論文の概要: A Survey of Hand Crafted and Deep Learning Methods for Image Aesthetic Assessment

• arxiv url: http://arxiv.org/abs/2103.11616v1
• Date: Mon, 22 Mar 2021 07:00:56 GMT
• ステータス: 処理完了
• システム内更新日: 2021-03-24 05:01:20.667517
• Title: A Survey of Hand Crafted and Deep Learning Methods for Image Aesthetic Assessment
• Title（参考訳）: 画像美的評価のための手作り・深層学習手法の検討
• Authors: Saira Kanwal, Muhammad Uzair, Habib Ullah
• Abstract要約: 本稿では,最近の自動画像美学評価技術について文献的考察を行う。 伝統的なハンドクラフトとディープラーニングベースのアプローチが多数レビューされています。
• 参考スコア（独自算出の注目度）: 2.9005223064604078
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Automatic image aesthetics assessment is a computer vision problem that deals with the categorization of images into different aesthetic levels. The categorization is usually done by analyzing an input image and computing some measure of the degree to which the image adhere to the key principles of photography (balance, rhythm, harmony, contrast, unity, look, feel, tone and texture). Owing to its diverse applications in many areas, automatic image aesthetic assessment has gained significant research attention in recent years. This paper presents a literature review of the recent techniques of automatic image aesthetics assessment. A large number of traditional hand crafted and deep learning based approaches are reviewed. Key problem aspects are discussed such as why some features or models perform better than others and what are the limitations. A comparison of the quantitative results of different methods is also provided at the end.
• Abstract（参考訳）: 自動画像美学評価は、画像の異なる審美レベルへの分類を扱うコンピュータビジョン問題である。 分類は通常、入力画像を分析し、画像が写真の重要な原則(バランス、リズム、調和、コントラスト、ユニティ、ルック、フィール、トーン、テクスチャ)に準拠する程度を計算することによって行われる。 近年,多くの分野における多様な応用により,自動画像美学評価が注目されている。 本稿では,最近の自動画像美学評価技術について文献的考察を行う。 従来の手作りとディープラーニングに基づくアプローチを数多くレビューしている。 主な問題は、なぜ機能やモデルが他のものよりも優れているのか、その制限は何か、などである。 最後に、異なる方法の定量的結果の比較も提供される。

関連論文リスト

• Structuring Quantitative Image Analysis with Object Prominence [0.0]
  データとして画像を分析するための重要なステップとして,オブジェクトの優位性について慎重に検討する。 我々の手法は質的な分析と定量的アプローチのスケーラビリティを組み合わせる。
  論文  参考訳（メタデータ） (2024-08-30T19:05:28Z)
• Image Aesthetics Assessment via Learnable Queries [59.313054821874864]
  本稿では,IAA-LQを用いた画像美学評価手法を提案する。 フリーズされた画像エンコーダから得られた事前訓練された画像特徴から、学習可能なクエリを適応して美的特徴を抽出する。 実世界のデータに関する実験では、IAA-LQの利点が示され、SRCCとPLCCでそれぞれ2.2%、そして2.1%が最先端の手法に勝っている。
  論文  参考訳（メタデータ） (2023-09-06T09:42:16Z)
• Learning to Evaluate the Artness of AI-generated Images [64.48229009396186]
  アートスコア(ArtScore)は、アーティストによる本物のアートワークと画像がどの程度似ているかを評価するために設計されたメトリクスである。 我々は、写真とアートワークの生成のために事前訓練されたモデルを採用し、一連の混合モデルを生み出した。 このデータセットはニューラルネットワークのトレーニングに使用され、任意の画像の定量化精度レベルを推定する方法を学ぶ。
  論文  参考訳（メタデータ） (2023-05-08T17:58:27Z)
• A survey on facial image deblurring [3.6775758132528877]
  顔画像がぼやけていると、顔認識などのハイレベルな視覚タスクに大きな影響を与えます。 本稿では,最近発表された顔画像の難読化手法について概説し,その大部分はディープラーニングに基づくものである。 本稿では,データセットとメトリクスにおける古典的手法の性能を示すとともに,モデルに基づく手法と学習に基づく手法の違いについて,簡単な議論を行う。
  論文  参考訳（メタデータ） (2023-02-10T02:24:56Z)
• A domain adaptive deep learning solution for scanpath prediction of paintings [66.46953851227454]
  本稿では,ある絵画の視覚的体験における視聴者の眼球運動分析に焦点を当てた。 我々は、人間の視覚的注意を予測するための新しいアプローチを導入し、人間の認知機能に影響を及ぼす。 提案した新しいアーキテクチャは、画像を取り込んでスキャンパスを返す。
  論文  参考訳（メタデータ） (2022-09-22T22:27:08Z)
• Understanding Aesthetics with Language: A Photo Critique Dataset for Aesthetic Assessment [6.201485014848172]
  74K画像と220Kコメントを含むCritique Photo Redditデータセット(RPCD)を提案する。 我々は、美的判断の指標として批判の感情の極性を利用する。
  論文  参考訳（メタデータ） (2022-06-17T08:16:20Z)
• Recent Advances in Scene Image Representation and Classification [1.8369974607582584]
  本稿では,画像分類に広く用いられている既存のシーン画像表現手法について概説する。 我々は、その性能を質的に(例えば、出力の品質、pros/consなど)、量的に(例えば、精度)比較する。 本稿では,従来のコンピュータビジョン(CV)ベースの手法,ディープラーニング(DL)ベースの手法,検索エンジン(SE)ベースの手法について,最近のシーン画像表現手法の詳細な知見と応用について述べる。
  論文  参考訳（メタデータ） (2022-06-15T07:12:23Z)
• Deep Image Deblurring: A Survey [165.32391279761006]
  低レベルのコンピュータビジョンにおいて、デブロアリングは古典的な問題であり、ぼやけた入力画像からシャープなイメージを復元することを目的としている。 近年のディープラーニングの進歩は、この問題の解決に大きな進歩をもたらした。
  論文  参考訳（メタデータ） (2022-01-26T01:31:30Z)
• Image Quality Assessment in the Modern Age [53.19271326110551]
  本チュートリアルは、画像品質評価(IQA)の基礎的理論、方法論、現状の進歩を聴衆に提供する。 まず,視覚刺激を適切に選択する方法に着目し,主観的品質評価手法を再考する。 手書きのエンジニアリングと(深い)学習ベースの手法の両方をカバーします。
  論文  参考訳（メタデータ） (2021-10-19T02:38:46Z)
• Automatic Main Character Recognition for Photographic Studies [78.88882860340797]
  画像の主人公は、最初に見る人の注意を引く最も重要な人間である。 画像中の主文字の同定は,従来の写真研究やメディア分析において重要な役割を担っている。 機械学習に基づく人間のポーズ推定を用いて主文字を識別する手法を提案する。
  論文  参考訳（メタデータ） (2021-06-16T18:14:45Z)
• Deep Metric Learning for Few-Shot Image Classification: A Selective Review [38.71276383292809]
  少ないショット画像分類は、少数の画像のみに基づいて人間の認識レベルを達成することを目的とした課題である。 近年,メタラーニングやトランスファーラーニング,メトリックラーニングといったディープラーニングアルゴリズムが採用され,最先端のパフォーマンスを実現している。
  論文  参考訳（メタデータ） (2021-05-17T20:27:59Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。