基于视觉变换器的艺术品鉴定
计算机视觉与模式识别
2023-07-11 v2 人工智能
摘要
近年来，最初为语言开发的Transformers已成功应用于视觉任务。Vision Transformers已被证明在包括图像分类、目标检测和语义分割在内的广泛任务中推进了最先进水平。尽管大量研究已展示使用卷积神经网络在艺术归属与艺术品鉴定任务中的 promising 结果，本文考察Vision Transformers的优越性是否延伸至艺术品鉴定，从而提升基于计算机的艺术品鉴定的可靠性。使用精心编制的文森特·梵高真迹数据集与两个对比数据集，我们将Swin Transformers与EfficientNet的艺术品鉴定性能进行比较。使用包含仿作与近似作（风格与梵高密切相关的画家之作）的标准对比集，我们发现EfficientNet总体取得最佳性能。在使用仅由仿作组成的对比集时，我们发现Swin Transformer以超过85%的鉴定准确率优于EfficientNet。这些结果使我们得出结论：Vision Transformers是艺术品鉴定中一个强劲且有前景的竞争者，特别是在增强基于计算机检测艺术仿作的能力方面。
引用
@article{arxiv.2307.03039,
title = {Art Authentication with Vision Transformers},
author = {Ludovica Schaerf and Carina Popovici and Eric Postma},
journal= {arXiv preprint arXiv:2307.03039},
year = {2023}
}
备注
Accepted for publication in Neural Computing and Applications