利用自监督特征进行艺术品分类
计算机视觉与模式识别
2026-05-20 v1 人工智能
多媒体
摘要
对艺术品进行分类由于细粒度细节与抽象特征的复杂相互作用，给风格或类型带来条件限制， presents a significant 挑战。本文系统性地探讨了监督式和自监督式 backbone 作为特征提取器在艺术品分类与检索中的有效性，特别关注绘画作品。我们使用 DINO 系列和 CLIP 模型进行了广泛的实验评估，评估了多种分类策略和特征表示。我们的结果表明，使用自监督式 backbone 能在艺术品分类性能上实现持续的改进。此外，我们的工作为在现实世界应用中（如支持博物馆导航的虚拟现实 (VR) 应用）的分类与检索模块的适用性提供了见解。
引用
@article{arxiv.2605.18974,
title = {Harnessing Self-Supervised Features for Art Classification},
author = {Federico Melis and Davide Bilardello and Emanuele Prato and Evelyn Turri and Lorenzo Baraldi},
journal= {arXiv preprint arXiv:2605.18974},
year = {2026}
}
备注
IRCDL 2026