【知识星球】颜值，自拍，美学三大任务简介和数据集下载 / 开普饭

欢迎大家来到《知识星球》专栏，今天给大家介绍三个任务，提供三个美学相关的数据集的下载，其中两个和人像有关，一个和通用的美学任务有关，下载可以进入知识星球自取，相关的项目，我们以后会在知识星球中进行研究和讨论。

作者&编辑 | 言有三

1 美学评分

美学质量的评估是AI与摄影学交叉的学科，也是目前比较open的问题，

究竟什么是图像美学质量呢？牛津高阶英语词典将美学定义为：“concerned with beauty and art and the understanding of beautiful things, and made in an artistic way and beautiful to look at”。

视觉美学质量是视觉感知美的一种度量。图像的视觉美学质量衡量了在人类眼中一幅图像的视觉吸引力。由于视觉美学是一个主观的属性，往往会涉及情感和个人品味，这使得自动评估图像美学质量是一项非常主观的任务。然而，人们往往会达成一种共识，即一些图像在视觉上比其他图像更有吸引力，这是新兴研究领域——可计算美学的原理之一。计算美学探索如何用可计算技术来预测人类对视觉刺激产生的情绪反应，使计算机模仿人类的审美过程，从而用可计算方法来自动预测图像的美学质量。

在现实生活中，图像美学质量评价可以用于基于美学的图像搜索，自动图像增强，自动构图等应用。

美学质量评估我们曾经有过综述文章介绍，大家可以读往期文章：【技术综述】计算机审美，学的怎么样了？

美学评分

AVA

AVA是一个美学质量评估的数据库，包括250000张照片。每一张照片，都有一系列的评分，以及语义级别的label，其中语义级别的label共60类，同时还有photographic style，即照片的风格，共14类。

AVA仍然是现今较大的数据集，包含250000张图片的美学分数和语义标注。每一张图的标注人员的数量从78～549，不止包括了专业的图像工作者，摄影师，也包括了摄影爱好者，这样显得更有普适性，平均一张图约有210个标注。

标注的分数为0～9，分值越高，说明图片质量越高。下面展示了各个分值的标注情况，可以看出标注结果还是很一致的。

除了美学分数之外，还包含了语义标注，共包含了66个类。大概有200000张图只包含一个tags，150000张图包含2个tags。哪些tags最多呢，作者们也作出了一个统计如下：

这是研究AI美学必备的数据集，而且网上很难找到下载，笔者曾经花了一个月才下下来，希望大家喜欢，勿要传播。

2 颜值评分

颜值评分属于一个比较主观的任务，五官匀称，轮廓对称，肤色美观的脸更容易受到大众的喜欢，这一点在颜值中是有一定共识的，也就是“丑人多作怪，美人一个胚”。正因如此，颜值算法才有了可行性，因此国内各大公司都开发了颜值打分应用。

总的来说，颜值和肤色，脸型，装饰等都有很大的关系。研究方向可以从传统算法和深度学习方法两个方向讲述。

传统方法主要基于人脸距离，面积等特征，以脸型为主，深度学习则直接进行数据标注后从中学习。

人脸颜值算法的具体内容可以参考我们去年的一篇综述介绍，【技术综述】人脸颜值研究综述。

颜值评分

SCUT-FBP5500

这是一个人脸颜值数据集，共5500个正面人脸，其中4000个亚洲人脸，评分为0～5分。

数据集地址：https://github.com/HCIILAB/SCUT-FBP5500-Database-Release，包含了共5500个自然表情下的正面人脸，年龄分布为15-60。它包含不同的性别分布和种族分布（2000亚洲女性，2000亚洲男性，750高加索男性，750高加索女性），数据分别来自于数据堂，US Adult database等。每一张图由60个人进行评分，共评为5个等级，这60个人的年龄分布为18～27岁，均为年轻人。这是第一个比较通用的人脸颜值数据集，每一个图都提供了86个关键点的标注。