基于混合多属性数据集的图像美学属性数值化评估
计算机视觉与模式识别
2022-07-06 v1
摘要
随着社交软件与多媒体技术的不断发展,图像已成为信息传播与社交的重要载体。如何全面评价一幅图像成为近期研究焦点。传统图像美学评估方法常采用单一数值总体评分,具有一定主观性且已无法满足更高美学要求。本文构建了一个称为带属性的美学混合数据集(AMD-A)的新图像属性数据集,并设计外部属性特征用于融合。此外,我们提出一种在混合多属性数据集上高效的图像美学属性评估方法,并使用EfficientNet-B0作为骨干网络构建多任务网络架构。我们的模型可实现美学分类、总体评分与属性评分。在各子网络中,我们通过ECA通道注意力模块改进特征提取。对于最终总体评分,我们采用教师-学生网络思想,并利用分类子网络引导美学总体细粒度回归。使用MindSpore的实验结果表明,我们所提方法能有效提升美学总体与属性评估的性能。
引用
@article{arxiv.2207.01806,
title = {Aesthetic Attribute Assessment of Images Numerically on Mixed Multi-attribute Datasets},
author = {Xin Jin and Xinning Li and Hao Lou and Chenyu Fan and Qiang Deng and Chaoen Xiao and Shuai Cui and Amit Kumar Singh},
journal= {arXiv preprint arXiv:2207.01806},
year = {2022}
}
备注
7 pages, 9figures, to appear: ACM Transactions on Multimedia Computing Communications and Applications (TOMM)