艺术学

视觉语言模型在艺术史分类中的表现评估

视觉语言模型艺术风格分类零样本学习多模态学习文章首次系统评估了四种大型视觉语言模型（CLIP、LLaVA、OpenFlamingo、GPT-4o）在艺术史属性分类任务中的表现，包括艺术风格、作者和时期预测。通过WikiArt和JenAesthetics基准数据集及自建挑战集ArTest的分析表明，GPT-4o在风格分类上表现最佳（ArTest准确率65.31%），但仍显著低于专用模型的71.24%。研究发现模型对印象派、巴洛克等流行风格识别较好，但对立体主义分支等复杂风格存在混淆。添加作者和年代信息可提升LLaVA性能20%，但模型仍会犯艺术史专家不可接受的错误，强调该领域仍需专家监督。

多模态模型与数字艺术史的方法论变革

数字艺术史多模态模型 CLIP模型视觉文化分析文章重新审视Johanna Drucker提出的'是否存在数字艺术史'之问，通过分析基于Transformer的多模态视觉模型（如CLIP）的认知与方法论意义，论证数字艺术史新范式的诞生。研究揭示：1）大规模视觉模型通过编码非摄影图像（绘画/数字艺术），首次实现非透视、非具象视觉逻辑的自动化提取；2）模型训练数据与艺术史研究语料形成认知纠缠，需建立'模型批判'新方法。两个案例佐证此变革：CLIP-MAP工具量化巴黎城市意象的空间分布，揭示模型内化的旅游凝视；2D-CLIP工具解析芝加哥艺术学院藏品的'naked/nude'概念谱系，暴露性别化视觉意识形态。文章主张数字艺术史必须融合媒体研究与文学计算的方法，将模型本身纳入批判对象。

COTA美学理论：跨领域审美体验的统一框架

美学理论认知科学跨文化研究文章提出了通信优化美学理论（COTA），这是一个跨学科的统一框架，用于解释审美体验的普遍性。该理论将审美价值定义为在三个核心维度上的优化通信：普遍性（U）、时间稳定性（T）和存在共鸣（E），同时最小化噪声（N）、文化特异性（C）和认知负荷（L）。COTA不仅整合了神经科学、进化心理学和信息理论的见解，还提供了23个可实证检验的预测，为理解数学、音乐和艺术等领域的审美体验提供了新的视角。

杜勒多面体：基于34:21比例的历史几何重构

艺术史几何学文艺复兴文章对阿尔布雷希特·杜勒1514年版画《忧郁I》中的神秘多面体提出了新的几何解释。通过分析版画中的4x4幻方，研究发现幻方内部隐藏着34:21的比例关系，这一比例被证明是构建多面体的关键几何常数。基于这一发现，文章提出了一个可复现的几何构造方法，使用圆规和直尺即可精确重建杜勒多面体。这一研究不仅揭示了文艺复兴时期艺术与数学的深刻联系，还展示了该多面体可能具有的分形几何特性，为理解杜勒的数学意图提供了新视角。