探索尺度对艺术家归属的影响
计算机视觉与模式识别
2015-06-22 v1
摘要
先前的研究表明，可以通过分析数字图像的计算方法识别艺术品的作者。然而，数字化的艺术品常以粗糙尺度被研究，丢弃了许多可能定义艺术家风格的重要细节。近年来，高分辨率艺术品图像变得可用，结合增强的处理能力和新计算技术，使得我们能在极精细尺度上分析艺术品数字图像。本工作中，我们训练并评估了一个卷积神经网络（CNN）用于艺术家归属任务，使用不同分辨率的艺术品图像。为此，我们结合两种现有方法以使高分辨率图像应用于 CNN。通过比较不同尺度下获得的归属性能，我们发现大多数情况下更精细尺度有利于归属性能，而对少数艺术家而言，较粗糙尺度似乎更优。我们得出结论，艺术家归属将受益于多尺度 CNN 方法，这极大拓展了计算艺术取证的可能性。
引用
@article{arxiv.1506.05929,
title = {Exploring the influence of scale on artist attribution},
author = {Nanne van Noord and Eric Postma},
journal= {arXiv preprint arXiv:1506.05929},
year = {2015}
}