从2D图片中识别图像并不是什么新鲜事-打开Google或百度，搜索图像并找到有关该图像和许多相关图像的信息非常容易。但在艺术界，这些工具可能还不够，尤其是在寻找来源不明（或未经证实）的画作的创作者时。现在，研究人员正在将绘画识别纳入三个维度以弥合这一差距，利用绘画应用的物??理地形来开发纹理签名，就像人类指纹一样，可以用来识别绘画的艺术家。“许多著名艺术家，包括埃尔·格列柯、伦勃朗和彼得·保罗·鲁本斯，都雇用了不同规模的工作室来满足市场对其艺术的需求。”在《遗产科学》杂志上面发表论文的作者们进行了解释。“在工作室里，不同的艺术家试图以独特的风格创作一幅完整的画作。”艺术品的价值往往与艺术家息息相关，这种归属的挑战会产生巨大的利益冲突。需要无偏见的定量方法来深入了解绘画的属性。研究人员在克利夫兰艺术学院招募了一个由9名绘画专业学生组成的团队，并要求他们每人创作三幅睡莲照片的复制品。一组艺术史学家和一位绘画策展人随后选出了四位风格最相似的艺术家。四位艺术家绘画的表面高度信息随后被捕获到50微米（相当于一张纸的厚度）的空间分辨率，足以捕获通常可以缩小到数百微米差异的精细笔触特征。这种高分辨率的物理地形——在每幅画上以12厘米x15厘米的区域捕获——然后被分割成一平方厘米的瓷砖，使每幅画能够生成180块瓷砖。然后使用这数百个补丁中的大部分训练一个集成卷积神经网络模型，学习仅根据艺术家应用绘画的风格差异来确定其他属性。研究人员发现，该方法的准确率在60%到90%之间，是在特定条件下使用图像识别模型的准确率的两倍多。作者总结道：“值得注意的是，这种微小的物理地形识别是可靠区分艺术家的关键。它可以作为科学判断的有力工具。事实上，人工智能在艺术创作中的应用越来越广泛，并且有AITools已经可以帮助没有受过专业训练但对艺术有浓厚兴趣的外行进行绘画创作。
