（来源：上观新闻）
数据印证了这一趋👩🎨势👸👩🚒。最终，PA🎾🎧NDA🇿🇲🤷♀️SET 包🇬🇬🍀含了超过52.8🤱🇮🇪万对图像，🇹🇿🦸♀️覆盖训练集⤴🌑（约4👋8万对）、验证🚍集（约1.2万🤷♀️对）和🕳测试集（约3🇩🇯🌤.6万对）🇫🇷。从 Easy 到🤳 Ha♎🐆rd，🇻🇺🏹所有方法的性⛰🈷能都出现了🖥🎚不同程度的下滑🇭🇰。如果说🧶去年的热🤞点是短剧，🧖♀️今年的风向，则🧿🆎是AI🔼。研究团队使用⏳♨了一个名为 D🌤INO🌟🗑v2 的预🦆训练视觉模🤪型（可以把它理✋解为一个经过大量🥄图片训练的"🇱🇻看图专家"）🌳，将输入的两张📡图片分🧾别转换🌪🚖为包含➗丰富视觉信息的特🎂征矩阵💠🇾🇹。
Q-Ben😑ch 🅾🎸等工作侧重于单🚴🈷张图像的整体🙊🤧质量分析；D🇵🇼Q49🤟🇰🇮5K、M🚩ICBench🤰😦地蜘蛛 等工作虽🔧然涉及图像对🖐比，但不是🏳以区域为核心出🕎🇵🇸发点；🐂🇹🇯Sea➰🌹gull、QGr🛃👩👩👧👧ound、G4️⃣🇧🇼roun🇧🇯😴ding🤞🇲🇷-IQA 等工作🦆虽然涉及区↩🤬域级分📫🐧析，但只⭕🌿针对单张图🕤🕕像，不支持⛎两张图片之间⛺的区域级比较♥🆑。
