图像质量评估：通过字典空间中自适应多质量因子的响应探索区域异质性

基于摘要分析。该研究面向图像质量评估，针对场景、内容及失真类型变化导致的区域异质性，提出 adaptive multi-quality factor（AMqF）框架，将质量因子表示于字典空间，以捕捉非均匀失真区域的质量特征。 核心机制是利用 adapter 自适应提取并分解亮度、结构、对比度等质量因子，使其与人类视觉感知相对应，再将其量化为离散视觉词。视觉词对所构建的字典基向量产生响应，通过相应坐标向量衡量视觉相似性。摘要还提出使用重构约束增强质量因子的表征能力，但未给出具体损失形式、字典学习方式或坐标计算细节。 作者报告，该方法在多种失真图像的实验中优于现有最先进方法；摘要未列明数据集、数据划分、对照方法、评价指标及具体数值，因此尚不能判断优势幅度及适用范围。实验协议、消融及统计信息尚未验证。摘要提供了源码地址，但代码可用性、训练配置及复现条件尚未核查。 研究的主要对象是图像感知质量与视觉相似性，而非 EEG 解码或 BCI。摘要未建立视觉质量因子与神经信号质量之间的具体对应关系，因此不据此推断 BCI 有效性，也不将来源栏目名称视为该方法采用状态空间模型的证据。