预测美、喜爱度与美学质量：视觉美学研究图像数据库的比较分析
计算机视觉与模式识别
2023-07-04 v1 数据库
摘要
在实验美学与计算美学领域，过去二十年间创建了众多图像数据集。本文对包含美学评分（美、喜爱度或美学质量）的十二个图像数据集进行了比较概述，并考察了不同数据集间结果的可复现性。具体而言，我们考察了使用（A）一组 20 个先前研究的统计图像属性，或（B）为物体识别开发的卷积神经网络各层，能在多大程度上一致地预测这些评分。我们的发现揭示了不同数据集间美学评分可预测性的显著差异。然而，对于包含照片或绘画的数据集分别发现了具有一致性的相似性，表明这两类图像体裁在美学评价中涉及不同的相关特征。令我们惊讶的是，统计图像属性与卷积神经网络以相近的准确率预测美学评分，突显了两种方法所捕获图像信息的显著重叠。尽管如此，数据集间的差异对以往基于单一数据集的研究发现的泛化性提出了质疑。我们的研究强调了考虑多个数据集以提升实验与计算美学领域研究结果有效性与泛化性的重要性。
引用
@article{arxiv.2307.00984,
title = {Predicting beauty, liking, and aesthetic quality: A comparative analysis of image databases for visual aesthetics research},
author = {Ralf Bartho and Katja Thoemmes and Christoph Redies},
journal= {arXiv preprint arXiv:2307.00984},
year = {2023}
}