没有合适的资源?快使用搜索试试~ 我知道了~
绘画艺术图像的计算美学 研究前沿与展望.docx
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 112 浏览量
2023-02-23
16:51:01
上传
评论
收藏 1.34MB DOCX 举报
温馨提示
试读
28页
绘画艺术图像的计算美学 研究前沿与展望.docx
资源推荐
资源详情
资源评论
美学是以艺术(特别是绘画艺术)为主要的研究对象, 研究美与丑的审美范畴、人的审
美活动的学科
[1]
. 虽然美学与人类感性紧密相关, 但是心理学、神经学等科学方法在美学研
究中同样得到了广泛应用. 1876 年, 德国美学家费希纳将实验心理学引入到美学研究中, 用
定量方法解释视觉刺激, 用客观测量代替主观推理, 创立了实验美学(Experimental
aesthetics)
[2]
. 受实验美学的启发, 近年来机器学习也在美学研究中不断探索. 2005 年, 计算
美学(Computational aesthetics)
[3]
在欧洲图形学会(Eurographics, EG)的第一届图形、视觉和图
像的计算美学会议(1st Eurographics Workshop on Computational Aesthetics in Graphics,
Visualization and Imaging, CAe 2005)上被提出, 其主要含义是利用机器模仿人类的审美过程,
自主地感知和认知“美”, 并做出美感和情感等美学方面的评价. 从实验美学到计算美学, 美
学研究从利用科学方法解释人类审美现象发展为利用机器模仿人类审美过程.
绘画艺术是人类艺术创作的重要组成部分, 是美学在视觉艺术中的主要研究对象. 绘
画艺术的计算美学研究具有重要的艺术应用价值和科学价值, 一方面有助于大规模绘画艺
术图像的自动化分析, 为艺术欣赏提供辅助信息; 另一方面在机器模仿人类感性行为上做出
新探索. 然而, 绘画艺术具有多样的派系和风格以及复杂的表现手法, 其计算美学研究更是
涉及机器学习、美学和心理学等交叉学科知识, 充满巨大的挑战.
绘画艺术图像的计算美学目的在于模拟人类的审美行为. 曾任国际实验美学协会主席
的 Leder 将人类的审美行为建模为多层次的信息处理模型, 包含潜意识和主观意识两方面
过程
[4]
. 潜意识过程包含对颜色、对比度、复杂性等底层信息的感知, 以及对个人经历和记
忆的整合, 缺乏显式的信息输出, 难以被量化建模. 而主观意识过程包含显示分类、认知和
评价三部分, 具有可被量化的中间结果或审美输出, 可以作为绘画图像计算美学的梳理参
考.
为了完整地梳理绘画艺术图像的计算美学研究, 本文参照人类审美模型的主观意识中
的显示分类、认知和评价三个过程, 首次将绘画艺术图像的计算美学分为属性识别、内容
理解和美学评价三方面研究内容, 图 1 展示了其对应关系及绘画图像计算美学的研究示例.
图 1 本文对绘画艺术图像计算美学研究的梳理框架及其研究示例
1
Fig. 1 Framework and examples for computational aesthetics of fine art paintings
下载: 全尺寸图片 幻灯片
具体而言, 人类的显式分类是对绘画的初步信息处理, 比如绘画来源和创作背景等信
息, 对于计算美学而言这一过程可具体化为属性识别问题, 包括对题材、风格、作者、年代
等信息的识别; 人类的认知过程是对绘画的语义和含义的理解, 本文将其和绘画中物体识别
与检测及绘画内容描述两个科学问题对应, 构成绘画计算美学的内容理解; 人类的评价过程
包含对绘画图像的审美评价和情绪感受, 相应地, 绘画图像的计算美学评价包含美感评价和
情感评价两方面问题.
经过关键词检索、引文检索和文献筛选, 本文收集得到近 20 年的绘画艺术图像的计算
美学研究共 185 篇文献, 图 2 (a)展示了文献数量随年份的分布, 可以看出该领域文献数目呈
现上升趋势.
图 2 绘画艺术图像计算美学的文献数量趋势及作者合著网络
Fig. 2 Trend of literature quantity and author collaboration network for computational aesthetics
of fine art paintings
下载: 全尺寸图片 幻灯片
为了解该领域内作者合作关系和研究规模, 本文使用社交网络分析(Social network
analysis, SNA)
[5]
方法, 对所搜集文献的作者合著网络进行分析. 图 2 (b)展示了利用 Gephi 网
络分析软件
[6]
得到的作者合著网络可视化结果, 其中网络的节点表示作者, 网络的边表示作
者间的合作关系, 节点的大小和边的宽度分别表示作者的发文数量及作者间的合作次数. 经
统计, 此作者合著网络包含 480 个节点、829 条边、125 个连通性子网, 平均度为 3.45. 从
网络的统计数据和可视化效果可以看出, 诸多研究团队进行了相关研究探索, 各个团队子网
相对独立, 合作关系较为分散, 这与该领域处于新兴阶段及其多学科特点有关. 图 2 (c)展示
了利用 Gephi 软件对合著网络中规模显著的子网可视化的结果, 作者 Ahmed 所在的团队研
究成果相对突出, 包含 7 篇绘画属性识别和美学评价的相关文章. 根据以上作者合著网络的
分析, 可以看出该领域研究团队分散, 但初具规模.
近年来, 国内外学者在绘画艺术图像的计算美学相关问题上进行了梳理. 国内方面, 文
献[7]讨论了自然图像计算美学研究的特征提取、图像构图、图像复杂度等问题; 文献[8]总
结了绘画图像的实验美学和计算美学的研究方法和评价指标, 然而只讨论了绘画图像的属
性分类问题. 国外方面, 文献[9]总结了机器学习在绘画属性识别、赝品鉴别和艺术历史等
问题上的研究方法; 文献[10]从物理学和数学的角度, 总结了烹饪艺术、绘画艺术、音乐艺
术的美感量化评估问题. 以上综述文章只讨论了自然图像或绘画图像的属性识别和美感评
估等特定问题, 基于绘画艺术图像的计算美学领域的交叉学科特点, 本文首次从人类的审美
过程出发, 完整地梳理了与之对应的属性识别、内容理解和美学评价的计算美学问题, 并探
讨它们之间的联系. 文章对其中的问题建模、数据获取、前沿方法等关键科学问题进行了
归纳总结, 并对该领域的未来发展做出展望.
第 1 节总结了绘画艺术图像的属性识别, 基于其特征提取方式, 从手工特征和自动特
征两方面进行总结; 第 2 节总结了绘画艺术图像的内容理解, 基于其任务类型, 从物体识别
与检测、内容描述两方面进行梳理; 第 3 节总结了绘画艺术图像的美学评价, 包含美感评价
和情感评价两方面问题; 第 4 节对绘画计算美学三方面研究内容进行了对比、思考和展望;
第 5 节总结全文.
1. 绘画属性识别
绘画属性识别是绘画计算美学的基本研究内容, 为内容理解和美学评价提供了绘画的
基本信息. 绘画属性识别即是由绘画图像判断绘画属性,包括题材、风格、作者和年代等信
息, 图 3(a)展示了相应的研究示例.
图 3 绘画属性识别任务的研究示例和研究方法
Fig. 3 Research examples and methods for attribute recognition of fine art paintings
下载: 全尺寸图片 幻灯片
绘画属性识别可以建模为模式分类问题, 针对绘画艺术的图像数据 xx 与绘画属性 yy
满足的高维联合分布 P(x,y)P(x,y), 属性识别即是构建决策函数 f(x)f(x)估计其后验概率
P(y|x)P(y|x), 其核心在于绘画图像特征的提取. 按照特征提取方式的不同, 绘画艺术图像的
属性识别可以分为基于手工特征和基于自动特征两种方法.
基于手工特征的方法采用手工特征 h(⋅)h(⋅)和分类器 m(⋅)m(⋅)构建决策函数:
f(x)=m(h(x)),h(⋅)∈Hf(x)=m(h(x)),h(⋅)∈H
(1)
其中 HH 是颜色、纹理、结构和高阶语义等特征形成的手工特征集合. 基于手工特征
的方法经过手工特征的设计、对比和筛选得到最优的决策函数.
基于自动特征的方法通过训练自动的特征提取函数 r(⋅)r(⋅)和分类器 m(⋅)m(⋅)构建决
策函数:
f(x)=m(r(x))f(x)=m(r(x))
(2)
基于自动特征的方法一般将特征提取和分类联合训练, 特征提取函数 r(⋅)r(⋅)由机器学
习得到, 典型方法如端到端训练的深度学习方法, 其关键的技术可以归纳为数据增强、模型
结构设计、训练过程设计和模型性能提升方法. 图 3(b)展示了两种绘画艺术图像属性识别方
法的关键技术.
1.1 基于手工特征的绘画属性识别
基于手工特征的绘画图像属性识别由特征提取和分类器判别两阶段组成, 图 4 展示了
其中常用的绘画图像手工特征, 包括颜色特征、纹理特征、结构特征和高阶特征.
图 4 基于手工特征的绘画属性识别方法的常用特征
Fig. 4 Common features for manual features based painting attribute recognition method
下载: 全尺寸图片 幻灯片
颜色是绘画中最直观的表现因素, 艺术家常用色调、冷暖、对比、明暗等颜色的控制
方法来表达情感, 传递意义. 此外, 不同的绘画作品和艺术家具有不同的颜色偏好, 这提供
了绘画属性识别的区分信息. 文献[11]使用颜色矩特征(Color moment)
[12]
提取绘画的颜色、
色调和色彩范围等信息, 对国画进行山水、花鸟和人物的题材识别以及作者识别. 文献[13]
利用颜色直方图特征(Color histogram)来提取绘画的用色组成信息. 除颜色直方图特征外,
颜色结构描述子特征(Color structure descriptor, CSD)
[14]
加入位置信息, 描述颜色的空间分布,
弥补了颜色直方图的缺点; 判别性颜色名称特征(Discriminative color names, DCN)
[15]
从信息
检索的角度表示了绘画的主要颜色. 文献[16]利用多种颜色特征对巴洛克风格、印象派风格
和后印象派风格的绘画进行分类, 取得了 80 %以上的正确率.
纹理特征反映了不同的绘画手法, 比如工笔国画相对于写意国画的更精细的纹理. 文
献[17]利用灰度共生矩阵(Gray-level co-occurrence matrix, GLCM)
[18]
来提取绘画艺术图像亮
度的局部模式和排列规则. 与灰度共生矩阵相似, Gram 矩阵
[19]
在风格迁移研究中用来表征
图像风格, 并取得了良好的效果, 是表征绘画手法和笔触风格的良好特征
[20]
. 此外, 频域分
解也被用来提取绘画的纹理特征. 小波变换(Wavelets transform)利用多尺度的滤波器将图像
在频域分解得到其丰富的频域特征, 包括低频信息描述的绘画整体形态, 高频信息描述的绘
画纹理和手法. 研究者利用 Haar 小波来提取国画作者间不同的笔法特征
[21]
, 利用 Garbor 小
波变换来提取国画的皴法
[22]
和笔刷特征
[23]
, 利用离散余弦变换(Discrete cosine transform,
DCT)和边缘特征来鉴别工笔画和写意画
[24]
.
剩余27页未读,继续阅读
资源评论
罗伯特之技术屋
- 粉丝: 3701
- 资源: 1万+
下载权益
C知道特权
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
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