NIMA模型

原理 分类器输出各个分数的概率值，与GT的打分计算loss loss采用EMDloss 这样意味着不是简单的二分类，也不是对得分进行回归，而是让模型去生成对输入图片的得分的分布，并且假设是高斯分布，这样就可以得到均值和方差，用均值作为输入图片美观度的得分 好处在于，这个分布模拟了许多人为这张图片打分后，打分的分布情况，这样得到的均值仿佛在统计意义上更加贴合人类的偏好，相比其他的方法也的确得到了更高

>>阅读原文<<