CLIP 기반 분석을 통한 한국 신사실파 작가 분류 (Identification of Korean Neo-Realism Artists Through CLIP-Based Analysis)

서지정보

· 발행기관 : 한국컴퓨터정보학회
· 수록지 정보 : 한국컴퓨터정보학회논문지 / 29권 / 12호 / 317 ~ 328페이지
· 저자명 : 백서현, 박소정, 박소은, 임유민, 이보아, 최종원

초록

본 연구는 이미지 데이터를 기반으로 회화 작품의 특징을 분석하고 작가를 자동으로 분류하기 위한 새로운 방법론을 제안한다. 서양 예술작품에 초점을 맞춘 선행 연구와 달리, 한국 작가군(i.e. 신사실파)의 데이터 셋을 구축하여 활용했다. CLIP 모델의 이미지 인코더를 통해 작품의 의미적 특징을벡터 공간으로 변환하였으며 텍스트의 설명과 함께 학습함으로써 이미지의 의미를 더 풍부하게 이해하였다. 이에 더해 색상 정보는 RGB 및 HSV 색공간 분석으로, 질감 특성은 GLCM 기반 분석으로추출되었다. 이렇게 통합된 특징 벡터는 K-평균 군집화를 통해 분석되었고, 높은 분류 정확도(87.4%) 를 기록했다. 본 연구는 비지도 학습 환경에서도 이미지 간 유사성을 효과적으로 식별하고 작가별작품을 정확히 분류할 수 있음을 입증했으며, 각 군집의 대표 이미지 분석을 통해 고유한 색조와 질감 특성을 제시하여 작품의 조형적 특징과 예술적 경향성을 식별하는 데 기여했다.

영어초록

This study proposes a methodology for analyzing artwork features and classifying artists using image data. Unlike prior research focused on Western artworks, it builds and utilizes a dataset of Korean Neo-Realism (i.e. Shinsasilpa) artists. The image encoder of the CLIP model transformed the semantic features of the artwork into a vector space and, by learning together with the textual description, more deeply understood the meaning of the image. Furthermore, hue information via RGB and HSV color space analysis, and texture characteristics through GLCM-based analysis. These features were integrated into representative feature vectors and analyzed with K-means clustering, achieving 87.4% classification accuracy. Visualization results demonstrated the model's effectiveness in identifying image similarities and accurately classifying artworks in an unsupervised learning context, while highlighting unique hue and texture characteristics of each cluster, revealing formal and artistic tendencies in artworks.

참고자료

· 없음