[发明专利]评估数字内容的视觉质量

说明书

公开了用于评估数字内容的视觉质量的系统、设备、方法和计算机可读介质。方法可以包括在图像上训练机器学习模型。接收请求以评估包括在由计算设备生成的数字分量的当前版本中的图像的质量。机器学习模型部署在图像上，以为图像的每个质量特性生成得分。为每个得分指配权重以生成加权得分。组合加权得分以生成图像的组合得分。将组合得分与一个或多个阈值进行比较以生成图像质量。

技术领域

本说明书一般地涉及数据处理，并且更具体地涉及数字内容评估。

背景技术

计算设备可以创建数字分量，并将它们分发到各种客户端设备。数字分量可以由诸如图像、文本等的内容资产形成，它们被集体地组合以形成数字分量。在一些情况下，即使被用于形成数字分量的单个内容资产质量不佳，例如，图像模糊，包括负面内容(例如，性暴露的内容)，具有与要显示数字分量的区域不符的定向等等—作为结果的数字分量的质量可能受到负面影响。

发明内容

通常，本说明书中描述的主题的一个创新方面可以体现在方法中，该方法包括由内容分发系统在多个图像上训练多个机器学习模型的训练操作，该内容分发系统包括一个或多个处理器，每个图像被指配指示图像的质量特性的得分，每个机器学习模型被训练以针对各自的质量特性对图像进行评分；由内容分发系统从计算设备接收评估包括在由计算设备生成的数字分量的当前版本中的图像的质量的请求；由内容分发系统在图像上部署多个机器学习模型以生成每个质量特性的得分；由内容分发系统对每个得分指配权重以生成加权得分；由内容分发系统组合加权得分以生成图像的组合得分；以及由内容分发系统将组合得分与一个或多个阈值进行比较以生成图像质量。此方面的其他实施例包括相应的方法、装置和计算机程序，其被配置成执行在计算机存储设备上编码的方法的动作。

这些和其他实施例可以均可选地包括以下特征中的一个或多个。多个机器学习模型可以包括模糊度模型、负面内容模型或定向模型中的两个或更多个。模糊度模型可以生成量化图像内的模糊度的模糊度得分。负面内容模型可以生成对图像内的负面内容进行量化的负面内容得分。定向模型可以生成指示图像的定向的定向得分。

一个或多个机器学习模型可以包括神经网络模型，神经网络模型包括多个节点和多个层。多个节点或多个层中的至少一个可以随着神经网络的训练的进展而变化，使得在实验上确定节点或层中的至少一个的理想数量。

方法可以包括由内容分发系统将组合得分与数字分量中其他图像的其他组合得分进行聚合以生成数字分量的聚合得分；和

方法可以包括由一个或多个处理器更新第一计算设备的图形用户界面以呈现聚合得分。

方法可以包括由一个或多个处理器接收图像的修改；由一个或多个处理器评估经修改的图像的组合得分；由一个或多个处理器基于组合得分修改聚合得分；以及由一个或多个处理器更新第一计算设备的图形用户界面以呈现经修改的聚合得分。

方法可以包括由内容分发系统将聚合得分与预设质量启发法进行比较；由内容分发系统确定聚合得分不符合预设的质量启发法；响应于确定聚合质量不符合预设质量启发法，由内容分发系统生成用于改进聚合得分的一个或多个推荐；以及由一个或多个处理器更新第一计算设备的图形用户界面以呈现一个或多个推荐。

方法可以包括由内容分发系统将聚合得分与阈值进行比较；由内容分发系统确定聚合得分小于阈值；以及响应于确定聚合得分小于阈值由内容分发系统防止将数字分量分发到一个或多个客户端设备。