マルチモーダル特徴による20世紀韓国絵画の教師なしクラスタリング強化に向けて

韓国近代美術に見るパターン

もしコンピュータが作品を見ただけで画家どうしの類似点や相違点を示してくれたらどうでしょうか。本研究は人工知能を用いて20世紀の韓国絵画を解析し、色彩、質感、様式に潜むパターンを明らかにします。博物館の来訪者、芸術愛好家、好奇心ある読者にとって、本手法は作家ごとの特徴を新たな角度で示し、専門家でも議論になることがある様式の「家族」化を可視化します。

慎重に選ばれたコレクションの構築

コンピュータに有意義な学習対象を与えるために、研究者らはまず焦点を絞ったデジタルコレクションを編成しました。墨絵の風景画家から抽象画、写実主義まで、11人の主要な近現代韓国作家による計1,100点の絵画で、各作家から100点ずつを集めています。資料は主に国立現代美術館（MMCA）や信頼できる機関・財団から得られました。グループには抽象の先駆者、日常を描く写実画家、墨画の革新者、民俗的要素と現代表現を融合する作家などが含まれます。著名な李健熙（イ・グンヒ）コレクションなどの代表的な国の展覧会への出品歴があることから、本データセットは無作為な画像群ではなく、20世紀韓国美術の中核を反映することを目指しています。

絵画を数値に翻訳する

コンピュータは人間のように「見る」わけではないため、各作品を数値的な特徴の束に変換しました。色情報は2種類（RGBとHSV）で捉え、細かなテクスチャパターンはグレーレベル共起行列（gray-level co-occurrence）という手法で計測し、さらにCLIPとして知られる事前学習済みの視覚–言語モデルから強力な意味的スナップショットを付け加えました。CLIPは大量の画像とテキストの対から学習しているため、言語を介した幅広い「画像の意味」を内包しています。各絵画について、これら四つの流れ（色、色の変動、テクスチャ、意味的印象）を正規化して均衡させ、単一の特徴ベクトルに統合することで、作品の視覚的性格を凝縮したリッチなフィンガープリントを作成しました。

クラスタを自律的に浮かび上がらせる

訓練時にどの絵画が誰の作品かを教える代わりに、研究者らは教師なしアプローチを採用し、アルゴリズムに類似する作品を自律的にグループ化させました。まずt-SNEという手法で高次元のフィンガープリントを二次元に圧縮し、全体構造を可視化できるようにしました。その後K-meansクラスタリングで多数の小さなグループに分け、重要なクラスタに焦点を当てて洗練しました。最後に各グループ内で単純多数決を用いて作家名を割り当て、クラスタが実際の作者とどれほど一致するかを検証しました。CLIP、色、テクスチャを均等に組み合わせた最良の手法は、約82％の確率で絵画を正しい作家に一致させ、色のみやテクスチャのみといった単一手がかりに頼るバージョンを上回りました。

コンピュータが色と筆致から見たもの

クラスタリングの結果は単なる数値ではなく、認識できる視覚的な物語を生みました。プロットで見ると、多くの作家は点の塊として密に、明瞭に分離した島を形成し、それぞれの島は代表的な作品で満たされ共通の特徴を共有していました：繊細な筆致の単色墨絵、原色を用いた力強い幾何学的抽象、安定した構図と繰り返されるテクスチャを持つ静物画などです。鮮やかなカラーフィールドや特定の調性といった署名的なパレットを持つ作家では、色の手がかりだけでも十分に機能しました。一方、墨絵の画家や劇的な筆致を持つ表現主義者のような作家には、テクスチャや意味的情報が重要でした。誤分類は人間の専門家でも迷うような場所でしばしば発生しました：構図が似た抽象画家や、流れる線や重なる色選択を共有する作家同士などです。これらのケースでは、誤り自体が異なる名の作家間に存在する実際の視覚的近縁性を示す手がかりになりました。

データから深い美術理解へ

専門外の読者にとっての主な結論は、デジタル画像だけを見ているコンピュータが、美術史家が既に知っている多くの事実を再現できるだけでなく、予想外の関係性を示唆することもある、という点です。色、テクスチャ、学習された意味的印象を組み合わせることで、このフレームワークは近現代韓国絵画を群分け・比較する再現可能で客観的な手段を提供します。それは人間の判断や専門家がもたらす豊かな文化的文脈に取って代わるものではありませんが、クラスタ、境界領域、視覚的な近縁群に注目させる定量的な地図を提供し、学芸員や鑑賞者が大規模コレクションをナビゲートし、韓国近代美術の多様な声がどのように複雑かつ分析可能な視覚的風景を織りなしているかを発見する手助けになります。

引用: Baek, S., Park, SJ., Park, SE. et al. Toward enhanced unsupervised clustering of 20th century Korean paintings via multimodal features. npj Herit. Sci. 14, 76 (2026). https://doi.org/10.1038/s40494-026-02304-1

キーワード: 韓国近代美術, 人工知能, 絵画様式解析, 画像クラスタリング, デジタル美術史