HarmonyIQAD

HarmonyIQAD是由上海交通大学等机构创建的首个图像和谐化质量评估数据库，包含1350张由9种不同图像和谐化算法生成的图像及其对应的人类视觉偏好评分。该数据集基于ccHarmony数据集，涵盖了多样化的前景对象和色彩风格，旨在解决现有图像质量评估方法在和谐化任务中与人类视觉偏好不一致的问题。数据集通过主观实验收集了28,350条人类评分，广泛应用于图像和谐化算法的评估与改进。

HarmonyIQAD is the first image harmony quality assessment database developed by institutions including Shanghai Jiao Tong University. It contains 1,350 images generated by 9 distinct image harmony algorithms, along with their corresponding human visual preference scores. Built upon the ccHarmony dataset, this database covers a diverse set of foreground objects and color styles, aiming to address the inconsistency between existing image quality assessment methods and human visual preferences in harmony tasks. A total of 28,350 human ratings were collected through subjective experiments, and HarmonyIQAD is widely applied for the evaluation and improvement of image harmony algorithms.

搜集汇总

数据集介绍

构建方式

HarmonyIQAD数据集的构建基于图像合成技术，通过从不同图像中提取前景对象并将其粘贴到背景图像中，生成合成图像。随后，使用9种不同的图像和谐化算法（IHAs）对这些合成图像进行处理，生成1,350张和谐化图像。为了确保数据集的多样性和代表性，数据集涵盖了多种前景对象和背景风格。此外，通过招募21名专业标注者对这些图像进行主观质量评分，最终获得了28,350个主观评分，确保了数据集的可靠性和有效性。

使用方法

HarmonyIQAD数据集的使用方法主要包括图像和谐化质量评估模型的训练和测试。研究人员可以将数据集划分为训练集和测试集，通常采用4:1的比例。基于该数据集，可以训练和评估各种图像质量评估模型，特别是针对和谐化任务的模型。此外，数据集还可用于跨数据集评估，验证模型在不同数据集上的泛化能力。通过使用HarmonyIQAD，研究人员能够开发出更符合人类视觉偏好的图像和谐化质量评估方法，并推动图像处理算法的进一步发展。

背景与挑战

背景概述

HarmonyIQAD数据集由Zitong Xu等人于2025年提出，旨在解决图像合成中的视觉一致性评估问题。该数据集包含1350张经过9种不同图像和谐化算法（IHAs）处理的图像，并附有对应的人类视觉偏好评分。图像和谐化算法通过调整前景对象的颜色和光照，使其与背景更加匹配，从而生成更加自然的合成图像。HarmonyIQAD的构建为图像和谐化算法的评估提供了首个专门的质量评估数据库，推动了图像和谐化领域的研究进展。基于该数据集，研究者提出了HarmonyIQA模型，用于预测人类对和谐化图像的视觉偏好，并在多个图像质量评估任务中取得了领先的性能。

当前挑战

HarmonyIQAD数据集面临的挑战主要体现在两个方面。首先，图像和谐化任务本身具有复杂性，尤其是在处理颜色和光照的细微差异时，现有的图像质量评估方法难以准确捕捉人类的视觉偏好。其次，在数据集的构建过程中，如何确保生成的和谐化图像能够覆盖多样化的场景和内容，并获取高质量的人类评分，是一个巨大的挑战。此外，由于生成式和谐化算法（GIHAs）通常缺乏参考图像，传统的全参考图像质量评估方法无法直接应用，这进一步增加了评估的难度。因此，HarmonyIQAD的构建不仅需要解决算法评估的技术难题，还需在数据采集和标注过程中克服主观性和一致性问题。

常用场景

经典使用场景

HarmonyIQAD数据集在图像质量评估领域具有广泛的应用，尤其是在图像和谐化算法的评估中。该数据集通过提供1350张经过不同和谐化算法处理的图像及其对应的人类视觉偏好评分，为研究者提供了一个标准化的评估平台。经典的使用场景包括对生成式和非生成式和谐化算法的性能对比，以及基于人类视觉偏好的图像质量预测模型的训练与验证。通过该数据集，研究者能够深入分析不同算法在颜色、光照一致性等方面的表现，从而推动图像和谐化技术的进一步发展。

解决学术问题

HarmonyIQAD数据集解决了图像和谐化领域中的关键学术问题，即如何准确评估和谐化算法的输出质量。传统图像质量评估方法在和谐化任务中表现不佳，主要因为它们对颜色和光照的微小变化不敏感，难以与人类视觉偏好保持一致。该数据集通过引入大量经过主观评分的和谐化图像，为研究者提供了一个可靠的基准，使得基于人类感知的图像质量评估成为可能。这不仅填补了和谐化算法评估的空白，还为开发更符合人类视觉偏好的评估模型奠定了基础。

实际应用

在实际应用中，HarmonyIQAD数据集为图像编辑、广告设计、影视后期制作等领域提供了重要的技术支持。例如，在广告设计中，设计师需要将不同来源的图像元素进行合成，而和谐化算法能够确保合成图像的自然性和一致性。通过使用该数据集训练的评估模型，设计师可以快速判断合成图像的质量，从而优化设计流程。此外，该数据集还可用于开发自动化图像编辑工具，帮助用户在不具备专业图像处理技能的情况下，生成高质量的合成图像。

数据集最近研究

最新研究方向

近年来，图像和谐化质量评估（HarmonyIQA）领域的研究取得了显著进展，尤其是在生成式与非生成式图像和谐化算法的评估方面。HarmonyIQAD数据集的引入为这一领域提供了首个专门用于评估图像和谐化质量的基准数据库，涵盖了1350张由不同算法生成的和谐化图像及其对应的人类视觉偏好评分。基于该数据集，研究者提出了HarmonyIQA模型，该模型通过结合视觉编码、指令微调和低秩适应（LoRA）技术，能够精准预测人类对和谐化图像的视觉偏好。实验表明，HarmonyIQA不仅在和谐化图像质量评估任务中表现优异，还在传统图像质量评估任务中展现了强大的竞争力。此外，跨数据集评估进一步验证了HarmonyIQA相较于自监督学习方法具有更好的泛化能力。这一研究为图像和谐化算法的优化与评估提供了新的工具，推动了图像合成技术的进一步发展。

相关研究论文

• HarmonyIQA: Pioneering Benchmark and Model for Image Harmonization Quality Assessment

  上海交通大学 · 2025年