面向艺术图像美学评估：大规模数据集与新方法
计算机视觉与模式识别
2023-03-28 v1
摘要
图像美学评估（IAA）因其高度主观的性质而是一项具有挑战性的任务。当前大多数研究依赖大规模数据集（如 AVA 和 AADB）来为各类摄影图像学习一个通用模型。然而，关于艺术图像美学质量度量的研究甚少，且现有数据集仅包含相对较少的艺术作品。这一缺陷是艺术图像美学评估的一大障碍。为填补艺术图像美学评估（AIAA）领域的空白，我们首先引入一个大规模 AIAA 数据集：Boldbrush 艺术图像数据集（BAID），其包含 60,337 张涵盖多种艺术形式的艺术图像，以及来自在线用户的逾 360,000 张投票。随后我们提出一种新方法 SAAN（风格特定艺术评估网络），可有效提取并利用风格特定与通用美学信息来评估艺术图像。实验表明，根据定量比较，我们所提方法在提出的 BAID 数据集上优于现有 IAA 方法。我们相信所提出的数据集与方法可作为未来 AIAA 工作的基础，并启发该领域更多研究。数据集与代码见：https://github.com/Dreemurr-T/BAID.git
引用
@article{arxiv.2303.15166,
title = {Towards Artistic Image Aesthetics Assessment: a Large-scale Dataset and a New Method},
author = {Ran Yi and Haoyuan Tian and Zhihao Gu and Yu-Kun Lai and Paul L. Rosin},
journal= {arXiv preprint arXiv:2303.15166},
year = {2023}
}
备注
Accepted by CVPR 2023