通过合成绘画增强作者署署属性归属
计算机视觉与模式识别
2026-03-05 v1 机器学习
摘要
作者署属性归属是一项历史上复杂的任务，其主要挑战之一是训练计算模型时缺乏真实艺术作品。本研究探讨了通过 DreamBooth 对稳定扩散进行微调生成合成图像，是否可以提高该上下文中分类模型的性能。我们提出了一种混合方法，结合真实与合成数据以增强模型在相似艺术风格上的准确性和泛化能力。实验结果表明，添加合成图像后，ROC-AUC 和准确率均高于仅使用真实绘画。通过集成生成式和判别式方法，本工作为在数据稀缺场景下开发作品身份验证的计算机视觉技术作出了贡献。
引用
@article{arxiv.2603.04343,
title = {Enhancing Authorship Attribution with Synthetic Paintings},
author = {Clarissa Loures and Caio Hosken and Luan Oliveira and Gianlucca Zuin and Adriano Veloso},
journal= {arXiv preprint arXiv:2603.04343},
year = {2026}
}
备注
Accepted for publication at the 24th IEEE International Conference on Machine Learning and Applications (ICMLA 2025)