WP-CLIP：利用 CLIP 预测视觉艺术中的沃尔弗利原则
计算机视觉与模式识别
2025-08-19 v1
摘要
沃尔弗利的五大原则提供了一种结构化的方法，用于分析风格变异以进行形式分析。然而，没有现有的度量标准能够有效预测视觉艺术中的所有五大原则。计算评估绘画的视觉方面需要一种能够解释关键元素（如颜色、构图和主题选择）的度量标准。最近在视觉-语言模型（VLM）方面的进展表明，它们能够评估抽象图像属性，因而成为这一任务的有前景的候选者。在本工作中，我们研究了CLIP（预训练于大规模数据）是否能够理解和预测沃尔弗利的原则。我们的发现表明，CLIP并不天然地捕捉此类细致的风格元素。为此，我们在标注了的真实艺术图像数据集上对CLIP进行微调，以预测每个原则的得分。我们在GAN生成的绘画和 Pandora-18K 艺术数据集上评估了我们的模型WP-CLIP，证明其能够在多样化的艺术风格中泛化。我们的结果凸显了VLM对于自动化艺术分析的潜力。
引用
@article{arxiv.2508.12668,
title = {WP-CLIP: Leveraging CLIP to Predict W\"olfflin's Principles in Visual Art},
author = {Abhijay Ghildyal and Li-Yun Wang and Feng Liu},
journal= {arXiv preprint arXiv:2508.12668},
year = {2025}
}
备注
ICCV 2025 AI4VA workshop (oral), Code: https://github.com/abhijay9/wpclip