Aesthetic quality classification gains growing interest in recent years.
In this paper, we propose an aesthetic quality classification method via subject region extraction.
We extract subject region by focused pixel detection and saliency detection, which do not need prior knowledge of contents of image.
Once the subject regions are extracted, we use regional features to measure contrast between subject region and background region.
And global features are also used to describe comprehensive property of the image.
Experimental results show that our subject extraction method without prior knowledge is comparable to state-of-the-art subject region extraction methods that use different approaches with prior knowledge.
We also show that classification performance is comparable to the performance of state-of-the-art aesthetic quality classification.
사진의 심미적 평가는 소셜 네트워크 서비스 등의 발전과 함께 웹 상에서 사진의 공유가 활발하게 이루어 짐으로 인하여 활발하게 연구되고 있는 분야 중 하나이다. 기존의 사진의 심미적 평가 방법은 크게 영상의 전체적인 특성을 고려한 방법과 주요 영역을 추출하고 주요 영역과 배경 영역의 특성 차이를 이용하는 두 가지 방법이 있다. 이 논문에서는 주요 영역 추출에 기반하여 연구를 진행하였다. 기존의 주요 영역 추출 방법은 물체에만 초점이 맞아 배경과 확연한 차이를 보이는 영상에만 적용 가능하거나 영상의 종류에 대한 사전 지식이 있을 때에만 적용 가능하였다. 하지만 이 논문에서는 영상의 종류에 대한 사전 지식 없이 모든 영상에 적용 가능한 주요 영역 추출 방법을 제안하였다. 이 방법은 각 화소의 선명도와 돌출 정도를 이용하는 방법으로 사전 지식 없이도 최신의 결과와 비슷한 성능을 나타낸다. 또한 이를 기반으로 사진의 다양한 특성인 선명도, 색상, 밝기, 질감 등을 이용하여 사진을 심미적으로 분류하는 방법을 제안하였다. 사진의 심미적 평가의 주관적인 성질을 고려하여 기존의 분류에 많이 사용되는 서포트 벡터 머신을 사용하지 않고, 보다 사람과 비슷한 방식으로 분류하는 랜덤 포레스트 분류기를 사용하였다. 위와 같은 방법을 통해 사전 지식 없이도 사전 지식을 이용하는 최신의 연구 결과와 비슷한 분류 결과를 나타낼 수 있었고, 사진의 심미적 평가에 있어서 랜덤 포레스트가 서포트 벡터 머신 보다 낫다는 것을 증명하였다.
