像进行领域自适应预训练，第二阶段进行具有联合评分和理解监督的特定任务 微调。对于面向评分的监督，我们将指令调整与源自评分词 logits 的 Huber 损失相结合，而面向理解的监督则被制定为多项选择视觉问答。实验表明，使用领域自适应数据的 40% 分层子集可在评估的预训练分数中提供最佳性能，这表明预训练数据相关性可能与预训练数据规模一样重要。最终模型的 SIQA-S 得分为 92.21，SIQA-U 得分为 47.38，综合得分为 69.80。这项工作展示了我们针对 ICME 2026 科学图像质量评估挑战赛的解决方案，该挑战赛在得分榜上排名第二。