辨识画家之手：基于表面形貌的机器学习
计算机视觉与模式识别
2021-06-15 v1 机器学习
摘要
绘画作品的归属问题是艺术史中的关键问题。本研究将机器学习分析拓展至绘画作品的表面形貌。我们设计了一项关于确定性归属的受控研究，使用由某艺术班学生创作的画作。这些画作通过共聚焦光学轮廓仪扫描以生成表面数据。表面数据被划分为虚拟图块，并用于训练一个卷积神经网络（CNN）集成模型以进行归属判断。在 0.5 至 60 mm 的图块尺寸范围内，所得归属准确率为 60% 至 96%；且在比较不同颜色区域时，其准确率几乎是使用画作彩色图像的 CNN 的两倍。值得注意的是，短至两倍刷毛直径的长度尺度是可靠区分不同艺术家的关键。这些结果展示了该方法在真实世界归属判断中的前景，尤其是在作坊创作的情形下。
引用
@article{arxiv.2106.07134,
title = {Discerning the painter's hand: machine learning on surface topography},
author = {F. Ji and M. S. McMaster and S. Schwab and G. Singh and L. N. Smith and S. Adhikari and M. O'Dwyer and F. Sayed and A. Ingrisano and D. Yoder and E. S. Bolman and I. T. Martin and M. Hinczewski and K. D. Singer},
journal= {arXiv preprint arXiv:2106.07134},
year = {2021}
}
备注
main text: 24 pages, 6 figures; SI: 6 pages, 4 figures