[論文レビュー] Quantifying Creativity in Art Networks

Ahmed Elgammal, Babak Saleh|arXiv (Cornell University)|Jun 2, 2015

Aesthetic Perception and Analysis参考文献 10被引用数 50

ひとこと要約

本論文は、視覚的類似性に基づいて芸術作品をネットワークのノードとしてモデル化し、ネットワーク中央性を用いて変換された「創造性含意ネットワーク」を通じて、独自性と影響力を推定することで、芸術における創造性を定量的に評価する計算フレームワークを提案する。この手法は、芸術史的合意と高い整合性を示しており、作品を人工的に再タイムスケジューリングすることで予想される創造性スコアのシフトを示す「タイムマシン実験」によって検証されている。

ABSTRACT

Can we develop a computer algorithm that assesses the creativity of a painting given its context within art history? This paper proposes a novel computational framework for assessing the creativity of creative products, such as paintings, sculptures, poetry, etc. We use the most common definition of creativity, which emphasizes the originality of the product and its influential value. The proposed computational framework is based on constructing a network between creative products and using this network to infer about the originality and influence of its nodes. Through a series of transformations, we construct a Creativity Implication Network. We show that inference about creativity in this network reduces to a variant of network centrality problems which can be solved efficiently. We apply the proposed framework to the task of quantifying creativity of paintings (and sculptures). We experimented on two datasets with over 62K paintings to illustrate the behavior of the proposed framework. We also propose a methodology for quantitatively validating the results of the proposed algorithm, which we call the "time machine experiment".

研究の動機と目的

• 視覚的特徴と時間的メタデータにのみ依存し、芸術史の知識なしに、絵画や彫刻などの芸術的製品の創造性を客観的に評価する計算フレームワークを開発すること。
• 芸術的創造性の評価を、真のラベル（アノテーション）が存在しない状況でどのように検証できるかという課題に応えるために、独創的な「タイムマシン実験」手法を提案すること。
• 芸術史の知識なしに、視覚的特徴と時系列メタデータのみに依存して、自動的かつデータ駆動型の創造性スコアを算出すること。
• 本フレームワークが、明示的な芸術的コンセプトのラベルなしに、歴史的に認識された革新的作品を同定できることを示すこと。

提案手法

• コンピュータビジョン技術を用いて、色、形、質感などの芸術的コンセプトを定量化する視覚的類似性に基づいて、芸術作品のネットワークを構築する。
• 視覚的類似性ネットワークを、独自性と影響力を強調する一連の数学的変換によって「創造性含意ネットワーク」に変換する。
• 創造性評価問題を、PageRank や固有ベクトル中央性などの効率的アルゴリズムで解けるネットワーク中央性の変種として定式化する。
• 画像特徴と制作日付のみを入力として、6万2千枚を超える絵画を含む2つの大規模データセットにこのフレームワークを適用する。
• 作品の日付を人工的に再割り当てし、創造性スコアの変化を測定することで、結果を検証する「タイムマシン実験」を実施する。
• スコアシフト（上昇/低下）の統計的分析と、スコアが上昇した絵画の割合を用いて、アルゴリズムの整合性を評価する。

実験結果

リサーチクエスチョン

• RQ1 視覚的および時間的データのみを用いて、計算フレームワークが芸術的製品の独自性と影響力を客観的に定量的に評価できるか。
• RQ2 真のラベルが存在しない状況で、創造性評価をどのように検証できるか。
• RQ3 芸術作品を異なる歴史的時代に人工的に再タイムスケジューリングした場合、創造性スコアが期待通りの方向にシフトするか。
• RQ4 このフレームワークが、芸術史家が革新的で影響力があるとみなす作品をどの程度正しく同定できるか。

主な発見

• 印象派、後期印象派、表現主義、立体派の作品は、1600年に遡った場合に創造性スコアが顕著に上昇し、高い独自性を示している。
• ネオクラシシズムおよびロマン主義の作品は、1600年に遡った場合に最小限のスコア上昇を示し、それ以前のスタイルと歴史的に関連していることと整合している。
• ルネサンスおよびバロックの作品は、1900年に前倒しした場合に顕著なスコア低下を示し、それらの歴史的文脈と、後の時代における新奇性の低下を反映している。
• タイムマシン実験において、複数回の実行で一貫性があり、解釈可能な結果が得られ、平均スコア変化が統計的に有意であった。
• 本フレームワークは、芸術史の知識や芸術的コンセプトのラベルなしに、歴史的に認識された革新的作品を正しく同定できた。
• 定量的検証を通じて、本手法は妥当性と頑健性を示しており、創造性スコアが芸術的革新の歴史的理解と整合する方向にシフトすることが明らかになった。