百度 ERNIE-Image-Aes：平衡类别泛化的图像美学评分模型

百度推出 ERNIE-Image-Aes，一个基于 ArtiMuse 初始化并微调的 8B 视觉-语言模型，用于图像美学评分，在 ERIA-1K 基准测试中 SRCC 达 0.7445、PLCC 达 0.7598。该模型通过专业背景标注者参与的瑞士锦标赛式成对标注协议，避免了对特定图像类型的系统性偏见。其训练数据涵盖摄影、动漫、设计、日常快照和电影摄影等多种类别，确保评分结果的平衡性。