В общем, по первому голосование:
Вариант 1: оцениваются одновременно изображение и трек.
Вариант 2: изображение и трек оцениваются отдельно.
Вариант 3: трек оценивается сугубо по тому, насколько он понравился, а изображение уже к тому насколько он подходит треку.
Вариант 4: обратный третьему.