深度学习方法在视觉艺术图像中的艺术风格识别与色彩恢复中的应用

《Scientific Reports》：Deep learning approach for art style recognition and colour restoration in visual art images

　　

摘要

色彩作为艺术图像中的核心元素，不仅提升了视觉美感，还在表达情感、构建主题叙事以及传递语义信息方面发挥着至关重要的作用。现有的深度学习方法在艺术风格识别方面主要关注结构和纹理特征，但往往忽略了色彩的感知和心理维度。为了解决这一问题，本文提出了一种具有色彩感知能力的深度学习框架，用于艺术风格分类。我们的方法将基于心理学的色彩预处理技术（包括饱和度增强以及HSV和Lab色彩空间中的自适应转换）集成到标准的ResNet-50模型架构中，使模型能够更好地捕捉与风格相关的色彩信息。在WikiArt数据集（包含27种艺术风格）上的测试结果显示，我们的方法达到了90.2% ± 0.3的准确率，优于当前最先进的方法，且无需使用更复杂的架构或多模态输入。实验表明，通过明确建模人类的色彩感知，仅利用图像数据就能在艺术风格识别方面获得显著的性能提升。除了分类任务外，我们还探讨了精确色彩特征提取在数字修复、艺术品鉴定和创意内容推荐等应用中的更广泛影响。最后，我们总结了未来色彩感知人工智能在艺术领域的发展方向，强调了其在情感分析、生成艺术以及计算机视觉与艺术史交叉领域的潜在应用价值。