美或不美一直以來都是有點難量化的標準，畢竟每個人審美觀都不同，不然也不會有稿紙和綠豆糕的爭論了。雖說美難以量化，不過看起來好看和看起來不好看還是有個方向在，Google 的機器感知研究科學家 Peyman Milanfar 和軟體工程師 Hossein Talebi 就透過名為 NIMA 的神經影像評估計畫，以卷積神經網路（Convolutional Neural Networks，CNNs）來讓 AI 可以學習預測當一般人看某個圖像時從技術面看會不會覺得好看、從審美觀論圖像有沒有吸引力。
作法是這樣的，科學家先餵給 NIMA 照片，並要求 NIMA 對每張照片給出 1 至 10 分的分數，然後再將這些照片拿來和人類給出的分數做比對。舉例來說，科學家從 AVA 數據庫（Aesthetic Visual Analysis 美學視覺分析）中挑出照片給 NIMA 打分數，並將同樣的照片給 200 位攝影比賽相關的負責人打分數，最後結果發現，NIMA 給的分數和人類給的分數非常相近。
雖說 NIMA 的分數和人類的評分相近，不過這不代表 NIMA 像人類一般思考，只是透過一些數據方法和評估來讓機器具有一定程度的「審美觀」而已，未來這項工具可以應用在許多地方，例如當使用者連拍了一大堆照片後，怎麼從這一堆照片裡找出最好的照片，或在拍照時即時告訴使用者怎麼拍照片才好看。
目前 NIMA 的測試雖然不夠完善，不過結果還算合理，Google 研究團隊將再持續對 NIMA 模型進行更多訓練和測試。
資料來源：Google Research Blog
from T客邦 http://ift.tt/2DUBYQh
沒有留言:
張貼留言