PATCH: a deep learning method to assess heterogeneity of artistic practice in historical paintings

要約

美術の歴史は、作品の創作方法において大きな変遷があり、創作過程を理解することが技術美術史の中心的な課題となっている。ルネサンス期から近世にかけて、絵画は主に巨匠と呼ばれる画家が弟子たちの工房を監督して制作されていた。そのため、画家と道具の組み合わせは、師匠の間でも、工房の中でも、あるいは個々のキャンバスの中でも、異なっていた。さまざまな工房がどのように管理され、どのようなプロセスで作品が制作されたのかという情報は、いまだ解明されていない。機械学習の手法は、筆致の分析をミクロのスケールまで拡張することで、画家の創作プロセスに関する新たな情報を掘り起こす可能性を秘めている。しかし、ワークショップで描かれた絵画の分析には、参加した画家や材料に関する文書が乏しく、彼らの貢献を認識するためのネットワークを訓練するための外部事例が利用できないという課題がある。ここでは、異質性を分類するためのペアワイズ割り当てトレーニング（PATCH）と呼ぶ新しい機械学習アプローチを紹介する。この方法は教師ありの方法で教師なしの結果を達成し、単純な統計的手続きと教師なしの機械学習方法の両方を凌駕する。我々はこの方法をスペイン・ルネサンスの巨匠エル・グレコの2つの歴史的絵画「キリストの洗礼」と「十字架上のキリストと風景」に適用した。さらに、我々の分析結果は、芸術的実践の異質性の尺度を作成し、時空を超えた作品の特徴づけに用いることができる。

要約(オリジナル)

The history of art has seen significant shifts in the manner in which artworks are created, making understanding of creative processes a central question in technical art history. In the Renaissance and Early Modern period, paintings were largely produced by master painters directing workshops of apprentices who often contributed to projects. The masters varied significantly in artistic and managerial styles, meaning different combinations of artists and implements might be seen both between masters and within workshops or even individual canvases. Information on how different workshops were managed and the processes by which artworks were created remains elusive. Machine learning methods have potential to unearth new information about artists’ creative processes by extending the analysis of brushwork to a microscopic scale. Analysis of workshop paintings, however, presents a challenge in that documentation of the artists and materials involved is sparse, meaning external examples are not available to train networks to recognize their contributions. Here we present a novel machine learning approach we call pairwise assignment training for classifying heterogeneity (PATCH) that is capable of identifying individual artistic practice regimes with no external training data, or ‘ground truth.’ The method achieves unsupervised results by supervised means, and outperforms both simple statistical procedures and unsupervised machine learning methods. We apply this method to two historical paintings by the Spanish Renaissance master, El Greco: The Baptism of Christ and Christ on the Cross with Landscape, and our findings regarding the former potentially challenge previous work that has assigned the painting to workshop members. Further, the results of our analyses create a measure of heterogeneity of artistic practice that can be used to characterize artworks across time and space.

arxiv情報

提供元, 利用サービス

arxiv.jp, DeepL