按照藝術(shù)家和風(fēng)格對(duì)繪畫進(jìn)行分類,對(duì)人類還是有些難度的;而在不同的藝術(shù)家和風(fēng)格之間明確相互的聯(lián)系難度則更大。因此,如果讓機(jī)器來(lái)做這項(xiàng)工作肯定是不可能完成的,但真是如此嗎?
在學(xué)術(shù)研究中,有少數(shù)幾個(gè)領(lǐng)域目前還沒(méi)有受到計(jì)算機(jī)科學(xué)和機(jī)器學(xué)習(xí)的影響,其中之一就是藝術(shù)史。即便是最先進(jìn)的算法,要分析作者,繪畫的內(nèi)容和風(fēng)格也幾乎是不可能的。
但是,隨著近幾年機(jī)器學(xué)習(xí)方法的發(fā)展(比如深度卷積神經(jīng)網(wǎng)絡(luò)),這個(gè)問(wèn)題似乎正在有所改變。因?yàn)榫驮谧罱潭處啄陼r(shí)間里,計(jì)算機(jī)科學(xué)家們已經(jīng)開發(fā)出了能夠匹配人類,有時(shí)甚至能超越人類的各種模式識(shí)別任務(wù)算法。
這是哪個(gè)流派的畫?問(wèn)問(wèn)算法吧
Babak Saleh和Ahmed Elgammal來(lái)自新澤西羅格斯大學(xué),他們讓這一技術(shù)變成現(xiàn)實(shí)。這兩個(gè)人使用了最新的機(jī)器學(xué)習(xí)技術(shù),訓(xùn)練算法精確識(shí)別繪畫屬性,包括藝術(shù)家和作品風(fēng)格,這種技術(shù)之前從未被實(shí)現(xiàn)過(guò)。
更重要的是,該技術(shù)可以在整體繪畫風(fēng)格上,識(shí)別藝術(shù)家之間的聯(lián)系,很多藝術(shù)歷史學(xué)家通常需要花很多年時(shí)間才能理解。
Saleh和Elgammal最先創(chuàng)建了一個(gè)圖像數(shù)據(jù)庫(kù),其中包括了跨越15個(gè)世紀(jì),超過(guò)1000名藝術(shù)家的8萬(wàn)多幅繪畫作品。這些繪畫覆蓋了27種不同的風(fēng)格,每種風(fēng)格內(nèi)包括1500多副繪畫實(shí)例。研究人員還對(duì)作品體裁進(jìn)行了分類,包括室內(nèi),城市風(fēng)光,自然風(fēng)景等。
之后,研究人員會(huì)設(shè)置圖像子集,然后利用該子集去訓(xùn)練不同類型的機(jī)器學(xué)習(xí)算法識(shí)別指定的畫作特點(diǎn),其中包括一些普通的、級(jí)別較低的特點(diǎn),比如畫作的總體色彩;之后則會(huì)訓(xùn)練機(jī)器學(xué)習(xí)更高級(jí)別的特點(diǎn),比如畫作中所描繪的物體(像馬、十字架)。最終,機(jī)器學(xué)習(xí)可以用400種不同的維度實(shí)現(xiàn)畫作的矢量描繪。
接下來(lái),研究人員會(huì)讓機(jī)器去識(shí)別一幅它從未見(jiàn)過(guò)的繪畫作品,結(jié)果令人印象深刻,機(jī)器可以準(zhǔn)確識(shí)別出藝術(shù)家,準(zhǔn)確率高達(dá)60%,要知道人工識(shí)別的準(zhǔn)確率也不過(guò)45%。但最重要的是,機(jī)器學(xué)習(xí)方法提供了一種解決方案,可以更加深入的了解藝術(shù)品特點(diǎn),這些是人類難以做到的。

京公網(wǎng)安備11010502056659號(hào)