基于深度强化学习的用户引导个性化图像美学评估

个性化图像美学评估（PIAA）因其在摄影、影视、电子商务、时尚设计等广泛应用中的有用性，近期成为热点话题。该任务更受主观因素及用户提供样本的影响。为通过少量样本获取精确的个性化美学分布，我们提出一种新颖的用户引导个性化图像美学评估框架。该框架利用用户交互基于深度强化学习（DRL）对图像进行修饰与排序以进行美学评估，并生成更符合不同用户美学偏好的个性化美学分布。它主要包括两个阶段。在第一阶段，通过交互式图像增强与人工排序生成个性化美学排序，同时训练两个策略网络。图像将被推送给用户进行人工修饰，并同时送入增强策略网络。增强网络利用人工修饰结果作为 DRL 的优化目标。此后，排序过程执行与前述修饰类似的操作。这两个网络将迭代且交替训练，以辅助自动完成最终的个性化美学评估。在第二阶段，这些修改后的图像由一个特定风格分类器标注美学属性，然后基于这些图像的多重美学属性生成个性化美学分布，从而更好地符合用户的美学偏好。