Simple Science

最先端の科学をわかりやすく解説

# 物理学# コンピュータビジョンとパターン認識# データ解析、統計、確率# 物理学と社会

デジタル時代のアートの進化

2010年から2020年にかけてのアートスタイルの変化を分析する。

Seunghwan Kim, Byunghwee Lee, Wonjae Lee

― 1 分で読む


デジタル時代のアートスタイデジタル時代のアートスタイアートの変化に関する研究。2010年から2020年までのビジュアル
目次

デジタル時代の今、アートはこれまで以上にアクセスしやすいよね。DeviantArtやBēhanceみたいなウェブサイトがあって、誰でも自分の作品を広くシェアできるようになったんだ。これのおかげで、視覚芸術のクリエイティビティが爆発して、いろんなバックグラウンドを持つアーティストたちが新しいスタイルやアイデアを試すようになった。でも、アートスタイルの変化をどうやって測るか、分析するかっていうのは難しい問題だよね。この記事では、2010年から2020年までのこれらのプラットフォームでの視覚芸術を見ながら、この質問を探っていくよ。

アートスタイルを理解する

アートスタイルってのは、アーティストが自分のアイデアを表現する特定の方法だと思えばいい。音楽にいろんなジャンルがあるように、視覚アートにもさまざまなスタイルがあるんだ。印象派、シュルレアリスム、キュビズムなんかが有名な例だよね。これらのスタイルには、それぞれの時代のアーティストの思いや感情を表すユニークな特徴がある。

アーティストが新しいものを作る時、過去のものからインスピレーションを得ることが多い。スタイルの借用やブレンドが起こることで、アートの進化が促されるんだ。この進化は時には追跡可能で、スタイルが時間とともにどのように変化するかのパターンを見えるようにしてくれる。

アートにおけるテクノロジーの役割

インターネットはアートの創作やシェアの仕方を変えたよね。ギャラリーや展示会に限らず、アーティストは今や誰でも見れるように自分の作品をオンラインで公開できる。これによって、視覚アートを作りシェアする人が大幅に増えたんだ。

テクノロジーの進化のおかげで、ディープラーニングやコンピュータ分析といったツールを使ってアートをもっと詳しく研究できるようになった。これらの方法では、何千もの画像を素早く分析できて、色やテクスチャ、構図などのさまざまな側面を見ていくことができる。この分析は、スタイルがどのように現れ、変わっていくかについて貴重な洞察を提供してくれるんだ。

アートにおける複雑さとエントロピー

アートスタイルの進化を理解するための二つの重要な概念がある:複雑さとエントロピー。

**複雑さ**は、アート作品がどれだけ整理されているか、または詳細であるかを指すんだ。たくさんの異なる要素や構造を持つ絵画は、複雑さが高いと言える。一方、シンプルな作品は複雑さが低いかもしれない。

**エントロピー**は、作品にどれだけの混沌やランダムさがあるかに関連してる。とても整理された作品はエントロピーが低いかもしれないし、カオスな配置の作品はエントロピーが高いよ。

複雑さとエントロピーの両方を研究することで、アート作品を複雑さ-エントロピー平面という二次元のチャートに配置できる。この平面は、これら二つの特性に基づいて異なるアート作品を比較するのに役立つんだ。

オンラインアートプラットフォームの研究

過去10年間のアートスタイルの進化を調べるために、DeviantArtとBēhanceの画像からなる大規模なデータセットが分析されたんだ。149,000以上の画像を研究して、その複雑さとエントロピーを理解しようとした。この分析は2010年から2020年の間にキュレーションされた画像に焦点を当てている。

データを見ていくと、研究者はアートスタイルのトレンドや変化を確認できる。これにより、現代のユーザー生成視覚アートがどのように発展してきたか、そしてそれが以前のアートムーブメントとどのように関係しているかが明らかになる。

ユーザー生成コンテンツの影響

ユーザー生成アートとは、プロのアーティストではなく、一般の人々によって作られた作品を指す。これらのプラットフォームは、訓練やバックグラウンドに関係なく、誰でもクリエイティブに自己表現できる場を提供している。このアートの民主化は、さまざまなスタイルやアイデアの幅を広げたんだ。

これらのプラットフォームからのユーザー生成アートの分析により、これらの作品には独自のトレンドがあることがわかる。伝統的なアートはゆっくり進化することが多いけど、現代のオンラインアートは急速に変化し、現在の出来事やポップカルチャーを反映しているよ。

スタイルの進化

DeviantArtとBēhanceの視覚アートを比較することで、複雑さ-エントロピー平面上の異なる領域に向かう明確なムーブメントを見ることができる。同じ10年間を通じて、両方のプラットフォームは複雑さが高く、エントロピーが低い作品へとシフトしている傾向を示している。

この動きは、時間が経つにつれて視覚スタイルがより整理され、さらに詳細やクリエイティビティを詰め込むようになったことを示唆している。これは、アーティストがますます混雑した分野で目立とうとする中で、利用可能な視覚コンテンツの膨大な量への応答と見ることができる。

変化に影響を与える要因

オンラインプラットフォームにおけるアートスタイルの進化にはいくつかの要因が関わっている:

  1. ツールへのアクセスの増加:多くの人がデジタルツールにアクセスできて、自分の作品を作ったり編集したりできるようになった。アート作成のためのソフトウェアやアプリがより使いやすくなって、もっと多くの声が聞こえるようになった。

  2. アイデアのグローバル化:インターネットは世界中のアーティストをつなげて、彼らがアイデアや方法を簡単に共有できるようにしている。このコンセプトの交差受粉は、革新的なスタイルやトレンドにつながる。

  3. 視聴者のフィードバック:オンラインプラットフォームは、視聴者からの直接的なフィードバックを奨励していて、これがアーティストのスタイルに影響を与える可能性がある。ポジティブな反応はさらなる探求につながるし、ネガティブな反応はアーティストに方向転換を促すかもしれない。

  4. ポップカルチャーの影響:映画、音楽、ファッションのトレンドは、アーティストが作品を作る際に大きな役割を果たすことが多い。ポップカルチャーが変わると、アートスタイルも変わるんだ。

創造性とその段階を理解する

創造性は二つの段階に分けられる。最初の段階は、アイデアが生まれるところで、しばしば予想外の方法で起こる。二つ目の段階は、そのアイデアがより大きな文脈での場所を見つけて、価値が認識されるところだよ。

シュルレアリスムやダダイズムみたいな多くの有名なアートムーブメントは、確立されたノームに挑戦することで始まったんだ。創造性のこれらの段階を研究することで、新しいスタイルがどのように現れ、進化していくのかをより深く理解できるようになる。

アートワークの類似性を測る

画像を分析するために、アートワーク間の類似性を測るためにさまざまな方法が使われた。ある方法は画像の内容を調べることで、もう一つは異なる作品のスタイルがどれだけ似ているかを見ることだった。

これらの技術を適用することで、研究者は複雑さ-エントロピー平面内での類似したアートワークのクラスタを特定できた。このクラスタリングは、特定の視覚スタイルが時間とともにどう人気を保っているか、またはどう消えていくかを示すのに役立ってるんだ。

主な発見

研究の結果、オンラインプラットフォームにおけるアートスタイルの進化に関するいくつかの重要な発見があった:

  1. アートワークはより高い複雑さに向かっている:ユーザー生成アートの平均的な複雑さが上昇していて、アーティストがより複雑なデザインやアイデアを取り入れていることを示している。

  2. エントロピーのレベルは減少している:複雑さが増すにつれて、アートワークのエントロピーのレベルは一般的に減少している。これは、アートワークがより複雑になる一方で、より構造化されていることを示唆している。

  3. グループ内に多様なスタイルが存在する:分析では、特定のアートコミュニティの中で多様なスタイルが現れることが示された。この多様性は、アートにおけるクリエイティビティと革新を促進するために重要なんだ。

  4. 動きのパターン:複雑さ-エントロピー平面内でのアートワークの動きを観察することで、スタイルが時間とともにどう発展していくかを追跡できる。

結論

オンラインアートの世界は活気に満ちていて、常に変化している。DeviantArtとBēhanceの分析は、テクノロジーとクリエイティビティが交差し、新しいスタイルやトレンドにつながっていることを示している。

もっと多くの人がオンラインで自分の作品をシェアするようになって、視覚アートの多様性はますます広がっていく。これらの研究から得られた洞察は、アートがどのように進化していくのか、その進化に影響を与える要因を理解するのに貢献している。

この発見を通じて、現代のユーザー生成アートのユニークな貢献や、視覚的クリエイティビティの大きな物語の中でのその役割を評価できるようになる。複雑さ、エントロピー、アート表現の関係は、つながった世界におけるアートの未来を探るためのフレームワークを提供しているんだ。

オリジナルソース

タイトル: Diversity and stylization of the contemporary user-generated visual arts in the complexity-entropy plane

概要: The advent of computational and numerical methods in recent times has provided new avenues for analyzing art historiographical narratives and tracing the evolution of art styles therein. Here, we investigate an evolutionary process underpinning the emergence and stylization of contemporary user-generated visual art styles using the complexity-entropy (C-H) plane, which quantifies local structures in paintings. Informatizing 149,780 images curated in DeviantArt and Behance platforms from 2010 to 2020, we analyze the relationship between local information of the C-H space and multi-level image features generated by a deep neural network and a feature extraction algorithm. The results reveal significant statistical relationships between the C-H information of visual artistic styles and the dissimilarities of the multi-level image features over time within groups of artworks. By disclosing a particular C-H region where the diversity of image representations is noticeably manifested, our analyses reveal an empirical condition of emerging styles that are both novel in the C-H plane and characterized by greater stylistic diversity. Our research shows that visual art analyses combined with physics-inspired methodologies and machine learning, can provide macroscopic insights into quantitatively mapping relevant characteristics of an evolutionary process underpinning the creative stylization of uncharted visual arts of given groups and time.

著者: Seunghwan Kim, Byunghwee Lee, Wonjae Lee

最終更新: 2024-08-21 00:00:00

言語: English

ソースURL: https://arxiv.org/abs/2408.10356

ソースPDF: https://arxiv.org/pdf/2408.10356

ライセンス: https://creativecommons.org/licenses/by/4.0/

変更点: この要約はAIの助けを借りて作成されており、不正確な場合があります。正確な情報については、ここにリンクされている元のソース文書を参照してください。

オープンアクセスの相互運用性を利用させていただいた arxiv に感謝します。

著者たちからもっと読む

類似の記事

グラフィックスガウシアンスプラッティングを使った3Dスタイル転送の進化

新しい方法で、ガウシアン スプラッティングを使って3Dシーンのスタイル転送が強化されるよ。

Áron Samuel Kovács, Pedro Hermosilla, Renata G. Raidou

― 1 分で読む