AID-AppEAL: Automatic Image Dataset and Algorithm for Content Appeal Enhancement and Assessment Labeling

我们提出了图像内容吸引力评估（ICAA），这是一种新颖的度量标准，可以量化图像内容对观众产生的积极兴趣程度，例如照片中食物的吸引力。这与传统的图像美学评估（IAA）有根本区别，后者评价的是图像的艺术质量。虽然以往的研究经常混淆“美学”和“吸引力”的概念，但我们的工作通过首次明确研究ICAA来解决了这个问题。为此，我们提出了一种新颖的系统，自动化数据集创建并实现算法来估计和提高内容吸引力。我们使用我们的流程在不同领域（食品和房间内部设计）生成了两个大规模数据集（每个数据集超过70K张图片）来训练我们的模型，发现内容吸引力和美学之间几乎没有相关性。我们的用户研究表明，超过76%的参与者更喜欢吸引力增强的图像，证实了我们的吸引力评分准确反映了用户的偏好，从而确立了ICAA作为一种独特的评估标准。我们的代码和数据集可在https://github.com/SherryXTChen/AID-Appeal上获取。

论文旨在提出一种全新的度量标准ICAA，用于评估图像内容的吸引力，与传统的图像美学评估IAA不同。同时，论文也试图解决之前研究中对美学和吸引力概念混淆的问题。

论文提出了一种自动化的系统，用于创建数据集并实现算法来评估和提高图像内容的吸引力。通过使用该系统生成两个大规模数据集，论文发现内容吸引力与美学之间关联不大，并通过用户研究证明了ICAA可以准确反映用户偏好。

值得关注的亮点包括使用自动化系统生成大规模数据集、提出新的度量标准ICAA、通过用户研究证明ICAA可以准确反映用户偏好。论文还开源了代码和数据集。

最近的相关研究包括图像美学评估、图像质量评估、图像情感分析等。