Google研究人员开发了一种实验性机器学习模型，他们声称该模型可以根据照片和图像的美学品质(而不是纯粹的定量图像)对其进行评分。
拟议中的模型称为神经图像评估(NIMA)，经过训练可以智能地预测人类可能将哪些图像评为具有吸引力或令人愉悦的图像。Google研究人员Hossein Talebi和Peyman Milanfar在12月19日的博客中说，与现有的审美预测方法只将图像分为高品质或低品质分类，NIMA可以对与人类感知高度相关的图像进行评分。
研究人员说，实际上，当对照片也进行平均200人的评分时，NIMA与人类评分者提供的平均评分非常接近。
该模型可用于需要主观判断的各种劳动密集型任务。研究人员指出，潜在的应用程序包括智能照片编辑和可优化视觉质量或最大程度地减少感知错误的应用程序。
NIMA建立在围绕所谓的深度卷积神经网络(CNN)的最新工作的基础上，该技术是一种用于图像分类和图像识别等应用程序的机器学习方法。与基于模糊，像素级瑕疵和压缩等因素对图像进行技术质量评估的模型不同，美学评估着重于与照片中的美感和情感相关的特征。
CNN方法使用人类评分员先前标记和评分的数据来训练机器学习工具，以识别人类可能认为在美学上令人愉悦的属性。一些模型使用所谓的参考或理想图像来训练某些质量指标上的机器学习模型。当没有参考图像可用时，某些先前开发的统计模型将用于预测图像质量。
谷歌的“ NIMA模型不会为任何给定的图像生成等级分布-在1到10的范围内，NIMA会为每个可能的得分分配可能性”，而不是将图像分为高质量或低质量。米兰法尔说。换句话说，模型会查看图像，并尝试预测人类评分员给它评分1、5、10或其他任何评分的可能性(范围为1到10)。平均得分-然后用于对照片进行美学评分。
研究人员说：“这与通常如何收集训练数据更为直接，当与其他方法进行比较时，它可以更好地预测人类的喜好。”研究人员发表了一篇描述该研究工作的技术论文。
当使用该模型在某些功能测试中对照片进行排名时，NIMA生成的预测质量得分已接近人类评级。谷歌研究人员说：“从直接的意义上说，NIMA网络(以及其他类似的网络)可以充当人类在照片甚至可能是视频中的品位的合理，尽管不完美的代理。
