在艺术创作中，理解作品的形成需要对迭代决策、材料操作和环境影响进行深入推理。虽然近期的生成 AI 系统能高保真地合成艺术作品，但它们主要建模的是成品的分布，而非创作过程的内在逻辑。
实际上，艺术工作流程仅通过档案记录、准备性研究、书信等零散来源部分记录，这使得从过程层面进行计算机化理解变得困难。
在本研究中，我们引入了 ArtMine，一个从异质历史证据中发现并形式化艺术创作过程的框架。我们的方案将异质艺术证据综合为一个结构化的存储库，利用 Peircean 异常推理代理推导基于证据的创作步骤。
这些步骤被转换为组合图和渲染提示，并通过自我反思在生成作品与参考作品之间的偏差进行优化。
我们提供了一个初步的概念验证案例研究，使用多个艺术家和艺术运动的开放领域历史来源，展示了零散的文献证据如何支持一致、可解释和可审计的艺术工作流程表示。
通过建模创作过程而非仅仅是最终作品，我们的工作向过程中心的人机共创系统迈进，能够支持艺术解读、创意教育、反思性合作和文化生产的计算研究。
博主点评： ArtMine 的提出为艺术创作过程的计算理解提供了新的视角，强调了从历史证据中提取和形式化过程的重要性。这不仅有助于艺术学术研究，也为人机协作提供了新的可能性，值得关注和深入研究。