现如今网络视频的增长已经呈现指数化。大型的视频网站层出不穷,如中国的土豆,优酷；美国的YouTube, Flickr等等。越来越多的人将视频上传到网络上。在这些海量的视频中有的视频很有趣也很美丽。但是有些视频也非常无趣,或者审美价值很小。在这种背景下,研究是否可以用计算的方法去自动预测视频的有趣以及它的美学程度是非常有价值的。如果计算机可以自动的通过分析视频的内容,在给定的大量视频中,自动的识别出其中有趣,美丽的视频,那么这将会有非常多的应用。比如视频推荐系统,视频检索系统等等。论文从以下两个方面展开：1.视频有趣度预测。有趣是一个非常主观的概念。因为它的主观,我们的研究是基于大规模的观众的基础上的有趣。以大多数观众的标准作为我们的标准。我们尝试着用计算机的方法去预测视频的有趣度。为了探索这一主题,我们建立了基准的数据库,以人们的判断作为标准,在我们的数据库中的视频都有自己的有趣程度的标签。我们在这个基准数据集上的,测试多种现有的计算机视觉领域的描述子,试图探索用计算机的方法是否可以预测出有趣的视频。我们的结果证明这项工作的可行性。同时也证明视频的有趣是声音和视觉共同作用的结果。该项工作是对该领域的首次尝试。2.视频美学性预测。我们尝试用计算机的方法去自动预测视频的美学程度。为了探索这个课题,我们使用了标准的分类模型。通过分析影响视频美学程度的因素,如光照,颜色,运动幅度等等。利用现有的计算机视觉的技术去描述这些因素,包括低层次的视觉特征,中层属性特征,以及风格描述子等。除此之外,为了获得人们对于视频美学的判断标准,我们建立了美学数据集。该数据集的特点是我们没有用到任何人工的标注。这个数据集的建立基于一个假设：人们倾向于向专业的视频和图片网站上传他们认为更美的视频。该项工作在日本电视台NHK的美学比赛中取得了非常好的成绩。