論文の概要: DEAR: Dataset for Evaluating the Aesthetics of RenderingDEAR: Dataset for Evaluating the Aesthetics of Rendering

• arxiv url: http://arxiv.org/abs/2512.05209v1
• Date: Thu, 04 Dec 2025 19:25:48 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-12-13 22:40:56.787802
• Title: DEAR: Dataset for Evaluating the Aesthetics of RenderingDEAR: Dataset for Evaluating the Aesthetics of Rendering
• Title（参考訳）: DEAR:レンダリングの美的評価のためのデータセット:レンダリングの美的評価のためのデータセット
• Authors: Vsevolod Plohotnuk, Artyom Panshin, Nikola Banić, Simone Bianco, Michael Freeman, Egor Ershov,
• Abstract要約: この研究は、画像描画スタイルの人間の美的判断をモデル化するために設計された新しいベンチマークデータセットを導入する。 このデータセットには、大規模なクラウドソーシングを通じて収集されたペアワイズ人間の選好スコアが含まれており、各画像ペアは、合計13,648人の異なる25人の評価者によって評価されている。 データ収集パイプラインが説明され、人間の投票パターンが分析され、スタイル選好予測、美的ベンチマーク、パーソナライズされた審美的モデリングなど、複数のユースケースが概説される。
• 参考スコア（独自算出の注目度）: 3.4825648257080286
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Traditional Image Quality Assessment~(IQA) focuses on quantifying technical degradations such as noise, blur, or compression artifacts, using both full-reference and no-reference objective metrics. However, evaluation of rendering aesthetics, a growing domain relevant to photographic editing, content creation, and AI-generated imagery, remains underexplored due to the lack of datasets that reflect the inherently subjective nature of style preference. In this work, a novel benchmark dataset designed to model human aesthetic judgments of image rendering styles is introduced: the Dataset for Evaluating the Aesthetics of Rendering (DEAR). Built upon the MIT-Adobe FiveK dataset, DEAR incorporates pairwise human preference scores collected via large-scale crowdsourcing, with each image pair evaluated by 25 distinct human evaluators with a total of 13,648 of them participating overall. These annotations capture nuanced, context-sensitive aesthetic preferences, enabling the development and evaluation of models that go beyond traditional distortion-based IQA, focusing on a new task: Evaluation of Aesthetics of Rendering (EAR). The data collection pipeline is described, human voting patterns are analyzed, and multiple use cases are outlined, including style preference prediction, aesthetic benchmarking, and personalized aesthetic modeling. To the best of the authors' knowledge, DEAR is the first dataset to systematically address image aesthetics of rendering assessment grounded in subjective human preferences. A subset of 100 images with markup for them is published on HuggingFace (huggingface.co/datasets/vsevolodpl/DEAR).
• Abstract（参考訳）: 従来の画像品質アセスメント~(IQA)は、完全な参照と非参照の客観的指標の両方を使用して、ノイズ、ぼかし、圧縮アーティファクトなどの技術的劣化の定量化に焦点を当てている。 しかし、写真編集、コンテンツ作成、AI生成画像に関連する領域であるレンダリング美学の評価は、スタイル嗜好の本質的に主観的な性質を反映したデータセットが欠如していることから、いまだ研究が進んでいない。 本研究では、画像レンダリングスタイルの人間の美的判断をモデル化する新しいベンチマークデータセット、DEAR (Dataset for Evaluating the Aesthetics of Rendering)を導入する。 MIT-Adobe FiveKデータセットに基づいて構築されたDEARは、大規模なクラウドソーシングを通じて収集されたペアワイズな人間の嗜好スコアを組み込んでおり、画像ペアは25人の異なる評価者によって評価され、合計で13,648人が参加している。 これらのアノテーションは、微妙で文脈に敏感な美的嗜好を捉え、従来の歪みに基づくIQAを超えるモデルの開発と評価を可能にし、新しいタスクであるAesthetics of Rendering (EAR)に焦点を当てている。 データ収集パイプラインが説明され、人間の投票パターンが分析され、スタイル選好予測、美的ベンチマーク、パーソナライズされた審美的モデリングなど、複数のユースケースが概説される。 著者の知識を最大限に活用するために、DEARは、主観的人間の嗜好に基づくレンダリング評価のイメージ美学を体系的に扱う最初のデータセットである。 マークアップ付きの100枚の画像のサブセットがHuggingFace (huggingface.co/datasets/vsevolodpl/DEAR)に掲載されている。

関連論文リスト

• AID-AppEAL: Automatic Image Dataset and Algorithm for Content Appeal Enhancement and Assessment Labeling [11.996211235559866]
  Image Content Appeal Assessment (ICAA) は、画像のコンテンツが視聴者に対して生成する肯定的な関心のレベルを定量化する新しいメトリクスである。 ICAAは、画像の芸術的品質を判断する伝統的な画像美学評価(IAA)とは異なる。
  論文  参考訳（メタデータ） (2024-07-08T01:40:32Z)
• Aligning Vision Models with Human Aesthetics in Retrieval: Benchmarks and Algorithms [91.19304518033144]
  検索システムにおける視覚モデルと人間の審美基準の整合を図る。 本研究では、視覚モデルと人間の美学をよりよく整合させるために、視覚モデルを微調整する嗜好に基づく強化学習手法を提案する。
  論文  参考訳（メタデータ） (2024-06-13T17:59:20Z)
• 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)
• Towards Artistic Image Aesthetics Assessment: a Large-scale Dataset and a New Method [64.40494830113286]
  まず、Boldbrush Artistic Image dataset (BAID)という大規模なAIAAデータセットを紹介します。 そこで我々は,芸術的イメージを評価するために,スタイル特異的で汎用的な美的情報を効果的に抽出し,活用する新たな手法であるSAANを提案する。 実験により,提案手法は提案したBAIDデータセット上で既存のIAA手法よりも優れていることが示された。
  論文  参考訳（メタデータ） (2023-03-27T12:59:15Z)
• VILA: Learning Image Aesthetics from User Comments with Vision-Language Pretraining [53.470662123170555]
  ユーザからのコメントから画像美学を学習し、マルチモーダルな美学表現を学習するための視覚言語事前学習手法を提案する。 具体的には、コントラスト的および生成的目的を用いて、画像テキストエンコーダ-デコーダモデルを事前訓練し、人間のラベルなしでリッチで汎用的な美的意味学を学習する。 以上の結果から,AVA-Captionsデータセットを用いた画像の美的字幕化において,事前学習した美的視覚言語モデルよりも優れていたことが示唆された。
  論文  参考訳（メタデータ） (2023-03-24T23:57:28Z)
• Aesthetic Attributes Assessment of Images with AMANv2 and DPC-CaptionsV2 [65.5524793975387]
  DPC-CaptionsV2という新しいデータセットを半自動で構築する。 DPC-CaptionsV2の画像には、合成、照明、色、主題の4つの美的属性を含む。 本手法は,従来のAMANモデルよりも美的トピックに近い4つの美的属性に対するコメントを予測できる。
  論文  参考訳（メタデータ） (2022-08-09T03:20:59Z)
• 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)

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。