基于信息度量的艺术画作自动分析

艺术界日益依赖自动计算分析来进行艺术画作的鉴定与分类。在本文中，我们通过分析复杂度——一种量化对象特征总和的度量——来识别艺术画作中存在的隐藏模式与关系。具体而言，我们将归一化压缩（NC）和块分解方法（BDM）应用于包含 91 位作者的 4,266 幅画作的数据集，并考察这些基于信息的度量作为艺术画作描述符的潜力。两种度量一致地描述了等效类型的画作、作者和艺术运动。此外，将 NC 与画作粗糙度度量结合可创建高效的风格描述符。进一步，通过量化每幅画的局部信息，我们定义了描述有关艺术家风格、艺术影响及共享技法的关键信息的一种指纹。更根本地，该信息描述了每位作者通常如何构图并分布画布上的元素，从而描述其作品如何被感知。最后，我们证明区域复杂度和两点高度差关联函数是有用的辅助特征，可改进当前艺术画作风格与作者分类的方法。整个研究由一个广泛的网站（http://panther.web.ua.pt）支持，用于快速作者特征刻画与鉴定。