理解图像病毒式传播

社交网络网站上在线内容的病毒式传播是一个重要但深奥的现象，常在营销、心理学和数据挖掘等领域进行研究。本文从计算机视觉的角度研究病毒式图像。我们引入了三个来自 Reddit 的新图像数据集，并利用 Reddit 元数据定义了病毒式传播得分。我们使用最先进的图像特征训练分类器，以预测单个图像的病毒式传播、图像对中的相对病毒式传播以及病毒式图像的主导主题。我们还比较了机器与人类在这些任务上的表现。我们发现计算机在使用低级特征时表现不佳，而高级信息对于预测病毒式传播至关重要。我们通过相对属性编码语义信息，确定了与病毒式传播相关的 5 个关键视觉属性。我们创建了一种基于属性的图像表征方法，能够以 68.10% 的准确率预测相对病毒式传播（SVM+Deep Relative Attributes），优于人类的 60.12%。最后，我们研究了人类对图像病毒式传播的预测如何随观看图像的不同“上下文”而变化，例如邻近图像的影响、最近观看的图像以及图像标题或说明文字的影响。这项工作是理解图像病毒式传播这一复杂但重要现象的第一步。我们的数据集和标注将公开提供。