Collegare Emozioni e Odori nell'Arte

Le emozioni sono una parte importante della nostra vita, ma non sono sempre state al centro della ricerca sulla storia e il patrimonio. Negli anni, gli studiosi hanno cominciato a guardare più da vicino a come i nostri sensi, compreso l'olfatto, influenzano i nostri sentimenti e come ci relazioniamo con la cultura. Questo nuovo modo di pensare ha aperto porte per studiare come vari sensi, non solo la vista, giocano un ruolo nelle nostre esperienze.

Mentre la nostra comprensione del patrimonio culturale continua a espandersi, includiamo non solo gli oggetti tangibili ma anche aspetti intangibili come sentimenti e odori. Questo cambiamento incoraggia i ricercatori a considerare come i diversi sensi possono aiutarci a connetterci con la storia. Recenti ricerche in un campo chiamato umanità computazionale mirano a riconoscere sentimenti ed emozioni legati a varie esperienze sensoriali, incluso l'olfatto e il suono.

Sebbene le emozioni siano state riconosciute nei testi scritti e nelle fotografie, la ricerca su come identificare le emozioni nelle opere d'arte, soprattutto quelle legate all'olfatto, è ancora in fase di sviluppo. Molti metodi esistenti per identificare le emozioni si basano su fotografie, che non sempre funzionano bene con l'arte a causa dei loro stili diversi.

I ricercatori hanno messo insieme risorse che mostrano le risposte emotive alle opere d'arte, ma le reazioni emotive specifiche delle persone raffigurate in quelle opere non sono state approfondite. Questo studio si concentra sul capire se è possibile riconoscere le emozioni degli individui nelle opere d'arte che si riferiscono all'olfatto. Esaminando l'arte legata all'olfatto, la ricerca mira a gettare le basi per futuri studi che colleghino le emozioni agli odori rappresentati in questi pezzi.

#Il Dataset Usato per la Ricerca

Per condurre questa ricerca, il team ha usato un dataset chiamato EMOTIC. Questo dataset contiene oltre 23.000 foto quotidiane con molte persone che mostrano varie emozioni. Ogni immagine nel dataset ha etichette che indicano i sentimenti della persona e la loro posizione nella foto. Le emozioni sono catalogate in tipi discreti, insieme a misure continue di valenza (sentimenti positivi o negativi), eccitazione (eccitazione o calma) e dominanza (controllo o sottomissione).

Un set di test più piccolo, chiamato ODOR-emotions, è stato creato utilizzando immagini relative al progetto Europera. Questo set di test include 100 immagini di opere d'arte, ciascuna mostra una persona con le emozioni etichettate secondo il sistema EMOTIC.

#Creazione di un Dataset Stilizzato

Per migliorare lo studio, i ricercatori hanno sviluppato una versione stilizzata del dataset EMOTIC, conosciuta come EMOTIC-s. Questa versione mira a colmare il divario tra foto normali e rappresentazioni artistiche applicando un metodo noto come Trasferimento di Stile. Questo processo mescola il contenuto di una fotografia con lo stile di un'Opera d'arte per creare nuove immagini che rappresentano meglio il contesto artistico.

Per questo scopo, i ricercatori hanno utilizzato opere d'arte casuali da una collezione online, che include molti stili diversi. Combinando queste opere d'arte con le immagini di EMOTIC, speravano di creare un dataset più in linea con l'immaginario artistico che volevano studiare.

#Come Funziona la Rete

I ricercatori hanno impiegato un tipo di tecnologia chiamata Reti Neurali Convoluzionali (CNN) per analizzare le immagini. Questo modello specifico è progettato per raccogliere informazioni sulle emozioni di una persona considerando sia il linguaggio del corpo che la scena circostante. Il modello è composto da tre parti principali: estrazione delle caratteristiche dalla persona, analisi della scena generale e fusione di entrambi i tipi di informazioni per fare previsioni sulle emozioni.

Il modulo che si concentra sulla persona guarda alla sua postura e alle espressioni facciali per raccogliere informazioni sui suoi sentimenti. Al contrario, il modulo del contesto della scena valuta l'ambiente più ampio per capire la situazione in cui la persona è rappresentata.

I dati provenienti da diverse architetture CNN, inclusi ResNet-18 e ResNet-50, sono stati utilizzati per testare quale modello funziona meglio nel riconoscere le emozioni basate sulle immagini. I ricercatori hanno usato varie tecniche per affinare il processo di addestramento, mirano a migliorare l'accuratezza del modello.

#Risultati delle Performance

Le prestazioni iniziali dei modelli CNN sono state valutate per vedere quanto bene riconoscessero le emozioni nelle immagini del dataset EMOTIC. I risultati si sono avvicinati agli studi precedenti, indicando che i loro metodi erano coerenti e affidabili. Tuttavia, quando questi modelli sono stati testati sulle immagini artistiche nel dataset ODOR-e, le loro performance sono diminuite significativamente.

Per affrontare questo calo, i ricercatori hanno apportato modifiche ai modelli. Hanno cambiato il backbone di uno dei modelli, il che ha migliorato le prestazioni, e hanno aumentato la dimensione delle immagini ritagliate delle persone, fornendo più dettagli per il riconoscimento delle emozioni.

Sebbene questi cambiamenti abbiano portato a qualche miglioramento nel dataset EMOTIC, hanno portato a un calo nell'accuratezza del riconoscimento nel dataset ODOR-e. Hanno continuato a indagare su diversi metodi per migliorare le prestazioni, considerando le complessità della valutazione delle emozioni nelle espressioni artistiche.

#Tecniche di Trasferimento di Stile

Nel tentativo di migliorare i modelli, i ricercatori hanno sperimentato l'uso del dataset EMOTIC-s, che ha le immagini stilizzate create attraverso il processo di trasferimento di stile menzionato in precedenza. I risultati hanno mostrato un leggero aumento delle prestazioni per uno dei modelli, suggerendo che mescolare gli stili potrebbe avere alcuni effetti positivi.

Tuttavia, i risultati hanno anche indicato che la capacità del modello di riconoscere le emozioni potrebbe diminuire a causa della perdita di importanti caratteristiche facciali durante il trasferimento di stile. Questo potrebbe essere cruciale per valutare accuratamente le emozioni, specialmente se quelle caratteristiche sono essenziali per riconoscere i sentimenti.

I ricercatori hanno notato che affinare i metodi di trasferimento di stile per mantenere le caratteristiche facciali chiave sarebbe una direzione promettente per i futuri sforzi di ricerca. Sostengono che preservare i dettagli dell'espressione emotiva nell'arte potrebbe migliorare notevolmente le prestazioni dei modelli.

#Importanza della Ricerca

Questo studio evidenzia il potenziale di riconoscere le emozioni nelle opere d'arte, specialmente quelle legate agli odori. La ricerca mostra che le informazioni contestuali sono essenziali per fare queste connessioni emotive. Anche se le attuali performance sulle opere d'arte storiche sono inferiori rispetto alle immagini naturali, i risultati aprono la strada a futuri miglioramenti.

Andando avanti, espandere il dataset permetterà ai ricercatori di perfezionare i loro metodi per risultati più accurati nel riconoscere le emozioni all'interno delle rappresentazioni artistiche. Inoltre, migliorare le tecniche di trasferimento di stile per mantenere le caratteristiche facciali critiche probabilmente migliorerà il processo di riconoscimento emozionale.

In definitiva, questa ricerca incoraggia la collaborazione tra diversi campi, collegando odore ed emozione nel mondo dell'arte. Man mano che gli studiosi continuano a indagare su queste connessioni, c'è un grande potenziale per una comprensione più profonda di come i nostri sensi influenzano i nostri sentimenti e l'apprezzamento della cultura. Questo studio e i suoi risultati formano una base per ulteriori esplorazioni in questa affascinante intersezione di arte, emozione e percezione sensoriale.