书画作品可回溯感的信息度量研究及应用

来源 :江南大学 | 被引量 : 0次 | 上传用户:discountstore
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
艺术品的量化评估是实验美学、计算美学、计算机艺术、人工智能艺术等许多领域的基础。计算美学领域的研究集中于图形艺术客观物理特征的测量和计算,而实验美学领域的研究则集中于主观心理感受的量化。这些研究为审美对象提出了多样化的美学评估指标和方法,但在很大程度上忽略了书画作品的“可追溯感”的美学评估。可回溯感是艺术欣赏和临摹中想象地再现原作创作行为的一种审美体验,其本质是与创作者产生“共情”。书法的这一审美感受已经有不少理论进行了经验性的描述,甚至一些研究者将其作为书法鉴赏的审美评价指标之一。神经美学研究发现绘画也同样能产生回溯式的审美体验,但目前为止绘画的可回溯感还很少受到关注。传统书法理论在可回溯感的美学研究时通常是依据经验作出定性评价,缺乏科学的度量与量化方法。因此,为书画作品的可回溯感提出一种度量与量化分析的方法十分必要。为了量化可回溯感,首先得理解它的构成因素。因此,本文结合书画理论中的相关知识将可回溯感分解为时序感和运动感这两个量化指标。时序感是指根据作品能够判断出每个笔画内部运笔顺序和笔画间衔接顺序,运动感是指笔画上每个位置感受到的书写动作。通过心理感知实验可以分别测量书画作品的时序感和运动感特征。主要步骤是:(1)在测试图片上的选取起点、终点和转折点等关键部分标记兴趣区域。(2)收集受试者对兴趣区域的运笔先后顺序的排序结果,以及受试者对兴趣区域的运笔速度的估计值。(3)分别提出时序感和运动感的量化方法。在时序感度量中提出了两种计算方法:第一种是根据频度公式估算书画作品的时序感;第二种则引入信息论的方法,将作品表现的时序感看作是信息,通过熵率的方法量化信息从而得到时序感定量评价。在运动感度量中,将运笔方向误差和运笔速率误差作为定量评价。接着,通过设计一系列实验以实际测量的方式解决三个美学命题:(1)不同风格艺术品之间时序感的差异;(2)不同字体笔画的笔触特征对时序感的影响;(3)不同图形变换对时序感的影响。实验结果证明测评方法是可行的。实验1度量了25幅风格不同的画作,结果表明时序感可作为一种高区分度的艺术风格度量指标,且书法的时序感明显高于绘画。实验2度量了12个来自不同书法家所写的汉字“一”,研究结果表明笔触特征不同时序感也不同,但是时序感与简单笔触特征(例如长宽比、走势、墨迹干湿度、宽度变异率)并不存在显著的相关性。实验3通过进一步研究发现旋转和镜像的图形变换可以对时序感产生较大影响。结合以上笔触特征和图形变换对时序感的影响可以得到推论:书画作品的时序感与观者的先验经验相关。最后,以增强可回溯感为目标,运用动画技术来实现书法作品的动态化。本文针对墨迹流动方向、墨迹颜色、是否有震荡效果,共制作了7种不同动态墨迹效果。并通过实验测量了原始效果和运用7种动态墨迹效果书法作品的可回溯感。实验结果发现,恰当运用动态笔墨效果,即沿笔迹流动的墨迹动画,可以改善了运笔方向判断、显著增强时序感、提升可回溯感。综上,本文提出的可回溯感信息度量方法可以有效量化书画艺术的可回溯感,为解决美学命题提供有益支持。运用动画技术为书法添加适当的动态效果能提高作品的可回溯感,使无经验者在鉴赏时有视觉线索可循。
其他文献
电子游戏已经成为大众生活中越来越重要的休闲娱乐活动之一,而功能游戏这一新的游戏品类由于具有较大的社会价值,正受到越来越多的关注。功能游戏强调其文化、教育等多重功能,不仅会影响到用户的体验感受,同时也关系到游戏功能作用的传达效果。认知负荷理论是现代认知心理学基础上发展而来的重要理论,具有广泛的应用能力与实操价值,早先已经有众多研究者将其运用于教育学领域用以验证学习成效,近年来也逐渐被运用到产品设计领
无线射频识别(Radio Frequency Identification,RFID)作为一种使用射频信号进行信息交互的技术,有效地实现物与物之间的非接触性识别的短距离通信技术,被广泛应用于智慧仓储、智慧驾驶、安防以及军事等多种前沿的领域中。在被广泛应用的同时,RFID系统存在的安全隐私、阅读器可移动性等问题也受到大家的关注。面对这些问题,国内外研究学者致力于提出一种有效的RFID安全认证协议来提
随着信息技术的快速发展,各行各业所创造的数据总量以惊人的速度快速增长。为了能从海量的数据中获得有效的信息,数据挖掘技术应运而生。目前,数据挖掘已被广泛应用于多个领域,在全球竞争、社会生活等方面均发挥了重要作用。但是在实际应用中,人们发现很多数据集的样本并不是均衡分布的。而且,传统分类算法是建立在数据分布均衡的基础上,处理不均衡数据会过多关注多数类样本,难以保证更有分类价值的少数类样本的分类性能。因
随着计算机视觉技术的发展,目标跟踪技术作为其中一项研究热点,在医学诊断系统,智能交通,机器视觉,行为识别等领域都有着广泛的应用。虽然,近些年国内外专家学者对目标跟踪技术贡献了各种各样的算法,但由于复杂多变的目标跟踪应用场景,依然面临着诸多挑战,例如:运动模糊,低分辨率,平面内(外)反转,物体遮挡等。这些挑战使得现有目标跟踪技术的跟踪效果与专家们的预期还有一定的距离。因此,如何提高跟踪技术的效率和稳
近年来,随着图像传感器技术及图像处理算法的日趋成熟,机器视觉检测技术在检测精度大幅提升的同时,其自动化检测生产线的成本大幅下降,这使得机器视觉检测技术在生产和生活的各个领域中得到广泛应用。但由于被检测物体种类丰富多样,表面特性变化多端,导致机器视觉缺陷检测技术在某些对光源要求严格的低适光性物体表面缺陷检测的应用中存在一定困难。为此,本文以高纹理物体表面和高反光曲面等低适光性表面为主要研究对象,设计
细粒度图像分类是指对大类下的子类进行更加精细的划分,比如区分一只鸟是海鸥还是大雁。随着人工智能的发展,同一基本类别下的物体的子类别分类的需求日益增多,如商品的品牌分类、植物研究领域的植物分类、车辆的型号和品牌分类等。然而,由于细粒度图像类别之间的差异很小,类别内部差异较大的原因,细粒度图像分类是一项非常困难的任务。由于子类别通常具有较小的类间差异,需要靠微小的局部差异对类别加以区分。论文在深度学习
聚类算法作为模式识别、数据挖掘领域的重要研究内容,受到研究者的广泛关注。近年来,许多对团簇状的数据表现出较好性能的聚类算法被提出,但面对结构复杂、边界不易区分、非球形分布和高维的数据集,单个聚类算法很难得到较好的聚类结果,集成聚类算法则可以解决上述问题。本文从多个方面研究集成聚类算法,并对集成聚类算法进行改进,具体研究内容如下:1.提出一种超簇加权的集成聚类算法。由于大多数集成聚类使用K-mean
目前多视角聚类已取得了重要进展,但仍然面临诸多挑战,其中一个关键的挑战是:尽管大部分多视角聚类方法提出了不同的视角协同机制,但大部分方法在进行多视角协同时间,仅利用显式的原始空间信息或者仅利用某些隐性空间的信息,因而未能充分实现显隐信息间的协同。此外,拓扑结构是数据集的重要的信息,但多数多视角聚类算法进行协同学习时,未能充分利用此类信息进行协同。针对上述挑战,本文提出了两个多视角聚类算法,较之于目
锅式杀青是由茶农在锅内翻炒茶叶,并根据茶叶气味及颜色的差异及时调节锅温,改变茶叶受热量。因人工感官反馈控制的优势,这种杀青方式主要用来处理名贵茶叶。然而受主观因素和环境因素的影响,这种杀青方式均一性较差,且手工控制锅温,耗费人力。因此,本文以绿茶鲜叶为实验材料,利用PEN3电子鼻和视觉在线检测技术代替人的嗅觉和视觉,对不同恒定锅温杀青过程中绿茶气味和颜色进行测量并对其变化规律及变化机理进行研究,同
近年来,随着网络、大数据、人工智能的飞速发展,在网络成为人们生活中不可或缺的一部分的同时,自媒体行业也日益壮大。网络中不可避免的呈现出一些非合规图片。这不仅污染了网络环境,也在一定水平上影响到了人们的身心健康。其次,在信息时代的成长下,深度学习成为这个范畴比较突出的一个方面。一般来说,深度学习会耗费了大批的计算力和内存等。对神经网络来讲,神经网络越精密,所获得的成果就会越准确。这使得经过深度学习后