使用机器学习来区分真实的和模仿的杰克逊·波洛克倒画:以驱动的计算机视觉方法

科学领域:

• 艺术品认证 艺术品认证
• 计算机视觉 计算机视觉
• 机器学习 机器学习

背景情况:

• 杰克逊·波洛克的抽象倒油画受到高度重视,经常被模仿,导致艺术真实性的争议.
• 越来越多的人工智能 (AI) 的使用为艺术品认证的技术解决方案提供了机会.

研究的目的:

• 调查已建立的机器学习技术的应用,以检测模仿波洛克艺术品.
• 解决艺术相关AI项目的有限图像数据的挑战.

主要方法:

• 开发了一种新的机器学习策略,采用一种图像摄入方法,将艺术品分解为多个尺度的.
• 转移学习被用来训练人工智能模型来区分真实与模仿的倒绘画.
• 人工智能系统生成视觉辅助和解释参数,用于将机器分析与传统的艺术史方法进行比较.

主要成果:

• 开发的机器学习方法在区分真实的波洛克风格艺术品和仿制品方面实现了98.9%的准确率.
• 多尺度分解方法有效地解决了艺术品认证中小图像数据集的限制.

结论:

• 机器学习,特别是新的图像处理技术,为验证抽象表现主义艺术的真实性提供了一个强大的工具.
• 这种人工智能驱动的方法提高了艺术品认证的可靠性,并可以帮助解决有关艺术品来源的争议.