Salienteye：基于深度神经网络在 Instagram 上最大化参与度同时保持艺术风格
计算机视觉与模式识别
2020-06-23 v1 信息检索
机器学习
摘要
Instagram 已成为业余与专业摄影师展示作品的绝佳场所。换言之，它使摄影大众化。通常，摄影师在一次拍摄中会拍摄数千张照片，从中挑选几张在 Instagram 上展示其作品。试图在 Instagram 上建立声誉的摄影师必须在最大化粉丝对其照片的参与度与保持其艺术风格之间取得平衡。我们使用迁移学习将 Xception（一个在 ImageNet 数据集上训练的目标识别模型）适配到参与度预测任务，并利用由 VGG19（另一个在 ImageNet 上训练的目标识别模型）生成的 Gram 矩阵来完成 Instagram 上发布照片的风格相似性度量任务。我们的模型可在单个 Instagram 账户上训练，以创建个性化的参与度预测与风格相似性模型。在其账户上训练后，用户可依据预测的参与度及与其过往作品的风格相似性对新照片进行排序，从而使其能够上传不仅有可能最大化粉丝参与度且保持摄影风格的照片。我们在多个 Instagram 账户上训练并验证了我们的模型，显示其在两项任务上均表现娴熟，且优于若干基线模型与人类标注者。
引用
@article{arxiv.2006.11403,
title = {Salienteye: Maximizing Engagement While Maintaining Artistic Style on Instagram Using Deep Neural Networks},
author = {Lili Wang and Ruibo Liu and Soroush Vosoughi},
journal= {arXiv preprint arXiv:2006.11403},
year = {2020}
}
备注
Proceedings of the 2020 International Conference on Multimedia Retrieval. 2020