揭示文艺复兴时期的绘画技法：运用多模态机器学习方法分析朱利奥·罗马诺的《亚马逊之战》

《Journal of Molecular Structure》：Unveiling Renaissance Drawing Techniques: A Multimodal Machine Learning Approach to the Analysis of Giulio Romano’s Amazzonomachia"

本研究利用光谱分析（XRF、FTIR）与机器学习技术，对意大利文艺复兴时期吉乌利奥·罗曼诺的《阿玛佐农之战》手稿进行分析，揭示了铅基矿颜料和铁gal墨水的使用，并构建了多模态分析框架，推动艺术保护进入人工智能时代。

　　

Claudia Scatigno|Silvia Giampaolo|Gabriella Pace|Serena Galetti|Maura Picciau|Giulia Festa

CREF – 亨利·费米物理历史博物馆与研究中心，地址：Via Panisperna 89a，Piazza del Viminale 1，00184，罗马，意大利

摘要

在意大利文艺复兴时期，绘画作品主要作为最终作品的预备研究而创作，这些最终作品包括雕塑、绘画和壁画。如今，这些绘画不仅展示了艺术家所采用的概念和技术过程，还加深了我们对当时材料和技术的理解。对这些绘画的分析涉及笔触、线条绘制、阴影处理和排线等技法，同时也为我们提供了关于那个时期艺术印刷品发展的宝贵见解。在这一背景下，先进的技术如光谱学和机器学习（ML）已被成功应用于研究这些杰作的保存状况、原材料和制作方法。光谱学能够识别颜料、墨水和纸张的种类，而机器学习模型则有助于更深入地解读复杂数据，揭示艺术创作过程、材料退化以及绘画技法的演变。

本文提出了一种创新的机器学习方法，用于分析一幅归于朱利奥·罗曼诺（Giulio Romano）名下的意大利文艺复兴时期绘画作品《亚马逊之战》（Amazzonomachia，16世纪）的构图、退化情况及其艺术技法。该作品现保存在罗马的中央图形研究所（Istituto Centrale per la Grafica）。通过结合多模态光谱数据（例如X射线荧光光谱-XRF、傅里叶变换红外光谱-FTIR）与机器学习模型，我们确定了以含铅矿物为主要绘图材料，并发现使用了铁 gall 墨水来强化线条效果，从而为这些杰作的保护和修复提供了重要线索。

研究结果表明，这种结合光谱学和机器学习的方法为分析历史绘画提供了一个稳健的多模态框架，可能成为该领域的新的行业标准。该方法将材料科学与文化遗产研究相结合，将文化遗产诊断推向了人工智能时代。

章节摘录

引言与研究目的

预备绘画为我们提供了对创作过程的深刻洞察，详细展现了促成最终艺术作品诞生的艺术意图和技法[[1], [2], [3], [4], [5]]。预备绘画的传统始于15世纪，当时纸张变得更加普及，使得艺术家能够更便捷地利用绘画来规划和完善他们的构思。从那时起，绘画成为了艺术实践中的关键环节。

朱利奥·罗曼诺的绘画作品

《亚马逊之战》这幅画被归于朱利奥·罗曼诺创作，属于科西尼收藏馆（Fondo Corsini, Gabinetto delle Stampe）的藏品，现保存在中央图形研究所（库存编号FC124151，隶属于林赛学院Accademia dei Lincei）。该画作绘制在矩形纸张上（尺寸266×855毫米），四边均已裁切。画面采用了棕色墨水、钢笔、水彩和石墨等工具完成。这幅作品具有重要的历史和艺术价值。

结果与讨论

傅里叶变换红外光谱（FTIR）的分析显示，吸收带的形状和强度存在显著差异，这表明样品内部可能存在分子结构或分子间相互作用的变化。一些明显的振动信号被重叠的吸收带所掩盖，表明其中含有多种成分。虽然通常使用二阶导数FTIR光谱来消除这种重叠[20]，但本文并未采用该方法。

结论

分析多层材料的能力是艺术保护领域的一项突破。X射线荧光光谱、傅里叶变换红外光谱与机器学习的结合为分析复杂艺术品提供了全面的多模态框架，揭示了传统方法无法发现的隐藏模式和过程。本研究表明，先进的光谱技术与机器学习的结合在艺术保护中具有显著效果。

CRediT作者贡献声明

Claudia Scatigno, Giulia Festa：概念构思、方法设计、研究实施；Giulia Festa, Gabriella Pace：项目管理；Claudia Scatigno：软件开发、数据验证与可视化、脚本编写；Giulia Festa：初步审稿与编辑；Giulia Festa, Claudia Scatigno, Silvia Giampaolo, Gabriella Pace, Serena Galetti：实验测量；Claudia Scatigno, Giulia Festa, Gabriella Pace, Silvia Giampaolo, Serena Galetti：数据分析；

数据获取

数据可应要求提供。

资助信息

本项工作得到了CREF – 亨利·费米物理历史博物馆与研究中心的支持，属于“物理与文化遗产研究小组”（Physics for Cultural Heritage）的研究项目。

CRediT作者贡献声明

Claudia Scatigno:论文撰写、可视化处理、数据验证、研究指导、软件开发；Giulia Festa:论文撰写与编辑、研究协助；Gabriella Pace:论文撰写与编辑、项目管理；Serena Galetti:论文撰写与编辑、研究协助；Maura Picciau:论文撰写与编辑；Giulia Festa:论文撰写与编辑、研究指导、方法设计、资金筹措。