针对传统意义的设计将传统可视化的设计要素以及组合法则标准进行数据化，（风格、手法、空间、色彩的角度）以高效和低时间成本的方式与设计师协同解决图像可视化问题，并且提出了（传统图像设计认知的知识框架）算法的数据化解决方案进行预期与标签数据的匹配引导。
麻省理工学院的一组研究人员探索了全世界保存的各种艺术品，成功开发一款艺术识别算法“MosAIc”来寻找艺术品之间的隐藏连接。麻省理工学院计算机科学与人工智能实验室（CSAIL）的小组与微软（Microsoft）合作，对大都会艺术博物馆和阿姆斯特丹国立博物馆的绘画和雕塑艺术进行分类和检索。这项努力最初是受到了国立博物馆的展览“伦勃朗和维拉克斯奎兹”的启发，该展览展示了弗朗西斯科·德·朱巴兰的肖像画《圣塞拉皮恩的殉难》与简·阿瑟里金的《受威胁的天鹅》之间意想不到的相似之处（图3-8）。
图3-8 《圣塞拉皮恩的殉难》和《受威胁的天鹅》
MosAIc是Microsoft与MIT的计算机科学与人工智能实验室（CSAIL）合作的结果。MosAIc可以让相似的艺术品进行匹配——范围包括不同的文化、地区和时期的各种艺术形式，如绘画、雕塑、陶瓷、木制品等。这些作品通过使用深度网络进行配对，以算法方式了解两个图像的“相似”程度。算法匹配结果作品的两位艺术家在彼此生活中毫无交集，但他们的画作却暗示了他们作品背后存在一种丰富而潜在的结构。在开发MosAIc算法时，他们在对两间博物馆的开放访问中，探究计算了每个图像在深层网络中的内部“活力元”（即通常我们说的艺术品的“特征”）。他们就是通过这些深层网络“活力元”之间的矩阵距离来判断图像相似性的（图3-9～图3-11）。(www.xing528.com)
图3-9 给定一张图像（左）和通过CIR找到相似对象时MosAIc的示例
图3-10 带角的头盔武器（南亚）和科林的皇家鹿（英国）
图3-11 多莉姐妹和无题的中国佩饰
免责声明：以上内容源自网络，版权归原作者所有，如有侵犯您的原创版权请告知，我们将尽快删除相关内容。
