基于图注意力网络的图像美学评估

长宽比与空间布局是决定一张照片美学价值的两个主要因素。然而，将这些因素纳入传统的基于卷积的框架以完成图像美学评估任务存在困难。照片在调整尺寸/裁剪为固定维度以便于训练批次采样时，其长宽比会发生畸变。另一方面，卷积滤波器在局部处理信息，在建模照片全局空间布局的能力上受限。在本工作中，我们提出一种基于图神经网络的两阶段框架，联合解决这两个问题。首先，我们提出一种特征图表示，将输入图像建模为图，保持其原始长宽比与分辨率。其次，我们提出一种图神经网络架构，以该特征图为输入，利用视觉注意力捕捉输入图像不同区域之间的语义关系。我们的实验表明，所提框架在 Aesthetic Visual Analysis (AVA) 基准的美学评分回归任务上推进了当前最优（SOTA）结果。