ScholarGate
Assistente
Process / pipelineComputational aesthetics and computer vision

Valutazione Estetica delle Immagini

La Valutazione Estetica delle Immagini è una pipeline computazionale per predire e quantificare la qualità estetica di fotografie e immagini digitali. Attingendo alla visione artificiale e alla ricerca sulla percezione umana, questo metodo estrae caratteristiche visive di basso livello e applica un punteggio basato su machine learning o regole per stimare come gli spettatori percepiranno la qualità e la bellezza dell'immagine.

Apri in MethodMindIn arrivoApply, compare, get guidance
Tools & resources
Scarica le diapositive
Learn & explore
VideoIn arrivo

Leggi il metodo completo

Riservato ai membri

Accedi con un account gratuito per leggere questa sezione.

Accedi

Mappa dei metodi

Il vicinato dei metodi correlati — seleziona un nodo per esplorare.

Fonti

  1. Datta, R., Joshi, D., Li, J., & Wang, J. Z. (2006). Studying Aesthetics in Photographic Images Using a Computational Approach. Computer Vision—ECCV 2006, 3953, 288–301. DOI: 10.1007/11744078_23
  2. Murray, N., Marchesotti, L., & Perronnin, F. (2012). AVA: A Large-scale Database for Aesthetic Visual Analysis. IEEE Conference on Computer Vision and Pattern Recognition (CVPR). DOI: 10.1109/CVPR.2012.6247954
  3. Kong, S., Shen, X., Lin, Z., Mech, R., & Fowlkes, C. (2016). Photo-Sketching: Inferring Contours and Tones from Images. IEEE Conference on Computer Vision and Pattern Recognition (CVPR). link

Come citare questa pagina

ScholarGate. (2026, June 3). Image Aesthetics Assessment. ScholarGate. https://scholargate.app/it/visual-arts/image-aesthetics-assessment

Quale metodo?

Affianca questo metodo ai suoi parenti più prossimi e leggili fianco a fianco — la biblioteca dispone i libri sul tavolo; la scelta è tua.

Confronta affiancati

Citato da

ScholarGateImage Aesthetics Assessment (Image Aesthetics Assessment). Consultato il 2026-06-17 da https://scholargate.app/it/visual-arts/image-aesthetics-assessment · Insieme di dati: https://doi.org/10.5281/zenodo.20539026