计算机视觉、人类感官与艺术的语言

Computer Vision,Human Senses,and Language of Art

在人文研究中使用计算机视觉(computer vision)方法最重要的原因是什么?在本文中,笔者认为使用数值呈现(numerical representation)和数据分析的方法为描述"文化器物"(cultural artifacts)(1)、体验和动态(dynamics)提供了一种新语言。在人类进化中发展起来的近代语言,如英语和俄语,并不擅长捕捉人类感官和文化体验的模拟属性(analog properties),所以当我们用21世纪的新尺度研究当代媒体和文化,想对成千上万、数百万或数十亿件艺术品进行比较时,这些问题令我们忧虑。而当我们改用计算机视觉中图像属性标准的数值测量(numerical measurements)时,能够更好地捕捉单个以及多个艺术品之间的视觉差异,即使这些差异非常微小。数字比语言能更好地捕捉颜色、形状、纹理、轮廓、构图以及表达面部、身体和物体等视觉特征。我们在统计学和机器学习中通过大型数值数据集(numerical datasets)寻找结构和关系的方法,也能应用到庞大的"文化器物"数据集中。同样重要的是,计算机视觉中数字图像特征提供了一种新的语言来表示渐进和连续的时间变化,是自然语言不擅长的。这既适用于如电影或舞蹈等描述动作和节奏的单一艺术品,也适用于描述几十年或几百年来数百万件文化艺术品视觉特征的变化。