En algoritm har utvecklats som bestämmer författaren till en målning utifrån streckens egenskaper och kan också skilja mellan verkliga målningar och förfalskningar målade av andra konstnärer. Utvecklarna har tränat programmet på en uppsättning av nästan tre hundra målningar av kända konstnärer, som Picasso och Matisse, enligt MIT Technology Review. Utvecklingen av amerikanska och holländska specialister kommer att presenteras vid AAAI-konferensen om artificiell intelligens i februari 2018, en förtryck av artikeln publiceras på arXiv.org.
Eftersom målningar av kända konstnärer som regel finns i en enda kopia kan priserna för dem uppgå till tiotals och hundratals miljoner dollar. På grund av detta är vissa målningar smidda av malefaktorer, och detta märks inte alltid ens för människor som är kända i målning. För att skydda mot sådan förfalskning föreslås olika metoder, till exempel utrustning av målningar med unika identifierare, som nästan är omöjliga att förfalska på grund av deras komplexa mikrostruktur.
Forskare från Förenta staterna och Nederländerna, under ledning av Ahmed Elgammal från Artrendex och Rutgers University, har skapat en algoritm som kan känna igen författarna till en målning genom dragens drag. Under 2015 har denna forskargrupp redan skapat en algoritm som kan klassificera målningar av författare och till och med stilar baserat på deras individuella egenskaper, till exempel färger. I det nya arbetet beslutade forskarna att fokusera på en del av målningarna - strokar.
Varje slag kan beskrivas med många egenskaper, exempelvis form, längd, tjocklek likformighet längs strecket och andra parametrar. Forskarna beslutade att extrahera dessa egenskaper med hjälp av datoralgoritmer. Ursprungligen delades målningarna upp i separata slag med hjälp av en speciell algoritm. Som datasats för algoritmerna använde forskarna 297 målningar av kända konstnärer som Picasso och Matisse, utförda i stil med litografi, bläckritning och andra. Algoritmen har delat upp dessa bilder i mer än 80 000 individuella slag.
Datauppsättning för tränings- och testalgoritmer / Elgammal et al. / arXiv.org, 2017
För att bedöma stroken beslutade forskarna att använda två metoder. De beskrev grundläggande egenskaper såsom slagtjocklek och längsgående profil med olika beskrivningar och lärde en stödvektoralgoritm för att klassificera slag. Den andra metoden var att använda ett återkommande neuralt nätverk med kontrollerade återkommande block, som oberoende sökte efter funktioner som är karakteristiska för vissa konstnärer.
Ett exempel på falska målningar. Övre raden: falsk; falsk; original av Matisse. Mittrad: original Matisse; falsk; falsk; original av Matisse. Nedre raden: falsk; original av Matisse; original av Picasso; fake / Elgammal et al. / arXiv.org, 2017
Efter att ha förberett algoritmerna testade forskarna dem på samma datasats och genom att kombinera båda metoderna uppnådde de 80 procent noggrannhet för konstnärigenkänning. De bad också fem konstnärer att måla kopior av målningar av Picasso, Matisse och Schiele. Efter att ha fått 83 målningar, kontrollerade de dem med hjälp av sina algoritmer och fann att deras kombination är kapabel att känna igen en falsk i alla dessa målningar.
Kampanjvideo:
Under de senaste åren har starka framsteg gjorts i bildbehandling och analys med hjälp av neurala nätverksalgoritmer. Till exempel kan sådana algoritmer blanda flera konstnärliga stilar i en bild, förvandla skisser till fullständiga målningar och till och med skapa originella konstverk. Även liknande algoritmer fungerar bra med videoinspelningar. Till exempel presenterades nyligen ett system som låter dig sätta in tal från tredje part i videosekvensen, nästan exakt återskapa högtalarnas artikulativa ansiktsuttryck.
Grigory Kopiev
