SAVOIAS

我们介绍了 SVOIAS 一个视觉复杂性数据集，该数据集包含来自场景、广告、可视化和信息图表、对象、室内设计、艺术和至上主义七个图像类别的 1,400 多张图像。每个类别中的图像描绘了不同的特征，包括各种低级和高级特征、对象、背景、纹理和图案、文本和图形。 SVOIAS 的基本事实是通过使用强制选择方法众包 37,000 多个成对的图像比较以及使用 Figure-8 众包平台的 1,600 多个贡献者来获得的。然后使用 Bradley-Terry 方法和矩阵完成将得到的相对分数转换为绝对视觉复杂度分数。在应用五种最先进的算法来分析 SVOIAS 数据集中图像的视觉复杂性时，我们发现从这些基线工具获得的分数仅与至上主义类别中抽象模式的众包标签具有良好的相关性。皮尔逊相关 r = 0.84）。对于其他类别，特别是对象和广告类别，相关系数较低（分别为 r = 0.3 和 0.56）。这些发现表明（1）最先进的方法大多不足，（2）SVOIAS 支持特定类别的方法开发，这可能会改善视觉复杂性分析对特定应用领域（包括计算机视觉）的影响。

搜集汇总

背景与挑战

背景概述

SAVOIAS是一个视觉复杂性数据集，包含来自七个类别的1400多张图像，其真值通过众包成对比较并转换为绝对分数获得。分析发现，现有算法仅在抽象模式类别中表现良好，其他类别相关性较低，这揭示了当前方法的不足并支持特定类别方法的开发。