这个称为神经系统图像评估（NIMA）的过程使用深度学习来训练卷积神经网络（CNN）来预测对图像的评价。
根据研究人员发表的一份白皮书：
我们的方法不同于其他方法，因为我们使用卷积神经网络预测人类意见分数的分布。我们得到的网络不仅可以用来可靠地评价图像，并与人类感知高度相关，而且还可以帮助适应和优化摄影中的照片编辑/增强算法。
NIMA模式避开了传统的方法，并以10分制评分。机器检查图像的特定像素及其整体美学。然后确定人们选择评分的可能性。基本上，AI试图猜测一个人是否会喜欢这张图片。这可能使计算机成为更好的“艺术家”或“策展人”。这个过程可能会被用来批量查找最佳的图像。
如果您是一种能够一次拍摄20或30张图像的人，以确保您获得最佳图像，这可以为您节省大量空间。假设，只需轻点一下按钮，AI就可以浏览存储器中的所有图像，并确定哪些图像是相似的，然后删除除最佳图像外的所有图像。
根据谷歌研究博客最近的一篇文章，NIMA也可以用来优化图像设置，以产生完美的效果：
我们观察到基准美学评分可以通过NIMA评分指导的对比调整来改善。因此，我们的模型能够引导一个CNN过滤器，以找到其参数的美观最佳设置，例如亮度，高光和阴影。
