ArtMine: 예술적 과정의 발견 및 형식화

ArtMine: Discovering and Formalizing Artistic Processes

예술 작품이 어떻게 만들어지는지를 이해하려면 반복적인 의사 결정, 재료 조작, 그리고 예술 제작에 영향을 미치는 맥락적 요인들에 대한 추론이 필요합니다. 최근 생성형 AI 시스템은 높은 충실도로 예술 작품을 합성할 수 있지만, 이러한 시스템은 완성된 결과물에 대한 분포를 모델링하는 데 중점을 두며, 그 창조 과정 자체를 이해하지 못합니다. 실제로 예술 워크플로우는 기록 보관 자료, 준비 스케치, 서신 등 단편적인 정보들을 통해서만 부분적으로 문서화되어 있어, 이러한 과정을 계산적으로 형식화하기 어렵습니다. 본 연구에서는 ArtMine이라는 프레임워크를 소개하며, 이 프레임워크는 다양한 역사적 증거로부터 예술적 과정을 발견하고 형식화하는 데 사용됩니다. 저희의 접근 방식은 다양한 예술 작품 관련 자료를 구조화된 저장소로 통합하고, Peirce 추론 기반의 에이전트가 이러한 증거들을 바탕으로 생산 단계를 추론합니다. 추론된 단계들은 구문 그래프와 렌더링 프롬프트로 변환되고, 생성된 작품과 기준 작품 간의 차이를 기반으로 자체적인 검토를 통해 최적화됩니다. 저희는 다양한 예술가 및 예술 운동에 걸쳐 공개적으로 이용 가능한 역사 자료를 사용하여 초기 개념 증명 사례 연구를 수행했습니다. 그 결과, 단편적인 문서 자료가 일관되고 해석 가능하며 감사 가능한 예술 워크플로우 표현을 뒷받침할 수 있음을 보여줍니다. 저희의 연구는 최종 결과물뿐만 아니라 창작 과정을 모델링함으로써, 예술적 해석, 창의 교육, 성찰적인 협업 및 문화 생산에 대한 계산적 연구를 지원하는 프로세스 중심의 인간-AI 공동 창작 시스템으로 나아가는 길을 제시합니다.

Understanding how artworks are created requires reasoning about the iterative decisions, material operations, and contextual influences that shape artistic production. While recent generative AI systems can synthesize artworks with high fidelity, they primarily model distributions over finished artifacts rather than the creative processes underlying their creation. In practice, artistic workflows are only partially documented through fragmented sources such as archival records, preparatory studies, correspondence, etc., making process-level understanding difficult to formalize computationally. In this work, we introduce ArtMine, a framework for discovering and formalizing artistic processes from heterogeneous historical evidence. Our approach synthesizes heterogeneous artwork evidence into a structured repository, from which a Peircean abductive agent infers evidence-grounded production steps. These steps are converted into a compositional graph and rendering prompt, then optimized through self-reflection over deviations between the generated and reference artworks. We provide a preliminary proof-of-concept case study using open-domain historical sources across multiple artists and artistic movements, demonstrating that fragmented documentary evidence can support coherent, interpretable, and auditable representations of artistic workflows. By modeling creative processes rather than only final artifacts, our work moves toward process-centred human-AI co-creativity systems that can support artistic interpretation, creative education, reflective collaboration, and computational studies of cultural production.