机器：新一代艺术鉴赏家
人工智能
2019-12-04 v2 计算机视觉与模式识别
摘要
识别和理解艺术风格以发现艺术影响的过程对于艺术史研究至关重要。传统上，训练有素的专家会审视作品的精细细节，并将其与其他已知作品进行比较。为了实现该任务的自动化与规模化，我们使用多种最先进的CNN架构来探索机器如何帮助感知和量化艺术风格。本研究探讨：(1) 机器对艺术风格的分类准确度如何？(2) 不同风格与艺术家之间可能存在怎样的潜在关系？为帮助回答第一个问题，我们使用Inception V3的最佳性能模型实现了88.35%的9类分类准确率，比Elgammal等人研究中的模型高出20多个百分点。使用Grad-CAM热力图的可视化证实，模型正确地聚焦于画作的特征部位。为帮助解决第二个问题，我们通过从最佳性能分类模型中提取512维特征，对风格与艺术家之间的影响进行网络分析。通过2D和3D T-SNE可视化，我们观察到艺术风格之间清晰的发展时间模式和分离现象。该网络分析似乎也展现出从艺术史视角预期的艺术家层面关联。该技术似乎有助于识别一些先前未知的联系，可为艺术史学家进一步探索提供新的方向启示。我们希望人与机器协同工作能为该领域带来新机遇。
引用
@article{arxiv.1911.10091,
title = {Machine: The New Art Connoisseur},
author = {Yucheng Zhu and Yanrong Ji and Yueying Zhang and Linxin Xu and Aven Le Zhou and Ellick Chan},
journal= {arXiv preprint arXiv:1911.10091},
year = {2019}
}