本文介绍了Dog-IQA方法，通过利用多模态大语言模型的先验知识，采用零样本多级评估策略，解决了图像质量评估中的泛化能力差和训练成本高的问题。该方法在无训练情况下表现出优异性能，并在跨数据集上具有竞争力。研究还提出了TOPIQ和LAR-IQA等创新方法，提高了评估的准确性和鲁棒性，适用于资源有限的设备。

TOPIQ是一种用于图像质量评估的顶部向下方法，利用多尺度特征和跨尺度注意力机制传播多级语义信息到低级表示。TOPIQ在全参考和无参考图像质量评估中表现出更好的性能。