什麼是“美”？
這似乎是一個非常主觀且難以回答的問題。如何識別“美”對於機器來說就更是難上加難。圖片質量該如何量化？審美要素要如何分析？長期以來，這都是計算機視覺研究領域的未解難題。
今天 Google 公佈的 NIMA（Neural Image Assessment），正是用深度卷積神經網絡（CNN）來學習人類感知圖像質量和審美因素的一項研究成果。利用最先進的深度對象識別（object recognition）技術，NIMA 不僅能分析圖片的質量，還能判斷圖片是否好看，更能給出讓圖片更美的修圖建議！
NIMA 辨美醜
NIMA 對一些帶有“景觀”標籤圖片的美觀程度進行了評分和排序
在計算機視覺研究領域，已經有算法可以將圖像以分數或迴歸均值的方法來排序比較。與以往的算法不同，NIMA 可以為任何特定的圖像進行 0-10的評分，並直接比較同一主題的圖片。括號中是200人對圖片打分後計算出的平均分數，與其他方法相比，NIMA 給出的評分與排序更接近人類的偏好。
NIMA 評質量
NIMA 對同一主題的圖片的質量進行評分和排序
NIMA 同時也能對圖片的質量進行比較。圖片可能由於一系列的原因變得模糊、出現噪點和扭曲，導致圖片質量下降。NIMA 在對圖片評分的同時也能比較同一主題圖片的質量。
如何優化圖片？NIMA 告訴你
通過NIMA訓練深度卷積神經網絡（CNN）從而增強圖像局部的色調和對比度
不知道怎樣修圖才能達到最好的優化效果？NIMA 可以給你建議！在調整圖片時，明暗度、對比度、色調和細節的變化都會改變圖片的評分。NIMA 能通過找到優化圖片的最佳參數來給出修圖建議。
NIMA 還能做什麼？
Google 在 NIMA 上的研究表明，基於機器學習的質量評估模型可具有廣泛的功能。例如，可以讓用戶輕鬆地在眾多圖片中快速找到“最美”的圖片，甚至可以實時顯示評分結果。在後期處理中，NIMA 可以引導修圖程序產生更好的結果。
Google 很高興能與大家分享有關 NIMA 的研究成果。儘管在計算機視覺研究領域，要更好地理解圖片、視頻質量和審美標準將是一個持續的挑戰，Google 仍將在探索如何利用機器學習改善人們生活的道路上繼續努力。
閱讀更多 Google黑板報 的文章
