要約
実験および計算美学の分野では、過去 20 年間にわたって多数の画像データセットが作成されてきました。
現在の研究では、美的評価 (美しさ、好み、美的品質) を含む 12 個の画像データセットの比較概要を提供し、異なるデータセットにわたる結果の再現性を調査します。
具体的には、(A) 以前に研究された 20 個の統計画像プロパティのセット、または (B) 物体認識用に開発された畳み込みニューラル ネットワークの層のいずれかを使用して、評価がどの程度一貫して予測できるかを検証します。
私たちの調査結果では、さまざまなデータセット間で美的評価の予測可能性が大きく異なることが明らかになりました。
ただし、写真または絵画のいずれかを含むデータセットには一貫した類似性が見つかり、これら 2 つの画像ジャンルの美的評価において関連する異なる特徴が示唆されています。
驚いたことに、統計的画像プロパティと畳み込みニューラル ネットワークは同様の精度で美的評価を予測し、2 つの方法で取得された画像情報の重要な重複を強調しています。
それにもかかわらず、データセット間の不一致により、単一のデータセットに関する以前の研究結果の一般化可能性に疑問が生じます。
私たちの研究は、実験および計算の美学の分野における研究結果の妥当性と一般化可能性を向上させるために、複数のデータセットを考慮することの重要性を強調しています。
要約(オリジナル)
In the fields of Experimental and Computational Aesthetics, numerous image datasets have been created over the last two decades. In the present work, we provide a comparative overview of twelve image datasets that include aesthetic ratings (beauty, liking or aesthetic quality) and investigate the reproducibility of results across different datasets. Specifically, we examine how consistently the ratings can be predicted by using either (A) a set of 20 previously studied statistical image properties, or (B) the layers of a convolutional neural network developed for object recognition. Our findings reveal substantial variation in the predictability of aesthetic ratings across the different datasets. However, consistent similarities were found for datasets containing either photographs or paintings, suggesting different relevant features in the aesthetic evaluation of these two image genres. To our surprise, statistical image properties and the convolutional neural network predict aesthetic ratings with similar accuracy, highlighting a significant overlap in the image information captured by the two methods. Nevertheless, the discrepancies between the datasets call into question the generalizability of previous research findings on single datasets. Our study underscores the importance of considering multiple datasets to improve the validity and generalizability of research results in the fields of experimental and computational aesthetics.
arxiv情報
| 著者 | Ralf Bartho,Katja Thoemmes,Christoph Redies |
| 発行日 | 2023-07-03 13:03:17+00:00 |
| arxivサイト | arxiv_id(pdf) |
提供元, 利用サービス
arxiv.jp, Google