用语言理解美学：用于美学评估的摄影评论数据集
计算机视觉与模式识别
2022-09-22 v3 计算与语言
摘要
由于美学的主观性，其计算推断是一项定义不良的任务。已有许多数据集通过提供基于人类评分的图像与美学分数对来解决该问题。然而，人类更擅长用语言而非将其总结为单一数字来表达自己的观点、品味与情感。事实上，摄影评论提供了更丰富的信息，因为它们揭示了用户如何以及为何对视觉刺激的美学进行评分。为此，我们提出了 Reddit 摄影评论数据集（RPCD），其包含图像与摄影评论的元组。RPCD 由 74K 图像和 220K 评论组成，采集自一个 Reddit 社区，该社区由业余与专业摄影师利用建设性社区反馈来提升摄影技能。所提数据集与以往美学数据集主要在三方面不同：(i) 数据集规模大且评论扩展至批评图像不同方面，(ii) 其包含大多为 UltraHD 图像，(iii) 由于通过自动流水线采集，可轻易扩展至新数据。据我们所知，本工作首次尝试从评论估计视觉刺激的美学质量。为此，我们利用批评情感的极性作为美学判断的指标。我们展示了情感极性如何与两个美学评估基准中可用的美学判断正相关。最后，我们以情感分数作为排序图像的目标，对若干模型进行了实验。数据集与基线已公开（https://github.com/mediatechnologycenter/aestheval）。
引用
@article{arxiv.2206.08614,
title = {Understanding Aesthetics with Language: A Photo Critique Dataset for Aesthetic Assessment},
author = {Daniel Vera Nieto and Luigi Celona and Clara Fernandez-Labrador},
journal= {arXiv preprint arXiv:2206.08614},
year = {2022}
}
备注
Accepted to NeurIPS Track on Datasets and Benchmarks 2022