La visión artificial, un nuevo aliado para el análisis de imágenes artísticas

Pilar Rosado-Rodrigo, Eva Figueras-Ferrer, Miquel Planas-Rosselló, Ferran Reverter-Comes

Resumen


En este estudio se evalúa el rendimiento de los métodos de Bag-of-Visualterms (BOV) para la clasificación automática de imágenes digitales de la base de datos del artista Miquel Planas. Estas imágenes intervienen en la ideación y diseño de su producción escultórica. Constituye un interesante desafío dada la dificultad de la categorización de escenas cuando éstas difieren más por los contenidos semánticos que por los objetos que contienen. Hemos empleado un método de reconocimiento basado en Kernels introducido por Lazebnik, Schmid y Ponce en 2006. Los resultados son prometedores, en promedio, la puntuación del rendimiento es aproximadamente del 70%. Los experimentos sugieren que la categorización automática de imágenes basada en métodos de visión artificial puede proporcionar principios objetivos en la catalogación de imágenes y que los resultados obtenidos pueden ser aplicados en diferentes campos de la creación artística.


Citas


Arnheim, R. (1983). Arte y percepción visual. Madrid: Alianza forma.

Fei-Fei, L. y Perona, P. (2005). A Bayesian hierarchical model for learning natural scene categories. In Proceedings of CVPR, 2, pp. 524–531.

Grauman, K. y Darrel, T. (2005). Pyramid match kernel: Discriminative classification with sets of image features. In Proceedings of IEEE International Conference on Computer Vision (ICCV), Beijing.

Guasch, A. M. (2005). Los lugares de la memoria: El arte de archivar y recordar, Materia, 5, pp. 157–183.

Guasch, A. M. (2011). Arte y Archivo 1920-2010. Genealogías, tipologías y discontinuidades. Arte conemporáneo, 29. Madrid: Ediciones Akal.

Lazebnik, S., Schmid, C. y Ponce, J. (2005). Beyond bags offeatures: Spatial pyramid matching for recognizing natural scene categories. In Proceedings of CVPR, 1, pp. 26–33.

Lowe, D. G. (2004). Distinctive image features from scale-invariant keypoints. International Jour- nal of Computer, 60(2), pp. 91-110.

Reverter, F., Rosado, P., Figueras, E. y Planas, M.A. (2012). Artistic ideation based on computer vision methods, Journal of Theoretical and Applied Computer Science, 6(2), pp. 72-78.

Rosado, P, Reverter, F. y Figueras, E. (2014). Intersecciones Semánticas entre Visión Artificial y Mirada Artística, BR::AC Barcelona, Research, Art, Creation, 2(1), pp. 1-54.

Vedaldi, A. y Zisserman, A. (2010). Efficient Additive Kernels via Explicit Feature Maps. In Proceedings of CVPR. pp. 3539 – 3546.

Vedaldi, A & Fulkerson, B. (2008). VLFeat - An open and portable library of computer vision algorithms. Retrieved from http://www.vlfeat.org

Willamowski, J., Arregui, D., Csurka, G., Dance, C., & Fan, L. (2004). Categorizing nine visual classes using local appearance descriptors. In Proceedings of LAVS Workshop, in ICPR’04, Cambridge.


Texto completo: Post-Print

Refbacks

  • No hay Refbacks actualmente.





Arte, Individuo y Sociedad
ISSN 1131-5598
ISSN-e 1988-2408

© . Universidad Complutense de Madrid
Biblioteca Complutense | Ediciones Complutense