用于图像美学评估的多任务卷积神经网络
计算机视觉与模式识别
2024-01-17 v2 机器学习
摘要
由于人们对图像的美学偏好远未被理解，图像美学评估是一项具挑战性的人工智能任务。该任务背后的因素范围几乎无限，但我们知道某些美学属性会影响这些偏好。本研究中，我们提出一种考虑这些属性的多任务卷积神经网络。所提神经网络联合学习这些属性与图像的总体美学分数。该多任务学习框架通过利用共享表示实现了有效的泛化。我们的实验表明，在某一图像美学基准上预测图像总体美学分数时，所提方法优于最先进（SOTA）方法。在考虑 Spearman 秩相关时，我们在总体美学分数上达到了接近人类的表现。此外，我们的模型开创了多任务在另一基准中的应用，作为未来研究的新基线。值得注意的是，与文献中现有的多任务神经网络相比，我们的方法在使用更少参数的同时实现了该性能，从而在计算复杂度上更为高效。
引用
@article{arxiv.2305.09373,
title = {Multi-task convolutional neural network for image aesthetic assessment},
author = {Derya Soydaner and Johan Wagemans},
journal= {arXiv preprint arXiv:2305.09373},
year = {2024}
}