Física estatística aplicada ao estudo de obras de arte

Abstract

Resumo: Neste trabalho, focamos nossa atenção em quantificar aspectos das artes visuais utilizando ferramentas da Física Estatística. Em particular, utilizamos duas medidas de complexidade estatística: a entropia e a complexidade estatística de permutação. Aplicamos essas duas medidas de complexidade às imagens obtidas de uma das maiores bases de dados disponível online sobre artes visuais, a Wiki Art. Para lidar com essa grande quantidade de dados (mais de cem mil imagens) e todos os metadados associados (como data, estilo e gênero), utilizamos pacotes e programas escritos em linguagem Python. Empregando o plano complexidade-entropia, mostramos que é possível distinguir dentre os vários estilos artísticos dessas obras de arte. Aplicamos um método de agrupamento hierárquico visando encontrar grupos de estilos que são (em algum sentido) similares uns aos outros. Além disso, verificamos uma evolução temporal clara das medidas de complexidade com o passar do tempo, a qual tentamos associar fatos da história da arte. Argumentamos, ainda, que essas características evolutivas podem ser associadas com mudanças nos estilos artísticos predominantes de cada período. De maneira geral, acreditamos que nosso estudo representa uma contribuição inicial para a aplicação de ferramentas e métodos da Física Estatística na investigação quantitativa das artes visuais e sua história.

Abstract: We focus our attention on quantifying aspects of visual arts by using tools from statistical physics. In particular, we use two statistical complexity measures: the permutation entropy and the statistical complexity. We apply these two complexity measures to the images obtained from one of the largest online available databases about visual arts, the Wiki Art. In order to deal with this huge amount of data (more than one hundred thousand images) and all associated metadata (such as date, style and genre), we employ packages and programs written in Python language. By using the complexity-entropy plane, we show that it is possible to distinguish among the several artistic styles. We also apply a hierarchical clustering method aiming to find groups of styles which are (in some sense) similar to each other. Moreover, we verify a clear evolutive trend of the complexity measures over time, a feature that we try to associate with some facts of art history. We further argue, that this evolutive feature can be associated with changes in the predominant styles of each particular period of time. Our study thus represents an initial contribution for applying tools and methods from statistical physics to the quantitative investigation of visual arts and its history..