1. 核心目标

将传统的 Image Aesthetic Assessment（IAA） 从：

输入图片 → 输出一个分数

升级为：

输入图片 → 细粒度审美分析 + 整体审美评分

核心是让 MLLM 同时具备 Expert-level Understanding + Quantitative Scoring。

2. 数据：ArtiMuse-10K

构建约 10K 张专家标注图片，提供：

• Fine-grained aesthetic analysis
• Overall aesthetic score
• 多维度审美属性

用于训练 MLLM 学习：

“为什么这张图好/不好” + “到底有多好”

3. 模型

基于 InternVL-3-8B 进行训练。

整体：

Image + Instruction
        ↓
   InternVL-3-8B
        ↓
Fine-grained Analysis
        +
Overall Score

没有设计新的视觉 Backbone，主要创新在于：