钱松喦山水画构图研究

来源 :美术观察 | 被引量 : 0次 | 上传用户:raulhm
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
钱松喦的山水画用虚与实来吸收和消化西画的构成,从而形成了画面分割简洁明快、内部结构又有起承转合的新图式.由于他对待外来艺术是基于民族文化立场上进行的吸纳,是在自己艺术语言蜕变需要的基础上进行的转化,因此他的新艺术样式既面貌新颖又合乎本民族审美.
其他文献
以吡啶、三唑、吡咯等为代表的氮杂环化合物可作为CB1变构激动剂、HMG-CoA还原酶抑制剂、HIV-1整合酶抑制剂等,是异亚胺A、氯苯那吡、吲哚美辛等生物碱的重要母核.在不同金属催化下,双环化反应在构建结构多样的氮杂环骨架中得到了充分应用.对金属催化下构建氮杂环的双环化反应进行研究,将为后续工作的开展提供借鉴.
本文以柯律格、巫鸿的相关成果为线索,探讨了近年来艺术史研究的转向逻辑,并指出将这类著述视为“外向型”的研究并不准确.同时,基于视觉本身就蕴含了“内嵌性”的社会思想,本文认为:这些研究不仅没有脱离视觉,甚至还因为问题意识的改变而探究了视觉更为深层的内部结构,并进而强化了艺术史作为人文学科存在的问题维度.
本文以对范宽《溪山行旅图》的一次视觉分析,来回应本期“热点评述”的主题.笔者关心的是在古代绘画研究中,我们应在怎样的框架下来理解视觉因素?我们如何构筑视觉语境,更好地展开图像细读?本文尝试在分析《溪山行旅图》时,更多结合北宋时代对观看的讨论,并聚焦于画中行脚僧形象,提出新的看法.
研究了一类加权型的曲率积分不等式,利用仿射微分几何中分析形式的仿射等周不等式,得到了一类分析形式的积分不等式,应用此类积分不等式从而得到了一类关于凹函数的曲率积分不等式.
豳风图绘传统与政治教化关联紧密.一方面,由于《七月》的主题和经旨,豳风图绘往往被用以传达重农恤民之政治隐喻,不少帝王亲自参与豳风图的绘制、题字、赋诗、赏鉴等活动中,表达劝课农桑、勤政爱民之态度.另一方面,由于《七月》诗文内容之丰富,使得豳风图绘某种程度上可以作为帝王了解民间风俗时令的“博物志”,因此成为帝王“图教”的重要内容.在历史发展中,豳风图在劝诫与政教意义外,逐渐衍生出美好田园生活的指代意义,也成为祝寿寓意的承载.
自19世纪末以来,取径有别甚至截然相背的形式(风格)分析和图像学塑造了艺术史研究的两个基本(理论)范式.一百多年来,也曾掀起一波又一波的反形式(主义)和反图像学的浪潮.在这个过程中,除了不断重申和反思形式的召唤力、图像的认知力以外,其实还有一种一直被忽视的“艺术力”,即贯穿或超越图像与形式的一种内在的意志、潜能及其生命的强度.
人体行为识别随着智慧城市等应用的普及逐渐受到重视.视频中的人体行为的表现主要体现在随着运动出现的像素的动态变化,以及在时空平面和空间平面中呈现出的结构信息上.受此启发,提出了基于运动与结构特征嵌入的人体行为识别方法.首先采用运动历史图像在二维平面上呈现三维运动变化信息,并结合三维运动的X-T、Y-T、X-Y平面的投影,构成7个平面来体现人体行为的结构信息.其次,利用高斯金字塔和中心-环绕机制,充分模拟人眼对尺度变化以及边缘敏感的特性,并结合Gabor滤波器的方向敏感性和最大池化的激励鲁棒性,提取人体行为特
1890年,阿尔弗雷德·萨尔莫尼(Alfred Salmony)出生于科隆.1912年,他于德国波恩大学攻读博士学位.1914年,“一战”爆发,萨尔莫尼因服兵役中断学业.战争结束后,他进入奥地利维也纳大学,师从斯特泽戈沃斯基(Josef Strzygowski),随后于1920年向波恩大学提交论文《欧洲一东亚的宗教雕塑》(Europa-Ostasien Religi(o)se Skulpturen),获得博士学位.同年,他成为德国科隆东亚艺术博物馆(Museum for East-Asian Arts)的
期刊
思考艺术史研究中“重返视觉”这一议题,需要正确理解视觉问题本身的复杂性.可以把视觉问题拆分为视觉(vision)和视觉性(visuality)两个层面,在理解视觉的双重性的基础上,重返视觉意味着同时兼顾纯粹的视觉感官质量这一日益被忽视的层面,和视觉性的社会历史内涵这一近三十年来视觉文化研究扩展的层面,即视觉问题本身即包含了形式、审美、感性经验的层面,也包含了社会、政治、历史、体制的层面,同时还意味着扩展艺术作品为包含一切相关于视觉的行为、事件、环境、主体等丰富内容的对象.
关系抽取作为信息抽取领域近年来的研究热点,从宏观上可具体分为基于流水线的关系抽取、联合抽取和远程监督等,其中各个类别的关键性问题并不相通.近年来深度神经网络因其强大的语义表征能力,逐渐取代传统的机器学习成为关系抽取的基本模型,又可根据抽取方法细分为基于特征、卷积神经网络和注意机制模型等的关系抽取任务.随着数据规模的不断增大,自动高效地从文本中抽取结构化信息并构建知识库具有重大意义,关系抽取的研究和发展更具有必要性.文章对深度学习模型在各类关系抽取任务中的应用进行系统性评述,先主要介绍了常用的语料集及其规模