利用空间一致特征学习在艺术藏品中发现视觉图案
计算机视觉与模式识别
2019-03-11 v2
摘要
本文的目标是大规模艺术品集合中近重复图案的发现。由于艺术媒介（油画、粉彩、素描等）的差异以及复制过程中固有的瑕疵，这比标准实例挖掘更困难。关键技术见解是通过使用自监督学习在特定艺术集合上微调标准深度特征，使其适应此任务。更具体地，相邻特征匹配之间的空间一致性被用作监督微调信号。该自适应特征带来了更精确的风格不变匹配，并可与基于几何验证的标准发现方法一起使用，以识别数据集中的重复图案。该方法在多个不同数据集上进行了评估，并展示出令人惊讶的良好定性发现结果。为定量评估该方法，我们在归属于Jan Brueghel及其工坊的1587件艺术品的数据集中标注了273个近重复细节。除艺术品外，我们还展示了在Oxford5K照片数据集上的定位改进，以及在Large Time Lags Location (LTLL)数据集上的历史照片定位改进。
引用
@article{arxiv.1903.02678,
title = {Discovering Visual Patterns in Art Collections with Spatially-consistent Feature Learning},
author = {Xi Shen and Alexei A. Efros and Mathieu Aubry},
journal= {arXiv preprint arXiv:1903.02678},
year = {2019}
}