一种几何敏感的图像摄影风格分类方法
计算机视觉与模式识别
2019-09-04 v1 机器学习
图像与视频处理
摘要
照片具有不同的构图属性，如三分法则、景深、灭线等。这些属性中的一个或多个的存在或缺失有助于图像的整体艺术价值。在本工作中，我们分析了基于深度学习的方法学习此类摄影风格属性的能力。我们观察到，尽管标准 CNN 能较好地学习基于纹理和外观的特征，但其对全局和几何特征的理解受两个因素限制。首先，数据增强策略（裁剪、扭曲等）扭曲了照片的构图并影响性能。其次，CNN 特征原则上具有平移不变性和外观依赖性。但某些对美学重要的几何属性，例如三分法则（RoT），是位置依赖且外观不变的。因此，我们提出了一种新颖的输入表示，它是几何敏感的、位置认知的和外观不变的。我们进一步引入了一个双列 CNN 架构，其在摄影风格分类中优于最先进的（SoA）方法。从我们的结果中，我们观察到所提出的网络比 SoA 更好地学习了基于几何和外观的属性。
引用
@article{arxiv.1909.01040,
title = {A Geometry-Sensitive Approach for Photographic Style Classification},
author = {Koustav Ghosal and Mukta Prasad and Aljosa Smolic},
journal= {arXiv preprint arXiv:1909.01040},
year = {2019}
}
备注
Irish Machine Vision and Image Processing Conference, Belfast, 2018