Style Based Clustering of Visual Artworks

要約

スタイルに基づいて芸術作品をクラスタリングすることには、芸術の推奨、スタイルベースの検索と取得、芸術作品コーパスにおける芸術スタイルの進化の研究など、多くの潜在的な現実世界のアプリケーションがあります。
ただし、スタイルに基づいてアートワークをクラスタリングすることは、ほとんど解決されていない問題です。
芸術作品をクラスタリングするための現在のいくつかの方法は、主にディープ ニューラル ネットワークから導出された一般的な画像特徴表現に依存しており、特に芸術的なスタイルを扱っていません。
この論文では、ビジュアルアートワークのスタイルベースのクラスタリングの概念を導入し、検討します。
私たちの主な目的は、スタイルベースのクラスタリングに使用できるニューラル特徴表現とアーキテクチャを調査し、その影響と有効性を観察することです。
私たちはさまざまな方法を開発し、4 つのアートワーク コーパスと 4 つの厳選された合成スタイルのデータセットに適用することにより、定性的および定量的分析を通じてスタイルベースのクラスタリングの相対的な有効性を評価します。
私たちの分析は、スタイルベースのクラスタリングに適したアーキテクチャ、特徴表現、評価方法に関するいくつかの重要な新しい洞察を提供します。

要約(オリジナル)

Clustering artworks based on style has many potential real-world applications like art recommendations, style-based search and retrieval, and the study of artistic style evolution in an artwork corpus. However, clustering artworks based on style is largely an unaddressed problem. A few present methods for clustering artworks principally rely on generic image feature representations derived from deep neural networks and do not specifically deal with the artistic style. In this paper, we introduce and deliberate over the notion of style-based clustering of visual artworks. Our main objective is to explore neural feature representations and architectures that can be used for style-based clustering and observe their impact and effectiveness. We develop different methods and assess their relative efficacy for style-based clustering through qualitative and quantitative analysis by applying them to four artwork corpora and four curated synthetically styled datasets. Our analysis provides some key novel insights on architectures, feature representations, and evaluation methods suitable for style-based clustering.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google