이미지 품질 평가는 이미지 복원 및 생성형 인공지능 (AI)로 생성된 이미지를 평가하는 데에 필요한 기능이다. 참조형 이미지 품질 평가 (FR- IQA), 비참조형 이미지 품질 평가 (FR-IQA)로 나뉘며, 참조 이미지의 유무에 따라 구분된다. 인간의 시각체계를 모방하는 것이 주제인 이미지 품질 평가 연구에서는, 다양한 왜곡에 대해 유연하게 대처 가능한 알고리즘 개발이 중요하다. 최근에는 GAN과 같은 생성형 인공지능기반 이미지가 등장하면서, 인공지능이 생성한 이미지에 대한 사람의 시각 인지 기능까지 모방하는 연구가 진행 중이다. 이에 대해 본 논문에서는 패치 분리라는 방식으로 전역적인 정보가 담긴 특성 맵을 지역적인 특성 맵으로 전달해, 스윈 트랜스포머의 계층간 특성 맵으로부터 이미지 품질 평가를 하는 모델을 제안한다. 또한 계층마다 다른 크기의 특성 맵을 갖는 스윈 트랜스포머의 블록별 계층의 특성 맵 간 연산을 통해, 해상도 및 왜곡 정보를 품질 평가에 활용하는 IQA 모델을 제안한다. 실험 결과에서, 본 논문에서 제안하는 방법이 생성형 인공지능이 생성한 데이터셋을 포함한 여러 이미지 데이터에 대해 기존 방법에 비하여 더 효과적으로 이미지 품질 평가를 할 수 있음을 보여준다.