本文综述了盲图像质量评估（BIQA）的最新进展，探讨了偏好图片对、深度学习和自我监督学习等方法。提出了基于Transformer的评估系统和轻量级并行框架（LPF），在多个数据集上表现出优越性能和较低计算复杂性。

本综述分析了盲图像质量评估领域的最新发展和趋势，包括手工制作BIQA、深度学习BIQA和多模态质量评估方法。还讨论了代表性的BIQA数据库。对视觉质量社区的进展提供了有价值的理解。

本研究提出了一个强健的盲图像质量评估方法，通过训练多个基于 Swin-Transformer 的模型并生成伪标签构建了大规模真实世界图像数据集，训练了跨数据集强健模型，交叉数据集测试结果表明该方法性能优于最新方法。