属性とコンテンツ適応を用いた写真美学ランキングネットワーク

実世界の応用は、自動的に写真の美しさを細かくランキング生成する能力から恩恵を受ける可能性があります。しかし、これまでの画像美しさ分析手法は主に、高美しさまたは低美しさの二値分類に焦点を当ててきました。本研究では、写真の美しさランキングを学習する深層畳み込みニューラルネットワーク（DCNN）を提案します。このネットワークでは、損失関数において直接写真の相対的な美しさランキングがモデル化されます。当モデルは、意味のある写真属性と画像コンテンツ情報の共同学習を取り入れており、これにより複雑な写真美しさ評価問題を正則化することができます。当モデルの訓練および分析のために、新たな美学と属性データベース（Aesthetics and Attributes Database: AADB）を構築しました。このデータベースには、各画像に対して複数の人間評価者が割り当てた美学スコアと意味のある属性が含まれています。匿名化された評価者の識別子が画像間で記録されており、訓練画像ペアのランキング損失計算時に評価者内の一貫性を利用できる新しいサンプリング戦略を使用しています。提案したサンプリング戦略が非常に効果的であり、異なる美的好みを持つ個人による主観的な画像美しさ判断に対しても堅牢であることを示しています。実験結果は、当統合モデルが人間の評価とより一貫性のある美学ランキングを生成できることを証明しています。さらに当モデルの有効性を検証するために、推定された美学スコアに単純な閾値処理を行うことで既存のAVAデータセットベンチマークにおける最先端の分類性能を達成できることも示しています。