韩国科学技术院发布论文，论文的主题是关于如何提升个性化图像美学评估的规模化能力。简单来说，就是教会计算机如何根据个人的喜好来评估一张图片是否美观。这项技术可以想象成一个能够理解每个人审美偏好的智能助手。例如，你是一名摄影师，你希望从你拍摄的照片中挑选出最具视觉冲击力的作品。你可以上传一些你认为美观的照片给这个系统，系统会学习你的喜好，然后帮助你评估和选择其他照片，甚至可以在网上找到或创造出更多符合你口味的图像。
- 项目主页：https://yeolj00.github.io/personal-projects/personalized-aesthetics
- GitHub：https://github.com/YeolJ00/Personalized-Aesthetics
主要功能：
- 个性化评估：根据用户自己的喜好来打分图片的美观程度。
- 少量输入学习：用户只需要提供很少的输入样本，系统就能学会用户的偏好。
主要特点：
- 利用现有数据库：不依赖于昂贵且难以获得的定制数据库，而是使用通用的图像美学评估和图像质量评估数据库。
- 任务向量定制：通过确定不同数据库的任务向量的最佳组合，这些向量代表了每个数据库的特定特征，来创建个性化模型。
工作原理：
- 任务向量：每个数据库都被视为一个独特的图像评分回归任务，这些任务具有不同程度的个性化潜力。
- 模型训练：使用多个数据库训练多个模型，得到一组任务向量，这些向量捕捉了不同数据库的特征。
- 个性化系数：引入可训练的系数来确定如何结合这些任务向量，以便创建符合用户美学偏好的模型。
- 参数效率：只需要训练少量的系数，而不是整个模型，这使得个性化过程非常高效。
具体应用场景：
- 照片管理：帮助用户整理和管理他们的照片库，根据个人偏好对照片进行排序。
- 网络数据库筛选：在大规模的在线图像数据库中，根据用户的喜好筛选出美观的图片。
- 图像生成指导：指导图像生成模型，比如Stable Diffusion，创造出符合用户审美的图像。
0条评论