保持内容原始长宽比的多块图像美学预测
计算机视觉与模式识别
2020-07-07 v1 多媒体
摘要
社交网络服务的普及带来了对筛选、编辑和生成引人注目图像的日益增长的需求。这一趋势提升了将图像美学评估作为自动图像处理互补功能的重要性。我们提出一种名为 MPA-Net（多块聚合网络）的多块方法，通过保持图像中内容的原始长宽比来预测图像美学分数。在包含 250,000 张图像的大规模 AVA 数据集上的实验表明，与单块预测和随机块选择方法相比，等间隔多块选择方法对美学分数预测的效果显著。在该数据集上，MPA-Net 优于被视为基线方法的神经图像评估算法。特别地，MPA-Net 的美学分数线性相关系数（LCC）高出 0.073（11.5%），Spearman 秩相关系数（SRCC）高出 0.088（14.4%）。MPA-Net 还将均方误差（MSE）降低了 0.0115（4.18%），并取得了与最先进的连续美学分数预测方法相当的 LCC 和 SRCC 结果。最值得注意的是，MPA-Net 对长宽比远离 1.0 的图像尤其显著降低了 MSE，表明 MPA-Net 对宽泛的图像长宽比均具实用性。MPA-Net 仅使用图像，在训练与预测阶段均不需要外部信息。因此，MPA-Net 在美学分数预测之外的其他人类主观性预测等应用中具有巨大潜力。
引用
@article{arxiv.2007.02268,
title = {Image Aesthetics Prediction Using Multiple Patches Preserving the Original Aspect Ratio of Contents},
author = {Lijie Wang and Xueting Wang and Toshihiko Yamasaki},
journal= {arXiv preprint arXiv:2007.02268},
year = {2020}
}