09:15官方账号arXiv cs.AI@Marc S. Walton, Astrid Harth研究人员提出了一种AI框架,可自动分析绘画风格。该系统使用视觉变换器(ViT)在带有元数据的大型绘画语料库上训练,通过稀疏字典学习将特征分解为共享集合。大型语言模型(LLM)检索相关艺术品及其策展人文本,合成反映风格属性的描述。最后,自主协调LLM应用推理-行动(ReAct)框架,将特征整合为连贯的艺术品描述或比较。论文艺术史视觉变换器ReAct推荐理由:这个AI框架能把绘画视觉特征转化为描述术语,连接图像数据与人文语义,为艺术史研究提供新工具。原文稍后读已读值得跟进有用关注 艺术史
10:33官方账号arXiv cs.LG@Rory Ashton作者在320幅二十世纪绘画上测试艺术家分离协议,5-NN风格准确率从0.87降至0.77,超现实主义下降20个百分点。印象派和立体主义准确率几乎不变,超现实主义的下降在四个图像编码器中一致出现。这一模式甚至出现在视觉自监督模型中,说明问题源于视觉结构而非语言。结果表明现有随机划分夸大了风格理解能力。论文CLIP风格分类图像嵌入推荐理由:CLIP这类模型认画风还是认画家?这篇论文用“艺术家分离”测试发现,超现实主义识别会掉20个点。搞艺术分类的值得看。原文稍后读已读值得跟进有用关注 CLIP