带属性与内容自适应的照片美学排序网络
计算机视觉与模式识别
2016-07-28 v2 信息检索
多媒体
摘要
现实世界的应用将受益于自动生成细粒度的照片美学排序的能力。然而，先前图像美学分析的方法主要聚焦于将图像粗粒度地二分类为高美学或低美学类别。在本工作中，我们提出学习一个深度卷积神经网络来对照片美学进行排序，其中照片美学的相对排序直接在损失函数中建模。我们的模型结合了有意义的摄影属性与图像内容信息的联合学习，这有助于正则化复杂的照片美学评分问题。为了训练和分析该模型，我们构建了一个新的美学与属性数据库（AADB），其中包含由多个人类评分者赋予每张图像的美学分数和有意义属性。匿名评分者身份在图像间被记录，使得我们在计算训练图像对排序损失时能够利用一种新颖的采样策略来挖掘评分者内部一致性。我们展示了所提出的采样策略在面临具有不同美学品味的个体对图像美学的主观判断时非常有效且鲁棒。实验表明，我们的统一模型能够生成与人类评分更一致的美学排序。为了进一步验证我们的模型，我们展示仅通过对估计的美学分数进行阈值化，我们就能在现有的 AVA 数据集基准上实现最先进的 (state-of-the-art) 分类性能。
引用
@article{arxiv.1606.01621,
title = {Photo Aesthetics Ranking Network with Attributes and Content Adaptation},
author = {Shu Kong and Xiaohui Shen and Zhe Lin and Radomir Mech and Charless Fowlkes},
journal= {arXiv preprint arXiv:1606.01621},
year = {2016}
}