我们提出了一系列机器学习系统,可以使用一套视觉元素和艺术原则量化美术绘画。这种正式分析是理解艺术的基础,但发展这种制度是挑战性的。绘画具有很高的视觉复杂性,但也难以使用直接标签收集足够的培训数据。为了解决这些实际限制,我们介绍了一种名为代理学习的新机制,这在绘画中学习了绘画中的视觉概念,尽管它们与风格的一般关系。此框架不需要任何视觉注释,但只使用样式标签和视觉概念和风格之间的一般关系。在本文中,我们提出了一种新的代理模型,并在代理学习的背景下重新制定四种预先存在的方法。通过定量和定性比较,我们评估这些方法,并比较它们在量化艺术视觉概念时的有效性,其中普通关系通过语言模型估算;手套或伯特。语言建模是一种实用且可扩展的解决方案,需要没有标签,但不可避免地不完美。我们展示了新的代理模型对缺陷的强大,而其他模型敏感地受其影响。
translated by 谷歌翻译