論文の概要: Integrating Visual and X-Ray Machine Learning Features in the Study of Paintings by Goya

• arxiv url: http://arxiv.org/abs/2511.01000v1
• Date: Sun, 02 Nov 2025 16:23:37 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-11-05 16:37:27.022431
• Title: Integrating Visual and X-Ray Machine Learning Features in the Study of Paintings by Goya
• Title（参考訳）: ゴヤ絵画研究における視覚・X線機械学習機能の統合
• Authors: Hassan Ugail, Ismail Lujain Jaleel,
• Abstract要約: 本稿では,ゴヤ絵画の視覚画像とX線画像の両方に同一の特徴抽出手法を適用した新しい機械学習フレームワークを提案する。 このフレームワークは97.8%の分類精度を0.022の偽陽性率で達成している。 本研究は,画像と放射線画像の両方に同一の計算手法を適用することの有効性を実証するものである。
• 参考スコア（独自算出の注目度）: 0.30693357740321775
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Art authentication of Francisco Goya's works presents complex computational challenges due to his heterogeneous stylistic evolution and extensive historical patterns of forgery. We introduce a novel multimodal machine learning framework that applies identical feature extraction techniques to both visual and X-ray radiographic images of Goya paintings. The unified feature extraction pipeline incorporates Grey-Level Co-occurrence Matrix descriptors, Local Binary Patterns, entropy measures, energy calculations, and colour distribution analysis applied consistently across both imaging modalities. The extracted features from both visual and X-ray images are processed through an optimised One-Class Support Vector Machine with hyperparameter tuning. Using a dataset of 24 authenticated Goya paintings with corresponding X-ray images, split into an 80/20 train-test configuration with 10-fold cross-validation, the framework achieves 97.8% classification accuracy with a 0.022 false positive rate. Case study analysis of ``Un Gigante'' demonstrates the practical efficacy of our pipeline, achieving 92.3% authentication confidence through unified multimodal feature analysis. Our results indicate substantial performance improvement over single-modal approaches, establishing the effectiveness of applying identical computational methods to both visual and radiographic imagery in art authentication applications.
• Abstract（参考訳）: フランシスコ・ゴヤの作品の芸術的認証は、彼の異質な様式的進化と偽造の広範な歴史的パターンにより、複雑な計算上の課題を呈している。 我々は,ゴヤ絵画の視覚画像とX線画像の両方に同一の特徴抽出技術を適用した,新しいマルチモーダル機械学習フレームワークを提案する。 統合された特徴抽出パイプラインには、Grey-Level共起行列記述子、局所バイナリパターン、エントロピー測度、エネルギー計算、色分布解析が組み込まれている。 視線画像とX線画像の両方から抽出した特徴は、ハイパーパラメータチューニングを備えた最適化されたワンクラスサポートベクトルマシンによって処理される。 24枚の認証されたゴヤ絵画と対応するX線画像のデータセットを用いて、10倍のクロスバリデーションで80/20の列車試験構成に分割し、0.022の偽陽性率で97.8%の分類精度を達成した。 U Gigante'のケーススタディ分析は,統合マルチモーダル特徴分析による認証信頼度92.3%を達成し,パイプラインの実用性を示す。 本研究は, 画像と放射線画像の両方に同一の計算手法を適用することにより, 単一モーダル手法よりも性能が大幅に向上したことを示す。

関連論文リスト

• Novel computational workflows for natural and biomedical image processing based on hypercomplex algebras [49.81327385913137]
  ハイパーコンプレックス画像処理は、代数的および幾何学的原理を含む統一パラダイムで従来の手法を拡張している。 このワークル平均は、自然・生体画像解析のための四元数と2次元平面(四元数 - ピクセルを表す - を2次元平面に分割する)を分割する。 提案手法は、画像の自動処理パイプラインの一部として、カラー外観(例えば、代替リフレクションやグレースケール変換)と画像コントラストを規制することができる。
  論文  参考訳（メタデータ） (2025-02-11T18:38:02Z)
• SAGI: Semantically Aligned and Uncertainty Guided AI Image Inpainting [11.216906046169683]
  SAGI-DはAIが生成する塗り絵の最大かつ最も多様なデータセットである。 実験の結果,セマンティックアライメントは画像の品質と美学を著しく改善することがわかった。 SAGI-Dを使っていくつかの画像法医学的アプローチを訓練すると、ドメイン内の検出性能は平均37.4%向上する。
  論文  参考訳（メタデータ） (2025-02-10T15:56:28Z)
• BGM: Background Mixup for X-ray Prohibited Items Detection [75.58709178012502]
  background Mixup (BGM) は、X線セキュリティ画像領域に適したバックグラウンドベースの拡張技術である。 従来の方法とは異なり、BGMは物理特性の詳細な分析に基づいている。 BGMは,1) テクスチャ構造と2) 材料の変化の両方の領域に背景パッチを混合し,複雑な背景手がかりのモデルに役立てる。
  論文  参考訳（メタデータ） (2024-11-30T12:26:55Z)
• PAD-F: Prior-Aware Debiasing Framework for Long-Tailed X-ray Prohibited Item Detection [56.25222232778367]
  実世界の禁止アイテム検出シナリオにおけるオブジェクトクラスの分布は、しばしばはっきりとした長い尾の分布を示す。 本稿では,2つの戦略を取り入れた新しいアプローチであるPAD-F(Presideed-Aware Debiasing Framework)を紹介する。 PAD-Fは複数の一般的な検出器の性能を大幅に向上させる。
  論文  参考訳（メタデータ） (2024-11-27T06:13:56Z)
• Unsupervised Image Fusion Method based on Feature Mutual Mapping [16.64607158983448]
  上記の問題に対処するために,教師なし適応画像融合法を提案する。 入力元画像間の画素の接続を計測するグローバルマップを構築した。 本手法は視覚的知覚と客観的評価の両方において優れた性能を実現する。
  論文  参考訳（メタデータ） (2022-01-25T07:50:14Z)
• Mixed X-Ray Image Separation for Artworks with Concealed Designs [32.83098605051855]
  本稿では,これらの絵画のX線画像に適用可能な,自己教師付き深層学習に基づく画像分離手法を提案する。 これらの再構成された画像の1つは、隠された絵画のX線画像と関連しており、もう1つは、可視な絵画のX線に関する情報のみを含む。 提案手法は,フランシスコ・デ・ゴヤによる隠された内容のドナ・イザベル・ド・ポルセル(Dona Isabel de Porcel)に実画を展示し,その効果を示した。
  論文  参考訳（メタデータ） (2022-01-23T03:20:35Z)
• Image Completion via Inference in Deep Generative Models [16.99337751292915]
  画像生成モデルにおける償却推論の観点から画像完成を検討する。 CIFAR-10およびFFHQ-256データセットの先行技術と比較して、優れたサンプル品質と多様性を示します。
  論文  参考訳（メタデータ） (2021-02-24T02:59:43Z)
• Image Separation with Side Information: A Connected Auto-Encoders Based Approach [18.18248997032482]
  両面画像のX線画像から混合X線画像を分離する問題に対処する。 本稿では,混合X線画像を両面に対応する2つの模擬X線画像に分離する「接続型」オートエンコーダに基づくニューラルニューラルネットワークアーキテクチャを提案する。 これらの実験により, 提案手法は, 最先端のX線画像分離法よりも高い性能を示した。
  論文  参考訳（メタデータ） (2020-09-16T18:39:42Z)

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。