理解与预测人体动作照片的吸引力
计算机视觉与模式识别
2017-11-03 v1
摘要
从人体动作照片序列中挑选有吸引力的照片相当具有挑战性，因为“吸引力”的主观性本质上主要源于动作中人体姿态与背景的综合因素。已有研究积极探讨了有趣性、可记忆性、流行度与美学等高层图像属性。然而，尚无工作研究过人体动作照片的“吸引力”。本文中，我们采用系统的数据驱动方法，首次对人体动作照片的“吸引力”进行研究。具体而言，我们构建了一个由约 8000 张高质量动作照片组成的新动作照片数据集。我们进一步在 Amazon Mechanical Turk（AMT）上开展了丰富的人群标注研究，涉及单张照片的全局吸引力以及一对照片的相对吸引力。为进一步充分利用这两类评分，我们提出了一种具有新颖混合分布匹配损失的深度 Siamese 网络。大量实验表明：（1）动作照片吸引力虽具主观性但可预测；（2）我们所提方法在预测有吸引力的人体动作照片上既高效又有效。
引用
@article{arxiv.1711.00677,
title = {Understanding and Predicting The Attractiveness of Human Action Shot},
author = {Bin Dai and Baoyuan Wang and Gang Hua},
journal= {arXiv preprint arXiv:1711.00677},
year = {2017}
}