AI 是否如同艺术史学家一样看待艺术品？解读视觉语言模型识别艺术风格的机制
计算机视觉与模式识别
2026-05-20 v3 人工智能
摘要
视觉语言模型（VLM）在计算机视觉任务中日益成熟，例如视觉问答和目标检测。包括在艺术领域的能力日益突出，从分析艺术品到生成艺术。在计算机科学家和艺术史学家之间的跨学科合作中，我们刻画了 VLM 预测艺术风格能力背后的机制，并评估了它们与艺术史学家用于推理艺术风格的标准的一致性。我们采用潜在空间分解方法来识别驱动艺术风格预测的概念，并进行定量评估、因果分析和艺术史学家评估。我们的发现表明，73% 的提取概念被艺术史学家判定为具有连贯且在语义上有意义的视觉特征，90% 的用于预测给定艺术品风格的概念被艺术史学家判定为相关。对于被用于成功预测风格但被判定为无关概念的情形，艺术史学家指出了其成功的可能原因；例如，模型可能以更形式化的方式“理解”某个概念，例如深浅对比。
引用
@article{arxiv.2603.11024,
title = {Does AI See like Art Historians? Interpreting How Vision Language Models Recognize Artistic Style},
author = {Marvin Limpijankit and Milad Alshomary and Yassin Oulad Daoud and Amith Ananthram and Tim Trombley and Emily L. Spratt and Anna Filonenko and Hannah Pivo and Elias Stengel-Eskin and Mohit Bansal and Noam M. Elcott and Kathleen McKeown},
journal= {arXiv preprint arXiv:2603.11024},
year = {2026}
}
备注
20 pages, 18 figures