SAVOIAS：一个多样化的多类别视觉复杂度数据集

视觉复杂度刻画了图像中细节与精巧程度的水平，或描述该图像的困难程度。它是认知心理学、计算机视觉与可视化以及广告等多个领域中的一个重要概念。然而，目前缺乏创建具有多样化内容且无偏真值标注的大型可下载图像数据集的努力。在本工作中，我们介绍了 Savoias，一个视觉复杂度数据集，包含来自与上述研究领域相关的七个图像类别的超过 1,400 张图像，即场景、广告、可视化与信息图、物体、室内设计、艺术和至上主义。每个类别中的图像展现出多样特征，包括各种低级和高级特征、物体、背景、纹理与图案、文本和图形。Savoias 的真值通过众包方式获得，使用强制选择方法进行了超过 37,000 次图像两两比较，并有超过 1,600 名贡献者参与。所得相对分数随后使用 Bradley-Terry 方法和矩阵补全转换为绝对视觉复杂度分数。当应用五种最先进算法来分析 Savoias 数据集中图像的视觉复杂度时，我们发现这些基线工具得到的分数仅与至上主义类别中抽象图案的众包标签相关性良好（Pearson 相关系数 r=0.84）。对于其他类别，特别是物体和广告类别， revealed 低相关系数（分别为 r=0.3 和 0.56）。这些发现表明：(1) 最先进的方法大多不足；(2) Savoias 支持特定类别的方法开发，这有可能提升视觉复杂度分析在特定应用领域（包括计算机视觉）中的影响。