CognArtive：面向艺术分析与解码美学元素的大型语言模型
计算与语言
2025-02-10 v1 人工智能
计算机视觉与模式识别
摘要
艺术作为一种通用语言，可以以多种方式进行解释，艺术品蕴含深刻的意义和细微差别。大型语言模型 (LLM) 的出现以及多模态大型语言模型 (MLLM) 的可用性，引出了这些变革性模型如何用于评估和解释艺术品艺术元素的问题。尽管在该领域已有研究，但据我们所知，尚未探索使用 LLM 对艺术品技术和表达特征进行深入细致的理解。本研究调查了将形式化艺术分析框架自动化以快速分析大量艺术品并检视其随时间演变的模式。我们探索了 LLM 如何解码艺术表达、视觉元素、构图和技法，揭示跨时期发展的 emerging 模式。最后，我们讨论了 LLM 在此背景下的优势和局限性，强调其处理大量艺术相关数据并生成洞见性解释的能力。由于结果的详尽和细粒度，我们开发了可在线 https://cognartive.github.io/ 上获取的交互式数据可视化，以增强理解和可及性。
引用
@article{arxiv.2502.04353,
title = {CognArtive: Large Language Models for Automating Art Analysis and Decoding Aesthetic Elements},
author = {Afshin Khadangi and Amir Sartipi and Igor Tchappi and Gilbert Fridgen},
journal= {arXiv preprint arXiv:2502.04353},
year = {2025}
}