[论文解读] Geometric Tight Frame based Stylometry for Art Authentication of van Gogh Paintings

Haixia Liu, Raymond H. Chan+1 more|arXiv (Cornell University)|Jul 2, 2014

Aesthetic Perception and Analysis参考文献 20被引用 5

一句话总结

本文提出一种基于几何紧框架的风格度量方法，通过从紧框架系数中提取方向性特征，并使用前向阶段式秩提升法进行特征选择，实现对文森特·梵高画作的真伪鉴定。该方法仅使用五个关键特征即达到88.61%的分类准确率，优于以往方法，揭示了方向性系数的尾部分布比均值或方差更具区分性，反映出梵高一贯的笔触风格。

ABSTRACT

This paper is about authenticating genuine van Gogh paintings from forgeries. The authentication process depends on two key steps: feature extraction and outlier detection. In this paper, a geometric tight frame and some simple statistics of the tight frame coefficients are used to extract features from the paintings. Then a forward stage-wise rank boosting is used to select a small set of features for more accurate classification so that van Gogh paintings are highly concentrated towards some center point while forgeries are spread out as outliers. Numerical results show that our method can achieve 86.08% classification accuracy under the leave-one-out cross-validation procedure. Our method also identifies five features that are much more predominant than other features. Using just these five features for classification, our method can give 88.61% classification accuracy which is the highest so far reported in literature. Evaluation of the five features is also performed on two hundred datasets generated by bootstrap sampling with replacement. The median and the mean are 88.61% and 87.77% respectively. Our results show that a small set of statistics of the tight frame coefficients along certain orientations can serve as discriminative features for van Gogh paintings. It is more important to look at the tail distributions of such directional coefficients than mean values and standard deviations. It reflects a highly consistent style in van Gogh's brushstroke movements, where many forgeries demonstrate a more diverse spread in these features.

研究动机与目标

• 开发一种稳健的计算方法，通过基于图像的风格度量分析，区分文森特·梵高的真迹与赝品。
• 识别一组最小的判别性特征，以捕捉梵高独特笔触风格，实现高精度分类。
• 通过自助抽样和交叉验证，评估所选特征的稳定性和泛化能力。
• 证明紧框架系数分布中的统计异常值是艺术风格的有意义信号，而非噪声。
• 提供可解释的、数据驱动的特征，以支持艺术史真伪鉴定，并可能为未来的数字艺术鉴证提供指导。

提出的方法

• 该方法采用几何紧框架，将高分辨率数字画作分解为方向性子带系数，以捕捉局部纹理和笔触方向。
• 从多个方向的紧框架系数中提取简单统计特征——均值、标准差，尤其是尾部分位数。
• 应用前向阶段式秩提升法，通过顺序、贪心的方式最小化分类误差，迭代选择最具判别力的特征。
• 使用留一法交叉验证评估模型性能，确保在训练样本有限的小型数据集上具有鲁棒性。
• 基于多轮迭代中特征的稳定排名及其将真迹梵高画作集中于中心簇、同时将赝品分散开的能力，选出前五个特征。
• 采用有放回的自助抽样生成200个合成数据集，以评估分类准确率的稳定性与置信区间。

实验结果

研究问题

• RQ1 几何紧框架系数及其统计特性能否作为有效特征，用于区分梵高画作与赝品？
• RQ2 哪些特定的方向性特征（如方向、系数分布）最能有效捕捉梵高独特笔触风格？
• RQ3 紧框架系数的尾部分布是否比均值或标准差等中心矩具有更强的判别能力？
• RQ4 仅使用五个特征能否实现高于现有方法的分类准确率，且该性能在重采样数据集中是否稳定？
• RQ5 所识别的特征是否具有可解释性，并与梵高作品中已知的风格模式保持一致？

主要发现

• 在79幅画作的完整数据集上，采用留一法交叉验证，该方法达到86.08%的分类准确率。
• 仅使用前五个选定特征，该方法即达到88.61%的分类准确率，为迄今文献中报告的最高值。
• 在200个自助重采样数据集上，前五个特征的中位数准确率为88.61%，均值为87.77%，表明其具有高度稳定性和鲁棒性。
• 前五个特征准确率的95%置信区间为(78.48%, 94.94%)，证实其在多样化数据子集上的一致表现。
• 方向性紧框架系数的尾部分布比中心矩更具判别力，反映出梵高惯用手绘笔触动作的一致性。
• 排名第一的特征与−π/4方向滤波器相关，表明该方向分量在区分真迹与赝品方面尤为有效。