引入神经图像评估来判断照片

当然，计算机软件无法像我们一样判断图片吗?将数字分数附加到技术细节是一回事，但我们不是用心和大脑来看待它们吗?

那么，当Google研究人员参与AI项目时，永远不要说永远。一个团队的目标是有一种方法可以在评论家的椅子上评估照片。

在12月18日的Google研究博客上，软件工程师Hossein Talebi和机器感知研究科学家Peyman Milanfar解释了他们的方法如何更接近于猜测人类喜欢什么比以前的方法。

向神经图像评估(NIMA)系统问好，它可以在判断照片时仔细复制人类的平均分数。

“ 最近，用人类标记数据训练的深度卷积神经网络(CNN)已被用于解决特定类别图像(如风景)的图像质量的主观性质。然而，这些方法的范围可能有限，因为它们通常将图像分为两类低质量和高质量。我们提出的方法可以预测评级的分布。“

他们的论文“NIMA：神经图像评估”在arXiv上发表。作者是Talebi和Milanfar。他们引入的深度CNN经过培训，可以预测典型用户将哪些图像评价为良好(技术上)或吸引人(美观)。

博客调出了决定照片质量的不同因素，从测量像素级降级到美学评估，捕捉与情感和美感紧密相关的语义级特征。

Engadget的 Jon Fingas 评论说：“如果谷歌有其自己的方式，人工智能可能会成为艺术评论家。”

毕竟，评级是基于它认为你想要的，技术上和美学上的。

“目标是获得与人类感知相匹配的质量得分，即使图像被扭曲。谷歌已经发现评估所给出的分数与人类评估者给出的分数相似，” The Quge的 Shannon Liao说。。

Fingas通过这个过程踩过读者：

“它根据评级直方图(例如来自照片竞赛)的一组图像进行训练，这些图像可以感知不同区域中图片的整体质量，而不仅仅是平均分数或简单的高/低评级。”

下一步是什么?

作者在博客中写道，他们在NIMA上的工作建议基于机器学习的质量评估模型可能具有有用的功能。

它们可以使用户轻松找到最好的图片; 或通过实时反馈实现改进的拍照。

然而，他们说，“我们知道，在理解质量和美学意味着什么方面做得更好的追求是一个持续的挑战 - 一个将涉及我们模型的持续再培训和测试。”

为什么这很重要：他们的工作不仅表明了一种与人类感知具有高度相关性的照片，而且还可以优化照片编辑。

Fingas：“虽然还有很多工作要做，但有一天暗示你的手机可以像你一样体验照片的味道。”

廖：“有一天，公司希望人工智能能够帮助用户对最佳照片进行分类，或者提供有关摄影的实时反馈。”