SRAFE：基于孪生回归模型的中国书法临摹作品美学融合评估方法
SRAFE: Siamese Regression Aesthetic Fusion Evaluation for Chinese Calligraphic Copy
Mingwei Sun, Xinyu Gong, Haitao Nie, Muhammad Minhas Iqbal, Bin Xie
CAAI Transactions on Intelligence Technology · 2022-05-06
开放获取艺术理论被引 22被引前 10%影响因子 ≈5.7
摘要
中国书法临摹作品的美学评价是书法鉴赏与传承的核心环节。然而，以往的美学评价研究多聚焦于摄影作品与绘画领域，针对中国书法的相关研究寥寥无几。为解决这一问题，本研究结合书法美学与深度学习技术，提出了一种名为SRAFE的面向中国书法的孪生回归美学融合评估方法。首先，本研究构建了用于美学评价的“已评价中国书法临摹作品数据集”（E3C）。其次，基于书法的形态、结构与笔触特征，设计了12种人工提取的美学特征。接着，设计了孪生回归网络（SRN）以提取书法的深层美学表征。最后，通过将深层美学特征与人工提取的美学特征相融合，构建了SRAFE评估方法。实验结果表明，SRAFE给出的评分与E3C中的美学评价标签高度吻合，证实了该方法的有效性。
本摘要由 AI（Hy-MT2-Pro）翻译生成，仅供参考，请以原文为准。
AI 综述
基于摘要生成- 主要观点
- 该研究针对中国书法临摹评价这一核心问题，提出了结合书法美学理论与深度学习技术的SRAFE方法。作者指出，既往的计算机美学评价研究多集中于摄影或绘画作品，而针对书法领域的探索相对匮乏。本研究主张通过融合传统手工特征与深度网络特征，实现对书法临摹作品的自动化审美量化评分。
- 研究方法
- 研究首先构建了名为E3C的专用书法临摹数据集作为评价基础。在技术路线上，设计了基于字形、结构与笔画的12种手工美学特征，并利用孪生回归网络（SRN）提取深层次的美学表征。最终，通过特征融合策略将手工特征与深度特征结合，构建出完整的SRAFE评价模型并进行实验验证。
- 学术贡献
- 本研究的主要贡献在于将深度学习技术的应用场景拓展至中国书法美学评价领域，弥补了现有研究的空白。作者成功构建了专门的书法临摹评价数据集E3C，为后续相关研究提供了数据支撑。此外，研究证实了融合传统美学先验知识（手工特征）与数据驱动（深度特征）的方法在书法评价中的有效性。
- 存在局限
- 材料中未明确提及
- 进一步研究方向
- 材料中未明确提及
本综述由 AI（GLM-5V-Turbo）基于摘要自动生成，仅供参考，不代表原文作者观点，请以原文为准。
参考文献
相关论文
话题：Visual Attention and Saliency Detection