NIMA模型

原理 分類器輸出各個分數的概率值，與GT的打分計算loss loss採用EMDloss 這樣意味着不是簡單的二分類，也不是對得分進行迴歸，而是讓模型去生成對輸入圖片的得分的分佈，並且假設是高斯分佈，這樣就可以得到均值和方差，用均值作爲輸入圖片美觀度的得分 好處在於，這個分佈模擬了許多人爲這張圖片打分後，打分的分佈情況，這樣得到的均值彷彿在統計意義上更加貼合人類的偏好，相比其他的方法也的確得到了更高

>>阅读原文<<