MétaCan
Menu
Retour à la cohorte
Enregistrement W2560216520 · doi:10.1117/1.jei.26.1.011014

Chromatic modulation in visual art: a computational perspective

2016· article· en· W2560216520 sur OpenAlexaff
Anissa Agahchen, Alexandra Branzan Albu

Notice bibliographique

RevueJournal of Electronic Imaging · 2016
Typearticle
Langueen
DomaineNeuroscience
ThématiqueAesthetic Perception and Analysis
Établissements canadiensUniversity of Victoria
Organismes subventionnairesnon disponible
Mots-clésHuePalette (painting)Color spacePaintingComputer sciencePerspective (graphical)Artificial intelligenceComputer visionChromatic scaleColor visionColor imageMonochromatic colorLightnessRGB color modelFalse colorColor balanceFocus (optics)Computer graphics (images)ArtMathematicsImage processingImage (mathematics)Visual artsOptics

Résumé

récupéré en direct d'OpenAlex

This paper describes a computational approach for analyzing and visualizing the aesthetics of color from the perspective of color theory. Our study is grounded in the works of Johannes Itten, one of the most remarkable theorists of color aesthetics. Our focus lies on the computational analysis of a specific aspect of color usage in paintings, namely modulation. We, therefore, propose the three-dimensional (3-D) color palette, a visualization of the chromatic information of an image in the hue-saturation-lightness space. Using the proposed palette, we derive a set of simple hue-specific descriptors for color modulation. Our experimental results involve a selection of digital reproductions of paintings discussed extensively by Itten. They show that the proposed modulation measures yield results that are consistent with Itten’s comments and explanations. Future work involves further exploration of the proposed 3-D color palette, in terms of its ability to discriminate between different artists and painting styles.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,003
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,013

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,003
Communication savante0,0030,004
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,009
Tête enseignante GPT0,296
Écart entre enseignants0,287 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations1
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Electronic ImagingMême sujetAesthetic Perception and AnalysisTravaux en français237 207