May, 2019

使用图像处理和图神经网络描述 Craquelure 图形中的裂纹模式

HTML
PDF
TL;DR该研究提出了一种利用图形结构和神经网络的方法，可以通过对 craquelure 图案进行定量分析，从而实现油画的起源分类。
发现论文，激发创造
  • 基于贝叶斯方法的超高分辨率多模态画作裂纹检测

    本文研究使用数字化采集技术和图像分析算法辅助文化遗产的保护，提出了一种半监督裂纹检测方法，并使用非参数贝叶斯分类器对其进行评估。

    Apr, 2013

  • 多模态字典学习用于图像分离及其在艺术调查中的应用

    提出一种新的多模态成像和词典学习的耦合框架方法，以改进画作分析中的X射线信号分离过程。实验结果显示这种方法能够成功地从单一X-ray扫描中分离出含有多种信息的图像。

    Jul, 2016

  • 神经图形：全局背景下的场景图解析

    本研究通过分析场景图中常规出现的子结构(即motifs)，研究如何生成场景的结构化图形表达，并构建了一种能够捕捉场景图中高阶motifs的新架构——堆叠motif网络(Stacked Motif Networks)。通过在Visual Genome数据集上实验，结果表明我们的基准模型获得了3.6％的相对改进，并且该新架构又减少了相对7.1％的误差。

    Nov, 2017

  • 利用空间一致的特征学习发现艺术收藏中的视觉模式

    该研究旨在通过使用自监督学习来发现大型艺术品收藏中的近重复图案，并使用经过调整的深度特征进行样式不变匹配和基于几何验证的发现方法来识别数据集中的重复模式。

    Mar, 2019

  • 一种用于绘画中图标分类的数据集和卷积模型

    本文介绍了一种新的绘画数据集，使用卷积神经网络对基督教宗教绘画中的圣徒图像进行分类，并得到了良好的性能表现。研究结果表明，这种分类器可以有效地识别每个圣徒的独特视觉特征，以进行图像自动解析和比较，以支持图标学的研究和自动艺术作品注释。

    Oct, 2020

  • 自动理解艺术作品意义的逐步实现：以蒙德里安艺术作品计算分析为例

    本文旨在确定Deep Neural Networks在处理抽象语义操作时的局限性，并提出了一种使用认知架构来判断艺术品类别的新的计算方法。

    Dec, 2022

  • 敦煌壁画修复的多阶段递进推理

    本文描述了一种基于多阶段渐进推理和多尺度特征聚合模块的数字壁画修复方法，该方法通过全局到局部感受域递归推断损伤边界和逐步加紧区域纹理约束，能有效恢复敦煌壁画。

    May, 2023

  • 自监督上下文学习用于工业缺陷的视觉检测

    本文提出了一种新颖的自监督学习算法，通过解决著名的拼图问题来设计一个优化的编码器，以在工业产品中检测纹理和物体缺陷，实验结果表明我们的方法在广泛使用的MVTec AD数据集上达到了95.8%和96.8%的杰出检测和分割性能，为纹理和物体缺陷建立了最新的基准。

    Nov, 2023

  • 使用改进的深度卷积生成对抗网络识别抽象艺术中的色彩和笔触模式

    通过改进的 mDCGAN 架构、优化技术和规范化方法来改进稳定性和真实感，有效研究生成的抽象艺术样式，进一步探索随机游走的潜在空间，验证了这种方法的有效性，强调其为数字艺术生成和数字艺术生态系统领域带来的潜力。

    Mar, 2024

  • 损伤检测艺术中的最先进技术失败

    本研究解决了在传统媒介（如绘画、摄影、纺织品等）中准确检测和分类损伤的挑战，尤其在无先验知识的情况下机器学习模型的不足。提出的DamBench数据集包含超过11,000个标注，涵盖15种损伤类型，为损伤检测提供了新方法。研究发现当前模型在不同媒介类型之间泛化能力有限，强调了可靠损伤检测的必要性。

    Aug, 2024