💻 informatica

Aesthetics Prediction of Websites using Federated Learning

Questo articolo propone un approccio basato sul Federated Learning utilizzando EfficientNet-B0 per predire l'estetica delle interfacce dei siti web incorporando le preferenze individuali degli utenti attraverso cinque gruppi demografici, raggiungendo un promettente Errore Quadratico Medio di 0,0534 e superando al contempo i limiti della raccolta dati centralizzata e delle valutazioni medie.

Autori originali: Ranjan Maity, Jahnavi Roy, Rahul Son Boro, Deepali Borgayary

Pubblicato 2026-10-19

📖 5 min di lettura🧠 Approfondimento

CC BY 4.0

Autori originali: Ranjan Maity, Jahnavi Roy, Rahul Son Boro, Deepali Borgayary

Articolo originale sotto licenza CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). ✨ Questa è una spiegazione generata dall'IA dell'articolo qui sotto. Non è stata scritta né approvata dagli autori. Per precisione tecnica, consulta l'articolo originale. Leggi il disclaimer completo

Viviamo in un mondo in cui l'aspetto di uno schermo digitale conta quanto ciò che esso fa. Prima ancora che una persona legga una singola parola su un sito web o un'app, il suo cervello ha già formato un'opinione sul fatto che sia piacevole o sgradevole. Questo giudizio istantaneo, spesso formulato in meno di un battito di ciglia, può determinare se un utente rimarrà per esplorare o se se ne andrà immediatamente. Per i designer, questo crea una sfida difficile: la bellezza è profondamente personale. Ciò che una persona trova elegante, un'altra potrebbe trovarlo caotico o noioso. Tradizionalmente, per comprendere queste preferenze, i ricercatori hanno raccolto migliaia di persone per valutare delle immagini, per poi fare la media dei punteggi al fine di trovare un'opinione "generale". Ma questo approccio presenta un difetto. Mescolando i gusti di tutti in un unico numero, si cancellano le uniche preferenze degli individui. Presuppone che uno studente, un professionista lavoratore e un pensionato vedano il mondo nello stesso modo, il che è raramente vero. Inoltre, raccogliere tutte queste valutazioni personali in un unico database centrale solleva preoccupazioni sulla privacy, poiché richiede agli utenti di consegnare le proprie opinioni private a un'autorità centrale.

Un team di ricercatori presso il Central Institute of Technology di Kokrajhar, in India, si è posto l'obiettivo di risolvere questi problemi costruendo un nuovo tipo di sistema che rispetti il gusto individuale senza compromettere la privacy. Hanno proposto un metodo chiamato Federated Learning (apprendimento federato), una tecnica che consente ai computer di apprendere dai dati senza mai spostare tali dati dal dispositivo dell'utente. Inveve di raccogliere tutte le valutazioni in un unico grande mucchio, il sistema invia un programma informatico intelligente ai dispositivi degli utenti. Il programma impara dalle valutazioni memorizzate localmente su ciascun dispositivo, e solo le lezioni apprese — ovvero gli aggiustamenti matematici del programma — vengono inviate a un server centrale. Le valutazioni grezze, le opinioni personali, non lasciano mai il telefono o il computer dell'utente. Per testare questa idea, i ricercatori hanno creato un dataset di cento interfacce di siti web, catturando sia le versioni desktop che quelle mobile di cinquanta siti diversi, che spaziano dai portali governativi alle app di shopping. Hanno poi chiesto a cento persone di valutare queste schermate su una scala da uno a dieci. I partecipanti rappresentavano un mix di età, generi e occupazioni, garantendo una vasta gamma di prospettive.

I ricercatori avevano innanzitutto bisogno di trovare il miglior "cervello informatico" per svolgere il lavoro pesante del riconoscimento della bellezza visiva. Hanno testato tre diversi modelli di deep learning, sistemi complessi progettati per imitare il modo in cui l'occhio umano elabora le immagini. Dopo aver eseguito estesi test, hanno scoperto che un modello chiamato EfficientNet-B0 era il più efficace. Era veloce, richiedeva meno risorse computazionali e produceva le previsioni più accurate. Tuttavia, la vera innovazione risiedeva nel modo in cui gestivano l'elemento umano. Il team si è reso conto che le persone non utilizzano le scale di valutazione tutte allo stesso modo. Alcune persone tendono a dare punteggi alti a tutto, mentre altre sono naturalmente più critiche. Per risolvere questo problema, hanno sviluppato un modo per regolare le valutazioni di ciascuna persona prima che il computer apprendesse da esse. Hanno calcolato come una specifica persona valuta solitamente le cose rispetto alla media del gruppo e hanno spostato i loro punteggi di conseguenza. Ciò ha permesso al computer di apprendere la vera forma della preferenza di una persona, piuttosto che la sua tendenza a essere generosa o severa.

Per vedere se questo approccio funzionasse in uno scenario del mondo reale, i ricercatori hanno diviso i cento partecipanti in cinque gruppi distinti in base al genere e all'occupazione: donne non lavoratrici, donne studentesse, donne lavoratrici, uomini studenti e uomini lavoratori. Ogni gruppo ha agito come un "client" separato nel sistema di Federated Learning. Il server centrale ha inviato il modello iniziale EfficientNet-B0 a ciascuno di questi cinque gruppi. Ogni gruppo ha addestrato il modello sui propri dati locali, imparando cosa la propria specifica categoria demografica trovasse bello. Una volta completato l'addestramento, i gruppi hanno inviato al server i propri aggiornamenti del modello. Il server ha poi combinato questi aggiornamenti per creare un nuovo modello globale più intelligente, capace di comprendere le sfumature di tutti e cinque i gruppi. Questo ciclo si è ripetuto per trentatré round. Durante questo processo, il sistema non ha mai visto le valutazioni grezze; ha visto solo i miglioramenti matematici apportati da ciascun gruppo.

I risultati hanno dimostrato che questo approccio che preserva la privacy è altamente efficace. Il modello finale ha raggiunto un tasso di errore molto basso, il che significa che le sue previsioni su quanto una persona avrebbe apprezzato un sito web erano estremamente vicine alle valutazioni effettivamente date dagli utenti. Il sistema ha performato particolarmente bene per i gruppi con gusti più simili, come le partecipanti donne non lavoratrici, pur mantenendo una forte accuratezza per i gruppi con opinioni più diverse. Fondamentalmente, i ricercatori hanno scoperto che le versioni mobile dei siti web erano valutate in modo quasi identico alle loro controparti desktop, suggerendo che i principi dell'attrattiva visiva rimangano validi attraverso diverse dimensioni di schermo. Lo studio ha dimostrato che è possibile costruire un sistema che apprenda da una grande varietà di persone senza mai dover raccogliere i loro dati privati in una posizione centrale. Utilizzando un singolo modello globale che viene adattato attraverso un intelligente aggiustamento matematico delle valutazioni, il sistema può offrire previsioni estetiche personalizzate a chiunque, indipendentemente dal proprio background. Questo lavoro suggerisce che il futuro del design delle interfacce utente potrebbe affidarsi a sistemi che siano non solo abbastanza intelligenti da comprendere la bellezza, ma anche abbastanza rispettosi da mantenere private le preferenze personali.

Sintesi Tecnica: Predizione dell'Estetica dei Siti Web tramite Federated Learning

Problematica
L'estetica visiva delle interfacce utente (UI) è fondamentale per la soddisfazione e il coinvolgimento dell'utente, tuttavia la percezione estetica è intrinsecamente soggettiva e varia significativamente tra i singoli individui a causa di fattori quali età, genere e occupazione. Gli approoli computazionali esistenti alla predizione dell'estetica si basano tipicamente sulla raccolta centralizzata di dati e su valutazioni aggregate a livello di popolazione per produrre un singolo punteggio estetico "medio". Questa metodologia non tiene conto della variabilità inter-individuale e ignora le preferenze personali. Inoltre, i metodi tradizionali come i sondaggi o le valutazioni euristiche sono lenti, difficili da scalare e soggetti al bias umano. Sebbene i modelli di deep learning abbiano mostrato risultati promettenti nella valutazione dell'estetica delle immagini, essi generalmente mancano di meccanismi per gestire la natura non-IID (non indipendente e non identicamente distribuita) dei dati estetici attraverso diversi gruppi di utenti senza compromettere la privacy o richiedere massicci dataset centralizzati.

Metodologia
Gli autori propongono un framework che preserva la privacy per la predizione personalizzata dell'estetica delle UI utilizzando il Federated Learning (FL). La metodologia si articola nelle seguenti fasi:

Costruzione del Dataset:
- È stato creato un dataset personalizzato di 100 interfacce di siti web, comprendente 50 versioni desktop e 50 versioni mobile degli stessi siti attraverso dieci domini diversi (es. governo, e-commerce, news).
- Gli screenshot sono stati catturati a risoluzioni standard (1920x1080 per desktop; 640x1136 per mobile).
- 100 partecipanti hanno valutato queste 100 interfacce utilizzando una scala Likert a 10 punti. È stato impiegato il metodo del Quadrato Latino per mitigare il bias d'ordine.
- L'analisi statistica (t-test accoppiato) ha confermato che non vi era alcuna differenza significativa tra le valutazioni estetiche delle versioni desktop e mobile ( $p > 0.05$ ), permettendo loro di essere trattate come un dataset unificato.
Selezione del Modello Base:
- Sono state valutate tre architetture: EfficientNet-B0, ResNet-50 e Vision Transformer (ViT-B/16).
- EfficientNet-B0 è stata selezionata come modello base grazie alle sue prestazioni superiori, al minor costo computazionale e al minor numero di parametri, rendendola adatta all'implementazione su dispositivi edge.
- Il modello è stato adattato per la regressione sostituendo l'ultimo strato di classificazione con un'unica unità lineare per predire un punteggio estetico continuo.
Pre-elaborazione dei Dati e Personalizzazione:
- Pre-elaborazione delle Immagini: Gli input sono stati ridimensionati a 224x224, aumentati con lievi rotazioni casuali, flip e color jitter, e normalizzati utilizzando le statistiche di ImageNet.
- Normalizzazione delle Valutazioni (Contributo Chiave): Per affrontare la soggettività, è stata implementata una strategia di normalizzazione specifica per l'utente. Le valutazioni grezze sono state regolate rimuovendo la tendenza della media dell'utente e recentrandole attorno alla media globale ( $r_{centered} = r_{raw} - \mu_u + \mu_g$ ). Questi valori sono stati poi scalati tramite min-max nell'intervallo [0, 1]. Ciò consente al modello di apprendere preferenze relative piuttosto che punteggi assoluti.
Architettura di Federated Learning:
- Client: I 100 utenti sono stati raggruppati in cinque client demografici basati sull'intersezione tra genere e occupazione: Femmina Non Lavoratrice, Femmina Studente, Femmina Lavoratrice, Maschio Studente e Maschio Lavoratore.
- Algoritmo: È stato utilizzato l'algoritmo Federated Averaging (FedAvg). Un server centrale inizializza il modello globale EfficientNet-B0 con pesi pre-addestrati su ImageNet-1K.
- Processo di Addestramento: In ogni round di comunicazione, il server distribuisce il modello globale ai cinque client. Ogni client addestra localmente il proprio modello per un'epoca utilizzando i propri dati demografici specifici. Solo gli aggiornamenti dei pesi del modello (e non i dati grezzi) vengono inviati al server.
- Aggregazione: Il server calcola una media ponderata dei pesi dei client, proporzionale al numero di campioni di addestramento per ogni client, per aggiornare il modello globale.
- Iperparametri: L'addestramento ha utilizzato l'ottimizzatore AdamW ( $1 \times 10^{-4}$ learning rate), la perdita MSE (Mean Squared Error) e l'Automatic Mixed Precision (AMP). L'early stopping è stato attivato se la perdita di validazione non migliorava per 10 round consecutivi.

Risultati Chiave

Convergenza: Il modello globale è convergente dopo 33 round di comunicazione. La Mean Squared Error (MSE) di validazione è diminuita da 0.0702 nel round 1 a un valore finale di 0.0534 sulla scala normalizzata [0, 1].
Metriche di Performance: Il modello finale ha raggiunto un RMSE di 0.2312 e un MAE di 0.1837.
Variazione per Client: Le performance sono variate per gruppo demografico, riflettendo la diversità interna delle preferenze. Il gruppo "Femmina Non Lavoratrice" ha ottenuto l'errore più basso (MSE = 0.0169), mentre il gruppo "Femmina Lavoratrice" ha mostrato quello più alto (MSE = 0.0890). Gli autori osservano che i gruppi con maggiore diversità interna generano naturalmente tassi di errore più elevati.
Distribuzione dell'Errore: Gli errori di predizione erano approssimativamente distribuiti normalmente attorno allo zero, con la maggior parte degli errori compresi entro $\pm0.15$ sulla scala normalizzata (circa $\pm1.35$ punti sulla scala originale 1–10).

Significatività e Rivendicazioni
Il documento presenta un framework per la predizione personalizzata dell'estetica delle UI utilizzando Federated Averaging (FedAvg), un backbone EfficientNet-B0 e una pipeline di normalizzazione delle valutazioni adattiva all'utente. Il sistema distribuisce il processo di apprendimento tra cinque gruppi di client demografici, garantendo che i dati grezzi delle valutazioni degli utenti non lascino mai il dispositivo locale. Gli autori dimostrano che un singolo modello globale può servire efficacemente utenti diversi senza la raccolta centralizzata di dati. La personalizzazione è ottenuta attraverso la pipeline di trasformazione delle valutazioni (centratura della media dell'utente e reiniezione del bias demografico) piuttosto che mantenendo separati i modelli locali.

Tuttavia, gli autori riconoscono esplicitamente un limite rilevante: il modello globale mostra un'inclinazione a predire punteggi concentrati attorno alla media del dataset (circa 0.5–0.6 sulla scala normalizzata 0-to-1). L'attuale sistema si affida esclusivamente alla pipeline di trasformazione delle valutazioni per la personalizzazione e non esegue il fine-tuning specifico per il client o la personalizzazione dell'head locale dopo l'addestramento federato.

Limitazioni
Gli autori riconoscono modestamente un limite: il modello globale tende a predire punteggi concentrati attorno alla media del dataset (circa 0.5–0.6 sulla scala normalizzata 0-to-1). L'implementazione attuale si affida esclusivamente alla pipeline di trasformazione delle valutazioni per la personalizzazione e non esegue il fine-tuning specifico per il client o la personalizzazione dell'head locale dopo l'addestramento federato.

Sintesi Tecnica: Predizione dell'Estetica dei Siti Web tramite Federated Learning

Articoli simili