【IT168 资讯】 最近，Google的AI研究人员展示了一种计算机教学的新方法，解释了为什么有些图像比其他的图像更美观。

　　传统技术上，机器会使用基本分类来对图像进行分类，例如确定图像是否包含某一特定的东西。新的研究表明，现在人工智能可以不考虑类别而评测图像质量。

　　这个过程称为神经图像评估(NIMA)，利用深度学习训练过的卷积神经网络(CNN)来预测图像的评分。

　　研究人员发表的白皮书：

　　与其他方法不同的是，我们使用卷积神经网络来预测人类评分分布。产生的卷积神经网络不仅可以用来可靠地评测图像，而且与人类感知有高度相关，可以协助适应和优化照片编辑或增强算法。

　　NIMA模型避开了传统的方法，使用10分制评分机制。机器检查图像的具体像素及其整体美感。然后确定人类评分分布的可能性。

　　假如您为了能获取到最好的照片，一次为同一个物体拍摄了几十张照片。同时又想最大程度的节省空间，只需轻点一下按钮，AI就可以浏览存储器中的所有图像，并确定哪些图像是相似的，然后保留下最好的那一张，删除其他的。

　　根据谷歌研究博客最新的一篇文章了解到，NIMA也可以用来优化图像设置：

　　我们观察到，根据NIMA评分指导的对比调整，可以提高评审美等级。我们的模型能够引导深度CNN滤波器，以找到其接近非常好的设置的美观参数值，例如亮度、高光和阴影等。

　　为了让人工智能在现实世界中不依靠人力的帮助执行任务，必须要做到能够“观察”并了解环境。NIMA以及类似的项目，正在为奠定未来“黑科技”技术充分发挥功能。