7、艺术风格分析：计算形式主义与无监督学习的探索

艺术风格分析：计算形式主义与无监督学习的探索

计算形式主义的困境

计算形式主义通过对数字化艺术作品的视觉外观进行自动分析来提取意义。然而，正如Crawford和Paglen所说，“图像不会自我描述”，艺术作品的视觉外观与我们通过文本或语言赋予其的意义之间的关系并非稳定或客观的。

例如，Zujovic及其同事认为“边缘”是判断艺术风格类型的良好指标。他们以Jasper Johns的《Flag》为例，因其边缘定义明确而将其视为波普艺术的典型代表。但这种仅依据边缘定义来界定波普艺术的方式是片面且可能具有误导性的。虽然过去风格分类受视觉外观影响，但形式特征与背景之间存在着微妙的相互作用，而自动化分析似乎忽略了背景因素，只关注形式上对风格的定义。

早期艺术史学家如Heinrich Wölfflin，在分析艺术和形式时，时间是其理论的重要组成部分。他试图理解风格在历史中的转变，提出了一系列辩证的形式关系。而当代计算形式主义在分析艺术风格时，对时间和背景的处理与Wölfflin的分析存在明显差异。

Elgammal及其同事试图阐明计算风格分类与时间变化之间的关系，他们通过Wölfflin的方法进行分析，声称定量验证了Wölfflin的艺术史模型，并创建了“平滑年表”。但实际上，他们所选择的WikiArt数据本身就基于现代主义艺术史理论，已经预设了风格的渐进变化，其实验存在循环论证的问题。

此外，近期一些研究仍认为图像的形式特征与风格分类直接相关。例如，Mao及其同事认为“高级视觉特征通常由多个低级视觉特征构成”，期望“低级”特征如颜色和纹理直接与“高级”语义类别相关。然而，在实际中，一些风格类别是特定背景的笼统表述，计算形式主义往往忽略了背景的细微差别。