一种用于图像美学评分分布预测的深层漂移-扩散模型
计算机视觉与模式识别
2020-10-16 v1
摘要
由于主观性，美学质量评估任务十分复杂。近年来，图像美学质量的目标表示已从一维二分类标签或数值评分转变为多维评分分布。根据现有方法，真实评分分布被直接回归。然而，美学的主观性未被考虑，即未考虑人类的心理过程，这限制了该任务的性能。在本文中，我们受心理学家启发提出一种深层漂移-扩散（DDD）模型，从图像预测美学评分分布。DDD模型可描述美学感知的心理过程，而非对传统评估结果的建模。我们使用深度卷积神经网络回归漂移-扩散模型的参数。在大规模美学图像数据集上的实验结果表明，我们新颖的DDD模型简洁而高效，在美学评分分布预测上优于最先进的（SOTA）方法。此外，不同的心理过程也可由我们的模型预测。
引用
@article{arxiv.2010.07661,
title = {A Deep Drift-Diffusion Model for Image Aesthetic Score Distribution Prediction},
author = {Xin Jin and Xiqiao Li and Heng Huang and Xiaodong Li and Xinghui Zhou},
journal= {arXiv preprint arXiv:2010.07661},
year = {2020}
}
备注
13 pages, 8 pages