본 논문에서는 기존의 이미지 품질 평가 모델과는 다른 관점에서 인과 추론과 분리된 표현 학습을 기반으로 하는 새로운 프레임워크를 제안했어요. 참조 이미지와 왜곡된 이미지의 특징을 비교하는 대신, 왜곡 추정을 인과적 분리 과정으로 정의하고 잠재 표현에 대한 개입을 통해 가이드했어요. 다양한 비표준 자연 이미지 도메인에서 실험 결과, 기존 모델보다 뛰어난 교차 도메인 일반화 성능을 보였어요.