用于图像美学评估的自适应分数膨胀卷积网络
计算机视觉与模式识别
2020-04-08 v1
摘要
为利用深度学习进行图像美学评估，一个关键但未解决的问题是如何无缝融入图像宽高比信息以学习更鲁棒的模型。本文提出一种自适应分数膨胀卷积（AFDC），其具有嵌入宽高比、保持构图且无参数的特性，可在卷积核层面原生解决该问题。具体而言，分数膨胀核依据图像宽高比自适应构建，其中采用最近两个整数膨胀核的插值来应对分数采样的错位。此外，我们给出用于小批量训练的简明公式，并利用分组策略降低计算开销。因此，它可由常见深度学习库轻松实现，并以计算高效方式插入流行 CNN 架构。我们的实验结果表明，所提方法在 AVA 数据集上的图像美学评估中达到了最先进（SOTA）性能。
引用
@article{arxiv.2004.03015,
title = {Adaptive Fractional Dilated Convolution Network for Image Aesthetics Assessment},
author = {Qiuyu Chen and Wei Zhang and Ning Zhou and Peng Lei and Yi Xu and Yu Zheng and Jianping Fan},
journal= {arXiv preprint arXiv:2004.03015},
year = {2020}
}
备注
Accepted by CVPR 2020