基于多尺度美学特征和图形卷积神经网络的数字图像质量评估.
1College of Design and Art, Xingzhi College Zhejiang Normal University, Jinhua, 321000, China. wujiati6677@163.com.
Scientific reports
|December 29, 2025
概括
本研究介绍了数字图像审美评价的双分支模型,改善了当地图像语义和空间构成的理解方式. 该模型在审美质量评估中实现了高准确性,平衡了性能和效率.
科学领域:
- 计算机视觉 计算机视觉
- 人工智能的人工智能
- 图像处理 图像处理
背景情况:
- 数字图像的美学质量评估对于视觉平台上的内容选和推至关重要.
- 现有的方法难以模拟局部语义和空间构成,限制主观的美观评估.
- 社交媒体的增长需要先进的图像质量评估工具.
研究的目的:
- 为数字图像审美感知提出一个双分支协作模式.
- 为了增强特征表达和模型空间关系,以更准确地评估美丽.
- 为图像审美评价提供全面的自动化解决方案.
主要方法:
- 开发了一个双分支模型,包括一个语义引导的多尺度感知网络和一个构成结构感知图形网络.
- 采用语义注意力机制和多尺度融合来增强特征表达.
- 利用图形卷积来建模图像区域之间的空间关系.
主要成果:
- 在审美质量评估的高细分市场中获得了0.884的皮尔森线性相关系数.
- 在景观图像中获得了0.797的肯德尔等级相关系数.
- 在评级一致性,语义感知和结构建模方面表现出色,具有高效参数 (8.6M) 和高推断速度 (54.2 FPS).
结论:
- 拟议的双分支模型有效地解决了当前图像美学评估方法的局限性.
- 该模型为图像质量评估提供了更准确,更全面的自动化解决方案.
- 这项研究有助于智能图像理解和质量控制应用.
