PATCH: a deep learning method to assess heterogeneity of artistic practice in historical paintings
Created by
- Haebom
Category
Empty
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 회화 제작 과정에 대한 이해를 높이기 위해 기계 학습 기법을 활용한 새로운 접근 방식을 제시한다. 특히, 스페인 르네상스 거장 엘 그레코의 두 작품인 "그리스도의 세례"와 "풍경과 함께 십자가에 달리신 그리스도"를 대상으로, 워크숍 구성원들의 기여를 식별하기 위해 쌍별 할당 훈련을 통한 이질성 분류(PATCH)라는 새로운 기계 학습 방법을 적용하였다. PATCH는 외부 훈련 데이터 없이도 개별 예술가의 작업 방식을 식별할 수 있으며, 기존의 통계적 방법이나 비지도 학습 방법보다 우수한 성능을 보였다. 이 연구는 미시적 수준의 붓놀림 분석을 통해 예술가의 창작 과정에 대한 새로운 정보를 발굴하는 가능성을 제시한다.
시사점, 한계점
•
시사점:
◦
외부 훈련 데이터 없이도 개별 예술가의 작업 방식을 식별할 수 있는 새로운 기계 학습 방법(PATCH)을 제시.
◦
엘 그레코 작품 분석을 통해 기존 연구 결과를 재검토할 수 있는 가능성 제시.
◦
예술 작품의 이질성을 측정하는 새로운 방법 제시, 시간과 공간을 초월한 예술 작품 분석에 활용 가능.
◦
미시적 수준의 붓놀림 분석을 통한 예술 작품 분석의 새로운 가능성 제시.
•
한계점:
◦
현재는 엘 그레코의 두 작품에만 적용, 다른 예술가 및 시대의 작품에 대한 일반화 가능성은 추가 연구 필요.
◦
PATCH 방법의 성능 평가는 제한된 데이터셋에 기반, 더욱 다양하고 광범위한 데이터셋을 활용한 검증 필요.
◦
워크숍 그림에 대한 문서화 부족으로 인해 외부 예시 데이터가 없다는 점은 한계로 작용.
