艺术洞察:一个详细的数据集,用于检测图画的劣化
Francisco M Garcia-Moreno1,2, Jose Manuel Del Castillo de la Fuente3, Luis Rodrigo Rodríguez-Simón3
1Department of Software Engineering, Computer Science School, University of Granada, C/Periodista Daniel Saucedo Aranda, 18014, Spain.
Data in brief
|July 17, 2025
概括
使用先进的人工智能,ArtInsight,一种用于美术艺术恶化的新数据集,可以准确地检测使用先进的人工智能在书架绘画中的石膏和绘画层损失 (LPL) 损伤. 这有助于自动化艺术保存和修复研究.
科学领域:
- 艺术保护科学 艺术保护科学
- 计算机视觉 计算机视觉 计算机视觉
- 数字图像分析数字图像分析
背景情况:
- 艺术品,特别是马画,容易恶化,影响其美学和历史价值.
- 精确检测损坏,如石膏干预和涂层损失 (LPL),对于有效的保护至关重要.
研究的目的:
- 介绍ArtInsight,这是一个新的数据集,用于训练人工智能模型来检测美术恶化.
- 为了为自动化损害评估提供一个基准.
主要方法:
- 使用高分辨率数字成像与颜色校准来捕获画廊画的图像.
- 手动的损坏注释使用VGG图像注释器进行,标记石膏和LPL损坏.
- 一个Mask-RCNN模型在ArtInsight数据集上进行了微调,以检测损坏.
主要成果:
- 艺术洞察数据集包含14张图像,其中有2909个注释的损坏区域 (石和LPL).
- 微调的Mask-RCNN模型在损坏检测方面实现了高准确率,达到98-100%.
- 该数据集是公开可用的,以支持艺术保护研究.
结论:
- 艺术洞察能够自动检测美术艺术品的损坏,特别是石膏和LPL损坏.
- 该数据集促进了艺术品保护和修复的计算方法的进步.
- 这个资源支持未来的研究,通过人工智能保护文化遗产.


