Foi desenvolvido um algoritmo que determina o autor de uma pintura pelas características dos traços nela, bem como é capaz de distinguir entre pinturas reais e falsificações pintadas por outros artistas. Os desenvolvedores treinaram o programa em um conjunto de quase trezentas pinturas de artistas famosos, como Picasso e Matisse, de acordo com a MIT Technology Review. O desenvolvimento de especialistas americanos e holandeses será apresentado na conferência AAAI sobre inteligência artificial em fevereiro de 2018, uma pré-impressão do artigo foi publicada em arXiv.org.
Como as pinturas de artistas famosos, via de regra, existem em uma única cópia, os preços por elas podem chegar a dezenas e centenas de milhões de dólares. Por isso, algumas pinturas são forjadas por malfeitores, o que nem sempre é perceptível mesmo para quem é versado em pintura. Para proteger contra essa falsificação, vários métodos são propostos, por exemplo, equipar pinturas com identificadores únicos, que são quase impossíveis de falsificar devido à sua microestrutura complexa.
Pesquisadores dos Estados Unidos e da Holanda, liderados por Ahmed Elgammal, da Artrendex e da Rutgers University, criaram um algoritmo que pode reconhecer os autores de uma pintura pelas características de seus traços. Em 2015, esse grupo de pesquisadores já criou um algoritmo que pode classificar pinturas de autores e até estilos com base em suas características individuais, como as cores. No novo trabalho, os pesquisadores decidiram se concentrar em um componente das pinturas - os traços.
Cada curso pode ser descrito por muitas características, por exemplo, forma, comprimento, uniformidade de espessura ao longo do curso e outros parâmetros. Os pesquisadores decidiram extrair essas características usando algoritmos de computador. Inicialmente, as pinturas foram divididas em traços separados usando um algoritmo especial. Como um conjunto de dados para os algoritmos, os pesquisadores usaram 297 pinturas de artistas famosos como Picasso e Matisse, executadas no estilo de litografia, desenho a tinta e outros. O algoritmo dividiu essas imagens em mais de 80.000 traços individuais.
Conjunto de dados para treinamento e teste de algoritmos / Elgammal et al. / arXiv.org, 2017
Para avaliar os derrames, os pesquisadores decidiram usar duas abordagens. Eles descreveram características básicas, como espessura de traço e perfil longitudinal usando diferentes descritores e ensinaram um algoritmo de vetor de suporte para classificar traços. A segunda abordagem foi usar uma rede neural recorrente com blocos recorrentes controlados, que buscava independentemente características características de certos artistas.
Um exemplo de pinturas falsas. Linha superior: falsa; falso; original de Matisse. Linha do meio: Matisse original; falso; falso; original de Matisse. Linha inferior: falso; original de Matisse; original de Picasso; fake / Elgammal et al. / arXiv.org, 2017
Depois de preparar os algoritmos, os pesquisadores os testaram no mesmo conjunto de dados e, combinando as duas abordagens, eles alcançaram 80 por cento de precisão de reconhecimento do artista. Eles também pediram a cinco artistas que pintassem cópias de pinturas de Picasso, Matisse e Schiele. Após receber 83 pinturas, eles as verificaram usando seus algoritmos e descobriram que sua combinação é capaz de reconhecer uma farsa em todas essas pinturas.
Vídeo promocional:
Nos últimos anos, um grande progresso foi feito no processamento e análise de imagens usando algoritmos de rede neural. Por exemplo, esses algoritmos são capazes de misturar vários estilos artísticos em uma imagem, transformar esboços em pinturas completas e até mesmo criar obras de arte originais. Além disso, algoritmos semelhantes funcionam bem com gravações de vídeo. Por exemplo, recentemente foi apresentado um sistema que permite inserir fala de terceiros na sequência de vídeo, recriando quase com precisão as expressões faciais articulatórias do falante.
Grigory Kopiev
