HyperAIHyperAI

Command Palette

Search for a command to run...

Bildkompositionsevaluation mit Salienz-verstärktem Multi-Muster-Pooling

["name": "Bo Zhang" "email": "[email protected]" "name": "Li Niu*" "email": "[email protected]" "name": "Liqing Zhang" "email": "[email protected]"]

Zusammenfassung

Die Bewertung der Bildkomposition ist entscheidend für die ästhetische Bewertung, die darauf abzielt, die gesamte Kompositionsqualität eines gegebenen Bildes zu bewerten. Dennoch, soweit wir wissen, gibt es weder einen Datensatz noch eine Methode, die speziell für diese Aufgabe vorgeschlagen wurden. In dieser Arbeit präsentieren wir den ersten Kompositionsbeurteilungsdatensatz CADB, bei dem mehrere professionelle Beurteiler Kompositionsscores für jedes Bild bereitgestellt haben. Darüber hinaus schlagen wir ein Kompositionsbeurteilungsnetzwerk SAMP-Net vor, das ein neuartiges Modul zur Saliency-Augmented Multi-pattern Pooling (SAMP) enthält und visuelle Layouts aus der Perspektive verschiedener Kompositionsmuster analysiert. Wir nutzen zudem kompositionsbetonte Attribute, um die Leistung weiter zu verbessern, und erweitern den Earth Mover's Distance (EMD)-Verlust zu einem gewichteten EMD-Verlust, um den Inhaltsverzerrungen entgegenzuwirken. Die experimentellen Ergebnisse zeigen, dass unser SAMP-Net besser abschneidet als frühere Ansätze zur ästhetischen Bewertung.


KI mit KI entwickeln

Von der Idee bis zum Launch – beschleunigen Sie Ihre KI-Entwicklung mit kostenlosem KI-Co-Coding, sofort einsatzbereiter Umgebung und bestem GPU-Preis.

KI-gestütztes kollaboratives Programmieren
Sofort einsatzbereite GPUs
Die besten Preise

HyperAI Newsletters

Abonnieren Sie unsere neuesten Updates
Wir werden die neuesten Updates der Woche in Ihren Posteingang liefern um neun Uhr jeden Montagmorgen
Unterstützt von MailChimp
Bildkompositionsevaluation mit Salienz-verstärktem Multi-Muster-Pooling | Paper | HyperAI