面向移动游戏图像的多模态美学评估

随着各种游戏技术、服务、游戏风格和平台的激增，游戏内容的多维度美学评估对游戏产业正变得愈发重要。取决于多元化游戏玩家、游戏设计师、图形开发者等在特定条件下的多样需求，多模态美学评估需考虑不同的美学维度/视角。由于不同美学维度之间存在不同的潜在关系，例如“色彩丰富度”与“色彩和谐度”之间，利用多个相关维度中附带的有效信息可能是有利的。为此，我们通过多任务学习解决该问题。我们的倾向是寻找并学习不同美学相关维度之间的关联，以进一步提升预测所有美学维度的泛化性能。因此，通过利用其他维度的互补来源，即跨维度共享训练信息以间接扩充训练数据，可为单一维度在有限标注数据下获得良好预测的这一“瓶颈”松绑。根据实验结果，所提模型在预测四个游戏美学维度上显著优于最先进的（SOTA）美学指标。