在戈雅画作研究中集成视觉与 X 射线机器学习特征
计算机视觉与模式识别
2025-11-04 v1 机器学习
摘要
弗朱内斯科·戈雅作品的艺术鉴定因其呈现出复杂的计算挑战——包括其多样化的风格演变和广泛的历史伪造模式。我们引入一种新型多模态机器学习框架，对戈雅画作的视觉图像和 X 射线放射图像应用相同的特征提取技术。统一的特征提取管线包含 Grey-Level Co-occurrence Matrix 描述符、局部二值模式、熵测度、能量计算和颜色分布分析，这些分析在两种成像模态上一致应用。从视觉和 X 射线图像中提取的特征通过优化的单类支持向量机处理，包括 hyperparameter 调优。使用包含 24 幅经鉴定的戈雅画作及其对应的 X 射线图像的数据集，采用 80/20 训练-测试配置进行 10 折交叉验证，本框架实现了 97.8% 的分类准确率，虚假阳性率为 0.022。"Un Gigante" 的案例分析显示，我们的管线通过统一的多模态特征分析实现了 92.3% 的鉴定置信度。我们的结果表明，单模态方法的性能得到了显著提升，确立了在艺术鉴定应用中对视觉和放射成像图像应用相同计算方法的有效性。
引用
@article{arxiv.2511.01000,
title = {Integrating Visual and X-Ray Machine Learning Features in the Study of Paintings by Goya},
author = {Hassan Ugail and Ismail Lujain Jaleel},
journal= {arXiv preprint arXiv:2511.01000},
year = {2025}
}