本文介绍了多种基于深度神经网络的图像质量评估方法，包括全参考和无参考模型。这些方法通过数据驱动的特征提取和回归，提升了评估性能，且不依赖于手工特征。研究还探讨了视觉显著性、对比度及语义信息在图像质量评估中的应用，展示了在多个基准数据集上的优越表现。

该研究介绍了图像质量评估数据集PIQ23和KonIQ-10k，后者是最大的图像质量数据集，包含10,073张图像。研究还提出了深度学习模型KonCept512，强调高分辨率图像数据库在预测主观评分中的重要性，并开发了新的无参考图像质量评估模型，提高了评估的准确性和鲁棒性。