Multi-Stage Image Aesthetic Assessment via Chain-of-Thought Reasoning
Notice bibliographique
Résumé
Image Aesthetic Assessment (IAA) is an crucial task in computer vision, aiming to quantify the aesthetic quality of images. Existing methods face two main challenges: neglecting the sequential modeling of human visual perception, and the fact that multi-attribute annotation is extremely time-consuming and labor-intensive. This letter proposes a novel Multi-stage IAA framework, leveraging Chain-of-Thought (CoT) reasoning and Multimodal Large Language Models (MLLMs). The framework designs a system that mimics the chain-like progression of human cognitive processing, with three dedicated modules: Low-level Stimulus Assessment (e.g., color harmony), Holistic Organizing Assessment (e.g., scene semantics), and High-level Perceiving Assessment (e.g., emotional resonance). These modules progressively analyze images, from basic visual features to high-level emotional understanding, by employing a step-by-step reasoning process characteristic of CoT. Furthermore, we explore an MLLM-oriented data transformation paradigm to convert multi-source IAA datasets into structured, Chain-of-Thought-compatible data, facilitating convenient attribute annotation. This enables the MLLMs to effectively learn and apply the CoT reasoning for aesthetic evaluation. Experiment on the PARA dataset achieves state-of-the-art results. Moreover, the framework exhibits generalization capabilities on the unseen FLICKR-AES dataset.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».