但在艺术界，这样的工具可能还是不足的，尤其是在为一幅来历不明(或未经证明)的画作找到创作者时。
现在，研究职员正在将绘画识别带入三维空间来填补这一差距，他们利用绘画运用的物理地形特色开拓出一种纹理特色，就犹如人类指纹一样平常，可以用来识别一幅画的艺术家。

“许多著名的艺术家，包括埃尔·格列柯、伦勃朗和彼得·保罗·鲁本斯，雇用了规模不同的事情室，以知足市场对他们的艺术的需求。
”在《遗产科学》杂志上揭橥的论文中作者阐明说。
“在事情坊中，不同的艺术家试图以一种独特的风格创作出一幅完全的画。
”艺术品的代价每每同画家紧密干系，这种归属的寻衅就会产生巨大的利益冲突。
须要用不带偏见的定量方法来洞察画作的归属问题。

研究职员招募了一个由克利夫兰艺术学院的9名绘画专业学生组成的团队，让他们每人创作三幅睡莲照片的复制品。
然后，一组艺术历史学家和一名绘画管理员选出了四名风格最相似的艺术家。
这四位艺术家画作的表面高度信息随后被捕捉到50微米（相称于一张纸厚度）的空间分辨率，足以捕捉到常日可以归结为数百微米差异的风雅笔触特色。

这幅高分辨率的物理地形——在每幅画上捕捉到12厘米× 15厘米的区域——然后被分割成一平方厘米的小块，使每幅画能够产生180个小块。
然后用这上百个小块中的大部分演习一个集成卷积神经网络模型，学习仅仅根据艺术家运用绘画的风格差异来确定其他的属性。

研究职员创造，这种方法的准确率在60%到90%之间，在特定条件下比利用图像识别模型的准确率赶过一倍以上。
作者总结道:“值得把稳的是，这种眇小的物理地形识别，是可靠区分艺术家的关键。
可以作为科学判断的强有力工具。

实在人工智能在艺术创作中运用越来越广泛，已经有AI工具可以帮忙那些没有经由专业演习但对艺术有浓厚兴趣的外行人进行绘画创作。