VersusQ：用成对比较让视频质量评估摆脱数据集偏见

传统视频质量评估（VQA）方法依赖绝对分数预测，易受数据集特定评分习惯影响。VersusQ提出纯成对比较框架，通过大模型的相对推理能力预测质量差异幅度，在跨域泛化和细粒度排序上实现突破。本文将围绕其背景、方法、实验及意义展开讨论。

视频质量评估是多媒体处理核心问题，应用于流媒体自适应码率、生成模型监控、压缩算法优化等场景。现有大型多模态模型（LMMs）虽有潜力，但沿用绝对分数预测的逐点监督范式存在隐患：绝对分数混杂真实感知差异、数据集标注偏好、评分者主观习惯及分数分布特性，导致模型泛化能力差（类比房价模型仅学统计规律而非通用标准）。

VersusQ团队的关键洞察：相对比较可消除绝对尺度校准偏见。人类比较视频时聚焦感知差异（清晰、流畅、色彩等），天然剥离数据集特定评分习惯。基于此，VersusQ摒弃绝对分数，采用纯成对比较框架：输入两段视频，分析空间细节、时序连贯、色彩保真等维度差异，输出带符号连续幅度值（符号表优劣，幅度表差距），兼顾相对性与细粒度量化。

实现挑战：生成可解释对比理由同时输出精确数值差异。VersusQ引入Margin-Coupled GRPO（强化学习方法），联合优化两个目标：1.关系推理（正确判断质量顺序+生成合理对比解释）；2.连续幅度回归（输出精确数值差异）。该策略确保推理过程与数值输出一致（差异明显则幅度大，微妙则幅度小）。

在多个公开VQA基准评估中，VersusQ表现优异：1.跨域泛化：训练与测试集来源/标注标准不同时，泛化性能显著优于传统方法；2.细粒度排序：幅度预测提供可靠精确排序，适用于视频编码参数选择等场景；3.异构场景：混合不同分辨率、内容、失真类型的测试集下性能稳定，鲁棒性强。

VersusQ的意义：1.数据效率：成对比较标注更易获得且一致；2.可解释性：生成对比理由提供透明度；3.扩展潜力：可扩展到图像美学、音频质量、文本生成质量评估等任务。局限：成对比较计算复杂度O(n²)需优化，极端质量差异处理待研究。

VersusQ将VQA从绝对分数预测转向成对差异推理，成功摆脱数据集偏见束缚。这一范式转变不仅提升跨域泛化能力，也为多模态质量评估领域提供新思路：相对差异有时更能反映事物本质。