Maskinlæring muliggør fysikinspirerede målinger til analyse af kunst

Et internationalt forskningssamarbejde rapporterer, at en systematiseret AI -analyse af kunstværker produceret i løbet af det sidste årtusinde giver afslørende oplysninger om historiske evolutionære kunstneriske tendenser. Derudover resultaterne kortlægger godt til kanoniske begreber om stilarter og perioder i kunsthistorien.

Kunstanalyse er normalt sammenlignende, og er historisk blevet udført af individuelle forskere, hvilket sætter begrænsninger på omfanget af undersøgelser. Det er upraktisk for en enkelt forsker at sammenligne mere end en håndfuld malerier ad gangen. Imidlertid, i de seneste årtier, en stor mængde historisk kunst er blevet digitaliseret og gjort frit tilgængeligt, muliggøre kvantitative tilgange til kunstanalyse, der tidligere var umulige hvis ikke umuligt.

I deres nye undersøgelse, udgivet af Procedurer fra National Academy of Sciences , forskerne analyserede et datasæt på 137, 364 billedkunststykker, mest malerier, hostet af online encyklopædi WikiArt. Siden indeholder kunstværker af over 2, 000 kunstnere i over 100 stilarter.

Hver fil blev konverteret til en matrixrepræsentation. Ved at anvende maskinlæringsalgoritmer, forskerne analyserede forholdet mellem tilstødende pixels, og beregnet to målinger af kompleksitet:den normaliserede permutation entropi H, og den statistiske kompleksitet C.

H -værdien kvantificerer graden af ​​uorden i pixelarrangementet af et billede. For eksempel, en værdi tæt på nul angiver et almindeligt billede som dem, der er produceret af minimalistiske malere. En værdi tæt på en angiver pixels, der virker uregelmæssige eller mere uordnede, såsom drypmalerierne af Jackson Pollock.

Den statistiske kompleksitet C er et mål for værkets strukturelle kompleksitet. Malerier, der viser ekstremer af enten uorden eller rækkefølge i pixelarrangement, giver nul, som sådanne værker har lav strukturel kompleksitet. Værdien er positiv, når systemet registrerer mere komplekse rumlige mønstre.

Ved at kombinere disse to mål produceres et kompleksitet -entropiplan, som forfatterne påpeger er en teknik, der er blevet anvendt på mange andre områder. Ikke alene kunne disse foranstaltninger forudsige maleriernes stil og periode inden for en vis fejlmargin; deres analyse afslørede en klar bane for kunst over 1000 år med overgange i kompleksitet -entropi -planet, der svarer til de kanoniske perioder i kunstlitteraturen.

Specifikt, forskerne kunne tydeligt se tydelige ændringer i entropi og kompleksitet svarende til perioderne før og efter moderne kunst, og overgangen fra moderne kunst til postmoderne kunst. De plotter disse overgange på en tidslinje, og rapporterer, at "det ikke er svært at forestille sig, at overgangen fra moderne til postmoderne blev drevet af slutningen af ​​Anden Verdenskrig, begivenheden, der normalt markerer begyndelsen på postmodernismen i historiebøger. "

Forskerne påpeger, at fordi de begrænsede deres analyse til disse to målinger af kompleksitet, det er ikke muligt fuldt ud at fange den informationsrigdom, der sandsynligvis vil blive kodet i kunst. "Imidlertid, " de skriver, "vores resultater viser ikke desto mindre, at simple fysikinspirerede metrics kan forbindes med begreber foreslået af kunsthistorikere og, vigtigere, at disse foranstaltninger indeholder relevant information om kunstværker, deres stil, og evolution. "

© 2018 Tech Xplore