将上下文知识融入视觉特征以用于美术作品分类
计算机视觉与模式识别
2021-09-30 v2
摘要
自动艺术分析日益受到模式识别与计算机视觉界的关注。然而，当前多数工作主要仅基于数字化的艺术品图像，有时辅以若干元数据与文本评论。一个将艺术品、艺术家、画派等丰富信息集成于统一结构化框架的知识图谱，可为艺术领域更强大的信息检索与知识发现工具提供宝贵资源。为此，本文提出 ArtGraph：一个基于 WikiArt 与 DBpedia 的艺术知识图谱。该图以 Neo4j 实现，已可在无需训练学习系统的情况下提供知识发现能力。此外，从图中提取的嵌入被用于向深度学习模型注入“上下文”知识，以提升艺术品属性预测任务的准确率。
引用
@article{arxiv.2105.15028,
title = {Integrating Contextual Knowledge to Visual Features for Fine Art Classification},
author = {Giovanna Castellano and Giovanni Sansaro and Gennaro Vessio},
journal= {arXiv preprint arXiv:2105.15028},
year = {2021}
}
备注
Typos corrected. Added classification experiment. Accepted at DL4KG2021