AI新技能:艺术作品的分类与质量

2021-04-03 14:10:12 来源:网络

艺术作品的分类和分析一直以困难著称,只有极少数专业人士有发言权,人工智能在这一领域的应用长期以来更是空白。但最近,一些研究小组试图将机器学习与大型艺术数据库结合起来,以有意义的方式对作品进行分类和描述。

首先,杭州浙江工业大学的研究人员对各种神经网络进行了比较,希望了解它们在艺术品分类中的表现。他们利用维基艺术和其他数字收藏的图像进行神经网络训练,帮助模型理解与特定艺术流派对应的绘画的共性。在此基础上,他们进一步尝试使用不同的神经网络模型来识别其他绘画的艺术风格。

很明显,这件作品很难,甚至对人类来说也是如此。在绘画方法上,有些绘画具有很强的风格和体裁特征,比较容易辨认。对于神经网络来说,找出属于立体派的作品并不是一个问题;真正的问题是有些流派非常相似,甚至绘画过程中的表现点也非常一致,这使得程序很难做出准确的判断。

文森特·梵高的星空,出现在德国柏林的一个展览上。在这项研究中,人工智能也被用来对艺术学校进行分类。

此外,艺术分类神经网络还面临许多根本不影响人类的小细节,例如,区分城市景观和自然景观的差异。人类可以不加考虑地指出建筑与自然景观之间的差异;但在计算机看来,两者似乎都代表着典型的户外元素,定义了户外的关键特征--云和天空,并不能帮助模型真正理解图片的内容。

对人类艺术爱好者来说,知道一件艺术品属于哪一所学校或类别是一种相对直接和客观的判断。与神经网络类似,我们可以观察大量的艺术作品,并寻找同一流派的共同作品模式。但计算机要比人类走得更远是很难的:形成一个独立的艺术观,并分享他们观看时的感受。但它是更难,还是不可能?

人工智能的基础来自训练数据。因此,为了教人工智能形成关于艺术风格的观点和情感陈述,我们还需要投入大量人力来建立对不同艺术作品的描述。斯坦福大学、巴黎理工学院和阿卡杜拉国王科技大学的研究人员决定尝试创建包含400000多个情感属性的Artemis数据集,并对维基艺术的8万多幅绘画进行整理描述。

为了创建Artemis数据集,团队要求志愿者们分享他们对艺术的直觉感受和语言评论。可以想象,人们对同一幅作品的感觉往往非常不同。在我看来,你眼中平静而安静的领域画面可能令人沮丧和沮丧。事实上,这种对同一幅画的积极和消极情绪非常普遍,占Artemis数据库中所有绘画的61%。

让我们来看看艾的表演。在接受了Artemis数据集的培训后,每个人工智能系统都开始尝试为一件给定的艺术品生成标题。其中一些结果很有说服力,当然还有很多是完全错误的。例如,艾对伦布兰的画的描述约翰·施洗被斩首包括女性看上去很开心和中间的男人看起来很悲惨。再加上画面中的场景,这显然是胡说八道。

人工智能算法根据从屏幕上识别出来的人类情感生成图像描述。该算法在描述伦布兰的约翰受洗被斩首时,提到女人看起来很开心和中间的男人看起来很悲惨。

但好消息是,大约一半的电脑生成的描述都通过了图灵测试,这意味着人工智能确实能够学会生成令人信服的原创艺术描述。然而,目前的情况远非完美,毕竟很难准确判断这幅画是自然风景还是城市景观。

必须承认,许多艺术品自然很难分类,人们对绘画也有很强的主观看法,这使得人工智能更难理解我们的分类和描述。但最新的研究表明,计算机在处理某些任务方面取得了进展。或许与人类一起对艺术品进行分类和描述的能力仍然是无与伦比的,但人工智能程序已经走上了追赶的一步!

上一篇:印度尼西亚海啸后曝光的卫星照片!火山的左侧消失,同心圆的波浪不断喷入大
下一篇:最后一页