從二維圖片中識別圖像并不是什么新鮮事——打開谷歌或百度，通過圖像進行搜索并找到有關該圖像和許多相關圖像的信息非常容易。

但在藝術界，這樣的工具可能還是不夠的，尤其是在為一幅來歷不明(或未經證實)的畫作找到創(chuàng)作者時。現(xiàn)在，研究人員正在將繪畫識別帶入三維空間來彌補這一差距，他們利用繪畫應用的物理地形特征開發(fā)出一種紋理特征，就如同人類指紋一般，可以用來識別一幅畫的藝術家。

“許多著名的藝術家，包括埃爾·格列柯、倫勃朗和彼得·保羅·魯本斯，雇用了規(guī)模不同的工作室，以滿足市場對他們的藝術的需求?！痹凇哆z產科學》雜志上發(fā)表的論文中作者解釋說?！霸诠ぷ鞣恢?，不同的藝術家試圖以一種獨特的風格創(chuàng)作出一幅完整的畫?！彼囆g品的價值往往同畫家緊密相關，這種歸屬的挑戰(zhàn)就會產生巨大的利益沖突。需要用不帶偏見的定量方法來洞察畫作的歸屬問題。

研究人員招募了一個由克利夫蘭藝術學院的9名繪畫專業(yè)學生組成的團隊，讓他們每人創(chuàng)作三幅睡蓮照片的復制品。然后，一組藝術歷史學家和一名繪畫管理員選出了四名風格最相似的藝術家。這四位藝術家畫作的表面高度信息隨后被捕捉到50微米（相當于一張紙厚度）的空間分辨率，足以捕捉到通常可以歸結為數(shù)百微米差異的精細筆觸特征。

這幅高分辨率的物理地形——在每幅畫上捕捉到12厘米× 15厘米的區(qū)域——然后被分割成一平方厘米的小塊，使每幅畫能夠產生180個小塊。然后用這上百個小塊中的大部分訓練一個集成卷積神經網絡模型，學習僅僅根據(jù)藝術家應用繪畫的風格差異來確定其他的屬性。

研究人員發(fā)現(xiàn)，這種方法的準確率在60%到90%之間，在特定條件下比使用圖像識別模型的準確率高出一倍以上。作者總結道:“值得注意的是，這種微小的物理地形識別，是可靠區(qū)分藝術家的關鍵?？梢宰鳛榭茖W判斷的強有力工具。

其實人工智能在藝術創(chuàng)作中應用越來越廣泛，已經有AI工具可以協(xié)助那些沒有經過專業(yè)訓練但對藝術有濃厚興趣的外行人進行繪畫創(chuàng)作。