建设工程网站有哪些淘宝领卷网站什么做-北京孤凡电子商务有限公司

建设工程网站有哪些淘宝领卷网站什么做-北京孤凡电子商务有限公司 北京孤凡电子商务有限公司 首页 新笔记 联系 订阅 首页 新笔记 联系 订阅 北京孤凡电子商务有限公司

高级软件工程师

分类 资讯中心 产品中心 最新文章 宁夏消防消防泵 2026/02/25 20:25:09 北京质量fluidlabR-300便携式细胞计数仪售价 2026/02/24 13:44:22 伊犁木箱要多少钱 2026/02/23 20:32:27 余杭区公司福利坚果礼盒加工厂 2026/02/21 17:52:07 杭州小半径对焊管件价格 2026/02/20 18:04:12 海南标准金属工程测量 2026/02/19 19:26:47 推荐文章 广州做内销鞋的网站深圳网站设计公司wx成都柚米科技15 2026/01/21 15:37:01 找源码的网站做数学网站 2026/01/21 17:28:01 免费隐私网站推广做个人网站怎么赚钱 2026/01/23 08:37:01 网站做蜘蛛池有用吗营销型网站有哪些建设流程 2026/01/21 18:04:01 百度云如何做网站网站建设公司宣传范文 2026/01/23 05:55:01 怎么用linux做网站服务器吗网站建设公司工作室 2026/01/23 09:36:01 建设工程网站有哪些淘宝领卷网站什么做 北京孤凡电子商务有限公司 2026/02/26 06:27:37 建设工程网站有哪些,淘宝领卷网站什么做,贵州省冶金建设有限公司网站,公司部门解散赔偿标准数字艺术史中的图像标注标准化研究#xff1a;文献综述与方法论探讨 核心文献#xff1a;Maronet与Truc的标注共享实践研究 论文信息 La Maronet#xff08;法国国家科学研究中心#xff09;与Alice Truc#xff08;雷恩第二大学#xff09;于2025年6月在《Transforma…数字艺术史中的图像标注标准化研究文献综述与方法论探讨核心文献Maronet与Truc的标注共享实践研究论文信息Léa Maronet法国国家科学研究中心与Alice Truc雷恩第二大学于2025年6月在《Transformations》期刊第1卷工作流专题发表的论文《改进数字艺术史工作流文化遗产图像分割与目标检测的标注共享》DOI: 10.46298/transformations.14591代表了数字艺术史标注标准化研究的最新进展。该论文从2024年10月提交经过严格的同行评议于2025年4月接受在短短两个月内即获得99次浏览和103次下载显示出学术界对这一议题的强烈关注。研究核心论点Maronet与Truc的研究直面数字艺术史领域标准化缺失的根本问题特别聚焦于图像分割image segmentation和目标检测object detection两大计算机视觉任务。她们的核心主张是建立可互操作interoperable和可复现reproducible的数据标准以提升当前工作流的有效性和可重复性。这一主张不是空洞的技术呼吁而是植根于具体的研究实践——通过古代印度动物表现的案例研究她们揭示了标注实践标准化的必要性与复杂性。方法论创新承认诠释性的标准化这项研究的独特之处在于它没有简单地将艺术史研究还原为技术问题而是明确承认艺术史分析的诠释性本质interpretive nature。这种认识论立场使其区别于许多技术导向的计算机视觉研究。Maronet与Truc主张开发更具适应性的工具这些工具能够容纳艺术作品特有的多层次诠释从而促进多层语义标注multi-layered semantic annotations的整合。这种方法论立场回应了Bishop2017对数字艺术史的批判也呼应了Balbi和Calise2023关于计算机视觉分析中被忽视的理论假设的警告。案例研究的方法论意义选择古代印度雕塑中的动物表现作为案例研究具有深刻的方法论意义。印度艺术传统的视觉语言与西方艺术史的分析框架存在根本差异动物形象在印度艺术中往往承载着复杂的宗教、神话和象征意涵。一只狮子可能是佛陀的象征、某个神祇的坐骑vahana、或者王权的隐喻一条蛇可能代表那伽naga神族、昆达里尼能量、或者时间的循环。这种多义性对计算机视觉的目标检测构成了根本挑战——算法应该识别的是生物学意义上的动物种类还是图像志意义上的象征符号这一案例研究与Revire2016关于坐佛图像学的研究形成对话。Revire的研究展示了佛教艺术图像学分析的复杂性需要整合宗教文本、仪轨传统、地域变异和历史演变等多重维度。Maronet与Truc的工作则试图将这种复杂性转化为可操作的标注方案这要求在Panofsky1939的三层次图像学分析框架前图像志描述、图像志分析、图像学诠释与计算机视觉的技术要求之间建立桥梁。参考文献全文翻译Arnold, Taylor, and Lauren Tilton. 2019. “远距离观看分析大型视觉语料库。” 《数字人文学科》34 (1): i3-i16.Balbi, Camilla, and Anne Calise. 2023. “房间里的理论大象艺术图像计算机视觉分析中被忽视的假设。” 《符号学》14:1-17.Beer, Gillian. 1996. 《开放的领域文化遭遇中的科学》。牛津牛津大学出版社。Bianconi, Francesco, Antonio Fernández, Fabrizio Smeraldi, and Giulia Pascoletti. 2021. “视觉识别的颜色和纹理描述符历史概述。” 《成像学报》7 (11): 245.Bishop, Claire. 2017. “反对数字艺术史。” 人文未来富兰克林人文研究所。Bode, Katherine, and Robert Dixon. 2009. “资源丰富的阅读数字时代的新经验主义” 载于《资源丰富的阅读新经验主义、电子研究与澳大利亚文学文化》1-27页。悉尼悉尼大学出版社。Cardon, Dominique, Jean-Philippe Cointet, and Antoine Mazières. 2018. “神经元的复仇归纳机器的发明与人工智能争议。” 《网络传播、技术、社会》5 (211): 173-220.Chagué, Alix, Thibault Clérice, and Laurent Romary. 2021. “HTR-United让我们共享真实数据” 载于DHNord2021——发布、共享、重用研究数据数据论文及其挑战法国里尔11月15-19日。Chagué, Alix, Thibault Clérice, and Laurent Romary. 2022. “HTR-United手写文字自动转录共享方法的生态系统。” HAL预印本第1版6月。Courtin, Antoine. 2016. “数字艺术史定义尝试。” Medium10月。Crawford, Kate, and Trevor Paglen. 2019. “机器学习训练集中的图像政治。” 挖掘AI网站。Croce, Valeria, Gabriella Caroti, Livio De Luca, Andrea Piemonte, and Philippe Véron. 2020. “遗产模型的语义标注2D/3D方法与未来研究挑战。” 《国际摄影测量、遥感与空间信息科学档案》43-B2-20208月829-836.Crowley, Elliot J. 2016. “使用机器学习的艺术视觉识别。” 博士论文牛津大学。Dalara, Ayush, C. Sindhu, and R. Vasanth. 2022. “使用CLAHE和机器学习的印度雕塑实体识别。” 载于2022年首届电气、电子、信息与通信技术国际会议印度特里奇2月16-18日1-12页。IEEE。Díaz-Rodríguez, Natalia等人。2022. “可解释的神经符号学习X-NeSyL方法论融合深度学习表示与专家知识图谱——MonuMAI文化遗产用例。” 《信息融合》793月58-83.Dobson, James E. 2023. 《计算机视觉的诞生》。明尼阿波利斯/伦敦明尼苏达大学出版社。Drucker, Johanna. 2013. “存在’数字’艺术史吗” 《视觉资源》29 (1-2): 5-13.ECMA国际。2017. 《JSON数据交换语法》。ECMA第二版12月。Eisner, Jaś. 2003. “风格。” 载于《艺术史批评术语》Robert S. Nelson和Richard Shiff编辑183-201页。第二版。芝加哥/伦敦芝加哥大学出版社。Elgammal, Ahmed, Bingchen Liu, Diana Kim, Mohamed Elhoseiny, and Marian Mazzone. 2018. “机器眼中的艺术史形态。” 《美国人工智能协会会议论文集》32 (1)。盖蒂研究所。2017. “艺术与建筑词库在线版。”Ghosh, Mridul, Sk Md Obaidullah, Francesco Gherardini, and Maria Zdimalova. 2021. “使用深度神经网络的马赛克几何形式分类。” 《成像学报》7 (8): 149-161.Hollink, Laura, Guus Schreiber, Jan Wielemaker, and Bob Wielinga. 2023. “图像集合的语义标注。” 载于K-Cap 2003知识标记与语义标注研讨会论文集佛罗里达萨尼贝尔10月26日41-48页。Impett, Leonardo. 2020. “数字绘画计算方法与艺术史。” 博士论文洛桑联邦理工学院。国际文献委员会CIDOC。2006. CIDOC概念参考模型CRM。国际图像互操作性框架。2011. “获得对世界图像和视听文件更丰富的访问。”Joyeux-Prunel, Béatrice. 2024. “数字可复制性时代的数字人文走向更公平和后计算框架。” 《国际数字人文学报》6 (1): 23-43.Kalliamvakou, Eirini等人。2014. “挖掘GitHub的承诺与危险。” 载于MSR 2014第11届软件仓库挖掘工作会议论文集印度海得拉巴5月31日-6月1日92-101页。纽约计算机协会。Kunwar, Suman. 2024. “Annotate-Lab简化图像标注。” 《开源软件学报》9 (103): 7210-7216.Lang, Sabine, and Björn Ommer. 2018. “证明相似性用计算机视觉支持艺术图像集合的组织与研究。” 《数字人文学科》33 (4): 845-856.Lecoutre, Adrian, Benjamin Negrevergne, and Florian Yger. 2017. “使用深度学习自动识别绘画中的艺术风格。” 《机器学习研究论文集》77:327-342.Leslie, Liza, Tat-Seng Chua, and Ramesh Jain. 2007. “使用转导推理和基于本体的概念消歧对绘画进行高级语义概念标注。” 载于MM 07第15届ACM国际多媒体会议论文集德国奥格斯堡9月25-29日443-452页。纽约计算机协会。Lin, Tsung-Yi等人。2015. “Microsoft COCO上下文中的常见对象。” ArXiv第3版5月。Mehri, Maroua, Petra Gomez-Krämer, Pierre Héroux, Alain Boucher, and Rémy Mullot. 2017. “历史书籍的基于纹理的像素标记方法。” 《模式分析与应用》20 (2): 325-364.Miceli, Milagros, Martin Schuessler, and Tianling Yang. 2020. “主观性与强加之间计算机视觉数据标注中的权力动态。” 《ACM人机交互论文集》4 (CSCW2): 1-25.Milani, Federico, and Piero Fraternali. 2020. “绘画中图像志分类的数据集和卷积模型。” 《计算与文化遗产学报》14 (4): 1-18.Mills, Kathy Ann. 2010. “新读写研究中’数字转向’的回顾。” 《教育研究评论》80 (2): 246-271.Mitchell, Thomas W. J. 1995. “跨学科性与视觉文化。” 《艺术公报》77 (4): 540-544.Morlock, Emmanuelle, and Dominique Stutzmann. 2024. “古代书写文化领域数字创新的’低技术’方法。” 论文发表于MSH Mondes人文社会科学之家研讨会法国南泰尔4月11日。Panofsky, Erwin. 1939. 《图像学研究文艺复兴艺术中的人文主题》。纽约牛津大学出版社。Ponchio, Federico, Marco Callieri, Matteo Dellepiane, and R. Scopigno. 2020. “3D模型上的有效标注。” 《计算机图形学论坛》39 (1): 89-105.Prunet, Carine等人。2022. “IIIF遗产图像的发现与无边界互操作性。” 《文化与研究》143:111-117.Réby, Kévin, Anaïs Guillem, and Livio De Luca. 2023. “使用基础模型进行文化遗产语义分割巴黎圣母院实验研究。” 载于第四届ICCV电子文化遗产研讨会法国巴黎10月3日1689-1697页。计算机视觉基金会。Revire, Nicolas. 2016. “庄严的坐佛图像学研究。” 博士论文巴黎第三大学索邦新大学。Risam, Roopika, and Rahul K. Gairola编辑。2021. 《南亚数字人文技术文化经典的后殖民调解》。伦敦/纽约劳特利奇出版社。Romein, Annemieke C.等人。2020. “领域现状数字历史。” 《历史》105 (365): 291-312.Saleh, Babak, Kanako Abe, Ravneet Singh Arora, and Ahmed Elgammal. 2014. “迈向艺术影响的自动发现。” ArXiv第1版8月。Sateesh, Jyotsna. 2021. “在现实世界中建立真实数据。” Macquarie工程博客Medium10月。Shen, Xi. 2021. “艺术品中近重复模式发现与对齐的深度学习。” 博士论文巴黎高科路桥学院。Sindel, Aline, Andreas Maier, and Vincent Christlein. 2022. “ArtFacePoints绘画和版画中的高分辨率面部地标检测。” ArXiv。欧洲计算机视觉会议ECCV艺术视觉VISART研讨会论文以色列特拉维夫10月23日。Tóth-Czifra, Erzsébet. 2020. “失去厚描述的风险艺术与人文在不断发展的FAIR数据生态系统中面临的数据管理挑战。” 载于《数字技术与人文研究实践》Jennifer Edmond编辑235-266页。剑桥开放图书出版社。Truc, Alice, and Léa Maronet. 2025. “迈向遗产图像标注数据的标准化艺术杂志版面检测案例。” 《北欧和波罗的海国家数字人文出版物》7 (3)。Van Noord, Nanne. 2018. “学习风格的视觉表示。” 博士论文蒂尔堡大学。Wasielewski, Amanda. 2023. 《计算形式主义、艺术史与机器学习》。剑桥/伦敦麻省理工学院出版社。万维网联盟。2008. 《可扩展标记语言XML》。Tim Bray、Jean Paoli、C. M. Sperberg-McQueen、Eve Maler和François Yergeau编辑。W3C2008年11月26日推荐标准。万维网联盟。2017. 《网络标注数据模型》。Robert Sanderson、Paolo Ciccarese和Benjamin Young编辑。W3C2017年2月23日推荐标准。Zhao, Shu, Almila Akdaǧ Salah, and Albert Ali Salah. 2022. “西方艺术中人体表现的自动分析。” ArXiv。欧洲计算机视觉会议ECCV艺术视觉VISART研讨会论文以色列特拉维夫10月23日。深度解读数字艺术史的方法论转向与标注实践的认识论困境当代数字人文研究正经历着一场深刻的方法论变革这场变革的核心不仅在于技术工具的更新换代更在于研究范式本身的根本性重构。Maronet与Truc2025的最新研究为这场变革提供了一个具体而深刻的切入点通过古代印度动物表现的标注实践她们揭示了数字艺术史面临的核心挑战——如何在技术标准化的需求与艺术史诠释性本质之间建立平衡。这不是一个可以通过简单的技术方案解决的问题而是涉及认识论、方法论和学科身份的根本性议题。数字转向的历史纵深与学科焦虑数字艺术史的兴起并非突如其来的技术革命而是植根于更广阔的人文学科数字化浪潮之中。Mills2010对数字转向的回顾揭示了新读写研究领域如何在20世纪末21世纪初逐步接纳数字技术这一转向不仅改变了研究对象更重塑了研究者与文本、图像之间的关系。当Drucker2013提出存在’数字’艺术史吗这一质疑时她触及了学科身份的核心问题数字工具究竟是艺术史研究的辅助手段还是催生了一种本质上不同的研究范式Courtin2016试图为数字艺术史提供定义但这种定义的尝试本身就暴露了学科边界的模糊性。Bishop2017更为激进地反对数字艺术史她的批判不仅针对技术决定论的倾向更指向数字方法可能带来的简化主义危险——当艺术作品被还原为像素矩阵和特征向量时那些无法量化的审美经验、历史语境和文化意涵是否会被系统性地遮蔽这种担忧并非保守主义的固执而是对人文学科核心价值的捍卫。然而Bode和Dixon2009提出的资源丰富的阅读概念为这种二元对立提供了超越的可能。他们主张的新经验主义不是简单地用数据取代诠释而是在大规模数据分析与深度文本细读之间建立对话关系。这种方法论立场在Arnold和Tilton2019的远距离观看理论中得到进一步发展。他们借用Moretti的远读概念将其应用于视觉材料分析提出通过计算方法处理大规模图像语料库不是为了替代传统的图像学分析而是为了揭示那些在个案研究中难以察觉的宏观模式和历史趋势。Maronet与Truc的研究正是在这一方法论脉络中展开的。她们的工作不是简单地应用现成的计算机视觉技术而是试图重新配置这些技术以适应艺术史研究的特殊需求。她们明确承认艺术史分析的诠释性本质这一立场使其研究区别于许多技术导向的计算机视觉研究。在古代印度动物表现的案例中她们面临的不仅是技术挑战如何准确分割和检测图像中的动物形象更是认识论挑战如何在算法的识别与艺术史家的理解之间建立联系。这种方法论的辩证关系在Impett2020的博士论文中得到充分展现。他的数字绘画研究将计算方法与艺术史传统深度融合既运用机器学习技术分析大规模绘画数据集又保持对单个作品的细致解读。这种双重视角的维持并非易事它要求研究者既精通算法原理又深谙艺术史理论在量化分析与质性诠释之间不断穿梭。Wasielewski2023的《计算形式主义、艺术史与机器学习》进一步理论化了这种方法论张力她追溯了形式主义美学传统如何为计算机视觉分析提供了认识论基础同时也指出这种基础的局限性——当Panofsky1939的图像学三层次分析法遇到深度神经网络时我们如何在算法的看见与人文学者的理解之间架设桥梁计算机视觉技术的演进轨迹与艺术史的相遇计算机视觉技术本身经历了从手工特征工程到深度学习的范式转变这一转变对数字艺术史研究产生了深远影响。Bianconi等人2021系统梳理了颜色和纹理描述符在视觉识别中的历史演变从早期的统计特征到后来的局部不变特征如SIFT、SURF再到卷积神经网络自动学习的层级表示。这一技术史揭示了一个关键转折传统计算机视觉依赖研究者预先定义的特征这些特征往往基于对视觉感知的理论假设而深度学习则通过端到端的训练直接从数据中学习表示这种黑箱特性既带来了性能的飞跃也引发了新的认识论问题。Dobson2023的《计算机视觉的诞生》提供了这一技术史的文化维度。他追溯了计算机视觉如何从军事和工业应用逐步渗透到人文研究领域这一过程伴随着技术假设的迁移和重构。当最初为物体识别设计的算法被应用于艺术品分析时它们携带的是怎样的视觉理论和文化偏见Cardon、Cointet和Mazières2018对神经元的复仇的分析揭示了归纳式机器学习如何挑战传统的演绎推理模式这种认识论转变在艺术史研究中尤为显著——我们是否应该让算法从数据中发现艺术风格的规律而非依赖艺术史家的理论建构Maronet与Truc的研究在这一技术演进的背景下具有特殊意义。图像分割和目标检测是计算机视觉的两大基础任务前者旨在将图像划分为有意义的区域后者则识别和定位图像中的特定对象。在自然图像处理中这两个任务有相对明确的定义分割一张街景照片中的汽车、行人和建筑物检测一张动物照片中的猫或狗。然而当这些任务被应用于艺术图像时有意义的区域和特定对象的定义变得模糊不清。在古代印度雕塑中一个动物形象可能同时是多个对象从生物学角度看它是某个物种的表现从图像志角度看它可能是某个神祇的坐骑或象征从构图角度看它是整体雕塑的一个组成部分从风格角度看它体现了特定时期和地域的艺术传统。Maronet与Truc面临的挑战是如何设计一个标注方案既能满足计算机视觉算法的训练需求需要明确的边界框或分割掩码又能保留艺术史分析的复杂性和多义性在具体应用层面多个研究展示了计算机视觉技术如何被改造以适应艺术史研究的特殊需求。Crowley2016的博士论文探索了机器学习在艺术视觉识别中的应用他面临的核心挑战是艺术图像与自然图像的根本差异——艺术作品的视觉特征往往是风格化的、象征性的而非对现实的直接再现。Lecoutre、Negrevergne和Yger2017尝试用深度学习自动识别绘画风格但他们发现传统的分类框架难以捕捉风格的连续性和混合性。Van Noord2018的研究进一步探讨了如何学习风格的视觉表示他提出的方法不是将风格视为离散的类别而是作为高维特征空间中的连续分布。Elgammal等人2018的机器眼中的艺术史形态研究代表了一种更为雄心勃勃的尝试。他们训练神经网络学习艺术史的时序演变模式试图让算法理解风格的历史发展逻辑。这项研究引发了激烈争议算法识别出的模式是艺术史的客观规律还是训练数据中隐含的策展偏见的反映Saleh等人2014关于艺术影响自动发现的研究面临类似的质疑——影响关系的判定涉及复杂的历史语境、传记信息和文化传播机制这些能否被简化为视觉相似性的计算在更专门化的任务中研究者开发了针对艺术图像特定问题的技术方案。Sindel、Maier和Christlein2022的ArtFacePoints系统专门用于检测绘画和版画中的面部地标这项技术需要克服艺术表现的多样性——从写实主义肖像到立体主义的几何化面孔。Zhao、Akdaǧ Salah和Salah2022对西方艺术中人体表现的自动分析面临类似挑战人体的艺术表现跨越了从古典理想化到现代抽象化的巨大光谱。Ghosh等人2021在马赛克几何形式分类中使用深度神经网络Dalara、Sindhu和Vasanth2022将CLAHE和机器学习应用于印度雕塑实体识别这些研究都在努力调和计算方法的普遍性与艺术传统的特殊性。Dalara等人的研究与Maronet和Truc的工作形成有趣的对照。两者都聚焦于印度雕塑都使用机器学习技术进行实体识别但方法论立场存在微妙差异。Dalara等人更侧重于技术实现展示CLAHE对比度受限自适应直方图均衡化如何改善图像质量从而提升识别准确率而Maronet和Truc则更关注标注实践本身的理论和方法论问题她们追问的是我们应该如何标注这些雕塑中的动物形象才能既满足算法训练的需求又保留艺术史分析的丰富性标注实践的认识论困境与权力关系数字艺术史研究的一个关键环节是图像标注这一看似技术性的操作实则蕴含着深刻的认识论和政治问题。Miceli、Schuessler和Yang2020对计算机视觉数据标注中权力动态的分析揭示了标注过程绝非中立的客观记录而是充满了主观判断和权力关系的社会实践。标注者的文化背景、教育程度、审美偏好都会影响标注结果而这些人为因素最终会被编码进训练数据进而塑造算法的视觉。Crawford和Paglen2019的挖掘AI项目通过考古式的研究揭示了机器学习训练集中的图像政治。他们发现广泛使用的ImageNet等数据集中充斥着种族、性别和阶级偏见这些偏见通过标注类别的设定、图像的选择和标签的分配得以固化。当这些训练集被用于艺术图像分析时它们携带的文化假设会如何影响算法对艺术作品的理解例如一个主要基于西方艺术训练的模型能否恰当地分析非西方艺术传统Maronet与Truc的古代印度案例研究直接触及了这一问题。印度艺术传统的视觉语言、象征系统和审美规范与西方艺术史的分析框架存在根本差异。当我们标注一个印度雕塑中的动物形象时我们是使用西方动物学的分类体系狮子、大象、蛇还是印度本土的概念框架simha、gaja、naga这不仅是术语选择的问题更涉及认识论立场我们是将印度艺术纳入一个普遍的分析框架还是尊重其文化特殊性Risam和Gairola2021编辑的《南亚数字人文》深入探讨了这一后殖民语境中的数字技术问题。他们指出数字人文工具和方法往往携带着西方中心主义的假设当这些工具被应用于南亚材料时需要进行批判性的重新配置。Maronet与Truc的研究可以被视为这种重新配置的一个具体实践她们不是简单地将现成的目标检测算法应用于印度雕塑而是试图开发能够容纳印度艺术特殊性的标注方案和分析工具。Balbi和Calise2023指出了艺术图像计算机视觉分析中被忽视的理论假设这些假设往往隐藏在技术实现的细节中。例如当我们使用卷积神经网络分析雕塑时我们隐含地假设了艺术风格可以通过局部特征的统计分布来表征这种假设与某些艺术理论相契合却与另一些理论相冲突。更根本的问题是计算机视觉的看见本质上是一种基于统计相关性的模式识别它能否触及艺术作品的意义层面在印度雕塑的语境中这一问题尤为尖锐。一个那伽naga形象不仅是一条蛇的视觉表现它还承载着复杂的神话叙事、宗教象征和宇宙论意涵。在印度传统中那伽是半神半人的蛇神族与水、生育、保护和地下世界相关联。当算法检测到一个那伽形象时它识别的是什么是蛇的生物学特征鳞片、蜿蜒的身体还是那伽的图像志特征多头、人身蛇尾、头顶华盖如果是后者算法如何学习这些特征与其文化意涵之间的关联标注标准化的努力正是在这种认识论困境中展开的。Truc和Maronet2025关于艺术杂志版面检测的研究提出了遗产图像标注数据标准化的必要性。她们发现不同研究项目使用的标注方案往往互不兼容导致数据无法共享和复用。这种碎片化不仅造成资源浪费更阻碍了跨项目的比较研究和元分析。然而标准化本身也面临挑战过于刚性的标准可能抑制方法论创新而过于灵活的标准又难以实现真正的互操作性。Maronet与Truc提出的解决方案是开发更具适应性的工具这些工具能够容纳艺术作品特有的多层次诠释。这一主张呼应了Panofsky1939的图像学三层次分析框架前图像志描述识别视觉元素、图像志分析理解主题和故事、图像学诠释揭示文化意涵。传统的目标检测算法主要停留在第一层次它们能够识别一个动物形象但难以理解这是毗湿奴的坐骑金翅鸟更无法诠释金翅鸟象征着神圣力量战胜邪恶。多层语义标注的理念试图弥合这一鸿沟。在这种标注方案中同一个图像区域可以有多个层次的标签生物学层次鸟类、图像志层次金翅鸟/Garuda、象征层次神圣力量、风格层次笈多时期、功能层次神祇坐骑。这种多层次标注不仅为算法提供了更丰富的训练信号也保留了艺术史分析的复杂性。然而实现这种标注方案面临巨大的技术和组织挑战如何设计数据结构来表示这些层次关系如何确保不同标注者对层次划分的一致理解如何平衡标注的详细程度与标注成本数据标准与互操作性的技术基础设施标注数据的标准化离不开底层的数据格式和交换协议。万维网联盟W3C制定的XML标准2008和JSON格式ECMA International, 2017为结构化数据的表示提供了基础。W3C的网络标注数据模型2017进一步定义了一套用于描述网络资源标注的通用框架这一框架被广泛应用于数字人文项目中。然而通用标准与领域特定需求之间存在张力艺术史研究的标注需要表达复杂的图像学关系、风格特征和历史语境这些往往超出了通用标注模型的表达能力。Hollink等人2023早在2003年就探讨了图像集合的语义标注问题他们提出使用本体论ontology来规范标注类别和关系。这种方法在文化遗产领域得到广泛应用盖蒂研究所的艺术与建筑词库AAT就是一个典型例子。AAT提供了一个层级化的受控词表涵盖了艺术史研究中的各类概念。然而Leslie、Chua和Jain2007的研究揭示了本体论方法的局限艺术概念往往具有历史特殊性和文化相对性一个固定的词表难以捕捉这种动态性和多义性。对于Maronet与Truc研究的印度艺术材料这一局限尤为明显。AAT虽然包含一些印度艺术术语但其概念框架仍然以西方艺术史为中心。例如AAT中vehicle坐骑的定义主要基于西方语境中的交通工具概念而印度艺术中的vahana神祇坐骑不仅是交通工具更是神祇力量和属性的象征具有深刻的宗教和宇宙论意涵。简单地将印度概念映射到西方词表可能导致意义的扭曲和丢失。CIDOC概念参考模型CRM代表了另一种标准化尝试它不是提供固定的词表而是定义了一个灵活的概念框架允许不同的文化遗产机构根据自身需求进行扩展。Croce等人2020探讨了如何在遗产模型上进行2D/3D语义标注他们发现三维模型的标注比二维图像更为复杂因为需要处理空间关系、视角变化和多尺度表示。Ponchio等人2020进一步研究了3D模型上的有效标注方法提出了一套考虑用户交互和可视化需求的标注工具设计原则。虽然Maronet与Truc的研究主要聚焦于2D图像但她们面临的许多问题与3D标注相通。印度雕塑虽然以2D照片的形式呈现在数据集中但它们本质上是三维对象具有多个视角和复杂的空间关系。一个动物形象可能跨越雕塑的多个面或者与其他元素形成复杂的构图关系。如何在2D标注中保留这些3D信息如何处理不同拍摄角度和光照条件下同一雕塑的多张照片这些问题在标注方案设计中需要仔细考虑。国际图像互操作性框架IIIF的出现为艺术图像的共享和互操作提供了新的可能。Prunet等人2022详细介绍了IIIF如何实现遗产图像的无边界互操作性这一框架不仅定义了图像的访问和呈现协议还支持在图像上叠加标注信息。IIIF的设计哲学是分离内容与呈现允许不同的机构以统一的方式访问和操作图像而无需关心底层的存储和管理细节。这种架构为跨机构的协作研究和数据共享奠定了技术基础。对于Maronet与Truc倡导的标注共享IIIF提供了一个理想的技术平台。研究者可以在IIIF图像上创建标注这些标注以标准格式存储可以被其他研究者访问和复用。更重要的是IIIF的标注模型支持多层次、多视角的标注不同研究者可以在同一图像上叠加不同类型的标注而这些标注可以独立管理和更新。这种灵活性对于容纳艺术史分析的多样性至关重要。然而技术标准的采用并非自动发生它涉及复杂的社会和组织因素。Kalliamvakou等人2014对GitHub挖掘的研究揭示了开源协作平台的承诺与危险这些洞察同样适用于数字人文领域的数据共享。开放数据的理念虽然美好但在实践中面临诸多障碍机构的数据主权顾虑、知识产权的法律限制、数据质量的参差不齐以及缺乏持续维护的资源保障。Tóth-Czifra2020警告了在FAIR数据生态系统中失去厚描述的风险她指出艺术与人文研究的数据往往需要丰富的语境信息简单的元数据标准难以捕捉这种复杂性。Maronet与Truc的研究正是在这些张力中寻找平衡。她们倡导的标注共享不是简单地将所有数据上传到一个中央仓库而是建立一个分布式的生态系统其中不同的研究项目保持自主性但通过标准化的接口实现互操作。这种模式借鉴了HTR-United项目的成功经验但需要针对艺术图像标注的特殊需求进行调整。手写文本识别与文献数字化的方法论启示虽然Maronet与Truc的研究主要聚焦于视觉艺术但手写文本识别HTR领域的研究为图像标注标准化提供了重要的方法论启示。Chagué、Clérice和Romary2021, 2022推动的HTR-United项目倡导真实数据的共享和复用他们建立了一个生态系统让不同的HTR项目可以贡献和使用标注数据。这一模式的成功在于它不是强加一个自上而下的标准而是通过社区协作逐步形成共识。HTR-United的核心理念是真实数据的互惠mutualisation de la vérité de terrain。在HTR研究中真实数据指的是手写文本图像及其对应的转录文本这些数据的创建需要大量的人工劳动。不同的HTR项目往往处理不同类型的历史文献中世纪手稿、近代信件、档案文书等但它们面临的技术挑战有相似之处。HTR-United通过建立一个共享平台让研究者可以贡献自己的真实数据同时使用他人的数据来改进自己的模型。这种互惠模式不仅提高了资源利用效率也促进了方法论的交流和创新。Maronet与Truc的标注共享倡议可以被视为将HTR-United模式扩展到艺术图像领域的尝试。然而艺术图像标注比文本转录更为复杂。文本转录虽然涉及古文字识别、缩写展开等专业判断但最终产出是相对明确的文本字符串而艺术图像标注涉及多层次的语义解释不同的标注者可能对同一图像有合理的不同理解。如何在这种诠释多样性的前提下实现数据共享一个可能的方案是区分不同确定性层次的标注。某些标注是相对客观的例如“这个区域包含一个动物形象”可以作为共享数据的基础层而另一些标注是高度诠释性的例如“这个动物象征着神圣力量”可以作为可选的附加层。这种分层模式允许不同研究者根据自己的需求选择使用哪些标注层次同时也为标注的渐进式精化提供了空间——初始标注可以只包含基础层随着研究的深入逐步添加更高层次的诠释。Mehri等人2017对历史书籍的基于纹理的像素标记方法展示了如何将计算机视觉技术应用于文献数字化。他们面临的挑战与艺术图像分析类似历史文献的版面布局、字体风格和保存状况千差万别需要开发鲁棒的算法来处理这种多样性。Morlock和Stutzmann2024提出的低技术方法为数字创新提供了另一种思路他们主张在古代书写文化研究中有时简单的技术方案反而更有效因为它们更透明、更易于理解和修正。这种低技术哲学与当前深度学习主导的趋势形成对照。深度学习模型虽然性能强大但其复杂性和不透明性给人文研究者带来了挑战。对于许多艺术史学者来说理解卷积神经网络的内部机制是困难的这使得他们难以评估算法结果的可靠性也难以将算法发现与自己的专业知识整合。Díaz-Rodríguez等人2022提出的可解释神经符号学习X-NeSyL方法试图在深度学习的性能与符号推理的可解释性之间架设桥梁。他们在MonuMAI文化遗产项目中展示了如何将深度学习表示与专家知识图谱融合使算法的决策过程更加透明和可控。Maronet与Truc的研究可以从这些方法论探索中获得启发。她们倡导的多层语义标注实际上是一种符号化的知识表示如果能够将这种符号表示与深度学习的特征学习结合起来可能产生既强大又可解释的分析工具。例如可以训练一个神经网络学习视觉特征但在分类层使用基于本体论的符号推理这样算法的决策过程就可以用艺术史术语来解释而不是不透明的数值向量。特定领域的方法论创新与案例研究在特定的艺术史研究领域研究者开发了针对性的方法和工具。Milani和Fraternali2020构建了一个用于绘画图像志分类的数据集和卷积模型他们的工作不仅涉及技术开发还包括与艺术史家的深度合作以确保分类体系的学术有效性。Shen2021的博士论文专注于艺术品中近重复模式的发现与对齐这项研究对于分析装饰艺术、纺织品和建筑装饰具有重要价值因为这些领域中重复模式的识别和比较是风格分析的关键。对于印度雕塑研究重复模式的识别同样重要。印度寺庙建筑和雕塑装饰中充满了重复的图案和母题motifs这些重复不仅是装饰性的也具有宗教和象征意义。例如某些动物形象如狮子、大象、孔雀在印度艺术中反复出现但在不同的语境中可能承载不同的意涵。Shen开发的近重复模式发现技术可以帮助研究者系统地识别和比较这些重复母题揭示它们在不同时期、地域和宗教传统中的变异和演化。Lang和Ommer2018的研究探讨了如何用计算机视觉支持艺术图像集合的组织与研究他们提出的相似性证明方法不是简单地计算图像特征的距离而是考虑了艺术史学科特有的相似性概念——这种相似性可能基于主题、构图、色彩或笔触而非表面的视觉相似。这一方法论立场对Maronet与Truc的研究具有启发意义在印度雕塑的语境中相似性的判定需要考虑图像志传统、风格流派、工坊实践等多重因素简单的视觉特征匹配难以捕捉这种复杂性。Revire2016关于坐佛图像学的研究展示了传统图像学方法的深度他对佛教艺术中特定图像类型的历史演变、地域变异和宗教意涵的细致分析提醒我们计算方法需要达到怎样的复杂度才能真正辅助这类研究。Revire的研究涵盖了从印度到东南亚的广阔地域和从公元前到中世纪的漫长时段他追溯了坐佛图像如何从早期的简朴形式演化为后来的华丽表现如何在不同的佛教传统上座部、大乘、密宗中呈现不同的图像志特征。如果要用计算方法辅助这类研究标注数据需要包含极其丰富的信息不仅是佛像的视觉特征手印、坐姿、服饰、光环还有其图像志属性佛陀生平的哪个时刻、哪个佛或菩萨、哪种宗教传统、风格特征时期、地域、工坊、以及语境信息原始位置、功能、铭文。Maronet与Truc倡导的多层语义标注正是试图容纳这种复杂性但如何在实践中实现仍然是一个开放的挑战。Réby、Guillem和De Luca2023在巴黎圣母院的案例研究中使用基础模型进行语义分割这项工作展示了最新的计算机视觉技术如何应用于文化遗产保护。他们面临的挑战包括如何处理建筑元素的复杂几何形态、如何整合多源数据摄影测量、激光扫描、历史文献以及如何确保分割结果符合建筑史和修复学的专业要求。这种跨学科协作模式——计算机科学家、建筑史学家和修复专家的共同工作——为数字艺术史的未来发展提供了范例。Maronet与Truc的研究同样需要这种跨学科协作。她们不仅需要与计算机视觉专家合作开发算法还需要与印度艺术史学家、宗教学者、考古学家合作设计标注方案和诠释标注结果。这种协作不是简单的分工人文学者提供数据计算机科学家开发算法而是深度的知识整合——双方需要共同理解问题共同设计解决方案共同评估结果的有效性。理论反思与学科身份的重构在技术应用的背后一系列理论问题持续困扰着数字艺术史研究者。Eisner2003对风格概念的批判性分析揭示了这一艺术史核心概念的复杂性和争议性。风格既是形式特征的集合又是历史建构的产物既有客观的视觉基础又承载着主观的价值判断。当我们试图用算法学习和识别风格时我们实际上是在将哪一种风格理论编码进模型不同的理论选择会导致截然不同的技术方案和研究结论。在印度艺术的语境中风格概念更加复杂。西方艺术史的风格分析传统从Wölfflin的形式分析到Gombrich的视觉心理学是否适用于印度艺术印度艺术史学家发展了自己的风格分类体系如笈多风格、帕拉风格、朱罗风格这些分类基于王朝、地域和宗教传统而非纯粹的形式特征。当Maronet与Truc标注印度雕塑的风格时她们是使用西方的形式分析框架还是印度本土的分类体系这一选择不仅影响标注方案的设计也反映了更深层的认识论和政治立场。Beer1996的《开放的领域文化遭遇中的科学》为理解科学与人文的交叉提供了历史视角。她追溯了19世纪科学概念如何渗透到文学和艺术中这一历史提醒我们技术与人文的关系从来不是单向的工具化而是双向的概念流动和相互塑造。当代数字人文同样如此计算方法不仅是分析工具它们也在重塑我们对艺术、历史和文化的理解方式。Maronet与Truc的研究可以被视为这种相互塑造的一个案例。她们不是简单地将计算机视觉技术应用于印度艺术而是试图重新配置这些技术以适应印度艺术的特殊性。在这一过程中她们既改变了技术开发新的标注方案和分析工具也可能改变艺术史研究本身通过大规模数据分析揭示新的模式和联系。这种双向的转化是数字人文最有价值的贡献它不是用技术取代人文而是在两者的对话中产生新的知识。Mitchell1995关于跨学科性与视 点赞 () 分享 收藏 返回列表 版权声明: 本文来自互联网用户投稿，该文观点仅代表作者本人，不代表本站立场。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如若内容造成侵权/违法违规/事实不符，请联系我们进行投诉反馈，一经查实，立即删除！ 广州做内销鞋的网站深圳网站设计公司wx成都柚米科技15

广州做内销鞋的网站,深圳网站设计公司wx成都柚米科技15,建设一个网站用什么搭建,网站头部特效树莓派5串口通信实战指南#xff1a;从硬件配置到Python编程全解析 你有没有遇到过这样的情况#xff

2026/01/21 15:37:01 找源码的网站做数学网站

找源码的网站,做数学网站,温州网站域名注册服务公司,包装设计网有哪些PyLink实战手册#xff1a;用Python驾驭SEGGER J-Link嵌入式调试 【免费下载链接】pylink Python

2026/01/21 17:28:01 免费隐私网站推广做个人网站怎么赚钱

免费隐私网站推广,做个人网站怎么赚钱,稻壳ppt模板免费下载,怎么判断网站建设年龄IBM发布32B参数Granite-4.0-H-Small大模型 【免费下载链接】granite-4.0-h-smal

2026/01/23 08:37:01 网站做蜘蛛池有用吗营销型网站有哪些建设流程

网站做蜘蛛池有用吗,营销型网站有哪些建设流程,巩义市建设局网站,可以做驾校推广的网站本文的核心读者是 SpringBoot 初学者、后端开发工程师#xff0c;以及在项目中遇到 “配置远程 Redis

2026/01/21 18:04:01 百度云如何做网站网站建设公司宣传范文

百度云如何做网站,网站建设公司宣传范文,抖音小程序怎么添加,广告制作合同软件项目开发全流程解析 1. 工作说明书（SOW）修订与规划要点 工作说明书（SOW）的多次修订以及多轮提案往往是必要的规划

2026/01/23 05:55:01 怎么用linux做网站服务器吗网站建设公司工作室

怎么用linux做网站服务器吗,网站建设公司工作室,泰州seo推广公司,英文wordpress转中文第一章#xff1a;Open-AutoGLM 输入法切换异常处理在使用 Open-AutoGLM 框

2026/01/23 09:36:01 国外游戏ui设计网站wordpress伪静态win

国外游戏ui设计网站,wordpress伪静态win,深圳网页设计培训机构,南部县网站建设公司导语#xff1a;OpenAI开源大模型GPT-OSS-120B的4bit量化版本正式推出#xff0c;借

2026/01/21 16:54:01 如何做网站视频广州网站建设公司有哪些

如何做网站视频,广州网站建设公司有哪些,魏县审批建设的网站,信誉好的做pc端网站当艺术邂逅科技#xff0c;测试面临新维度‌ 街头艺术#xff0c;以其公共性、即时性和创造性著称。AR涂鸦工具将这种

2026/01/23 11:06:01 对于网站建设的调查问卷TP框架网站的中英文切换怎么做

对于网站建设的调查问卷,TP框架网站的中英文切换怎么做,开发前端后端,淄博网站制作定制品牌用Arduino打造会“看路”的小车#xff1a;从零开始实战避障机器人你有没有想过#xff0c;一个几十块钱

2026/01/21 15:29:01 全球网站流量排名查询深圳做微信网站制作

全球网站流量排名查询,深圳做微信网站制作,昆明网站制作在线,富阳网站建设推广【实战指南】Vision Transformer模型选型避坑#xff1a;从理论到部署的完整决策框架 【免费下载链接】vis

2026/01/23 17:20:01 © 2025 北京孤凡电子商务有限公司. All rights reserved.

关于我们 使用条款 隐私政策 联系我们