逆向绘画：重构绘画过程
Inverse Painting: Reconstructing The Painting Process
Bowei Chen, Yifan Wang, Brian Curless, Ira Kemelmacher-Shlizerman, Steven M. Seitz
SIGGRAPH Asia Conference Papers · 2024-12-03
开放获取美术与书法被引 5被引前 10%影响因子 ≈6.4
摘要
我们以一幅输入画作为基础，重构出其可能的创作过程延时视频。我们将这一问题转化为自回归图像生成任务，即从一个初始为空白的“画布”开始进行迭代更新。该模型通过大量绘画视频的训练，从真实艺术家的创作中汲取经验。我们的方法结合了文本与区域理解技术来生成一系列绘画“指令”，并利用基于扩散原理的新型渲染器对画布进行更新。该方法突破了训练数据所限定的丙烯画风格范畴，在多种艺术风格与类型中均能产出合乎逻辑的创作结果。
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
- 论文提出“逆绘画”任务：给定一幅已完成绘画，重建其可能如何被绘制的延时视频。核心论点是绘画过程可被表述为自回归图像生成问题，即从空白“画布”出发进行迭代更新，并借助文本与区域理解形成一组绘画“指令”，再由基于扩散的渲染器更新画布。研究对象是真实艺术家的绘画过程视频，问题域落在绘画过程重建、图像生成时序建模与艺术风格泛化之间。作者还主张该方法能够外推至训练中有限的丙烯风格绘画之外，并在多种艺术风格与体裁上给出看似合理的结果。
- 研究方法
- 方法路径为自回归图像生成：初始画布为空，模型按步骤迭代更新画布以生成绘画过程序列。训练材料为大量真实艺术家的绘画视频，模型从这些视频中学习绘画步骤与画布演变。方法组合了文本与区域理解，用于界定绘画“指令”，并以扩散渲染器执行画布更新。材料样本的具体数量、艺术家构成、视频采集方式与风格分布，材料中未明确提及。
- 学术贡献
- 在理论建构层面，论文将“逆绘画”明确表述为从完成作品反推绘制过程的自回归图像生成问题，把绘画过程重建纳入生成模型的任务框架。在方法层面，它将文本与区域理解所得的绘画“指令”与扩散渲染器结合，形成“指令—画布更新”的过程生成路径。在材料层面，论文以真实艺术家的绘画视频为训练来源，使过程重建直接面向实际绘制序列而非静态图像。其价值集中于绘画过程可视化、艺术风格泛化与生成模型时序控制等议题。
- 存在局限
- 论文以丙烯风格绘画视频为主要训练来源，却声称可外推至多种风格与体裁；摘要仅称结果“看似合理”，未给出跨风格外推的系统验证。逆绘画本身存在多解性：同一完成作品可由不同绘制顺序与笔触路径产生，摘要未说明模型如何约束或评估重建过程与真实艺术家过程的对应关系。材料中未明确提及定量评价指标、与真实延时视频的对比实验、艺术家专家评审或用户研究，因而过程保真度与感知合理性缺少可核验依据。样本构成、训练视频规模与风格覆盖范围亦未在摘要中交代，限制了对其泛化结论的判定。
- 进一步研究方向
- 可构建跨媒介绘画过程基准：收集丙烯之外的油画、水彩、水墨等绘制视频，按风格与体裁划分训练/测试集，检验模型外推能力。可做消融实验，分别移除文本与区域理解形成的绘画“指令”、替换扩散渲染器，测量各组件对画布更新序列与最终作品一致性的影响。可引入艺术家专家评分与真实延时视频的步骤对齐指标，评估生成过程在笔触顺序、区域推进与层次构建上的可信度。还可针对逆绘画的多解性设计受控实验，比较不同绘制路径生成结果，并检验模型是否能输出多种合理解释而非单一序列。
本综述由 AI（deepseek-flash）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