通过艺术史智能体对绘画进行风格分析

传统上，将一件艺术品归属于一位艺术家依赖于详细的视觉观察和描述，这在艺术史上被称为风格分析。相比之下，当前该领域使用的人工智能 (AI) 模型仅提供无法解释的概率分类。为了弥补这一方法论差距，我们提出了一个人工智能框架，可以自动对绘​​画进行风格分析，为加强证据收集、发现和验证奠定基础。通过在带有元数据的大型绘画语料库上训练视觉 Transformer (ViT)，我们的系统将这种艺术史特定数据编码为嵌入。这些表示通过稀疏字典学习分解为在训练集中重复出现的共享特征集。然后，大语言模型 (LLM) 通过检索相关艺术品及其随附的策展人编写的文本来解释每个特征，并将它们综合成反映其风格属性的描述。最后，自主协调器 LLM 应用推理与行动 (ReAct) 框架来衡量、测试这些特征并将其细化为艺术品的连贯描述或艺术品的比较。这种方法将详细的视觉特征转换为描述性术语，解决了艺术史上的一个关键挑战。因此，它将图像作为数据的使用与人文主义者的语义关注联系起来，将基于视觉的计算艺术史建立为未来发展的领域。