改变图像记忆性：从基础照片编辑到 GAN

记忆性被视为视觉内容的重要特征，而对于广告与教育用途往往至关重要。尽管关于理解与预测图像记忆性的研究众多，其在记忆性修改方面几乎毫无建树。本工作中，我们研究两种图像编辑方法——GAN 与经典图像处理——并展示它们对记忆性的影响。直接影响记忆性的视觉特征至今未知，因此无法手动控制。作为解决方案，我们让 GAN 利用标注数据深度学习该特征，再将其用于新图像的条件生成。类比于编辑面部属性的算法，我们将记忆性视为又一属性并以相同方式操作。所获得的数据亦具分析价值，只因现实世界中尚无从在保留其他属性的同时成功改变图像记忆性的实例。我们相信这能为“何种图像令人难忘？”之问提供诸多新解答。此外，我们还研究了广大受众日常使用的常规照片编辑工具（Photoshop、Instagram 等）对记忆性的影响。此情形下，我们从实际方法出发，借助统计量与记忆性预测的最新进展加以研究。摄影师、设计师与广告从业者将直接受益于本研究结果。