NIMA staat voor Neural Image Assessment, een methode om de subjectieve kwaliteit van afbeeldingen te bepalen. In plaats van beeldkwaliteit te bepalen op basis van een strikt algoritme, wordt hier gebruik gemaakt van een zelflerend algoritme op basis van data die door mensen wordt aangeleverd. Wat is NIMA en wat zijn zoal de toepassingen van deze technologie?
Wat een mooie foto is hangt af van de subjectieve waarneming van een persoon. Computers zijn goed in feiten maar kunnen niet overweg met meningen. Een algoritme kan bepalen wat de objectieve karakteristieken van een afbeelding zijn, bepalen of het een ‘mooi’ plaatje betreft is lastiger. Het doel van NIMA is een kwaliteitsoordeel geven aan afbeeldingen zoals mensen dit doen. Om dit te testen wordt gebruik gemaakt van een Aesthetic Visual Analysis dataset. Iedere AVA foto wordt vervolgens beoordeeld door gemiddeld 200 personen die reageren op fotografie competities. Na het trainingsproces is met Neural Image Assessment een score te bepalen die overeenkomt met de opinie van mensen.
Naast het vergelijken van afbeeldingen is het ook mogelijk om de kwaliteit van een foto te vergelijken die met filters gemanipuleerd is. Een overeenkomstige foto wordt aangepast, NIMA kan bepalen welke versie de beste subjectieve kwaliteit biedt. Dit kan van pas komen in beeldbewerking van bijvoorbeeld smartphone camera’s. De lens en beeldchip maken een opname, een software algoritme kan de afbeelding verbeteren zodat deze aantrekkelijker overkomt voor het menselijk oog. Optische kwaliteit is niet altijd gelijk aan de perceptie van de toeschouwer.
Met name in fotografie heeft er een verschuiving plaatsgevonden van hardware naar software. Zo werd er eerst een hardware methode ontwikkeld om afstand te berekenen. Zo kan de achtergrond van een foto wazig worden gemaakt terwijl de voorgrond hetzelfde blijft. Enige tijd later zou deze functionaliteit mogelijk zijn met slechts een software update van een standaard camera.
