描述 #

图像美学评分处理器，智能评估图像的审美质量和构图效果

核心功能 #

• 美学评分：对输入图像进行专业美学质量评估
• 构图分析：基于视觉感知理论分析图像构图效果
• 标准化输出：评分范围归一化至0-1，便于后续处理
• 批量处理：支持高效的批量图像评分
• 多格式支持：兼容多种图像输入格式

格式支持 #

• 输入：支持图像URL、TOS地址、二进制流等多种格式
• 输出：浮点数美学评分(0.0-1.0)，数值越高表示美学质量越好
• 图像格式：JPG、PNG、WebP等主流图像格式
• 分辨率：自动适配不同分辨率的图像输入

评分原理 #

• 视觉特征提取：使用先进的视觉模型提取图像特征
• 美学建模：基于大规模美学数据集训练的评分模型
• 多维度评估：综合考虑色彩、构图、对比度等多个美学要素
• 感知对齐：评分结果与人类美学感知高度一致

算子参数 #

输入 #

输出 #

包含美学评分的浮点数组，评分范围0.0-1.0，
无法解码或处理失败的图像返回null值

参数 #

如参数没有默认值，则为必填参数

调用示例 #

下面的代码展示了如何使用 Daft（适用于分布式）运行算子对图像进行美学质量评分。

from __future__ import annotations

import os

import daft
from daft import col
from daft.las.functions.image import ImageAestheticScore
from daft.las.functions.udf import las_udf

if __name__ == "__main__":
    TOS_TEST_DIR_URL = os.getenv("TOS_TEST_DIR_URL", "las-cn-beijing-public-online.tos-cn-beijing.volces.com")
    model_path = os.getenv("MODEL_PATH", "./models")

    if os.getenv("DAFT_RUNNER", "native") == "ray":
        import logging

        import ray

        def configure_logging():
            logging.basicConfig(
                level=logging.INFO,
                format="%(asctime)s - %(name)s - %(levelname)s - %(message)s",
                datefmt="%Y-%m-%d %H:%M:%S",
            )
            logging.getLogger("tracing.span").setLevel(logging.WARNING)
            logging.getLogger("daft_io.stats").setLevel(logging.WARNING)
            logging.getLogger("DaftStatisticsManager").setLevel(logging.WARNING)
            logging.getLogger("DaftFlotillaScheduler").setLevel(logging.WARNING)
            logging.getLogger("DaftFlotillaDispatcher").setLevel(logging.WARNING)

        ray.init(dashboard_host="0.0.0.0", runtime_env={"worker_process_setup_hook": configure_logging})
        daft.context.set_runner_ray()

    daft.set_execution_config(actor_udf_ready_timeout=600)
    daft.set_execution_config(min_cpu_per_task=0)

    samples = {
        "input_path": [f"https://{TOS_TEST_DIR_URL}/public/archive/image_aesthetic_score/forest.jpg"],
    }
    ds = daft.from_pydict(samples)

    # Using Daft to calculate aesthetic scores for images
    constructor_kwargs = {
        "model_path": model_path,
        "image_src_type": "image_url",
        "batch_size": 1,
    }

    ds = ds.with_column(
        "aesthetic_score",
        las_udf(
            ImageAestheticScore,
            construct_args=constructor_kwargs,
            num_cpus=1,
            concurrency=1,
            batch_size=1,
        )(col("input_path")),
    )

    ds.show()
    # ╭────────────────────────────────┬────────────────────╮
    # │ input_path                     ┆ aesthetic_score    │
    # │ ---                            ┆ ---                │
    # │ Utf8                           ┆ Float64            │
    # ╞════════════════════════════════╪════════════════════╡
    # │ https://las-public-data-qa.to… ┆ 0.5603389739990234 │
    # ╰────────────────────────────────┴────────────────────╯