谷歌人工智能评价图片能力接近人类 图编未来真要下岗了？

近日，谷歌在其博客上介绍了“神经图像评价项目”（简称NIMA）的最新进展。该项目基于深度卷积神经网络，通过使用人类标记的数据来训练机器评价图像。

据介绍，NIMA引入的深度卷积神经网络可以用来预测一个典型用户会如何来评价好看（技术角度）和吸引人（美学角度）。这个网络不但可以靠谱地以接近人类感知力的程度来对图像进行评分，而且可以用于各种劳动密集型与主观类的工作，比如图片编辑、优化视觉表现来提高用户粘性等。

图像质量评估一般可分为全参考（full-reference）和无参考（no-reference）两种，如果参考可用，就直接调用峰值信噪比（PSNR）和结构相似性（SSIM）方法来评价，如果参考不可用时，就需要依赖统计模型来预测图像质量。典型的图像质量评估方法只是简单的分类为高质量与低质量，而在NIMA使用的方法中，不再是只给出高分或低分或者取平均值，而是可以对图像进行1到10的评分，而这个评分与人类给出的评分均值非常接近。其实原理我也不是很懂，反正就是谷歌办到了，厉害了，拍手 :-)

上图是NIMA对一些风光图片的评分，括号外是NIMA给出的评分，括号中的分数是另一项研究的真实评分（ground truth），有兴趣可以参看文末参考链接。

以不同手段对一张图片进行扭曲破坏等处理，NIMA也可以给出有比较的评分。如下图：

此外，NIMA还可以用于调校图像处理软件，下图的例子左侧是原图，右图是经过NIMA的加强算法处理的结果。

总结一下

NIMA的研究成果已经表明基于机器学习的质量评价模型具有广泛使用前景：

可以让用户方便的从大量图片中挑选最佳图片——图编是不是可能要下岗了？

可以实时向用户反馈照片的好坏——也许未来不用看直方图判断曝光，而是看着NIMA值来挪动你魔鬼的步伐寻找分数最高的“灵光”一刹那

可以优化图片后期处理软件，获得更出色到后期效果——最强滤镜！最猛Preset！

眼下，NIMA一定程度上可以代替人工来评价照片和视频，尽管目前说不上不完美但是绝对可行——作为图编的我开始颤抖了，NIMA真尼玛厉害~~~~~~

参考来源：

Introducing NIMA: Neural Image Assessment

https://research.googleblog.com/2017/12/introducing-nima-neural-image-assessment.html

NIMA: Neural Image Assessment, Hossein Talebi, Peyman Milanfar

https://arxiv.org/abs/1709.05424

AVA: A Large-Scale Database for Aesthetic Visual Analysis

http://refbase.cvc.uab.es/files/MMP2012a.pdf