近日，TIME2020级博士生黄瑾一篇论文“Modeling Multiple Aesthetic Views for Series Photo Selection”（作者：黄瑾，宫永顺，张璐，张健，聂礼强，尹义龙）被IEEE TRANSACTIONS ON MULTIMEDIA（TMM）期刊录用。TMM由IEEE计算机协会主办，是全球范围内计算机图像视频处理领域的权威期刊，属于CCF B类期刊和JCR一区期刊。

系列照片选择是图像美学质量评估的一个重要分支，它专注于从一系列几乎相同的照片中识别出最佳图像。目前，大多数现有的SPS方法只关注从原始图像中提取特征，而忽略了图像的多个视图可以提供更详细的美学信息的事实。在本文中，我们提出了一种称为 SPSNet 的连体网络结构，通过获取图像的深度、通用和手工特征来增强多视图特征的表示学习。具体来说，我们实现了一个并行结构来提取深层和浅层特征，以交互方式融合不同分辨率下的局部和全局表示。通过具有自适应权重的自注意力模块聚合图像的多个视图，使模型能够区分每个视图的重要性。此外，我们还采用图神经网络来构建多视图特征之间的关系。我们提出的方法由孪生网络训练，可以有效地区分相似图像的细微差别，从而从一系列几乎相同的照片中选择最好的一张。在美学数据集上进行的大量实验表明，我们的方法优于其他最先进的 SPS 方法，在 Phototriage 数据集上实现了 75.36% 的准确率。此外，我们的模型在平均准确率方面比基线方法提高了 3.04%。