图像美学属性评估
计算机视觉与模式识别
2019-07-30 v2
摘要
图像美学质量评估在过去十年中一直是一个相对热门的话题。最近，评论型评估（美学描述）被提出，用于用文本描述图像的总体美学印象。在本文中，我们提出图像美学属性评估，即美学属性描述。这是一种新的图像美学评估形式，其预测美学属性描述以及每个属性的美学分数。我们引入了一个名为 \emph{DPC-Captions} 的新数据集，该数据集通过从全标注小规模数据集的知识迁移，包含一幅图像最多 5 个美学属性的评论。然后，我们提出美学多属性网络（Aesthetic Multi-Attribute Network, AMAN），它在全标注小规模 PCCD 数据集与弱标注大规模 DPC-Captions 数据集的混合上训练。我们的 AMAN 在单一框架中充分利用迁移学习与注意力模型。在我们的 DPC-Captions 和 PCCD 数据集上的实验结果表明，我们的方法可以预测 5 个美学属性的描述以及每个属性的数值分数评估。我们使用图像描述中采用的评估标准证明，我们专门设计的 AMAN 模型优于传统的 CNN-LSTM 模型与现代化的 SCA-CNN 图像描述模型。
引用
@article{arxiv.1907.04983,
title = {Aesthetic Attributes Assessment of Images},
author = {Xin Jin and Le Wu and Geng Zhao and Xiaodong Li and Xiaokun Zhang and Shiming Ge and Dongqing Zou and Bin Zhou and Xinghui Zhou},
journal= {arXiv preprint arXiv:1907.04983},
year = {2019}
}
备注
to appear in ACM MM 2019, camera ready version