谷歌的人工智能研究人員最近展示了一種新的訓練方式，可以讓計算機理解為什么有些圖像比其他圖像更美觀。
傳統(tǒng)上，機器會使用基本的分類——比如判斷一個圖像是否有“貓”。新的研究表明，現(xiàn)在人工智能可以對圖像質(zhì)量進行評分，不管類別是什么。這個過程被稱為神經(jīng)圖像評估（NIMA），它利用深度學習訓練卷積神經(jīng)網(wǎng)絡(luò)（CNN）來預測圖像的評級。
根據(jù)研究人員發(fā)表的一份白皮書：“我們的方法與其他方法不同，因為我們通過卷積神經(jīng)網(wǎng)絡(luò)來預測人類的意見分數(shù)分布。我們的結(jié)果網(wǎng)絡(luò)不僅可以被用來可靠地給圖像打分，而且與人類的感知高度相關(guān)，并且還可以幫助在攝影通道中對照片編輯/增強算法進行調(diào)整和優(yōu)化。”
NIMA模型避開了傳統(tǒng)的方法，采用了10分制的評分標準。機器會檢查圖像的特定像素和整體美學。然后它會決定某一個評級有多大可能被一個人選擇?；旧?，人工智能會試圖猜測一個人喜歡這張照片的程度。這并不能使機器獲得感知或思考的能力，但它可能會讓計算機成為更好的藝術(shù)家或策展人。這個過程可能會被應用于尋找一批最好的圖片。
如果你是那種每次拍20或30張圖片的人，為了確保你擁有最好的照片，這可以為你節(jié)省很多空間。假設(shè)，只要點擊一下按鈕，AI就可以查看存儲中的所有圖片，并確定哪些圖片是類似的，然后保留最好的，刪除剩余的。根據(jù)谷歌研究博客最近的一篇文章，NIMA也可以用來優(yōu)化圖像設(shè)置，從而產(chǎn)生完美的結(jié)果：
“我們觀察到，由NIMA評分的對比調(diào)整可以改善基準的審美評分。因此，我們的模型能夠引導一個深度的CNN過濾器，找到其參數(shù)近乎理想的設(shè)置，比如亮度、高光和陰影。”
創(chuàng)建一個幾乎和人類一樣理解圖像質(zhì)量的神經(jīng)網(wǎng)絡(luò)似乎并不具有革命性，但對于擁有像人類一樣視力的計算機應用程序卻有很多。
為了讓人工智能在現(xiàn)實世界中執(zhí)行任務(wù)，比如在沒有人類幫助的情況下安全地駕駛汽車，它必須能夠“看到”并理解它的環(huán)境。NIMA，以及像它這樣的項目，正在為未來的全功能機器打下基礎(chǔ)。
下載文檔
