تقدم مبادئ وولفلين الخمسة مقاربة منظمة لتحليل التباينات الأسلوبية للتحليل الرسمي. ومع ذلك، لا توجد مقياس حالي يتنبأ بفعالية بجميع المبادئ الخمسة في الفن البصري. يتطلب تقييم الجوانب البصرية لعمل فني مقياساً يمكنه تفسير العناصر الرئيسية مثل اللون والتركيب والخيارات الموضوعية. لقد أظهرت التقدمات الأخيرة في نماذج الرؤية واللغة (VLMs) قدرتها على تقييم خصائص الصورة المجردة، مما يجعلها مرشحة واعدة لهذه المهمة. في هذا العمل، نحقق في ما إذا كان CLIP، المدرب مسبقاً على بيانات كبيرة النطاق، يمكنه فهم وتنبؤ مبادئ وولفلين. تشير نتائجنا إلى أنه لا يلتقط بشكل فطري مثل هذه العناصر الأسلوبية الدقيقة. لمواجهة ذلك، نقوم بتحسين CLIP على مجموعات بيانات مُعلمة لصور فنية حقيقية لتوقع درجة لكل مبدأ. نقيم نموذجنا، WP-CLIP، على لوحات مولّدة بواسطة GAN ومجموعة بيانات الفن Pandora-18K، مما يثبت قدرته على التعميم عبر أنماط فنية متنوعة. تسلط نتائجنا الضوء على إمكانيات VLMs في التحليل الفني الآلي.
درس غيلديال وآخرون (Mon,) هذا السؤال.