NTIRE 2024 Quality Assessment of AI-Generated Content Challenge

本文介绍了将于CVPR 2024的新趋势图像恢复和增强研讨会（NTIRE）上举办的NTIRE 2024 AI生成内容质量评估挑战赛。该挑战旨在解决图像和视频处理领域中的一个主要挑战，即针对AI生成内容（AIGC）的图像质量评估（IQA）和视频质量评估（VQA）。该挑战分为图像赛道和视频赛道。图像赛道使用包含由15个流行的生成模型生成的20,000个AI生成图像（AIGIQA-20K）。图像赛道共有318个注册参赛者。在开发阶段共收到1646个提交作品，在测试阶段共收到221个提交作品。最终，有16个参赛队伍提交了他们的模型和事实表。视频赛道使用包含由9个流行的文本到视频（T2V）模型生成的10,000个AI生成视频（AIGVs）的T2VQA-DB。视频赛道共有196个注册参赛者。在开发阶段共收到991个提交作品，在测试阶段共收到185个提交作品。最终，有12个参赛队伍提交了他们的模型和事实表。一些方法取得了比基线方法更好的结果，两个赛道的获胜方法均表现出对AIGC的优越预测性能。

本文旨在解决图像和视频处理领域中的一个重要问题，即对于AI生成内容（AIGC）的图像质量评估（IQA）和视频质量评估（VQA）。

本文通过举办NTIRE 2024 Quality Assessment of AI-Generated Content Challenge来解决这个问题，分为图像和视频两个轨道，使用不同的数据集和模型进行评估。

本文使用了AIGIQA-20K和T2VQA-DB两个数据集，分别包含了AI生成的图像和视频，并且使用了多个模型进行评估。在比赛中，有一些方法表现比基准方法更好，并且获胜的方法在AIGC上表现出了卓越的预测性能。

最近在这个领域中，还有一些相关研究，如《Deep Learning for Image Quality Assessment: A Survey》和《A Survey of Video Quality Assessment with Machine Learning》等。