УДК 004.032.26: 7
doi: 10.37993/2712-8733-2022-3-4-8-19

ANALYTICAL REVIEW OF DOMESTIC PRACTICES IN THE APPLICATION OF NEURAL NETWORK AND INNOVATIVE TECHNOLOGIES IN THE FIELD OF ART

Nikita M. Leichenko

Siberian Federal University, Krasnoyarsk, Russia
nickoffspring@yandex.ru, orcid.org/0000-0001-7682-9067

Abstract. The article discusses the theoretical and practical aspects of the use of neural networks and high technologies in the field of art. Based on an analytical analysis of Russian research, the results of which have been published in scientific journals over the past ten years, a review of neural network and innovative technologies used in the field of art has been carried out. As a result of the analytical analysis, the author defines neural networks as a key area of modern research. The scope of their applications is much wider – in the field of art, they can perform, for example, analytical calculations, cataloging, automation tasks. At the same time, in the field of art, neural networks perform two significant functions: some of them act as a tool that, in the hands of the artist, enhances the creative abilities of the creator. The other part of technology has a significant impact on the study of art (and in certain studies – on forecasting in this area). In addition, the author notes the advantages of innovative technologies that can be applied to the study of works of art. 3D modeling, various spectral and chemical analyzes in the future will allow obtaining new scientific data in the field of art, which, at the same time, will be distinguished by objectivity. In this regard, the author notes the growing trend of the synthesis of sciences, including in the process of conducting modern art history analysis, which requires the use of neurotechnologies, modeling, physics, chemistry, etc.

Keywords: neural networks in art, technologies in art, image recognition, analysis of art objects

For citation: Leichenko N. M. Analytical review of domestic practices in the application of neural network and innovative technologies in the field of art // Digitalization. 2022, 3 (4), pp. 8–19. [in Russian]. https://doi.org/10.37993/2712-8733-2022-3-4-8-19. EDN: PIPHQC

References

1.       Грудский А. Я., Деч А. В. Метод прямой цифровой радиографии в изучении предметов живописи и искусства: современные возможности и достижения последних лет // В мире неразрушающего контроля. 2018. Т. 21. № 4. С. 14-16.  EDN: YWDHZR  

2.       Гуров И. П., Жукова Е. В., Левшина А. В. Применение метода оптической когерентной томографии для изучения предметов искусства, выполненных в технике интарсии // Научно-технический вестник информационных технологий, механики и оптики. 2012. № 3 (79). С. 55-59.  EDN: OYNMUV      

3.       Дегтяренко К. А., Пчелкина Д. С. Рецензия на книгу Мередит Бруссард “Искусственный интеллект: пределы возможного” // Социология искусственного интеллекта. 2022. Т. 3. № 1. С. 33-41.  DOI: 10.31804/2712-939X-2022-3-1-33-41  EDN: PBQAWV 

4.       Жданова В. А. Нейронные сети в искусстве: между имитацией и верификацией // Электронный научный архив УрФУ. 2018. URL: https://elar.urfu.ru/bitstream/10995/85398/1/978-5-7996-2422-4_009.pdf (дата обращения 12.06.2022).  EDN: XYOOUH

5.       Жданова В. А. Взгляд в будущее: опыт прогнозирования в сфере искусства // Вестник Томского гос. ун-та. Культурология и искусствоведение. 2019. № 35. URL: https://cyberleninka.ru/article/n/vzglyad-v-buduschee-opyt-prognozirovaniya-v-sfere-iskusstva (дата обращения 15.06.2022).  EDN: XDTZVO   

6.       Замараева Ю. С., Резникова К. В. Рецензия на книгу Маркуса дю Сотой “Код креативности: как искусственный интеллект учится писать, рисовать и думать” // Социология искусственного интеллекта. 2022. Т. 3. № 2. С. 44-56.  DOI: 10.31804/2712-939X-2022-3-2-44-56  EDN: ENEMOL     

7.       Кирко В. И. Клиффорд Пиковер. Искусственный интеллект: от автоматонов до нейросетей // Социология искусственного интеллекта. 2022. Т. 3. № 1. С. 29-32.  DOI: 10.31804/2712-939X-2022-3-1-29-32  EDN: BGVBIK       

8.       Кирко В. И. Рецензия на книгу “Artificial Intelligence for Business: Innovation, Tools and Practices” (редактор Ана Ландета Эчеберрия, издательство Springer, 2022) // Социология искусственного интеллекта. 2022. Т. 3. № 3. С. 28-40.  DOI: 10.31804/2712-939X-2022-3-3-28-40  EDN: ICBKGO 

9.       Кирко В.И. Рецензия на книгу К. Н. Галсона, С. Селлара, П. Т. Уэбба “Алгоритмы образования: как датафикация и искусственный интеллект формируют политику” (Минессота пресс, 2022) // Социология искусственного интеллекта. 2022. Т. 3. № 2. С. 34-43.  DOI: 10.31804/2712-939X-2022-3-2-34-43  EDN: CDDGQX 

10.     Колесник М. А., Лещинская Н. М., Сергеева Н. А. Дайджест новостей в сфере развития искусственного интеллекта // Социология искусственного интеллекта. 2022. Т. 3. № 1. С. 18-28.  DOI: 10.31804/2712-939X-2022-3-1-18-28  EDN: AKUVFE

11.     Колесник М. А. “Суровый стиль” в советской живописи 1950-1960 гг. // Сибирский искусствоведческий журнал. 2022. Т.1. № 2. С. 8- 22.  EDN: FFSXIR    

12.     Колесник М. А., Лещинская Н. М., Сергеева Н. А. Дайджест новостей в сфере развития искусственного интеллекта // Социология искусственного интеллекта. 2022. Т. 3. № 2. С. 23-33.  DOI: 10.31804/2712-939X-2022-3-2-23-33  EDN: AXPOCI  

13.     Копцева Н. П. Современные исследования в области социологии искусственного интеллекта: базовые подходы. Часть 4 // Социология искусственного интеллекта. 2022. Т. 3. № 3. С. 7-27.  DOI: 10.31804/2712-939X-2022-3-3-7-27  EDN: HVTYVE   

14.     Копцева Н. П. Современные исследования в области социологии искусственного интеллекта: базовые подходы. Часть 3 // Социология искусственного интеллекта. 2022. Т. 3. № 2. С. 7-22.  DOI: 10.31804/2712-939X-2022-3-2-7-22  EDN: AXARSS    

15.     Копцева Н. П. Современные исследования в области социологии искусственного интеллекта: базовые подходы. Часть 2 // Социология искусственного интеллекта. 2022. Т. 3. № 1. С. 7-17.  DOI: 10.31804/2712-939X-2022-3-1-7-17  EDN: WGOMRJ  

16.     Кострюкова М. И., Новикова Н. М. Распознавание цветных изображений с использованием сверточных нейронных сетей // Актуальные проблемы прикладной математики, информатики и механики: сборник трудов Международной научной конференции, Воронеж, 07-09 декабря 2020 года. Воронеж: Научно-исследовательские публикации, 2021. С. 389-395.  EDN: SPZXXV         

17.     Кузнецов Я. Р., Храмцов А. А., Онопко М. С. Распознавание образов с помощью нейросетей // LХ Международные научные чтения (памяти Н.Н. Лузина): Сборник статей Международной научно-практической конференции, Москва, 02 декабря 2019 года. Москва: ООО “Европейский фонд инновационного развития”, 2019. С. 7-9.  EDN: XVEUXG

18.     Лещинская Н. М., Сергеева Н. А. Дайджест новостей в сфере развития искусственного интеллекта // Социология искусственного интеллекта. 2022. Т. 3. № 3. С. 41-51.  DOI: 10.31804/2712-939X-2022-3-3-41-51  EDN: INAALZ       

19.     Пименова Н. Н., Шпак А. А. Идиот или гений? Как работает и на что способен искусственный интеллект. Рецензия на книгу Мелани Митчелл // Социология искусственного интеллекта. 2022. Т. 3. № 2. С. 71-82.  DOI: 10.31804/2712-939X-2022-3-2-71-82  EDN: DUPHQV  

20.     Резникова К. В., Сертакова Е А., Ситникова А. А. Искусственный интеллект в Американском кинематографе конца XX – начала XXI веков // Социология искусственного интеллекта. 2022. Т. 3. № 1. С. 42-49.  DOI: 10.31804/2712-939X-2022-3-1-42-49  EDN: HZKFIC     

21.     Савинкин В. В., Симакова Е. М. Синтезирующие технологии в преподавании дисциплины “Основы пластических искусств” // AMIT. 2018. №1 (42). URL: https://cyberleninka.ru/article/n/sinteziruyuschie-tehnologii-v-prepodavanii-distsipliny-osnovy-plasticheskih-iskusstv (дата обращения 15.06.2022).  EDN: YONSWI 

22.     Сергеева Н. А., Замараева Ю. С. Рецензия на книгу Кай-Фу Ли “ИИ-2041. Десять образов нашего будущего” // Социология искусственного интеллекта. 2022. Т. 3. № 3. С. 52-68.  DOI: 10.31804/2712-939X-2022-3-3-52-68  EDN: JSZOCQ  

23.     Сертакова Е. А., Ситникова А. А., Колесник М. А. Компьютерное искусство 1960-1980-х годов // Социология искусственного интеллекта. 2022. Т. 3. № 3. С. 69-90.  DOI: 10.31804/2712-939X-2022-3-3-69-90  EDN: JUGALR 

24.     Сертакова Е. А. Анимационный сериал “Ну, погоди” В. Котеночкина как ироничное отражение культуры позднесоветского времени // Сибирский искусствоведческий журнал. 2022. Т.1. № 2. С. 1- 7.  EDN: FQZDUW   

25.     Ситникова А. А., Сертакова Е. А. Художественный образ искусственного интеллекта в анимации XXI века // Социология искусственного интеллекта. 2022. Т. 3. № 2. С. 57-70.  DOI: 10.31804/2712-939X-2022-3-2-57-70  EDN: FNLDPE  

26.     Ситникова А. А. Визуализация сущности творчества Анри Руссо на картине “Праздник ребенка (ребенок с марионеткой)” (1903) из собрания Винтертурского художественного музея // Сибирский искусствоведческий журнал. 2022. Т. 1. № 2. С. 32-54.  EDN: YPIDOW   

27.     Соловьева Н. А. Опыт анализа исполнения музыкального произведения с помощью точных методов // Вестник Южно-Уральского государственного университета. Серия: Компьютерные технологии, управление, радиоэлектроника. 2014. Т. 14. № 3. С. 86-94.  EDN: SJSTOV        

28.     Тарасова М. В., Нечаева П. Р. Образовательные возможности произведений искусства стилевого пространства ареаклассицизм (на материале анализа произведений искусства второй половины XX века) // Сибирский искусствоведческий журнал. 2022. Т.1. № 1. С. 1- 17.  EDN: SEZEVJ        

29.     Тарасова М. В., Сергеева Н. А. Религиозные качества произведений русской живописи 1920-х гг. // Сибирский искусствоведческий журнал. 2022. Т.1. № 1. С.32-53.  EDN: OJGUND         

30.     Терехова Е. С., Пучкова Н. Н., Ганова Т. В. Особенности машинного творчества и возможности его применения в процессе обучения студентов-дизайнеров // Научное мнение. 2021. № 10. С. 60-66.  EDN: BZRRYO 

31.     Угланова И. Л., Гельвер Е. С., Тарасов С. В. и др. Оценивание креативности на основе анализа изображений с помощью нейронных сетей // Искусственный интеллект и принятие решений. 2021. № 1. С. 86-97.  EDN: TNHALK      

32.     Фаустова К. И. Нейронные сети: применение сегодня и перспективы развития // Территория науки. 2017. №4. URL: https://cyberleninka.ru/article/n/neyronnye-seti-primenenie-segodnya-i-perspektivy-razvitiya (дата обращения 15.06.2022).  EDN: ZXPNRL         

33.     Фурман С. И., Чантиева М. Э. Анализ генераторов текстовых описаний для изображений на основе нейросетевых технологий // Инновации. Наука. Образование. 2022. № 51. С. 1233-1240.  EDN: YIMRPB    

34.     Черемисин Д. В., Казаков В. В., Ковалев В. С., Жарикова М. В. Опыт трехмерного сканирования наскальных рисунков с помощью технологии структурированного подсвета // Проблемы археологии, этнографии, антропологии Сибири и сопредельных территорий. 2015. Т. 21. С. 446-450.  EDN: VCOFUR  

35.     Чижик А. В. Проблема синтеза музыки и цвета: опыт генерации музыкальной композиции с помощью рекуррентной нейросети на основе анализа изображения // Новые информационные технологии в автоматизированных системах. 2019. № 22. С. 27-30.  EDN: JJKRGH       

36.     Шпак А. А. Монументальная мозаика Москвы: между утопией и пропагандой. Рецензия на книгу авторов Анны Петровой, Екатерины Рускевич, Джеймса Хилла и Евгении Куделиной // Сибирский искусствоведческий журнал. 2022. Т.1. № 1. С. 17-22.  EDN: ZRTOTS    

37.     Шпак А. А. Монументальная настенная живопись (Мурал XXL). Рецензия на книгу автора Клаудиа Вальде // Сибирский искусствоведческий журнал. 2022. Т.1. № 2. С.23-31.  EDN: RHGBHZ         

38.     NVIDIA Canvas [Электронный ресурс]. URL: https://www.nvidia.com/ru-ru/studio/canvas/ (дата обращения 15.06.2022).

Get access to the full version of this article