4
| 本文作者： 天諾 | 2015-05-14 15:55 |
按照藝術(shù)家和風(fēng)格對繪畫進行分類，對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，如果讓機器來做這項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)幾個領(lǐng)域目前還沒有受到計算機科學(xué)和機器學(xué)習(xí)的影響，其中之一就是藝術(shù)史。即便是最先進的算法，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)），這個問題似乎正在有所改變。因為就在最近短短幾年時間里，計算機科學(xué)家們已經(jīng)開發(fā)出了能夠匹配人類，有時甚至能超越人類的各種模式識別任務(wù)算法。
Babak Saleh和Ahmed Elgammal來自新澤西羅格斯大學(xué)，他們讓這一技術(shù)變成現(xiàn)實。這兩個人使用了最新的機器學(xué)習(xí)技術(shù)，訓(xùn)練算法精確識別繪畫屬性，包括藝術(shù)家和作品風(fēng)格，這種技術(shù)之前從未被實現(xiàn)過。
更重要的是，該技術(shù)可以在整體繪畫風(fēng)格上，識別藝術(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間才能理解。
Saleh和Elgammal最先創(chuàng)建了一個圖像數(shù)據(jù)庫，其中包括了跨越15個世紀(jì)，超過1000名藝術(shù)家的8萬多幅繪畫作品。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多副繪畫實例。研究人員還對作品體裁進行了分類，包括室內(nèi)，城市風(fēng)光，自然風(fēng)景等。
之后，研究人員會設(shè)置圖像子集，然后利用該子集去訓(xùn)練不同類型的機器學(xué)習(xí)算法識別指定的畫作特點，其中包括一些普通的、級別較低的特點，比如畫作的總體色彩；之后則會訓(xùn)練機器學(xué)習(xí)更高級別的特點，比如畫作中所描繪的物體（像馬、十字架）。最終，機器學(xué)習(xí)可以用400種不同的維度實現(xiàn)畫作的矢量描繪。
接下來，研究人員會讓機器去識別一幅它從未見過的繪畫作品，結(jié)果令人印象深刻，機器可以準(zhǔn)確識別出藝術(shù)家，準(zhǔn)確率高達60%，要知道人工識別的準(zhǔn)確率也不過45%。但最重要的是，機器學(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，這些是人類難以做到的。
但是在進行繪畫作品分類工作上，機器學(xué)習(xí)暫時還無法做到最好。
舉個例子，Saleh和Elgammal的機器學(xué)習(xí)算法很難區(qū)分卡米爾·畢沙羅和克勞德·莫奈的繪畫作品。但是藝術(shù)家們只需要做一點小小的研究就能明確區(qū)分，十九世紀(jì)末二十世紀(jì)初兩人在法國非常活躍，并且都在巴黎Académie Suisse藝術(shù)學(xué)院進修，利用這些背景，專家會知道畢沙羅和莫奈是一對好基友，彼此也會分享自己對藝術(shù)的經(jīng)驗。所以，如果他們兩人的藝術(shù)作品有幾分相似，也就不足為奇了。
還有一個例子，機器學(xué)習(xí)也無法很好地區(qū)分莫奈和美國印象派畫家蔡爾德·哈薩姆，后者深受法國印象派畫家和莫奈的印象。類似這種關(guān)聯(lián)，就需要人為來進行判斷了。
除了上述幾個缺陷之外，機器算法還能尋找藝術(shù)風(fēng)格之間的聯(lián)系。舉個例子，它常常會混淆抽象表現(xiàn)注意和行動派繪畫，因為藝術(shù)家是通過在畫布上點滴或甩畫漆來完成作品的。Saleh和Elgammal表示，如果是一位人類觀察者，應(yīng)該能夠理解這種混淆。他們說道，“行動派繪畫其實可以看做是抽象表現(xiàn)主義的一種子類型。”
機器算法還可以在類似的繪畫作品中“找不同”。比如表現(xiàn)主義畫派和野獸畫派，后者通常會被認為是表現(xiàn)主義畫派的一種形式。此外，機器算法還可以將人文主義和文藝復(fù)興時期的藝術(shù)風(fēng)格聯(lián)系起來，這種聯(lián)系清晰的反映出一個事實，那就是道德觀念曾經(jīng)融入在早期文藝復(fù)興時期的繪畫作品里面。
其他直接的聯(lián)系包括，文藝復(fù)興和早期文藝復(fù)興時期的繪畫，印象派和后印象派的繪畫，立體派和后期綜合立體主義的繪畫。
這些聯(lián)系如果要讓藝術(shù)歷史學(xué)家來分析的話，可能需要幾十年，甚至幾百年，但是如果通過機器學(xué)習(xí)方法，只需幾個月時間。這對于研究藝術(shù)史來說有著非常重要的意義，全新機器學(xué)習(xí)算法有一個應(yīng)用，就是可以挑選出具有類似特點的繪畫作品（見上圖）。這將是一個非常強大的工具，因為歷史學(xué)家可能永遠都不會知道不同藝術(shù)家之間存在的聯(lián)系，以及不同藝術(shù)家之間在作品上是如何相互影響的，而借助機器學(xué)習(xí)則能探索更多。
機器學(xué)習(xí)算法提供了一種全新的藝術(shù)探索形式，說不定會為藝術(shù)界帶來意想不到的效果！
VIA technologyreview
雷峰網(wǎng)原創(chuàng)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見轉(zhuǎn)載須知。
