• Home
  • Kemi
  • Astronomien
  • Energi
  • Naturen
  • Biologi
  • Fysik
  • Elektronik
  • Maskininlärning möjliggör fysikinspirerad statistik för att analysera konst

    Kredit:CC0 Public Domain

    Ett internationellt forskningssamarbete rapporterar att en systematiserad AI-analys av konstverk som producerats under det senaste årtusendet ger information om historiska evolutionära konstnärliga trender. Dessutom, resultaten överensstämmer väl med kanoniska begrepp om stilar och perioder av konsthistorien.

    Konstanalys är vanligtvis jämförande, och har historiskt utförts av enskilda forskare, vilket sätter begränsningar för studiernas omfattning. Det är opraktiskt för en enskild forskare att jämföra mer än en handfull målningar åt gången. Dock, under de senaste decennierna, en stor mängd historiska konstverk har digitaliserats och gjorts fritt tillgängliga, möjliggör kvantitativa metoder för konstanalys som tidigare var omöjliga, om inte omöjligt.

    I deras nya studie, publicerad av Proceedings of the National Academy of Sciences , forskarna analyserade en datauppsättning av 137, 364 konstverk, mest målningar, värd av onlineuppslagsverket WikiArt. Webbplatsen innehåller konstverk av över 2, 000 artister i över 100 stilar.

    Varje fil konverterades till en matrisrepresentation. Genom att tillämpa maskininlärningsalgoritmer, forskarna analyserade relationerna mellan intilliggande pixlar, och beräknade två komplexitetsmått:den normaliserade permutationsentropin H, och den statistiska komplexiteten C.

    H-värdet kvantifierar graden av oordning i pixlarrangemanget i en bild. Till exempel, ett värde nära noll indikerar en vanlig bild som den som produceras av minimalistiska målare. Ett värde nära ett indikerar pixlar som verkar oregelbundna eller mer oordnade, som droppmålningarna av Jackson Pollock.

    Den statistiska komplexiteten C är ett mått på arbetets strukturella komplexitet. Målningar som presenterar extremer av antingen störning eller ordning i pixlarrangemang ger noll, eftersom sådana verk har låg strukturell komplexitet. Värdet är positivt när systemet upptäcker mer komplexa rumsliga mönster.

    Att kombinera dessa två mått ger ett komplexitet-entropiplan, vilket författarna påpekar är en teknik som har tillämpats inom många andra områden. Inte bara kunde dessa mått förutsäga målningarnas stil och period inom en viss felmarginal; deras analys avslöjade en tydlig bana av konst över 1000 år med övergångar i komplexitet-entropiplanet som motsvarar de kanoniska perioderna i konstlitteraturen.

    Specifikt, forskarna kunde tydligt se distinkta förändringar i entropi och komplexitet motsvarande perioderna före och efter modern konst, och övergången från modern konst till postmodern konst. De ritar dessa övergångar på en tidslinje, och rapportera att "det inte är svårt att föreställa sig att övergången från modern till postmodern drevs av slutet av andra världskriget, händelsen som vanligtvis markerar början av postmodernismen i historieböcker."

    Forskarna påpekar att eftersom de begränsade sin analys till dessa två komplexitetsmått, det är inte möjligt att helt fånga den informationsrikedom som sannolikt kommer att kodas i konst. "Dock, " de skriver, "Våra resultat visar ändå att enkel fysikinspirerad mätning kan kopplas till koncept som föreslagits av konsthistoriker och, mer viktigt, att dessa åtgärder innehåller relevant information om konstverk, deras stil, och evolution."

    © 2018 Tech Xplore




    © Vetenskap https://sv.scienceaq.com