È stato sviluppato un algoritmo che determina l'autore di un dipinto dalle caratteristiche dei tratti in esso contenuti, nonché è in grado di distinguere tra dipinti reali e falsi dipinti da altri artisti. Gli sviluppatori hanno addestrato il programma su una serie di quasi trecento dipinti di artisti famosi, come Picasso e Matisse, secondo MIT Technology Review. Lo sviluppo di specialisti americani e olandesi sarà presentato alla conferenza AAAI sull'intelligenza artificiale nel febbraio 2018, un preprint dell'articolo è pubblicato su arXiv.org.
Poiché i dipinti di artisti famosi, di regola, esistono in una singola copia, i prezzi per loro possono ammontare a decine e centinaia di milioni di dollari. Per questo motivo, alcuni dipinti sono forgiati da malfattori, e questo non è sempre evidente anche a persone esperte di pittura. Per proteggersi da tale contraffazione, vengono proposti vari metodi, ad esempio dotando i dipinti di identificatori univoci, che sono quasi impossibili da contraffare a causa della loro complessa microstruttura.
I ricercatori degli Stati Uniti e dei Paesi Bassi, guidati da Ahmed Elgammal di Artrendex e dalla Rutgers University, hanno creato un algoritmo in grado di riconoscere gli autori di un dipinto dalle caratteristiche dei loro tratti. Nel 2015, questo gruppo di ricercatori ha già creato un algoritmo in grado di classificare i dipinti di autori e persino gli stili in base alle loro caratteristiche individuali, come i colori. Nel nuovo lavoro, i ricercatori hanno deciso di concentrarsi su una componente dei dipinti: i tratti.
Ogni tratto può essere descritto da molte caratteristiche, ad esempio forma, lunghezza, uniformità dello spessore lungo il tratto e altri parametri. I ricercatori hanno deciso di estrarre queste caratteristiche utilizzando algoritmi informatici. Inizialmente, i dipinti erano divisi in tratti separati utilizzando uno speciale algoritmo. Come set di dati per gli algoritmi, i ricercatori hanno utilizzato 297 dipinti di artisti famosi come Picasso e Matisse, eseguiti nello stile della litografia, del disegno a inchiostro e altri. L'algoritmo ha suddiviso queste immagini in più di 80.000 singoli tratti.
Set di dati per algoritmi di addestramento e test / Elgammal et al. / arXiv.org, 2017
Per valutare gli ictus, i ricercatori hanno deciso di utilizzare due approcci. Hanno descritto le caratteristiche di base come lo spessore del tratto e il profilo longitudinale utilizzando diversi descrittori e hanno insegnato un algoritmo di vettore di supporto per classificare i tratti. Il secondo approccio consisteva nell'utilizzare una rete neurale ricorrente con blocchi ricorrenti controllati, che cercavano in modo indipendente le caratteristiche caratteristiche di alcuni artisti.
Un esempio di quadri falsi. Riga superiore: falso; falso; originale di Matisse. Riga centrale: originale Matisse; falso; falso; originale di Matisse. Riga inferiore: falso; originale di Matisse; originale di Picasso; falso / Elgammal et al. / arXiv.org, 2017
Dopo aver preparato gli algoritmi, i ricercatori li hanno testati sullo stesso set di dati e, combinando entrambi gli approcci, hanno raggiunto un'accuratezza del riconoscimento dell'artista dell'80%. Hanno anche chiesto a cinque artisti di dipingere copie di dipinti di Picasso, Matisse e Schiele. Dopo aver ricevuto 83 dipinti, li hanno controllati utilizzando i loro algoritmi e hanno scoperto che la loro combinazione è in grado di riconoscere un falso in tutti questi dipinti.
Video promozionale:
Negli ultimi anni sono stati compiuti notevoli progressi nell'elaborazione e nell'analisi delle immagini utilizzando algoritmi di rete neurale. Ad esempio, tali algoritmi possono mescolare diversi stili artistici in un'unica immagine, trasformare gli schizzi in dipinti a tutti gli effetti e persino creare opere d'arte originali. Inoltre, algoritmi simili funzionano bene con le registrazioni video. Ad esempio, è stato recentemente presentato un sistema che consente di inserire nella sequenza video un discorso di terze parti, ricreando quasi accuratamente le espressioni facciali articolatorie del parlante.
Grigory Kopiev
