来自绘画中材料描绘大规模数据库的洞察
计算机视觉与模式识别
2020-11-25 v1
摘要
深度学习为强大的识别系统铺平了道路，这些系统通常在自然图像上训练并应用于自然图像。在本文中，我们考察了此类视觉识别系统与美术中丰富信息之间的互利关系。首先，我们发现为自然图像设计的视觉识别系统在绘画上出奇地有效。特别地，我们发现交互式分割工具可用于干净地标注绘画中的多边形片段，这是一项手工操作耗时费力的任务。我们还发现，为自然场景中的物体识别而设计的模型 FasterRCNN 可快速改用于绘画中材料的检测。其次，我们表明从绘画中学习有益于旨在用于自然图像的神经网络。我们发现，在绘画而非自然图像上训练可以提升所学特征的质量，并进一步发现大量绘画可作为评估域适应算法的宝贵测试数据来源。我们的实验基于一个新颖的大规模绘画材料描绘标注数据库，我们在另一份手稿中详述了该数据库。
引用
@article{arxiv.2011.12276,
title = {Insights From A Large-Scale Database of Material Depictions In Paintings},
author = {Hubert Lin and Mitchell Van Zuijlen and Maarten W. A. Wijntjes and Sylvia C. Pont and Kavita Bala},
journal= {arXiv preprint arXiv:2011.12276},
year = {2020}
}
备注
International Workshop on Fine Art Pattern Extraction and Recognition, ICPR 2020