通过任务向量定制实现个人化图像审美评估的规模化
计算机视觉与模式识别
2024-10-17 v2
摘要
个人化图像审美评估任务旨在根据少量用户提供的输入调整审美评分预测模型以匹配个人偏好。然而，当前方法的可扩展性和泛化能力受到其依赖高成本精选数据库的限制。为克服这一长期可扩展性挑战，我们提出一种独特方法，利用可获得的通用图像审美评估和图像质量评估数据库。具体而言，我们将每个数据库视为具有不同程度个人化潜力的图像评分回归任务。通过确定表示特定数据库特征的任务向量的最优组合，我们成功为个体创建定制化模型。这种整合多个模型的方法允许我们利用大量数据。我们的广泛实验表明，我们的方法在泛化到以前未见过的领域方面有效——这是以往方法难以实现的挑战，使其在现实场景中具有高度适用性。我们新颖的方法显著推动了该领域的发展，为个人化审美评估提供可扩展解决方案，并为未来研究树立了高标准。https://yeolj00.github.io/personal-projects/personalized-aesthetics/
引用
@article{arxiv.2407.07176,
title = {Scaling Up Personalized Image Aesthetic Assessment via Task Vector Customization},
author = {Jooyeol Yun and Jaegul Choo},
journal= {arXiv preprint arXiv:2407.07176},
year = {2024}
}
备注
ECCV 2024