マルチスケール美学特徴量とグラフ畳み込みニューラルネットワークに基づくデジタル画像品質評価

科学分野:

• コンピュータビジョン
• 人工知能
• 画像処理

背景:

• デジタル画像の美的品質評価は、ビジュアルプラットフォームでのコンテンツスクリーニングとレコメンデーションにとって重要です。
• 既存の方法では、局所的な意味論と空間的構成をモデル化することが困難であり、主観的な美しさの評価が制限されています。
• ソーシャルメディアの成長は、高度な画像品質評価ツールの必要性を高めています。

研究 の 目的:

• デジタル画像の美的知覚のためのデュアルブランチ協調モデルを提案すること。
• より正確な美しさの評価のために、特徴表現を強化し、空間的関係をモデル化すること。
• 画像美学評価のための包括的な自動ソリューションを提供すること。

主な方法:

• 意味論的にガイドされたマルチスケール知覚ネットワークと、構成構造知覚グラフネットワークからなるデュアルブランチモデルを開発しました。
• 特徴表現を強化するために、意味論的注意メカニズムとマルチスケールフュージョンを採用しました。
• 画像領域間の空間関係をモデル化するためにグラフ畳み込みを利用しました。

主要な成果:

• 美学品質評価の高セグメントで0.884のピアソン線形相関係数を達成しました。
• 風景画像で0.797のケンドール順位相関係数を取得しました。
• 効率的なパラメータ（8.6M）と高い推論速度（54.2 FPS）で、評価の一貫性、意味論的知覚、構造モデリングにおいて優れたパフォーマンスを示しました。

結論:

• 提案されたデュアルブランチモデルは、現在の画像美学評価方法の限界を効果的に解決します。
• このモデルは、画像品質評価のためのより正確で包括的な自動ソリューションを提供します。
• この研究は、インテリジェントな画像理解と品質管理アプリケーションに貢献します。