探究机器学习对舞蹈表演的影响：一项系统性综述
Exploring the impact of machine learning on dance performance: a systematic review
Maria Rita Nogueira, Paulo J. Menezes, José Maçãs de Carvalho
International Journal of Performance Arts and Digital Media · 2024-01-02
开放获取艺术理论被引 31被引前 50%影响因子 ≈1.0
摘要
近年来，机器学习与舞蹈的交叉领域作为提升舞蹈表演美学与创造力的途径，受到了越来越多的关注。人体姿态识别等机器学习技术已被用于分析身体动作并实时生成视觉模型，为这一传统艺术形式带来了全新的表现方式。然而，尽管该领域备受瞩目，却缺乏从多维度评估机器学习对舞蹈影响的系统性研究。本研究通过系统性综述填补了这一空白，重点考察了机器学习对舞蹈表演四个关键方面的影响：编舞创作辅助、数据集或网络采集与训练、人体姿态识别技术的优化，以及舞蹈动作的感知与新视觉呈现。研究结果显示，机器学习对艺术发展既存在积极影响也存在消极影响：它虽能为表演注入新意、激发更多兴趣，但同时也引发了关于艺术所有权与作者身份的伦理争议。通过对机器学习作用于舞蹈关键领域的细致分析，本研究旨在为如何利用这类技术推动舞蹈艺术实践提供有益参考，同时指出这一快速发展领域中亟待进一步探索的方向。
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
- 该研究认为机器学习通过实时分析与视觉模型生成等手段，有效提升了舞蹈表演的美学价值与创造性，为传统艺术形式注入了新活力。文章重点探讨了机器学习在编舞辅助、数据集训练、姿态检测技术优化及动作视觉化呈现这四个关键维度的双重影响。研究发现，尽管技术带来了新颖性和观赏性的提升，但也引发了关于艺术归属权与作者身份的伦理争议。
- 研究方法
- 本研究采用了系统综述的方法，旨在填补该领域缺乏多角度综合评估的空白。通过对现有文献的梳理，研究构建了一个包含编舞创作支持、网络数据收集与训练、人体姿态检测技术改进以及舞蹈动作感知与视觉表征四个维度的分析框架。这种多维度的分析方法使得研究者能够辩证地探讨技术介入艺术实践的复杂效应。
- 学术贡献
- 本文的主要学术贡献在于首次从系统综述的角度，全面评估了机器学习技术对舞蹈表演各个层面的具体影响，回应了学界对该领域综合性研究的迫切需求。研究不仅肯定了技术在增强艺术实践方面的潜力，还敏锐地指出了随之而来的艺术伦理挑战。这为后续学者在艺术与技术交叉领域的研究提供了重要的理论参照和实证基础。
- 存在局限
- 材料中未明确提及该系统综述在文献筛选范围、检索策略或数据分析深度等方面的具体方法论局限。文中主要强调的是当前研究领域整体上缺乏综合性研究成果这一现状，而非针对本综述自身不足的反思。
- 进一步研究方向
- 研究指出未来应重点关注由机器学习引发的艺术所有权和作者身份等伦理问题的深入探讨。同时，需要继续探索如何更有效地利用这些技术来实质性地增强舞蹈艺术实践，而不仅仅是追求形式上的新奇。此外，随着技术的快速演进，持续改进人体姿态检测精度及开发新的舞蹈视觉表现形式也是未来重要的研究路径。
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：Art, Technology, and Culture