artsylite

A collection of 4 posts
Review: The Art of Valuation - Using Visual Analysis to Price Classical Paintings by Swedish Masters
Catagory

Review: The Art of Valuation - Using Visual Analysis to Price Classical Paintings by Swedish Masters

作者: Adri De Ridder, Steffen Eriksen, Bert Scholtens 出版資訊: PLOS ONE, Volume 19, Number 1, 2024. DOI: 10.1371/journal.pone.0296906 摘要 本文探討藝術市場中畫作的定價機制,特別關注視覺分析在評估瑞典古典畫作價格中的應用。研究基於 6,566 件瑞典畫作的手工收集樣本,並使用視覺分類方法分析影響價格的因素。結果表明,畫作的技法、主題、拍賣行及其銷售狀況對價格有顯著影響。此外,視覺分析優於傳統基於標題的分類方式,因後者存在系統性誤差,導致部分畫作無法被正確歸類。本文強調藝術特徵對於減少估價誤差的重要性,並提出更精確的藝術市場評估方法。 主要貢獻 挑戰傳統的藝術品分類與定價方式 傳統藝術市場研究通常依賴畫作標題來分類畫作主題,但本研究發現此方法可能導致系統性誤差,因為畫作名稱可能與實際內容不符,甚至可能改變。本研究通過視覺分類法,確保所有畫作都能正確歸類,減少了因標題不明確或缺失而導致的測量誤差。 強調藝術技法與主題對價格的影響
5 min read
Review: Getting Art to the Market - How is the Price of Paintings Determined?
insight

Review: Getting Art to the Market - How is the Price of Paintings Determined?

作者: Divyanshi Saroff 出版資訊: International Journal of Advance Research, Ideas and Innovations in Technology, Volume 8, Issue 1, Pages 246–251, 2022. 摘要 本文探討藝術品市場中影響畫作定價的因素,並試圖找出這些因素之間的關聯性。透過對 31 位受訪者的問卷調查,研究發現藝術品的定價方式多樣,無法透過單一公式概括。作者採用歸納分析方法,將受訪者的定價策略分類,發現藝術家在定價時主要考量因素包括作品尺寸、製作成本、市場需求、藝術家聲望及個人價值觀。市場與個人對價值的不同詮釋,導致畫作價格的高度不確定性。 主要貢獻 重新評估藝術市場的定價機制 本研究顯示,藝術品的價格受到多種主觀與市場因素影響,例如藝術家的知名度、作品的歷史價值、買家的社會地位需求等,而非單純依靠生產成本或市場供需決定。 挑戰傳統經濟模型 研究發現,藝術市場的價格形成機制與一般商品不同,具有「
4 min read
2022 藝術市場回顧 (Artsy - The Art Market Recap 2022) 重點摘要
artsylite

2022 藝術市場回顧 (Artsy - The Art Market Recap 2022) 重點摘要

本報告由 Artsy 透過其價格資料庫整理,回顧了 2022 年藝術市場的主要趨勢、重要拍賣成交、藝術家成就與市場變化。 📌 2022 年藝術市場五大趨勢 1. NFT 的興衰 * 2022 年上半年,NFT 熱潮持續,Bored Ape Yacht Club 母公司 Yuga Labs 收購 CryptoPunks 和 Meebits,試圖整合市場。 * 但到了 5 月,加密貨幣崩盤 (如 FTX 倒閉) 讓 NFT 市場嚴重受挫。 * 佳士得 (Christie’s) 推出 Christie’s 3.0 以繼續推動 NFT 拍賣。
3 min read
Painting Price Prediction using Siamese CNN and LSTM
Review

Painting Price Prediction using Siamese CNN and LSTM

Review: Painting2Auction - Art Price Prediction with a Siamese CNN and LSTM 作者: Tom Worth, Stanford University 出版資訊: CS230: Deep Learning, Fall 2020, Stanford University, CA 摘要 本研究探討如何利用深度學習技術來預測藝術品的拍賣價格,旨在提升估價效率並減少專家評估中的人為偏見。傳統方法要麼直接從圖像預測價格,要麼依賴專家意見,前者忽視市場背景,後者則引入主觀性與資訊不對稱問題。因此,本文提出了一種新的混合方法,結合Siamese CNN(評估畫作相似度)與LSTM(處理時間序列數據),以綜合考量視覺特徵與市場動態,並排除藝術家因素對價格的影響。 [[ Figure : Siamese CNN + LSTM 架構示意圖 ]]: 這張圖是一個典型的模型架構示意圖,應該是用來展示本文提到的 Siamese
6 min read