基于深度元学习的个性化图像美学评价方法流程图

图像感知评价方法可以自动评估图像的质量或美学分数，对图像压缩、图像恢复、图像检索和个人相册管理等方面的研究具有重要指导作用。目前的图像感知评价因为标注困难无法获取大量的样本用于深度模型的有效训练，这导致现有的图像感知评价模型容易产生过度拟合，导致模型的扩展性能不佳。针对这一问题，信控学院博士生祝汉城利用深度元学习思想在图像感知评价方面取得进展，成果针对个性化图像美学评价和图像质量评价分别形成学术论文Personalized Image Aesthetics Assessment via Meta-learning with Bi-level Gradient Optimization”和MetaIQA: Deep Meta-learning for No-Reference Image Quality Assessment”。

基于深度元学习的个性化图像美学评价方法从个性化角度分析了个体用户在图像美学评估上存在的差异问题。为了利用用户少量的标注样本有效地对其个性化图像审美感知进行评估，通过元学习的学会学习能力获取不同用户对图像的审美感知的共享先验知识，然后仅需要待测试用户的少量训练样本就可以快速构建符合此用户的个性化图像美学评价模型。该方法对探究用户的个性化图像美学评价方法具有重要的借鉴价值和科学意义，可用于个性化推荐系统的设计与应用。