A2-RL：面向图像裁剪的美学感知强化学习
计算机视觉与模式识别
2018-03-13 v3
摘要
图像裁剪旨在通过调整构图来提升图像的美学质量。大多数弱监督裁剪方法（无边界框监督）依赖于滑动窗口机制。滑动窗口机制需要固定的宽高比，并以任意尺寸限制裁剪区域。此外，滑动窗口方法通常在输入图像上产生数万个窗口，非常耗时。受这些挑战驱动，我们首先将美学图像裁剪公式化为序列决策过程，并提出弱监督的美学感知强化学习（A2-RL）框架来解决该问题。特别地，所提方法开发了尤其有益于图像裁剪的美学感知奖励函数。类似于人类的决策，我们使用包含当前观测和历史经验的综合状态表示。我们以端到端方式使用actor-critic架构训练智能体。该智能体在几个流行的未见裁剪数据集上进行了评估。实验结果表明，与先前弱监督方法相比，我们的方法以少得多的候选窗口和少得多的时间实现了最先进的性能。
引用
@article{arxiv.1709.04595,
title = {A2-RL: Aesthetics Aware Reinforcement Learning for Image Cropping},
author = {Debang Li and Huikai Wu and Junge Zhang and Kaiqi Huang},
journal= {arXiv preprint arXiv:1709.04595},
year = {2018}
}
备注
Accepted by CVPR 2018