一种用于视觉艺术品聚类的深度学习方法
计算机视觉与模式识别
2022-08-18 v2
摘要
对艺术品进行聚类因若干原因而十分困难。一方面，基于领域知识与视觉感知识别有意义模式极为困难。另一方面，将传统聚类与特征降维技术应用于高维像素空间可能效果不佳。为解决这些问题，本文提出 DELIUS：一种用于聚类视觉艺术品的 DEep learning approach to cLustering vIsUal artS（深度学习方法）。该方法使用预训练卷积网络提取特征，随后将这些特征输入深度嵌入聚类模型，其中将输入数据映射到潜空间的任务与该潜空间中一组聚类中心的寻找任务被联合优化。定量与定性实验结果展示了所提方法的有效性。DELIUS 可应用于多项与艺术分析相关的任务，特别是绘画数据集中的视觉链接检索与历史知识发现。
引用
@article{arxiv.2106.06234,
title = {A deep learning approach to clustering visual arts},
author = {Giovanna Castellano and Gennaro Vessio},
journal= {arXiv preprint arXiv:2106.06234},
year = {2022}
}
备注
Published on Int J Comput Vis (2022)