PATCH: a deep learning method to assess heterogeneity of artistic practice in historical paintings
Created by
Haebom
저자
Andrew Van Horn, Lauryn Smith, Mahamad Mahmoud, Michael McMaster, Clara Pinchbeck, Ina Martin, Andrew Lininger, Anthony Ingrisano, Adam Lowe, Carlos Bayod, Elizabeth Bolman, Kenneth Singer, Michael Hinczewski
개요
본 논문은 르네상스 및 초기 근대 회화의 제작 과정을 이해하기 위한 새로운 기계 학습 방법인 PATCH (pairwise assignment training for classifying heterogeneity)를 제시합니다. PATCH는 외부 훈련 데이터 없이도 개별 예술가의 작업 방식을 식별할 수 있는 비지도 학습 방식입니다. 스페인 르네상스 거장 엘 그레코의 두 작품, "그리스도의 세례"와 "십자가에 달린 그리스도와 풍경"에 이 방법을 적용하여, 기존 연구 결과와 상이한 "그리스도의 세례"에 대한 새로운 해석 가능성을 제시합니다. 또한, 본 연구는 예술 작품의 이질성을 측정하여 시대와 공간을 초월한 미술 작품 분석에 활용할 수 있는 척도를 제공합니다.
시사점, 한계점
•
시사점:
◦
외부 훈련 데이터 없이도 개별 예술가의 작업 방식을 식별할 수 있는 새로운 기계 학습 기법(PATCH) 제시.
◦
엘 그레코 작품 분석을 통해 기존 연구 결과를 재검토하고 새로운 해석 가능성 제시.
◦
예술 작품의 이질성을 측정하는 새로운 척도 제공, 시대와 공간을 초월한 미술 작품 분석 가능성 제시.
◦
미시적 수준의 붓놀림 분석을 통해 예술가의 창작 과정에 대한 새로운 정보 발굴 가능성 제시.
•
한계점:
◦
현재는 엘 그레코의 두 작품에만 적용, 다양한 예술가와 시대의 작품에 대한 일반화 가능성 검증 필요.
