Se ha desarrollado un algoritmo que determina al autor de una pintura por las características de los trazos en ella, así como es capaz de distinguir entre pinturas reales y falsificaciones pintadas por otros artistas. Los desarrolladores han entrenado el programa en un conjunto de casi trescientas pinturas de artistas famosos, como Picasso y Matisse, según MIT Technology Review. El desarrollo de especialistas estadounidenses y holandeses se presentará en la conferencia AAAI sobre inteligencia artificial en febrero de 2018, se publica una preimpresión del artículo en arXiv.org.
Dado que las pinturas de artistas famosos, por regla general, existen en una sola copia, los precios pueden ascender a decenas y cientos de millones de dólares. Debido a esto, algunas pinturas son forjadas por malhechores, y esto no siempre se nota incluso para las personas versadas en la pintura. Para protegerse contra dicha falsificación, se proponen varios métodos, por ejemplo, equipar pinturas con identificadores únicos, que son casi imposibles de falsificar debido a su compleja microestructura.
Investigadores de los Estados Unidos y los Países Bajos, dirigidos por Ahmed Elgammal de Artrendex y la Universidad de Rutgers, han creado un algoritmo que puede reconocer a los autores de una pintura por las características de sus trazos. En 2015, este grupo de investigadores ya creó un algoritmo que puede clasificar pinturas por autores e incluso estilos en función de sus características individuales, como los colores. En el nuevo trabajo, los investigadores decidieron centrarse en un componente de las pinturas: los trazos.
Cada trazo puede describirse por muchas características, por ejemplo, forma, longitud, uniformidad de espesor a lo largo del trazo y otros parámetros. Los investigadores decidieron extraer estas características mediante algoritmos informáticos. Inicialmente, las pinturas se dividieron en trazos separados utilizando un algoritmo especial. Como conjunto de datos para los algoritmos, los investigadores utilizaron 297 pinturas de artistas famosos como Picasso y Matisse, ejecutadas en el estilo de la litografía, el dibujo a tinta y otros. El algoritmo ha dividido estas imágenes en más de 80.000 trazos individuales.
norte
Conjunto de datos para algoritmos de entrenamiento y prueba / Elgammal et al. / arXiv.org, 2017
Para evaluar los accidentes cerebrovasculares, los investigadores decidieron utilizar dos enfoques. Describieron características básicas como el grosor del trazo y el perfil longitudinal utilizando diferentes descriptores y enseñaron un algoritmo de vector de soporte para clasificar los trazos. El segundo enfoque fue utilizar una red neuronal recurrente con bloques recurrentes controlados, que buscaban de forma independiente rasgos característicos de ciertos artistas.
Un ejemplo de cuadros falsos. Fila superior: falso; falso; original de Matisse. Fila central: Matisse original; falso; falso; original de Matisse. Fila inferior: falso; original de Matisse; original de Picasso; falso / Elgammal et al. / arXiv.org, 2017
Después de preparar los algoritmos, los investigadores los probaron en el mismo conjunto de datos y, al combinar ambos enfoques, lograron un 80 por ciento de precisión en el reconocimiento del artista. También pidieron a cinco artistas que pintaran copias de pinturas de Picasso, Matisse y Schiele. Habiendo recibido 83 pinturas, las revisaron usando sus algoritmos y encontraron que su combinación es capaz de reconocer una falsificación en todas estas pinturas.
Video promocional:
En los últimos años, se ha logrado un gran progreso en el procesamiento y análisis de imágenes utilizando algoritmos de redes neuronales. Por ejemplo, estos algoritmos pueden mezclar varios estilos artísticos en una imagen, convertir bocetos en pinturas completas e incluso crear obras de arte originales. Además, algoritmos similares funcionan bien con grabaciones de video. Por ejemplo, recientemente se presentó un sistema que le permite insertar un discurso de terceros en la secuencia de video, recreando casi con precisión las expresiones faciales articulatorias del hablante.
Grigory Kopiev
