AID-AppEAL：用于内容吸引力增强与评估标签的自动图像数据集与算法
计算机视觉与模式识别
2024-07-22 v2
摘要
我们提出图像内容吸引力评估（ICAA）这一新型指标，量化图像内容为观众生成的正向兴趣水平，如食物摄影的吸引力。这与传统的图像审美评估（IAA）有本质不同，后者评判图像的艺术质量。虽然此前研究常混淆"审美"与"吸引力"概念，但本工作首次专门研究 ICAA。为此，我们提出一种新系统，自动化数据集创建并实现算法以估计和提升内容吸引力。我们利用该流程生成两个规模庞大的数据集（各含 7 万余张图像），覆盖食物与室内装修等多个领域，训练模型后发现内容吸引力与审美水平关联不强。我们进行的用户研究显示，超过 76% 的受试者更倾向于选择提升后图像，证明 ICAA 评分能准确反映用户偏好，确立了其作为独特评估标准。我们的代码与数据集已公开于 https://github.com/SherryXTChen/AID-Appeal。
引用
@article{arxiv.2407.05546,
title = {AID-AppEAL: Automatic Image Dataset and Algorithm for Content Appeal Enhancement and Assessment Labeling},
author = {Sherry X. Chen and Yaron Vaxman and Elad Ben Baruch and David Asulin and Aviad Moreshet and Misha Sra and Pradeep Sen},
journal= {arXiv preprint arXiv:2407.05546},
year = {2024}
}
备注
European Conference on Computer Vision (ECCV) 2024