CompoVista：基於構圖圖譜的傳統中國繪畫構圖分析視覺分析系統
arXiv - Human-Computer InteractionDekun Qian, Ruiqi Yu, Fengling Zheng, Li Ye, Yize Li, Weigui Zheng, Yigang Wang, Jinchang Li, Zhiguang Zhou
開發了一套基於構圖圖譜的視覺分析系統 CompoVista，協助藝術史學家進行大規模傳統中國繪畫的構圖模式探索與驗證。
AI 幫你先抓重點
AI 重點 1
從定性詮釋轉向定量與結構化的構圖分析方法
滑鼠懸停看 AI 判斷理由
傳統藝術分析高度依賴個人主觀詮釋，難以在大型收藏中進行跨作品的比較。透過圖譜化表示，研究者能將感性的美學特徵轉化為可檢索、可比對的結構化數據，提升研究的科學性與可驗證性。
AI 重點 2
視覺分析系統在領域知識發現中的協作角色
滑鼠懸停看 AI 判斷理由
此研究展示了如何將專家知識（藝術史學家）與計算工具結合，不僅是自動化分類，更重要的是提供一個「人機協作」的環境，讓專家能透過系統進行假設檢驗與模式追蹤。
核心研究發現
- 1
提出「構圖圖譜」（Composition Graph）模型，透過實體、關係、留白與情境四個層次來結構化呈現傳統中國繪畫的構圖特徵。
- 2
CompoVista 系統支援藝術史學家透過視覺與情境查詢，構建並修正具有特定格式特徵的畫作群組（Cohorts）。
- 3
使用者研究顯示，該系統能有效支持構圖導向的群組建構、模式發現、迭代優化以及從聚合模式回溯至單一畫作證據的檢視流程。
對教育工作者的啟發
對於教育工作者而言，此研究展示了如何利用數位工具將抽象的藝術美學概念（如構圖、留白）轉化為可觀察、可操作的結構化知識。在設計數位人文或藝術教育課程時，可以參考其「圖譜化」的思想，引導學生從單純的「看畫」轉向「分析畫中的結構關係」，透過視覺化工具輔助學生進行大規模的模式比較，從而培養更高階的視覺素養與批判性分析能力。
原始文獻資訊
- 英文標題：
- CompoVista: A Composition-Graph-Based Visual Analytics System for Compositional Analysis of Traditional Chinese Paintings
- 作者：
- Dekun Qian, Ruiqi Yu, Fengling Zheng, Li Ye, Yize Li, Weigui Zheng, Yigang Wang, Jinchang Li, Zhiguang Zhou
- 來源：
- arXiv - Human-Computer Interaction
- AI 摘要模型：
- /models/gemma-4-26B-A4B-it
每週精選研究電子報
每週五信箱收到精選 5 篇教育科技重點研究摘要，零時間壓力掌握學術前沿。