사람마다 다른 평가
한 이미지에 대한 사람의 점수는 같지 않을 수 있다. 평균만 예측하면 사람들 사이의 차이를 놓칠 수 있다. NIMA는 의견 점수의 분포를 예측해 평균과 함께 평가의 퍼짐도 나타낼 수 있는 방향을 택한다.
인식망의 재학습
검증된 깊은 객체 인식 신경망의 표현을 품질 평가에 맞춰 다시 학습한다. 의미와 지각을 고려한 한 이미지의 평가가 목표다. 참조 원본을 요구하지 않지만 학습에 사람의 평가 자료를 사용한다는 점은 구분해야 한다.
평균이 같은 분포
설명용 점수 1과 5가 절반씩 나타나는 경우와 점수 3만 나타나는 경우는 평균이 모두 3이다. 그러나 의견의 차이는 다르다. 평균 외의 분포를 예측하는 의미를 보여주는 예이며 실제 데이터의 점수 범위나 모델 출력값은 아니다.
사진 개선에 활용할 때
사진 편집 및 개선 알고리즘의 조정에도 활용할 수 있다. 모델이 선호하는 점수를 높이는 일과 원본 내용이 정확히 보존되는 일은 다르다. 품질과 미적 선호의 기준을 구분하고 학습 자료 및 전처리 조건을 맞춰 결과를 해석한다.