Tổng quan nghiên cứu

Sự bùng nổ của mạng xã hội và nhiếp ảnh kỹ thuật số ghi nhận hơn 3,2 tỷ hình ảnh được tải lên và chia sẻ mỗi ngày trên phạm vi toàn cầu. Mặc dù nhu cầu sáng tạo nội dung thị giác tăng trưởng mạnh mẽ, ước tính có hơn 85% người dùng phổ thông không sở hữu kiến thức chuyên sâu về nhiếp ảnh để tự đánh giá chất lượng tác phẩm trước khi xuất bản. Đa số các hệ thống đánh giá thẩm mỹ hình ảnh tự động hiện nay đều hoạt động dưới dạng các mô hình học sâu hộp đen, chỉ đưa ra một điểm số chung cuộc mà hoàn toàn thiếu khả năng giải thích nguyên nhân đằng sau vẻ đẹp hay khiếm khuyết của bức ảnh.

Nghiên cứu này được thực hiện tại Trường Đại học Công nghệ Thông tin trực thuộc Đại học Quốc gia Thành phố Hồ Chí Minh, hoàn thành vào tháng 12 năm 2022. Đề tài tập trung giải quyết bài toán định lượng hóa chất lượng hình ảnh thông qua 4 tiêu chí kỹ thuật cốt lõi: độ ngược sáng, độ mờ nét, độ tương phản và quy chuẩn bố cục. Mục tiêu chính là xây dựng một hệ thống phân tích toàn diện có khả năng trích xuất các thông số kỹ thuật trực quan và tổng hợp thành điểm số thẩm mỹ minh bạch trên thang điểm 10.

Phạm vi nghiên cứu bao quát nguồn dữ liệu thực nghiệm đa dạng với hơn 2.100 bức ảnh đời thực được thu thập từ các công cụ tìm kiếm và nền tảng dữ liệu mở, kết hợp kiểm chứng mở rộng trên 23.926 hình ảnh từ tập dữ liệu chuẩn quốc tế AVA. Về mặt khoa học và ứng dụng thực tiễn, công trình đã thiết lập giải pháp kết hợp hiệu quả giữa thuật toán xử lý ảnh truyền thống và mô hình học máy hiện đại, đạt độ chính xác phân loại ngược sáng trên 86,04% và nhận diện độ mờ đạt 85,10%, tạo nền tảng vững chắc cho các hệ thống hỗ trợ nhiếp ảnh thông minh và tối ưu hóa trải nghiệm thị giác của người dùng.

Cơ sở lý thuyết và phương pháp nghiên cứu

Khung lý thuyết áp dụng

Nghiên cứu được xây dựng dựa trên sự giao thoa giữa lý thuyết xử lý tín hiệu thị giác cổ điển và các mô hình học máy tiên tiến, bao gồm các trụ cột lý thuyết chính:

Thứ nhất là lý thuyết không gian màu và phân tích biểu đồ sắc độ. Bên cạnh không gian màu RGB mô phỏng mắt người, hệ thống sử dụng không gian màu YCbCr nhằm tách biệt hoàn toàn thành phần độ chói Y khỏi hai thành phần sắc độ Cb và Cr. Đối với ảnh ngược sáng, các giá trị pixel sắc độ có xu hướng co cụm quanh mức giá trị trung tâm 128 trong miền giá trị từ 0 đến 255. Việc phân đoạn biểu đồ sắc độ thành các khoảng giá trị cho phép trích xuất các đặc trưng phân bố ánh sáng cục bộ chính xác.

Thứ hai là lý thuyết toán tử vi phân và phát hiện biên cạnh. Độ sắc nét của ảnh được đo lường thông qua mức độ biến thiên cường độ sáng tại các điểm ảnh lân cận. Nghiên cứu áp dụng đồng thời toán tử đạo hàm bậc một Sobel, Roberts để tính xấp xỉ vector gradient theo các hướng không gian, kết hợp với toán tử đạo hàm bậc hai Laplacian để cô lập các vùng tần số cao và triệt tiêu các vùng đồng nhất. Phương sai của ma trận ảnh sau tích chập đóng vai trò là thước đo quan trọng phản ánh mật độ cạnh sắc nét.

Thứ ba là lý thuyết học máy phân loại và mạng nơ-ron học sâu. Mô hình Support Vector Machine với siêu phẳng phân tách tối ưu được sử dụng kết hợp quy trình kỹ thuật đặc trưng gồm 9 chỉ số thống kê (giá trị cực đại, trung bình và phương sai). Song song đó, mạng nơ-ron tích chập sâu TRACER với cơ chế tập trung ba thành phần (Masked-edge attention, Union attention, Object attention) được triển khai cho bài toán phát hiện đối tượng nổi bật, cùng kiến trúc CaffeNet 5 tầng tích chập trích xuất bản đồ đặc trưng Max Pooling để đo lường độ đối xứng phản chiếu.

Phương pháp nghiên cứu

Quy trình nghiên cứu được triển khai chặt chẽ với phương pháp luận kết hợp định tính và định lượng:

Nguồn dữ liệu và cỡ mẫu: Nghiên cứu thiết lập 5 tập dữ liệu thực nghiệm độc lập. Tập Backlit gồm 536 ảnh (262 ảnh ngược sáng, 274 ảnh thuận sáng) được phân chia 402 ảnh huấn luyện và 134 ảnh kiểm thử. Tập Layout gồm 402 ảnh gán nhãn thủ công kiểm thử toàn bộ (158 ảnh trung tâm, 105 ảnh một phần ba, 65 ảnh đối xứng, 74 ảnh tự do). Tập Contrast gồm 184 ảnh cân bằng giữa tương phản thấp và cao. Tập Blur gồm 1.050 ảnh từ nền tảng Kaggle thu thập từ hơn 8 dòng thiết bị chụp ảnh khác nhau, chia thành 787 ảnh huấn luyện và 263 ảnh kiểm thử. Tập dữ liệu chuẩn AVA chứa 255.500 ảnh được trích chọn 4.000 ảnh huấn luyện và 19.926 ảnh đánh giá thẩm mỹ mở rộng.

Phương pháp chọn mẫu: Áp dụng phương pháp chọn mẫu phân tầng kết hợp thu thập ngẫu nhiên có kiểm soát thông qua công cụ tìm kiếm Google Images và nền tảng Kaggle. Các mẫu được sàng lọc kỹ lưỡng để loại bỏ ảnh trùng lặp, đảm bảo tính đại diện cao cho các bối cảnh thế giới thực từ chân dung, phong cảnh, đời thường đến chụp đêm.

Lý do lựa chọn phương pháp phân tích: Việc phối hợp mô hình Support Vector Machine kết hợp trích chọn đặc trưng thủ công cho các tác vụ phân tích ngược sáng và độ mờ giúp tối ưu hóa tài nguyên tính toán, cho tốc độ xử lý nhanh và tránh hiện tượng quá khớp trên tập dữ liệu vừa phải. Đối với bài toán bố cục không gian phức tạp, các kiến trúc học sâu chuyên dụng TRACER và CaffeNet được lựa chọn nhằm bảo đảm khả năng hiểu ngữ nghĩa sâu sắc mà các thuật toán hình học cổ điển không thể đạt tới. Điểm số thẩm mỹ chung cuộc được tổng hợp thông qua hồi quy tuyến tính đa biến nhằm bảo toàn tính tường minh và khả năng diễn giải cho người dùng.

Kết quả nghiên cứu và thảo luận

Những phát hiện chính

Quá trình thực nghiệm đã ghi nhận 4 phát hiện quan trọng có giá trị khoa học và ứng dụng thực tiễn:

Thứ nhất, mô hình phát hiện ngược sáng dựa trên học máy cải thiện vượt trội so với thuật toán ngưỡng tĩnh. Thuật toán dựa trên quy tắc phân đoạn sắc độ ban đầu chỉ đạt độ chính xác khoảng 74,00%. Khi chuyển đổi sang mô hình Support Vector Machine kết hợp 9 đặc trưng thống kê trích xuất từ các kênh độ chói và sắc độ Cb, Cr, độ chính xác trên tập kiểm tra 134 mẫu đã tăng mạnh lên mức 86,04%, giảm thiểu tối đa hiện tượng phân loại sai giữa ảnh ngược sáng và ảnh thiếu sáng toàn phần.

Thứ hai, việc tích hợp đa toán tử biên cạnh nâng cao hiệu suất nhận diện ảnh mờ. Khi chỉ sử dụng phương sai đơn lẻ của toán tử Laplacian với ngưỡng 100, hệ thống gặp khó khăn với các ảnh có nhiều chi tiết mờ mịn tự nhiên. Bằng cách trích xuất bộ 9 đặc trưng từ 3 toán tử vi phân Laplacian, Sobel và Roberts rồi đưa vào mô hình học máy phân loại, độ chính xác nhận diện ảnh mờ đạt 85,10% trên tập kiểm thử 263 ảnh.

Thứ ba, cơ chế lọc nhiễu diện tích giúp nâng cao độ tin cậy của thuật toán phân loại bố cục. Bằng việc kết hợp mô hình TRACER với giải thuật thành phần liên thông để loại bỏ các đối tượng nhiễu chiếm diện tích nhỏ hơn 1% tổng khung hình, hệ thống xác định chính xác tâm điểm chú ý và phân loại chính xác bố cục trung tâm và một phần ba. Đồng thời, mô hình CaffeNet đo độ bất đối xứng bản đồ Max Pooling sau khi lật ảnh qua trục dọc với ngưỡng 0,60 đã phân loại hiệu quả bố cục đối xứng trên tập dữ liệu 402 mẫu.

Thứ tư, mô hình hồi quy đa biến lượng hóa thành công thang điểm thẩm mỹ trực quan. Phân phối cường độ pixel dưới ngưỡng 35% miền giá trị đã lượng hóa chính xác độ tương phản trên dải chuẩn hóa từ 0 đến 1. Điểm số thẩm mỹ tổng hợp kết hợp 4 trọng số kỹ thuật phản ánh mức tương quan chặt chẽ với điểm đánh giá trung bình từ cộng đồng nhiếp ảnh AVA, dao động ổn định trong khoảng từ 5,46 đến 6,17 điểm trên thang 10.

Thảo luận kết quả

Nguyên nhân chính dẫn đến sự thành công của mô hình là nhờ quy trình kỹ thuật đặc trưng được tối ưu hóa sâu sắc cho từng thuộc tính quang học. Thay vì ép buộc một mạng nơ-ron duy nhất phải học toàn bộ các khía cạnh thẩm mỹ trừu tượng, việc phân rã bài toán lớn thành 4 mô-đun kỹ thuật chuyên biệt đã giúp hệ thống khai thác tối đa cấu trúc dữ liệu pixel.

Khi so sánh với các nghiên cứu tiền nhiệm như AlexNet của Bianco hoặc mô hình NIMA của Talebi và Milanfar, các phương pháp này thường đóng vai trò như hộp đen hồi quy điểm số trung bình hoặc phân phối xác suất mà không giải thích được lý do kỹ thuật. Mô hình trong luận văn này vượt trội ở khả năng cung cấp bảng phân tích chi tiết từng tiêu chí độc lập, chỉ rõ cho người chụp bức ảnh bị lỗi ngược sáng bao nhiêu phần trăm, độ sắc nét hay bố cục bị lệch khỏi trục vàng bao nhiêu đơn vị khoảng cách.

Dữ liệu kết quả nghiên cứu có thể được trực quan hóa rất sinh động thông qua biểu đồ phân bố mật độ 3 kênh Luminance, Cb, Cr trước và sau phân lớp, ma trận nhầm lẫn (Confusion Matrix) thể hiện tỷ lệ dự đoán đúng giữa các lớp kiểm thử, cùng bảng đối sánh chi tiết độ chính xác giữa thuật toán dựa trên luật và mô hình học máy đề xuất.

Đề xuất và khuyến nghị

Dựa trên các kết quả đạt được, nhóm tác giả đề xuất 4 nhóm giải pháp mang tính hành động cao nhằm hoàn thiện và phát triển công nghệ trong giai đoạn tới:

  1. Nâng cấp và tối ưu hóa kiến trúc mô hình thời gian thực: Nhóm kỹ sư phần mềm cần tiến hành nén mô hình và áp dụng kỹ thuật lượng tử hóa trọng số đối với mạng TRACER và CaffeNet, chuyển đổi sang các kiến trúc mạng nhẹ như MobileNetV3 nhằm hạ dung lượng mô hình xuống dưới mức 50MB và rút ngắn thời gian xử lý xuống dưới 20 mili-giây trên mỗi khung hình, sẵn sàng tích hợp trực tiếp vào ứng dụng chụp ảnh di động trong vòng 6 tháng tới.

  2. Mở rộng cơ sở dữ liệu huấn luyện đa miền: Các nhóm nghiên cứu thị giác máy tính cần chủ động thu thập và gán nhãn thêm ít nhất 5.000 bức ảnh đời thực với đa dạng bối cảnh phức tạp tại Việt Nam trong vòng 9 tháng, nâng tỷ lệ bao phủ của các quy tắc bố cục nâng cao như đường dẫn hướng, khung lồng khung và tỷ lệ vàng đạt độ bao phủ trên 95%.

  3. Tích hợp mô-đun tự động gợi ý hậu kỳ và sửa lỗi: Đội ngũ phát triển sản phẩm nên xây dựng tính năng khuyến nghị chỉnh sửa ảnh tự động dựa trên 4 chỉ số kỹ thuật đầu ra, cho phép tự động nâng sáng vùng tối từ 15% đến 30% đối với ảnh ngược sáng, tự động cân bằng tương phản và đề xuất khung cắt cúp (crop) chuẩn tỷ lệ một phần ba trong vòng 12 tháng.

  4. Triển khai ứng dụng thương mại trong thương mại điện tử: Các doanh nghiệp công nghệ và sàn thương mại điện tử cần sớm ứng dụng hệ thống này vào quy trình kiểm duyệt chất lượng ảnh sản phẩm tự động của người bán, bảo đảm tỷ lệ hình ảnh đạt chuẩn sắc nét và bố cục thương mại đạt trên 90% trong giai đoạn 2023 - 2025.

Đối tượng nên tham khảo luận văn

Công trình nghiên cứu mang giá trị thực tiễn và học thuật sâu sắc, đặc biệt hữu ích cho 4 nhóm đối tượng sau:

  • Nhóm 1: Các kỹ sư thị giác máy tính và nhà nghiên cứu trí tuệ nhân tạo đang xây dựng các hệ thống đánh giá chất lượng ảnh (IQA) và thẩm mỹ ảnh (IAA), có thể khai thác phương pháp phối hợp giữa Feature Engineering và mô hình TRACER để đạt độ chính xác phát hiện trên 85%.

  • Nhóm 2: Các lập trình viên phát triển ứng dụng di động trong lĩnh vực camera thông minh và chỉnh sửa ảnh, có thể ứng dụng trực tiếp các thuật toán phát hiện ngược sáng và đo độ mờ với độ trễ thấp dưới 30 mili-giây để nâng cao trải nghiệm chụp ảnh của người dùng.

  • Nhóm 3: Các nhà quản lý vận hành sàn thương mại điện tử và nền tảng truyền thông xã hội cần giải pháp tự động sàng lọc hàng triệu bức ảnh đăng tải mỗi ngày, loại bỏ triệt để các hình ảnh chất lượng kém, mờ nhòe hoặc ngược sáng chiếm từ 10% đến 25% tổng dung lượng kho lưu trữ.

  • Nhóm 4: Học viên cao học và sinh viên chuyên ngành Khoa học Máy tính, Công nghệ Thông tin cần tài liệu tham khảo chuẩn mực về quy trình xử lý ảnh, biến đổi không gian màu YCbCr và kỹ thuật tích chập ma trận trên hơn 25.000 mẫu dữ liệu thực tế.

Câu hỏi thường gặp

Mô hình phân biệt ảnh ngược sáng dựa trên những đặc trưng kỹ thuật cụ thể nào? Hệ thống phân tích sự phân bố của thành phần độ chói Y và hai thành phần sắc độ Cb, Cr trong không gian màu YCbCr. Khi các pixel tập trung chặt chẽ quanh giá trị 128 trong miền giá trị từ 0 đến 255 và tỷ lệ phân đoạn sắc độ thấp dưới 0,012, mô hình Support Vector Machine sẽ trích xuất 9 đặc trưng thống kê để xác định xác suất ngược sáng với độ chính xác đạt trên 86,04%.

Tại sao nghiên cứu lại kết hợp đồng thời toán tử Laplacian, Sobel và Roberts để nhận diện ảnh mờ? Toán tử Laplacian lấy đạo hàm bậc hai phản ánh độ biến thiên cường độ nhanh, trong khi Sobel và Roberts cung cấp vector gradient đạo hàm bậc một theo các hướng không gian. Việc kết hợp 9 giá trị thống kê cực đại, trung bình và phương sai từ cả 3 toán tử giúp mô hình học máy phân biệt chính xác ảnh sắc nét và ảnh mờ với độ chính xác 85,10%, vượt trội hơn hẳn ngưỡng phương sai đơn lẻ dưới 100.

Hệ thống xác định bố cục trung tâm và một phần ba của bức ảnh bằng cách nào? Hệ thống sử dụng mạng học sâu TRACER để tạo mặt nạ vùng chú ý, sau đó áp dụng giải thuật phân tích thành phần liên thông loại bỏ các vùng nhiễu có diện tích nhỏ hơn 1% khung hình. Tọa độ trọng tâm đối tượng chính sau đó được tính toán khoảng cách hình học tới trục trung tâm và hai trục một phần ba để phân loại bố cục chính xác trên tập 402 mẫu kiểm thử.

Điểm số chất lượng thẩm mỹ tổng hợp của bức ảnh được tính toán ra sao? Điểm thẩm mỹ được chuẩn hóa trên thang đo 10 điểm thông qua mô hình hồi quy tuyến tính kết hợp 4 điểm số thành phần gồm: điểm không ngược sáng, điểm độ sắc nét, điểm tương phản và điểm bố cục hình học. Mỗi thành phần được gán trọng số tối ưu hóa dựa trên thực nghiệm, giúp chuyển đổi các xác suất kỹ thuật thành một chỉ số trực quan duy nhất phản ánh trung thực chất lượng bức ảnh.

Hệ thống này có khả năng triển khai thực tế trên các thiết bị di động hay không? Các mô-đun phát hiện ngược sáng, đo độ mờ và độ tương phản sử dụng thuật toán vi phân và mô hình Support Vector Machine cực nhẹ, cho thời gian thực thi dưới 30 mili-giây. Khi áp dụng các giải pháp nén mạng và tăng tốc phần cứng đối với mô hình TRACER và CaffeNet, toàn bộ giải pháp hoàn toàn đáp ứng tốt yêu cầu xử lý thời gian thực trên các dòng điện thoại thông minh hiện nay.

Kết luận

  • Đề tài đã xây dựng thành công mô hình định lượng hóa 4 tiêu chí kỹ thuật nhiếp ảnh cốt lõi gồm: độ ngược sáng, độ mờ, độ tương phản và quy chuẩn bố cục.
  • Cải thiện vượt bậc độ chính xác phân loại ngược sáng lên mức 86,04% và nhận diện độ mờ đạt 85,10% nhờ kết hợp hiệu quả giữa kỹ thuật đặc trưng và mô hình Support Vector Machine.
  • Ứng dụng thành công mạng nơ-ron học sâu TRACER loại bỏ nhiễu dưới 1% để định vị tâm đối tượng và sử dụng CaffeNet đo lường độ đối xứng ảnh với ngưỡng chuẩn 0,60.
  • Thiết lập và kiểm chứng hệ thống trên bộ dữ liệu thực nghiệm phong phú gồm hơn 2.100 ảnh đời thực và 23.926 ảnh chuẩn quốc tế từ cơ sở dữ liệu AVA.
  • Đóng góp một giải pháp đánh giá thẩm mỹ ảnh minh bạch, có khả năng giải thích cao, mở ra hướng đi mới thay thế các mô hình hộp đen truyền thống.

Công trình tạo tiền đề khoa học vững chắc cho việc phát triển các công cụ hỗ trợ nhiếp ảnh thông minh. Nhóm nghiên cứu định hướng tối ưu hóa mô hình nhúng và mở rộng tập dữ liệu trong lộ trình 12 đến 24 tháng tới, đồng thời khuyến khích các nhà phát triển và doanh nghiệp công nghệ sớm ứng dụng giải pháp này vào các nền tảng thực tế nhằm nâng cao chất lượng trải nghiệm thị giác kỹ thuật số.