革命旧址与周边景观的保护研究——对枣园环境文化景观的探讨与设计实践分析

强调"红色文化"的主体属性以及研究和探讨在景观设计中综合运用方法。"红色文化"的基本属性本身附着于"传统文化"的历史长河中,二者是相形不悖的统一综合体,是现今革命旧址文物保护单位重视的多层面要素问题之一。     

感受“798”的现代艺术

本文通过论述798艺术区的历史沿革、798的文化概念以及发展趋势,让人们感受到这是一个活生生的工厂,同时也是一个生机勃勃的艺术区;而艺术展览的宣传海报,画廊、工作室的指示标牌,引人注目的雕塑作品,时髦的青年和穿梭往来的外国游客,一切又构成了极强的艺术和时尚氛围。少时记忆中的工厂环境与奇思幻想的艺术构思的组合,让人有种时空交错的感觉。     

论汉字传统图式的继承与再造

汉字是世界上最古老的文字之一,经由图画演变而来,是语言图像化、符号化的典范。随着文明的演进,汉字经历了各种书体的流变,也衍生出许多独特的图式。这些图式范围广泛、形式多样,是传统文化的积淀与体现。本文从阐述汉字传统图式的概念及其产生的文化背景入手,探讨汉字传统图式继承与再造的必然性,并总结归纳出继承与再造的方法。     

大道“有形”——以历史唯物主义的社会发展观来审视“手艺”在当下的核心价值

本文选取"手艺"的物质性和"非物质性"为论述对象,以历史唯物主义社会发展观为思辨基础,通过审视手艺的双重属性,将其放置在社会历史发展的宏大背景中,从文化的维度审视手艺的精神。     

论中国传统造型观念在图形设计中的传承

传统造型观念是中国传统艺术的一个重要组成部分,它作为一种民族文化和视觉美感的研究形式,是不容被忽视的。本文通过对传统造型观念在造型手法与特点等方面的分析,找出它在艺术形式和表现手法上对现代图形设计的影响。并进一步论述中国传统造型观念对于图形设计的现实意义.从而说明传承与发扬我们的传统文化,把其精神元素融入图形设计中,必定会使图形设计与国际化视觉语言进行有机结合,这是中国现代设计的必由之路。     

大众审美影响下乡土商品运用传统包装的商业价值探析

随着民族文化得到不断的重视和提倡,涌现了一股文化回归的浪潮,具有浓郁淳朴气息的传统包装也越来越多的走向市场,本文基于时代发展的大背景下,结合中国民族的审美特点,以乡土商品运用传统包装为例,试析在大众审美影响下,传统包装所蕴含的商业价值。     

浅析城市道路色彩语言与特色——以上海长宁区新华路道路色彩分析为例

在现代城市色彩规划与建设中,道路作为主要构成要素之一,其色彩质量与特点直接影响着整个城市色彩设计的审美价值取向。本文试图诠释色彩语言的定义与基本特征,并利用蒙塞尔色彩体系对上海长宁区新华路"国宾道"进行了全面的色彩分析,尝试把握上海老建筑的色彩语言与特征,从而总结出城市在保护历史文化风貌区等地区特色色彩规划的要点与方式。     

动画形象的符号意义探微

动画是大众化的传媒形式,起到十分重要的传播文化的作用.动画中的动画形象是诸多艺术要素和信息内容的集合体.动画艺术的根本精髓就是将动画形象作为视觉符号,进行精神文化的传播。所以,动画形象能否成为精神文化的符号,是动画形象获得成功的关键.     

文化算法研究

文中介绍一种新的进化计算构架——文化算法。文化算法分别从微观（种群空间）和宏观（信念空间）两个层面上模拟文化的双重进化继承过程。从进化角度看,任何一种符合文化算法要求的计算构架或符号表达都能被用来描述文化算法框架中的种群空间和信念空间。文中叙述了文化算法的发展背景,阐述了文化算法的特点、适用范围及基本原理,回顾了其发展历程以及应用,给出了结论和进一步的研究方向。     

Toward Fine-grained Image Retrieval with Adaptive Deep Learning for Cultural Heritage Image

Fine-grained image classification is a challenging research topic because of the high degree of similarity among categories and the high degree of dissimilarity for a specific category caused by different poses and scales. A cultural heritage image is one of the fine-grained images because each image has the same similarity in most cases. Using the classification technique, distinguishing cultural heritage architecture may be difficult. This study proposes a cultural heritage content retrieval method using adaptive deep learning for fine-grained image retrieval. The key contribution of this research was the creation of a retrieval model that could handle incremental streams of new categories while maintaining its past performance in old categories and not losing the old categorization of a cultural heritage image. The goal of the proposed method is to perform a retrieval task for classes. Incremental learning for new classes was conducted to reduce the re-training process. In this step, the original class is not necessary for re-training which we call an adaptive deep learning technique. Cultural heritage in the case of Thai archaeological site architecture was retrieved through machine learning and image processing. We analyze the experimental results of incremental learning for fine-grained images with images of Thai archaeological site architecture from world heritage provinces in Thailand, which have a similar architecture. Using a fine-grained image retrieval technique for this group of cultural heritage images in a database can solve the problem of a high degree of similarity among categories and a high degree of dissimilarity for a specific category. The proposed method for retrieving the correct image from a database can deliver an average accuracy of 85 percent. Adaptive deep learning for fine-grained image retrieval was used to retrieve cultural heritage content, and it outperformed state-of-the-art methods in fine-grained image retrieval.