2021/02/01 by Michele Riccardo Ciavarella, Ciavarella, Michele Riccardo
Earth and Planetary Sciences · Neuroscience · #3D Surveying and Cultural Heritage #Aesthetic Perception and Analysis
paper · doi:10.13138/2039-2362/2657
openalex publication_date 2021/02/01 · openalex created_date 2025/10/10 · openalex updated_date 2026/07/01
La crescita del mercato dell’arte, nonché l’enorme quantitativo di immagini digitalizzate di dipinti sul web, stanno ponendo nuove sfide agli studiosi del patrimonio culturale in un quadro di maggiore interazione interdisciplinare con ricercatori nel campo dell’analisi computerizzata delle immagini. Accanto all’affermarsi di metodologie di diagnostica sempre meno invasive e portabili, grande interesse è riposto nelle tecniche di intelligenza artificiale (IA) e nella computer vision (CV) a supporto di operazioni di classificazione e riconoscimento delle opere d’arte. Questo articolo presenta una selezione di alcuni tra i principali approcci dell’ultimo decennio impiegati nella classificazione computerizzata dei dipinti, mettendone in evidenza le caratteristiche, limiti ed opportunità. Over the past years, the increasing art market demand and the number of fine-art collections that are digitized and shared over the web have led to cross-disciplinary interaction of art historians and image analysis researchers. Therefore, a wide range of techniques from computer vision are being applied to challenge style classification, attribution and artist identification. In recent years, with the successful performance of machine learning and deep learning techniques new research prospects have opened up at the intersection of artificial intelligence and art history methodologies. This paper presents a literature review of different classification approaches and outlines some general problems and opportunities in the field of art history.