主观视觉质量评价

一、质量评价与计算机视觉

自从AlphaGo仿佛著名动漫EVA中使徒冲击般突然现世后，人工智能/深度学习的风口已经到来很多年了。但业内众所周知的，目前落地的最大AI应用还是人脸识别这样的计算机视觉应用。当然，随着去年GPT-3和AlphaFold的出现，未来几年我们也可以期待在NLP和生物制药领域出现更多有价值的落地场景。

而计算机视觉的应用，除了人脸识别之外，其他的落地应用还有内容审核、行人重识别等。这其中的内容审核，包括鉴黄、鉴暴等，其实和传统的计算机视觉任务会稍有不同。因为是否涉黄、涉暴等，这是一个比较主观的问题，不同的人，对于什么程度算是不合适的内容，答案会并不相同。不同的行业，不同的地区，不同的年龄在这些看法都会存在差异，甚至同一个人在不同时间的看法也会不一样。如果放之四海使用统一标准，有时往往就会闹笑话，比如很多艺术作品在网上就全会被ban掉。因此，审核标准是内容审核业务的一个大问题。直播平台、线下车展等，对直播和模特类似的要求，比如露胸不能超过多少cm。各种严格的要求听起来比较搞笑，但这些也反映了主观性任务相比于传统视觉任务所面临的额外困难。

而人类最具主观性的东西，可能莫过于艺术，莫过于美。一件艺术品可以震撼某个人的心灵，另一个人却可能对它完全无感。因而美学评价任务，会比内容审核更加主观更加困难。但仍然有研究者也在做这个领域，并发布了一个25万张的大规模图像美学数据集AVA。可因为美学的高度主观性，通用场景下的美学数据集以及据此训练的美学模型注定是粗糙的、非普适的，只能去做一些对精度要求不高的小部分应用。毕竟影响美学的因素太过复杂，既有传统质量评价的清晰度、噪声等，又有色彩、构图、内容等多种主观影响。