特征互补的图像美学质量评分方法

深度卷积神经网络(DCNN)难以针对性地分析图像的特定区域及其相互关系.文中将深度特征与人工设计的特征进行互补结合,提出对图像美学质量评分的方法.首先确定并抽取对美感起主导作用的特定区域,针对该区域及其与其它区域的关系,选择和设计5组美学相关的人工特征,特别是提出线条角度特征和清晰度对比特征.基于Siamese网络结构获取深度特征.选用支持向量回归(SVR)对上述两类特征进行回归预测,并设计基于spearman秩相关系数的权值调节最终的分数.实验表明,文中方法效果较优,与图像美学质量的主观评价具有较好的一致性.

基于美学质量评价的条件生成对抗网络线稿图像彩色化方法

目的为了更好地实现包装设计中符合用户美学感知需求的动漫图像元素,生成美感更高的彩色线稿图像,提出一种基于美学质量评价的条件生成对抗网络线稿图像彩色化方法(Conditional Image Colorization with Image Aesthetics GANs,IM-GAN)。方法采用Mish函数作为生成模型激活函数,并使用美学质量评价优化生成模型损失函数,实现线稿图像的自动彩色化任务。结果使用图像美学质量评分作为客观评价指标,观察者打分作为主观评价指标,对算法进行评价。IM-GAN生成的彩色图像具有更高美学质量评分和主观打分。结论文中方法能够完成线稿图像自动彩色化任务,在包装设计动漫形象应用方面具有一定的参考和使用价值。