谷歌的人工智能研究职员表示：“我们所采取的方法不同于其他方法，由于我们利用卷积神经网络（CNN）预测人类见地分数的分布。
我们得到的网络不仅可以用来可靠地评价图像，并且与人类的感知高度密切干系，而且可以帮助适应和优化拍照中的图像编辑/增强算法。
”这项名为神经系统图像评估（NIMA）的运行过程利用深度学习来演习卷积神经网络（CNN）来预测对图像质量的评价。
NIMA模式以10分制进行评分。
机器通过图像的特定像素和整体的不雅观感来确定人们选择打多少分。
当AI能够猜出一个人是否喜好这张照片时，将使打算机成为人类的“鉴赏家”帮手，这项技能或许会被用来批量查找精选出最优质的图像。

我们都知道在面对有限数量的选择时，我们人类能够在较短的韶光内选择出最优的方案，但是在面对很弘大数量内容的时候，反而会无所适从。
比如一次性在一万张图里挑出20张好照片，只管也有不少的相机有内置评分功能，但同样须要人类自身在相机里看图进行评分，在利用这项技能后，你只需轻点一下按钮AI就可以通过浏览存储器内的所有图像，并确定哪些图像是相类似的，然后只保留详细内容中最优评分的图像删除别的所有图像，从而大大的减少你在浏览挑图中所花费的韶光和精力，提高了事情效率。

除了择优筛选图像外，NIMA技能还可以用来优化图像设置，以得到比原图更好的效果。
谷歌研究博客最近的一篇文章提到：“我们不雅观察到基准美学的评分可以通过NIMA评分辅导的比拟调度来改进。
以是，我们的模型能够勾引一个CNN过滤器，以找到其图像参数的都雅最佳设置，例如白平衡、亮度、高光和阴影等。
”这项技能也将使图片的后期处理变得更加智能化，或许傻瓜式的智能ps修图在不久的将来也会进入我们的视线。