基于 Bradley-Terry 模型的神经图像美感预测器
计算机视觉与模式识别
2021-11-22 v1 人工智能
摘要
图像美感评估是计算机视觉的一个重要课题。因此，构建一个模拟图像美感评估的模型成为一项重要任务。为了更好地模仿人类视觉系统（HVS）的行为，应对不同类别的图像进行完整的调查。本工作聚焦于图像美感评估。在本研究中，使用了基于 Bradley-Terry 模型的成对评估方法。我们认为，在图像组内，该方法比其他图像评分方法更准确。此外，适用于图像质量评估的卷积神经网络（CNN）被用于本工作。本研究的第一部分是关于不同图像的图像美感比较调查。Bradley-Terry 模型用于计算分数，这些分数作为 CNN 模型的目标。本工作的第二部分聚焦于图像美感预测的结果，包括风景图像、建筑图像和肖像图像。模型使用 AVA 数据集进行预训练，以提升后续性能。然后，CNN 模型使用调查所得图像及对应分数进行训练。此外，本工作比较了四种 CNN 基础网络的结果，即文献中讨论的 Alex net、VGG net、Squeeze net 和 LSiM net。最后，通过成对准确率、相关系数以及由调查结果计算的相对误差对模型进行评估。我们提出的方法取得了满意的结果，成对准确率约为 70%。我们的工作为新颖的图像美感评估方法提供了更多启示。尽管还需开展更多研究，该方法是一个有前景的步骤。
引用
@article{arxiv.2111.10127,
title = {Neural Image Beauty Predictor Based on Bradley-Terry Model},
author = {Shiyu Li and Hao Ma and Xiangyu Hu},
journal= {arXiv preprint arXiv:2111.10127},
year = {2021}
}
备注
16 pages 18 fiugures