基于傅里叶变换特征解缠的印象派绘画可解释AI分类框架：迈向人机协同艺术欣赏

《Mathematics》：An Explainable AI Classification Framework for Impressionist Paintings Based on Fourier Transform Feature Disentanglement: Toward Human–AI Collaborative Art Appreciation

　　

印象派艺术作品以独特的笔触和光影效果为特征，对整体性深度学习模型构成挑战。现有分类方法往往缺乏可解释性和数学严谨性。为此，研究人员提出一种基于特征解缠的印象派绘画分类可解释AI框架。该框架利用傅里叶变换将图像分解为幅度谱和相位谱，然后应用频率滤波将高频分量（笔触纹理、边缘）与中低频分量（全局构图、色彩过渡）分离。状态空间模型捕获频率表示中的长程依赖。通过双分支注入机制将解缠特征与原始图像特征融合。实验表明，采用这种注入策略的10M参数轻量级模型优于25M参数的常规基线模型。此外，该方法通过将分类决策显式关联到笔触组织、频率能量分布和语义构图，提供了可解释性。这项工作为艺术图像分析中的特征解缠提供了统一、计算高效且数学严谨的解决方案，为可解释计算美学和人机协同艺术欣赏奠定了理论基础。

**论文解读：基于傅里叶变换特征解缠的印象派绘画可解释AI分类框架**

**研究背景与问题**
印象派绘画兴起于19世纪70年代的法国，艺术家如莫奈、雷诺阿、梵高和高更通过分离笔触、互补色并置和瞬时光影表现，重构了视觉表达方式。这种刻意分解视觉元素的特点，使得印象派风格具有系统性的内部技术一致性，为验证基于频率的特征解缠提供了理想的控制环境。然而，传统深度学习模型——包括卷积神经网络（CNN）和视觉Transformer（ViT）——通常将图像编码为统一的语义表示，通过端到端学习将纹理、色彩和结构信息隐式融合为整体表征。对于印象派这种视觉身份本质上依托多感知维度分离的艺术风格，整体性特征学习不仅次优，还可能掩盖区分该运动的核心风格机制。现有基于AI的艺术品分类研究虽在准确率上持续提升，但缺乏可解释性，无法说明为何某幅画被归入特定艺术类别。模型仅学习图像标签与风格类别之间的相关性，未能识别笔触构型、光照模式、色彩安排或构图策略等决策因素。这种可解释性缺失严重限制了其在艺术教育、博物馆解读和数字文化遗产保护等下游场景中的应用。

**研究内容与贡献**
针对上述问题，研究人员提出一种基于特征解缠的印象派绘画分类可解释AI框架。该框架将视觉信息显式分解为三个互补层次：物理笔触纹理、风格频率模式和语义构图结构。研究核心是物理–风格特征解缠（Physical-Style Feature Disentanglement, PSFD）模块，它利用二维离散傅里叶变换（DFT）将绘画从空间域转换至频率域，通过高通滤波提取高频笔触细节，同时抑制低频冗余信息。随后，采用状态空间模型（State Space Model, SSM）Mamba对频率谱图进行语义建模，捕获跨远距离频率区域的全局风格依赖。解缠后的特征与原始RGB图像通过双分支注入架构融合：一个分支保留整体语义信息，另一个分支强化笔触和纹理特征，最终通过融合模块整合多视角互补证据。该框架在包含四位印象派画家共2000幅绘画的数据集上进行了验证，数据集按80:10:10划分为训练集、验证集和测试集。实验采用学习率0.001、余弦退火调度器、Adam优化器，训练100轮，并基于ImageNet-1K预训练权重进行微调。

**关键技术方法**
研究采用了三项主要技术：（1）二维离散傅里叶变换（DFT）及高通滤波，用于将图像分解为幅度谱和相位谱，并分离高频笔触纹理与中低频构图信息；（2）状态空间模型Mamba，用于对频率域特征序列进行高效的长程依赖建模；（3）双分支特征注入机制，通过卷积与均值池化实现原始图像特征与解缠特征的跨分支融合。样本数据来自公开在线艺术资源库，经自动化爬取和人工筛选后得到2000幅公共领域油画。

**研究结果**
**4.1 四种印象派油画数据集上的深度学习模型分类性能**
为验证方法有效性，研究人员选取CNN、Transformer和Mamba三种主流架构作为基线，分别代表卷积、注意力和状态空间模型三大范式。所有模型在相同设置下训练，并采用早停法防止过拟合。结果显示，所提模型整体性能优于对比模型，尤其在莫奈绘画分类任务上表现突出。原因在于莫奈作品强调光影表达，此类高频特征可通过高通滤波有效提取，这从混淆矩阵和频域图像分析中得到了印证。

**4.2 消融实验**
为检验各模块贡献，研究人员在基线模型上逐一添加新模块，构建了单通道基础模型、DFT Mamba单通道模型、基础Mamba双通道模型、基础DFT双通道模型以及完整模型。实验表明，纯基础CNN性能最差，受限于轻量架构和参数量难以提取复杂特征；基线加Mamba双通道组合提升有限，因Mamba系列依赖大规模数据集；Mamba加DFT单通道组合中，DFT纯化数据后提升了Mamba的状态空间建模能力；基线加DFT双通道组合中，DFT作为特征注入器与基线分支对齐数据权重，进一步增强了性能；完整模型通过Mamba和DFT分支重建高频特征并与基础CNN特征融合，获得最佳结果。

**讨论与结论**
**5.1 方法论贡献与局限**
研究的主要方法论贡献在于引入特征引导输入范式，显式将解缠的笔触表示注入视觉识别过程。该策略的必要性源于原始绘画图像包含大量冗余视觉信息，传统网络需增加参数来隐式学习判别特征。相比之下，特征注入机制显式提供与艺术风格密切相关的笔触纹理和语义频率表示，使轻量级架构（约10M参数）能够超越约25M参数的常规基线模型。然而，当前框架主要针对印象派，尚未在更广泛艺术运动上验证；频率分解策略侧重笔触相关特征，对构图、空间节奏和色彩和谐等设计元素建模不足；特征融合机制相对简单，更精细的证据聚合方法可能进一步提升性能。

**5.2 设计研究与人类–计算机交互启示**
从设计研究视角，该框架实现了从端到端黑箱学习向显式设计意图表达的范式转变。通过频率域分解将艺术知识转化为模块化计算表示，使笔触特征对应风格与纹理表达，语义特征图捕获构图与结构信息。这种解缠引导重组机制与传统设计方法论中的“分析–综合”流程相契合。从人机交互视角，特征注入建立了人与智能系统之间更丰富的设计意图沟通渠道。用户可直接操作可解释的特征表示，如选择性修改语义特征图或笔触向量，从而成为生成过程的主管者，而非被动评估者。这与人机共创的兴起范式一致。

**5.3 向其他艺术运动的泛化**
虽然框架在印象派上得到验证，但扩展到其他运动需要适应策略。巴洛克依赖中低频线索，需重加权滤波器偏向带通或低通；立体主义表现为不连续空间结构和尖锐边缘，需要基于相位的结构解缠和多尺度分解；抽象表现主义中的行动绘画呈现高度各向异性的频率分布，需方向选择性分析，而色域绘画以极低频主导频谱，需聚焦大规模色彩组织和微妙渐变。这些示例表明，虽然架构原则可迁移，但频率带选择、相位与幅度侧重以及各向异性建模需根据具体运动调整。

**结论与未来工作**
本研究提出了一个集成特征解缠、频率域分析和面向设计的表示学习的印象派绘画分类可解释AI框架。该框架通过傅里叶滤波和状态空间建模将视觉信息显式分解为物理笔触纹理、风格频率模式和语义构图结构三个互补层次，并采用双分支特征注入机制融合解缠特征与原始图像特征，使轻量级架构（10M参数）优于大型基线模型（25M参数）同时增强可解释性。研究的三个核心贡献是：提供数学严谨且计算高效的风格与内容解耦方案，建立频率域属性与可解释设计元素之间的直接映射；通过将分类决策关联到解缠特征通道，解决现有系统的可解释性赤字；将基于AI的艺术分析从纯预测任务转向人机协同范式。未来工作将沿三个方向展开：将框架扩展到更广泛的艺术风格和历史时期；利用多模态大语言模型开发跨模态特征到文本的解释模块，自动将解缠特征图转化为自然语言描述；探索更复杂的证据聚合策略和更丰富的多级特征分解方案，将色彩组织和构图结构等设计语义纳入解缠管道。这项工作表明，特征解缠、频率域分析与面向设计的AI融合，为下一代计算美学和人机协同艺术欣赏提供了可行路径。