본 논문은 참조 이미지 없이 복잡한 실제 왜곡이 있는 이미지의 품질을 평가하는 야외 환경의 맹 이미지 품질 평가(IQA) 문제를 해결하기 위해, 사전 훈련된 텍스트-이미지(T2I) 확산 모델의 강력한 이미지 인식 능력을 활용한 새로운 IQA 방법인 DP-IQA를 제안합니다. DP-IQA는 사전 훈련된 Stable Diffusion을 기반으로, 조정 가능한 텍스트 어댑터를 통해 프롬프트 임베딩으로 안내되는 잡음 제거 U-Net에서 다중 수준의 특징을 추출합니다. 또한 이미지 어댑터를 통해 손실이 있는 사전 훈련된 인코더로 인한 정보 손실을 보상합니다. 전체 이미지 분포 모델링이 필요한 T2I 모델과 달리, DP-IQA는 매개변수 수가 적은 IQA에 초점을 맞춥니다. 적용 가능성을 높이기 위해, 경량 CNN 기반 학생 모델로 지식 증류를 수행하여 매개변수 수를 크게 줄이면서 일반화 성능을 유지하거나 향상시킵니다. 실험 결과, DP-IQA는 다양한 야외 데이터셋에서 최첨단 성능을 달성하여 맹 IQA 작업에서 T2I 사전 지식의 우수한 일반화 능력을 보여줍니다.
