Construcción de una representación basada en análisis formales de obras de arte, aproximando aspectos de la apreciación artística, que eventualmente pueda ser utilizada en la generación y evaluación de artefactos visuales

• Autores: Luis Fernando Gutiérrez García
• Directores de la Tesis: Juan Alejandro Valdivia Hepp (dir. tes.), Camilo Enrique Olaya Nieto (dir. tes.)
• Lectura: En la Universidad de los Andes (Colombia) ( Colombia ) en 2020
• Idioma: español
• Tribunal Calificador de la Tesis: Felipe Montes Jiménez (presid.), Oscar Germán Duarte Velasco (presid.)
• Enlaces
  • Tesis en acceso abierto en: hdl.handle.net
• Resumen
  • español

    Descubrir influencias entre pinturas y artistas es muy importante para lograr un análisis automático de obras de arte. Este problema es importante ya que varios investigadores están buscando explicaciones sobre el origen y la evolución de los estilos artísticos. Este trabajo de investigación propone una metodología para construir una representación basada en análisis formales de obras de arte, aproximando aspectos de la apreciación artística sugerida por tres modelos teóricos. Nuestra metodología comienza con un proceso de segmentación jerárquica. Basado en el resultado de este primer paso, proponemos construimos el esqueleto recto sobre cada segmento. Luego extraemos información de color de cada región y sugerimos la construcción de una paleta de colores que agrupa 180 muestras. Posteriormente se implementa un análisis de forma y un procedimiento de clasificación. Luego, se calculan algunos principios de diseño sobre el grafo completo inducido por los centroides de cada región principal. Finalmente, construimos la representación vectorial propuesta. Con la representación generada, sugerimos construir una jerarquía de distancias basada en la clasificación previa de formas. Hacemos esto para poder aplicar un mapa jerárquico creciente de autoorganización (GHSOM por sus siglas en inglés). Usando esta jerarquía de distancias, definimos una función de similitud que tiene en cuenta las dimensiones categóricas y numéricas de nuestra representación. Aplicamos el procedimiento GHSOM a varias representaciones internas y así poder generar varias redes mejoradas basadas en la noción previa de ?Creativity Implication Network?. Utilizamos el algoritmo MultiRank para sugerir posibles formas en las que podamos trabajar los objetivos de este trabajo. Nuestros resultados corroboran algunos hechos conocidos y sugeridos por teóricos del arte sobre los artistas analizados. En futuros trabajos, planeamos expandir nuestro análisis para incluir más obras de arte abstractas.

  • English

    Discovering influences between paintings and artists is very important for automatic art analysis. Lately this problem has gained more importance since researches are looking into explanations about origin and evolution of artistic styles. This research proposes a methodology to build an image representation based on formal analyzes and design principles present in art works, trying to approximate as much as possible artistic appreciation characterized on the ground of three theoretical models. Our approach starts with a hierarchical image segmentation process. Based on the result of this first step, we build a straight skeleton over every segment. Then we extract some color information of every region and suggest a color palette that clusters 180 samples. Afterwards a shape analysis and classification procedure are implemented. Then some design principles are calculated over the complete graph induced by the centroids of every main region of every art work. Finally, we build the vector-form of the proposed representation. With the generated representation, we processed to construct a distance hierarchy based on the previous shape classification. Using this distance hierarchy, we define a similarity function that takes into account the categorical and numerical dimensions of our representation. We apply the GHSOM procedure to several aspects of our representation to be able to generate several complemented new versions of networks based on the previous notion of Creativity Implication Network. We used the recently proposed MultiRank algorithm to suggest possible ways to give interesting insights into the objectives of this research. Our results corroborate some well-known facts about the artists analyzed. We plan to expand our analysis to include more abstract artworks and also suggest some future work related to computational creative systems, that might let us validate more our results and test how our methodology could be used to generate visual artifacts too.