論文の概要: Forensic Study of Paintings Through the Comparison of Fabrics

• arxiv url: http://arxiv.org/abs/2506.20272v1
• Date: Wed, 25 Jun 2025 09:34:10 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-06-26 21:00:42.678428
• Title: Forensic Study of Paintings Through the Comparison of Fabrics
• Title（参考訳）: 織物の比較による絵画の法医学的研究
• Authors: Juan José Murillo-Fuentes, Pablo M. Olmos, Laura Alba-Carcelén,
• Abstract要約: 芸術作品におけるキャンバス織物の研究は、認証、属性、保存にとって重要なツールである。 従来の手法はスレッド密度マップマッチングに基づいており、ロール上の連続的な位置からキャンバスが来ない場合は適用できない。 本稿では,スレッド密度マップに依存することなく,キャンバス間の類似性を評価する自動ツールを提案する。
• 参考スコア（独自算出の注目度）: 5.362483238531227
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: The study of canvas fabrics in works of art is a crucial tool for authentication, attribution and conservation. Traditional methods are based on thread density map matching, which cannot be applied when canvases do not come from contiguous positions on a roll. This paper presents a novel approach based on deep learning to assess the similarity of textiles. We introduce an automatic tool that evaluates the similarity between canvases without relying on thread density maps. A Siamese deep learning model is designed and trained to compare pairs of images by exploiting the feature representations learned from the scans. In addition, a similarity estimation method is proposed, aggregating predictions from multiple pairs of cloth samples to provide a robust similarity score. Our approach is applied to canvases from the Museo Nacional del Prado, corroborating the hypothesis that plain weave canvases, widely used in painting, can be effectively compared even when their thread densities are similar. The results demonstrate the feasibility and accuracy of the proposed method, opening new avenues for the analysis of masterpieces.
• Abstract（参考訳）: 芸術作品におけるキャンバス織物の研究は、認証、属性、保存にとって重要なツールである。 従来の手法はスレッド密度マップマッチングに基づいており、ロール上の連続的な位置からキャンバスが来ない場合は適用できない。 本稿では,繊維の類似性を評価するために,深層学習に基づく新しいアプローチを提案する。 本稿では,スレッド密度マップに依存することなく,キャンバス間の類似性を評価する自動ツールを提案する。 Siameseのディープラーニングモデルは、スキャンから学んだ特徴表現を利用して、画像のペアを比較して訓練する。 さらに, 類似度推定法を提案し, 複数対の布のサンプルからの予測を集約し, 堅牢な類似度スコアを提供する。 我々のアプローチはプラド国立博物館のカンバスに適用され、絵画で広く使われている平織りキャンバスが、糸の密度が似ていても効果的に比較できるという仮説を裏付けるものである。 その結果,提案手法の有効性と精度を実証し,傑作の分析に新たな道を開くことができた。

関連論文リスト

• Large-image Object Detection for Fine-grained Recognition of Punches Patterns in Medieval Panel Painting [6.762125776126245]
  画像に含まれるパンチに対してオブジェクト検出を行うために、機械学習パイプラインをトレーニングする。 以上の結果から, 現場で働く美術史家は, パンチの識別と抽出に, 確実に我々の手法を活用できることが示唆された。
  論文  参考訳（メタデータ） (2025-01-21T20:30:51Z)
• CorrEmbed: Evaluating Pre-trained Model Image Similarity Efficacy with a Novel Metric [6.904776368895614]
  我々は、CorrEmbedという新しいアプローチを用いて、事前訓練されたコンピュータビジョンモデルから画像埋め込みの有効性を評価する。 本研究では,画像埋め込みにおける距離と人為的タグベクトルにおける距離との相関を計算した。 また,このパターンからの逸脱を同定し,異なるモデルが高レベル画像の特徴をどのように捉えているかについての洞察を与える。
  論文  参考訳（メタデータ） (2023-08-30T16:23:07Z)
• Masked Images Are Counterfactual Samples for Robust Fine-tuning [77.82348472169335]
  微調整の深層学習モデルは、分布内(ID)性能と分布外(OOD)堅牢性の間のトレードオフにつながる可能性がある。 そこで本研究では,マスク付き画像を対物サンプルとして用いて,ファインチューニングモデルのロバスト性を向上させる新しいファインチューニング手法を提案する。
  論文  参考訳（メタデータ） (2023-03-06T11:51:28Z)
• Crossing Points Detection in Plain Weave for Old Paintings with Deep Learning [0.0]
  本研究では,これらの局所密度と角度の研究を行うためのツールとして,深層学習を提案する。 私たちはこのモデルを、Vel'azquez、Rubens、Riberaといった36の絵画のサンプルで訓練しました。 この新たな手法は、周波数解析ツールが故障した場合に成功し、その結果を改善できると結論付けている。
  論文  参考訳（メタデータ） (2023-02-23T11:03:16Z)
• Pattern Spotting and Image Retrieval in Historical Documents using Deep Hashing [60.67014034968582]
  本稿では,歴史文書のデジタルコレクションにおける画像検索とパターンスポッティングのためのディープラーニング手法を提案する。 ディープラーニングモデルは、実数値またはバイナリコード表現を提供する2つの異なるバリエーションを考慮して、特徴抽出に使用される。 また,提案手法により検索時間を最大200倍に短縮し,関連する作業と比較してストレージコストを最大6,000倍に削減する。
  論文  参考訳（メタデータ） (2022-08-04T01:39:37Z)
• Kinship Verification Based on Cross-Generation Feature Interaction Learning [53.62256887837659]
  顔画像からの血縁検証は、コンピュータビジョンの応用において、新しいが挑戦的な技術として認識されている。 本稿では,頑健な親族関係検証のためのクロスジェネレーション・インタラクション・ラーニング(CFIL)フレームワークを提案する。
  論文  参考訳（メタデータ） (2021-09-07T01:50:50Z)
• CAMERAS: Enhanced Resolution And Sanity preserving Class Activation Mapping for image saliency [61.40511574314069]
  バックプロパゲーション画像のサリエンシは、入力中の個々のピクセルのモデル中心の重要性を推定することにより、モデル予測を説明することを目的としている。 CAMERASは、外部の事前処理を必要とせずに、高忠実度バックプロパゲーション・サリエンシ・マップを計算できる手法である。
  論文  参考訳（メタデータ） (2021-06-20T08:20:56Z)
• Region Comparison Network for Interpretable Few-shot Image Classification [97.97902360117368]
  新しいクラスのモデルをトレーニングするために、ラベル付きサンプルの限られた数だけを効果的に活用するための画像分類が提案されている。 本研究では,領域比較ネットワーク (RCN) と呼ばれる距離学習に基づく手法を提案する。 また,タスクのレベルからカテゴリへの解釈可能性の一般化も提案する。
  論文  参考訳（メタデータ） (2020-09-08T07:29:05Z)
• Usefulness of interpretability methods to explain deep learning based plant stress phenotyping [8.786924604224101]
  8種類のダイズストレス(抗生物質および抗生物質)の分類のためのDenseNet-121ネットワークを訓練する テストデータの多種多様なサブセットについては、重要な特徴と人間の専門家が特定した特徴を比較した。 ほとんどの解釈可能性法は、葉の感染した領域を、正しく分類された画像の重要な特徴として識別する。
  論文  参考訳（メタデータ） (2020-07-11T09:28:50Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。