基于自监督学习的儿童绘画审美评估模型 AACP

儿童绘画审美评估（Aesthetics Assessment of Children's Paintings, AACP）是图像审美评估（IAA）的一个重要分支，在儿童教育中发挥着重要作用。该任务 presents 独特的挑战，如数据有限且需要来自多个视角的评估指标。然而，之前的方法依赖于训练大规模数据集并提供图像审美评分，这些方法不适用于 AACP。为解决此问题，我们构建了一个儿童绘画审美评估数据集并开发了一个基于自监督学习的模型。1) 我们构建了一个新型数据集，包含两个部分：第一部分包含超过 2 万张未标记的儿童绘画图片；第二部分包含 1.2 千张儿童绘画图片，每张图片都由多个设计专家标记了八个属性。2) 我们设计了一个包括特征提取模块、感知模块和解耦评估模块的管道。3) 我们对照了五种其他方法，对我们的模型在 AACP 数据集上的性能进行定性和定量实验。实验结果表明，我们的方法能够准确捕获审美特征并实现最佳性能。