近年、画像の自動学習による品質評価は、画像キャプチャパイプラインやストレージ技術、メディア共有などの多岐にわたる応用分野における有用性から、注目を集めている。この問題は主観的性質を有するものの、従来の多くはAVA [1] や TID2013 [2] などのデータセットに含まれる平均意見スコア（MOS: Mean Opinion Score）の予測に留まっている。本研究では、畳み込みニューラルネットワーク（CNN）を用いて人間の意見スコアの分布を予測する点で、既存手法と異なり、より豊かな情報表現を実現している。また、同等の性能を達成しつつ、他の手法に比べて大幅にシンプルなネットワーク構造を採用している点も特徴である。本手法は、実証済みかつ最先端の深層オブジェクト認識ネットワークの成功（および再学習）に依拠しており、その結果得られたネットワークは、人間の知覚と高い相関を持つ信頼性の高い画像スコアリングに加え、写真処理パイプラインにおける画像編集・強調アルゴリズムの適応および最適化支援にも利用可能である。さらに、このアプローチは「ゴールデン」参照画像を必要としないため、単一画像に対して、意味的・知覚的に意識した、参照なし（no-reference）の品質評価を実現することが可能となる。