從二維圖片中識(shí)別圖像并不是什么新鮮事——打開谷歌或百度，通過圖像進(jìn)行搜索并找到有關(guān)該圖像和許多相關(guān)圖像的信息非常容易。

但在藝術(shù)界，這樣的工具可能還是不夠的，尤其是在為一幅來歷不明(或未經(jīng)證實(shí))的畫作找到創(chuàng)作者時(shí)?，F(xiàn)在，研究人員正在將繪畫識(shí)別帶入三維空間來彌補(bǔ)這一差距，他們利用繪畫應(yīng)用的物理地形特征開發(fā)出一種紋理特征，就如同人類指紋一般，可以用來識(shí)別一幅畫的藝術(shù)家。

“許多著名的藝術(shù)家，包括埃爾·格列柯、倫勃朗和彼得·保羅·魯本斯，雇用了規(guī)模不同的工作室，以滿足市場(chǎng)對(duì)他們的藝術(shù)的需求。”在《遺產(chǎn)科學(xué)》雜志上發(fā)表的論文中作者解釋說。“在工作坊中，不同的藝術(shù)家試圖以一種獨(dú)特的風(fēng)格創(chuàng)作出一幅完整的畫。”藝術(shù)品的價(jià)值往往同畫家緊密相關(guān)，這種歸屬的挑戰(zhàn)就會(huì)產(chǎn)生巨大的利益沖突。需要用不帶偏見的定量方法來洞察畫作的歸屬問題。

研究人員招募了一個(gè)由克利夫蘭藝術(shù)學(xué)院的9名繪畫專業(yè)學(xué)生組成的團(tuán)隊(duì)，讓他們每人創(chuàng)作三幅睡蓮照片的復(fù)制品。然后，一組藝術(shù)歷史學(xué)家和一名繪畫管理員選出了四名風(fēng)格最相似的藝術(shù)家。這四位藝術(shù)家畫作的表面高度信息隨后被捕捉到50微米（相當(dāng)于一張紙厚度）的空間分辨率，足以捕捉到通?？梢詺w結(jié)為數(shù)百微米差異的精細(xì)筆觸特征。

這幅高分辨率的物理地形——在每幅畫上捕捉到12厘米× 15厘米的區(qū)域——然后被分割成一平方厘米的小塊，使每幅畫能夠產(chǎn)生180個(gè)小塊。然后用這上百個(gè)小塊中的大部分訓(xùn)練一個(gè)集成卷積神經(jīng)網(wǎng)絡(luò)模型，學(xué)習(xí)僅僅根據(jù)藝術(shù)家應(yīng)用繪畫的風(fēng)格差異來確定其他的屬性。

研究人員發(fā)現(xiàn)，這種方法的準(zhǔn)確率在60%到90%之間，在特定條件下比使用圖像識(shí)別模型的準(zhǔn)確率高出一倍以上。作者總結(jié)道:“值得注意的是，這種微小的物理地形識(shí)別，是可靠區(qū)分藝術(shù)家的關(guān)鍵?？梢宰鳛榭茖W(xué)判斷的強(qiáng)有力工具。

其實(shí)人工智能在藝術(shù)創(chuàng)作中應(yīng)用越來越廣泛，已經(jīng)有AI工具可以協(xié)助那些沒有經(jīng)過專業(yè)訓(xùn)練但對(duì)藝術(shù)有濃厚興趣的外行人進(jìn)行繪畫創(chuàng)作。