一种基于文本提炼与多粒度对齐的CLIP的图像美学评价方法

本发明涉及一种基于文本提炼与多粒度对齐的CLIP的图像美学评价方法，属于图像处理以及计算机视觉领域。所述方法，利用现有的大语言模型对美学数据集中的用户评论进行文本提炼，从中分析并概括出与美学相关的核心描述，进而构建美学摘要数据集；其次，设计多粒度对齐的CLIP框架，基于该框架利用配对的图像‑详细评论‑美学摘要对原始的CLIP模型进行微调，使模型更好地理解美学领域中图像与文本描述之间的语义关系，从而学习到更加丰富的美学特征表示，获得针对美学任务的优化后的CLIP模型；最后，基于微调后的CLIP模型设计图像美学质量评价网络，以实现对图像美学质量的有效预测。本发明避免了跨模态美学评价方法在推理阶段需要同时输入图像文本对的问题。