從二維圖片中識別圖像并不是什么新鮮事——打開谷歌或百度，通過圖像進行搜索并找到有關(guān)該圖像和許多相關(guān)圖像的信息非常容易。

但在藝術(shù)界，這樣的工具可能還是不夠的，尤其是在為一幅來歷不明(或未經(jīng)證實)的畫作找到創(chuàng)作者時?，F(xiàn)在，研究人員正在將繪畫識別帶入三維空間來彌補這一差距，他們利用繪畫應用的物理地形特征開發(fā)出一種紋理特征，就如同人類指紋一般，可以用來識別一幅畫的藝術(shù)家。

“許多著名的藝術(shù)家，包括埃爾·格列柯、倫勃朗和彼得·保羅·魯本斯，雇用了規(guī)模不同的工作室，以滿足市場對他們的藝術(shù)的需求?！痹凇哆z產(chǎn)科學》雜志上發(fā)表的論文中作者解釋說。“在工作坊中，不同的藝術(shù)家試圖以一種獨特的風格創(chuàng)作出一幅完整的畫?！彼囆g(shù)品的價值往往同畫家緊密相關(guān)，這種歸屬的挑戰(zhàn)就會產(chǎn)生巨大的利益沖突。需要用不帶偏見的定量方法來洞察畫作的歸屬問題。

研究人員招募了一個由克利夫蘭藝術(shù)學院的9名繪畫專業(yè)學生組成的團隊，讓他們每人創(chuàng)作三幅睡蓮照片的復制品。然后，一組藝術(shù)歷史學家和一名繪畫管理員選出了四名風格最相似的藝術(shù)家。這四位藝術(shù)家畫作的表面高度信息隨后被捕捉到50微米（相當于一張紙厚度）的空間分辨率，足以捕捉到通?？梢詺w結(jié)為數(shù)百微米差異的精細筆觸特征。

這幅高分辨率的物理地形——在每幅畫上捕捉到12厘米× 15厘米的區(qū)域——然后被分割成一平方厘米的小塊，使每幅畫能夠產(chǎn)生180個小塊。然后用這上百個小塊中的大部分訓練一個集成卷積神經(jīng)網(wǎng)絡(luò)模型，學習僅僅根據(jù)藝術(shù)家應用繪畫的風格差異來確定其他的屬性。

研究人員發(fā)現(xiàn)，這種方法的準確率在60%到90%之間，在特定條件下比使用圖像識別模型的準確率高出一倍以上。作者總結(jié)道:“值得注意的是，這種微小的物理地形識別，是可靠區(qū)分藝術(shù)家的關(guān)鍵?？梢宰鳛榭茖W判斷的強有力工具。

其實人工智能在藝術(shù)創(chuàng)作中應用越來越廣泛，已經(jīng)有AI工具可以協(xié)助那些沒有經(jīng)過專業(yè)訓練但對藝術(shù)有濃厚興趣的外行人進行繪畫創(chuàng)作。