机构名称：
¥ 4.0
摘要 计算图像美学旨在设计算法方法来执行美学决策，就像人类一样。在过去的十五年里，由于大量带注释的数据集和深度学习方法的出现，计算美学经历了前所未有的发展，影响了从图像增强到推荐和检索等多媒体领域的许多应用。在本章中，我们首先概述了几个世纪以来美学的几种解释，并提出了一组适合计算美学方法分类的维度。然后，我们通过对最流行的数据集、基于手工特征的早期方法和使用深度神经网络的现代方法进行批判性分析，介绍了过去十年计算美学的进展。在本章的最后一部分，我们讨论了计算美学质量评估中的一些开放性挑战：处理分数的内在主观性，并提供可解释的美学预测。特别是，在本章中，我们强调了数据收集在计算美学中的重要性。
计算图像美学的进展与挑战
主要关键词
相关文件推荐
