本研究提出了一个大规模艺术图像数据集，并采用SAAN方法评估美学信息，结果显示该方法表现优异。通过IAA-LQ方法提取美学特征，超越了现有技术。文章探讨了情感差距、主观性及标签噪声等挑战，并总结了美学评估的最新进展和未来应用前景。

本研究提出了一个大规模艺术图像数据集，并采用新方法评估艺术图像的美学表现。通过构建多属性图像美学评估方法，结合深度学习技术，实验结果显示该方法在美学评分上表现优异，为未来研究奠定基础。

本研究提出了一个大规模艺术图像数据集，并采用SAAN方法提取风格和通用美学信息，以评估艺术图像。实验结果表明，该方法在美学评估中表现优异，为未来研究奠定了基础。

该研究提出了一种新方法，用于控制艺术图像中的几何抽象和纹理，通过参数化表示独立控制颜色和纹理，同时支持多种风格编辑和纹理风格迁移。

该文介绍了一种新颖的方法，用于艺术图像中几何抽象和纹理的交互控制。通过空间分解输入图像的形状和高频细节的参数化表示，实现对颜色和纹理的独立控制。同时，还展示了在参数空间中使用参考图像和文本提示进行基于优化的纹理风格迁移，以及用于实时纹理分解的单一和任意风格参数预测网络的训练。