基于多任务学习的人脸状态判断算法研究

随着人工智能技术的不断发展,基于MGC(Machine Generated Content)的媒体内容数量与日俱增,图文新闻生产也逐步趋于自动化、智能化。图文新闻的配图通常由摄影记者拍摄,但是常存在摄影记者数量不足、最佳拍摄位置被占用、摄影机位不可达等局限性。利用机器自动从直播视频流中选择合适的新闻配图能够有效补足现场摄影记者的短板,提高图文新闻生产的效率。新闻配图中对于中景、近景和人脸特写等画面,人脸的状态十分重要。人脸的状态判断包括人脸状态美感判断和人脸表情识别。其中,人脸状态美感判断任务是挑选出面部状态佳的、适合出现在新闻配图中的“Nice”人脸,尽可能筛除面部状态差的人脸。为了解决此任务,本文构建了新的CNN模型,通过交替-联合训练方法和自注意力机制,实现了人脸状态美感判断和人脸表情识别双重任务,在人脸状态美感判断数据集上的准确率可达99.091%,在人脸表情识别数据集的准确率可达89.01%。

室内设计作品之评量与偏好研究——以饭店大厅为例

室内设计作品到底需具什么样的创意与美感的属性或特征才会受到喜爱?不同属性的个人之间又有何不同?以一个实证性研究,采用"相关性研究法"来探讨这方面的问题,主要目的在于探讨创意评量、美感判断与视觉偏好这3个变项之间的关系。以饭店大厅之室内设计实景彩色照片为问卷调查工具,经以计算机统计软件SPSS对416份有效问卷数据进行分析后发现:1)不同属性之受测者,对美感、创意与偏好构成因素之看法有显著差异,其中以专业背景变项所导致的差异相对较多;2)美感、创意与偏好3变项彼此间全部均达显著相关;3)以美感与创意的相关程度最高;4)有7个变项可联合解释偏好52.1%的变异量,影响"偏好"以创意变项为主。

浅谈音乐艺术中的“美”与“丑”

音乐美学的形成与发展,经历了18世纪后半叶到21世纪的漫长过程,有关什么是音乐以及音乐美的评价标准也经过了几个世纪的争论。音乐艺术中,不论是作曲者、表演者,还是听者,主观表现给予的"美"和"丑"的评价都基于个体经验的不同,因此对音乐美的评价是相对而非绝对的。