经过 8 万画作+人工注释训练，算法学会了赏析名画-FlyAI

经过 8 万画作+人工注释训练，算法学会了赏析名画

深度学习

最后更新 2021-04-07 14:42 阅读 79

最后更新 2021-04-07 14:42

阅读 79

深度学习

![](https://rsrc.hyper.ai/2021/04/os2w1ljx.jpg)

艺术作品往往寄托着作者内心的情感，人们欣赏一支乐曲、一幅画作，也会产生情感共鸣。计算机又能否理解艺术画作中的情感？斯坦福大学的研究团队正在开发这一  算法 。

列夫·托尔斯泰说过：「艺术是一种人类活动，一个人通过某种外在符号，有意识地把自己经历过的感受传达给别人，而别人也会被这些感受所感染，真切地体验到这些感受。」

以艺术画作为例，每一幅作品的背后，都蕴藏着画家的某种情感。梵高、毕加索等著名画家，都曾在不同创作时期，通过不同色彩、构图等，表达自己当时所特有的心境与情绪。

![](https://rsrc.hyper.ai/2021/04/gguysp83.jpg)

梵高的《向日葵》与毕加索的《老吉他手》

计算机能否理解这些艺术画作中所蕴含的感情色彩呢？斯坦福大学的计算机科学研究团队，收集了一个名为 ArtEmis 的新数据集，包含大量的艺术画作及人工标注的相应情感体验，并训练出能够对视觉艺术产生情感反应的计算机模型。

理解画作，从情感标记数据集开始

WikiArt：线上名画博物馆

非营利性的志愿项目 WikiArt，自 2010 年上线至今，收录了来自世界各地的视觉艺术作品，堪称大型线上名画博物馆。

据该网站数据显示，截至 2020 年 1 月，该网站共收录来自 3293 位艺术家的 169057 件画作，包括 61 个流派。

![](https://rsrc.hyper.ai/2021/04/b6fj4d49-1024x683.jpg)

WikiArt 主页展示，作品可按流派、风格、或艺术家国籍、所处年代等分类检索
WikiArt 上面画作数量庞大、分类清晰，因此也成为许多 AI 领域研究者用来训练算法的数据集。

2015 年，罗格斯大学与 Facebook AI 实验室的研究人员，合作开发了 GAN（  生成  对抗网络 ），就在 WikiArt 数据上对其进行了训练，让 GAN 能够区分不同风格的艺术。

ArtEmis：诞生于 WikiArt 的新数据集

斯坦福大学团队则基于 WikiArt 上的作品，创建了一个新的视觉艺术标注数据集 ArtEmis。

他们对 WikiArt 上 1119 位艺术家的 81446 件艺术作品，一一进行了标注。这些作品包括从 15 世纪创作的艺术作品，到 21 世纪创作的现代美术画，涵盖了 27 种艺术风格 (抽象、巴洛克、立体主义、印象主义等) 和 45 种流派 (城市景观、风景、肖像、静物等)，给观众带来非常多样化的视觉冲击。

其中，每个作品要求至少 5 个标注者，写出他们看到这幅画作时的主导情绪，并解释产生这种情绪的原因。

具体来说，要求标注者在观察一件艺术品后，先从 8 种基本情绪状态（愤怒、厌恶、恐惧、悲伤、娱乐、敬畏、满足和兴奋）中，选一种自己所感受到的主要情绪，如果以上 8 种情绪都不是，也可以标注「其它」。

标注了情绪感受之后，标注者需要再用文字，进一步解释自己为什么产生这种感觉，或者为什么没有任何强烈的情绪反应。

以下为人工标注者为画作标注的情感标签，以及详细解释：

![](https://rsrc.hyper.ai/2021/04/nqog8qpg-1024x349.jpg)

这份标注工作最终由亚马逊众包平台的 6377 名标注者完成，总共耗时 10220 个小时。

团队表示，与其他现有同类数据集相比，ArtEmis 的标注使用了更加丰富、感性且多样化的语言，这些标注形成的语料库，共包含了 36347 个不同的词语。

ArtEmis（视觉艺术的情感标记数据集）详细信息：

发布机构：斯坦福大学，巴黎综合理工学院以及阿卜杜拉国王科技大学

包含数量：共 439121  条画作标注

数据格式：csv 数据大小：21.8 MB

地址：https://hyper.ai/datasets/14861

####一个可感知情感的算法，是怎样炼成的

为了让计算机也能够像人类一样，对视觉艺术产生情感反应，并用语言证明产生这些情感的原因，团队基于这一大规模数据集，训练了一个 Neural Speaker（神经表达者）。

斯坦福大学 HAI 学院的教授 Guibas 表示，这是  计算机视觉 领域中一项新的探索。此前经典的计算机视觉方法，往往是指出图像中有哪些内容，比如：有三只狗；有人正在喝咖啡……而他们的这项工作，则是定义视觉艺术中的情感。

经过 ArtEmis 数据集训练之后，算法识别出不同的画作中蕴含的情感，并自动生成了这样判断的依据，示例结果如下：

![](https://rsrc.hyper.ai/2021/04/obe2f2lt-1024x322.jpg)

论文中介绍了具体训练思路。首先，用 ArtEmis 来训练模型，实现艺术画作的情感解释问题。这属于经典的 9 路文本分类问题，团队使用基于交叉熵的优化，应用于从头开始训练的 LSTM 文本  分类器 ，同时也考虑对为这个任务预训练的 BERT 模型进行微调。

另外，让计算机对人类通常会对作品产生的情绪反应进行预测。

为了解决这个问题，团队将输出和 ArtEmis 用户标注之间的 KL-分歧最小化，以此对基于 ImageNet 的预训练 ResNet32 编码器进行微调。

对于给定的一幅画作，分类器先判断其传达的情感是积极还是消极，再进一步判断具体是哪种情感。

团队介绍，对于一幅画作，算法不仅能够感知整体的情感色彩，还能区分画中不同人物的感情。以这幅伦勃朗的《被斩首的圣施洗者约翰》为例，AI 算法不仅捕捉到了被斩首的约翰的痛苦，还感知到了画中被献首的女性莎乐美的「满足」。

![](https://rsrc.hyper.ai/2021/04/xet6swjz.jpg)

算法对《被斩首的圣施洗者约翰》生成的情感标注

####当算法拥有了共情能力

人类的情感非常丰富且复杂微妙，即使是我们人类自己，也并不能百分之百理解某些艺术家想要表达的心情，所以，要让 AI 精准地理解艺术家的意图，目前必然还存在一定挑战。

不过，此次 ArtEmis 数据集的发布，已经让 AI 在处理图像情感属性方面，迈出了第一步。

团队表示，待进一步研究与改进之后，算法或许能够感知人类的悲欢，艺术家便可借助算法，评估自己的作品是否能达到预期的情感表达效果。另外，一旦算法能通人性，人机交互的过程也将更加自然、和谐。

![](https://rsrc.hyper.ai/2021/04/wk4p5q25.gif)

新闻来源：

https://techxplore.com/news/2021-03-artist-intent-ai-emotions-visual.html

数据集论文：https://arxiv.org/pdf/2101.07396.pdf

项目主页：https://www.artemisdataset.org/#videos

本作品采用知识共享署名-非商业性使用-相同方式共享 4.0 国际许可协议进行许可，转载请附上原文出处链接和本声明。
本文链接地址：https://flyai.com/article/860

讨论

500字

表情

每日优质讨论奖励 20FAI

发送

每日优质讨论奖励 20FAI

删除确认

是否删除该条评论？

取消删除