没有合适的资源?快使用搜索试试~ 我知道了~
首页计算美学:绘画艺术的智能探索与挑战
计算美学:绘画艺术的智能探索与挑战
1.该资源内容由用户上传,如若侵权请联系客服进行举报
2.虚拟产品一经售出概不退款(资源遇到问题,请及时私信上传者)
2.虚拟产品一经售出概不退款(资源遇到问题,请及时私信上传者)
版权申诉
0 下载量 107 浏览量
更新于2024-06-27
收藏 1.34MB DOCX 举报
"《绘画艺术图像的计算美学:研究前沿与展望》是一篇探讨计算机科学与艺术美学交叉领域的深度论文。文章聚焦于计算美学的发展,尤其是如何通过机器学习和人工智能技术来模拟和理解人类对绘画艺术的审美体验。该研究始于19世纪末的实验美学,费希纳的实验心理学为美学研究提供了定量方法,而计算美学的概念则在2005年的欧洲图形学会会议上正式提出。 计算美学的核心目标是让机器能够模仿人类的审美过程,包括对色彩、对比、复杂性的感知,以及基于个人经验和记忆的情感判断。这涉及到多学科的知识融合,如机器学习、心理学、美学等。论文强调了绘画艺术图像的多样性,不同的派系和风格增加了研究的复杂性,但同时也提供了丰富的跨学科研究挑战。 论文构建了一个基于人类审美行为模型的框架,将计算美学在绘画艺术图像中的研究划分为三个关键方面:属性识别(识别图像的基本元素和特征)、内容理解(解读图像的深层含义和结构)和美学评价(对图像美感的主观判断)。这三个步骤反映了主观意识过程中的显示分类、认知和评价,以此为基础,作者给出了一个全面的研究示例图,展示如何通过计算方法来系统地进行艺术图像的审美分析。 这篇文章不仅揭示了计算美学在绘画艺术领域的发展趋势,还为未来的艺术科技交互提供了理论支持,预示着在数字化时代,人工智能将在艺术欣赏和创作中扮演越来越重要的角色。然而,尽管取得了显著的进步,计算美学在理解和模仿人类的感性审美上仍有很长的路要走,这也为研究人员提供了广阔的研究空间。"
资源详情
资源推荐
结构特征可以捕捉画面中物体的边缘结构, 进而提供绘画内容上的语义信息. 为了区
分立体主义和非立体主义的绘画手法, 文献[25]使用 SIFT 特征(Scale-invariant feature
transform)
[26]
进行绘画属性识别. 原始的 SIFT 特征只能在单通道的灰度图像上计算, 缺少对
绘画颜色信息的利用. 经过多通道像素计算的改进和颜色信息的加入, OSIFT 特征
(Opponent SIFT)
[27]
和 CSIFT 特征(Color SIFT)
[28]
在绘画属性识别问题上取得了更好的表现
[29]
.
此外, SURF 特征(Speeded up robust features)
[30]
和 ORB 特征(Oriented FAST and rotated
BRIEF)
[31]
也可以作为绘画的描述特征
[32]
. 局部二值特征(Local binary patterns, LBP)
[33]
最初用
于人脸识别领域, 可以为肖像画和非肖像画提供良好的区分特征. 另外, 局部亮度顺序特征
(Local intensity order pattern, LIOP)
[34]
表征局部像素的亮度顺序关系, 向量梯度直方图
(Histogram of oriented gradients, HOG)
[35]
通过对小块区域中像素梯度方向和强度的直方图统
计, 反映对应位置的主要纹理方向, 也是绘画的结构特征提取方法.
高阶特征反映了绘画的物体语义等高阶信息, 通常由低阶特征组合训练的分类器的输
出概率构成. GIST 特征
[36]
反映了图像中的纹理和形状, 有助于区分绘画的内容和场景信息.
此外, Classeme 特征
[37]
、元类别二值特征(Meta-class binary features, MC-Bit)
[38]
和 PiCoDes 二
值特征
[39]
均由 HOG、SIFT 和局部自相似度算子(SSIM)
[40]
等低阶特征组合训练分类器得到,
对低阶特征进行融合和信息精简, 可以提供与绘画任务相关的更高阶的特征向量. 文献[41]
利用高阶特征的组合设计了通用的绘画属性识别框架.
对于不同类型的手工特征, 研究者进行了绘画属性识别的对比实验, 我们以风格分类
任务为例, 将对比结果汇总在表 1 中. 其中, 文献[24]的任务是国画的工笔和写意风格分类,
文献[42]和文献[43]的任务是西方油画的多风格分类. 虽然各文章使用的数据集存在差异,
但仍然可以看出不同特征间的性能差异和特征性能与任务间的关联性. 边缘特征在文献[24]
的工笔国画和写意国画分类任务中效果较好, 因为边缘特征更能反映工笔国画和写意国画
在手法细腻程度上的差异. SIFT 特征、LBP 特征在文献[42]和文献[43]的西方油画的风格识
别中表现较为突出, 可能因为 SIFT 特征和 LBP 特征捕捉绘画的微观结构信息, 反映了油画
绘画的手法和笔触的细微变化.
表 1 不同手工特征下的绘画属性识别正确率 (%)
Table 1 Painting attribute recognition accuracy for different manual features (%)
文献
任务
数据集
数据/类别
颜色
HOG
LBP
SIFT
LIOP
小波
GLCM
边缘
GIST
[24]
风格
文章自建
700/2
78.57
83.72
−
80.29
−
81.72
−
86.00
−
[42]
风格
Pandora7k
[42]
7740/12
−
36.4
52.5
−
36.2
−
−
28.7
33.7
[43]
风格
WikiArt
[41]
3000/10
36.43
47.97
−
59.20
−
−
35.47
−
39.57
剩余27页未读,继续阅读
罗伯特之技术屋
- 粉丝: 4340
- 资源: 1万+
下载权益
电子书特权
VIP文章
课程特权
开通VIP
上传资源 快速赚钱
- 我的内容管理 展开
- 我的资源 快来上传第一个资源
- 我的收益 登录查看自己的收益
- 我的积分 登录查看自己的积分
- 我的C币 登录后查看C币余额
- 我的收藏
- 我的下载
- 下载帮助
最新资源
- 多模态联合稀疏表示在视频目标跟踪中的应用
- Kubernetes资源管控与Gardener开源软件实践解析
- MPI集群监控与负载平衡策略
- 自动化PHP安全漏洞检测:静态代码分析与数据流方法
- 青苔数据CEO程永:技术生态与阿里云开放创新
- 制造业转型: HyperX引领企业上云策略
- 赵维五分享:航空工业电子采购上云实战与运维策略
- 单片机控制的LED点阵显示屏设计及其实现
- 驻云科技李俊涛:AI驱动的云上服务新趋势与挑战
- 6LoWPAN物联网边界路由器:设计与实现
- 猩便利工程师仲小玉:Terraform云资源管理最佳实践与团队协作
- 类差分度改进的互信息特征选择提升文本分类性能
- VERITAS与阿里云合作的混合云转型与数据保护方案
- 云制造中的生产线仿真模型设计与虚拟化研究
- 汪洋在PostgresChina2018分享:高可用 PostgreSQL 工具与架构设计
- 2018 PostgresChina大会:阿里云时空引擎Ganos在PostgreSQL中的创新应用与多模型存储
资源上传下载、课程学习等过程中有任何疑问或建议,欢迎提出宝贵意见哦~我们会及时处理!
点击此处反馈
安全验证
文档复制为VIP权益,开通VIP直接复制
信息提交成功