本文提出了一种基于文本的语义相关质量评价方法(SAQI)及其改进版，结合低级指标形成统一盲视频质量指数(BVQI)。研究评估了视频质量，构建了Maxwell数据库，并提出MaxVQA方法。通过EditVal基准测试，评估了多种图像编辑方法的性能，发现没有单一方法在所有编辑类型上表现最佳。此外，提出了Text-to-Video Score (T2VScore)评估指标，验证其优越性，并研究了视频生成模型的差异。

本文提出了多种图像和视频质量评估方法，包括基于文本的语义相关质量评价（SAQI）和无参考图像质量评估。通过结合语言指导和多模态框架，提升了评估的准确性和泛化能力，并在多个数据集上展示了优越性能。