Det er utviklet en algoritme som bestemmer forfatteren av et maleri etter egenskapene til strekene i det, så vel som i stand til å skille mellom virkelige malerier og forfalskninger malt av andre kunstnere. Utviklerne har trent programmet på et sett på nesten tre hundre malerier av kjente artister, som Picasso og Matisse, ifølge MIT Technology Review. Utviklingen av amerikanske og nederlandske spesialister vil bli presentert på AAAI-konferansen om kunstig intelligens i februar 2018, en forhåndstrykk av artikkelen er publisert på arXiv.org.
Siden malerier av kjente kunstnere som regel eksisterer i en enkelt kopi, kan prisene for dem utgjøre titusenvis av hundrevis av millioner dollar. På grunn av dette er noen malerier smidd av malefaktorer, og dette merkes ikke alltid selv for folk som er kjent med å male. For å beskytte mot slik forfalskning foreslås forskjellige metoder, for eksempel å utstyre malerier med unike identifikatorer, som nesten ikke er mulig å forfalsket på grunn av deres komplekse mikrostruktur.
Forskere fra USA og Nederland, ledet av Ahmed Elgammal fra Artrendex og Rutgers University, har laget en algoritme som kan gjenkjenne forfatterne av et maleri etter trekkene deres. I 2015 har denne gruppen forskere allerede laget en algoritme som kan klassifisere malerier av forfattere og til og med stiler basert på deres individuelle egenskaper, for eksempel farger. I det nye arbeidet bestemte forskerne seg for å fokusere på en komponent av maleriene - slag.
Hvert slag kan beskrives med mange egenskaper, for eksempel form, lengde, tykkelse ensartethet langs strekningen og andre parametere. Forskerne bestemte seg for å trekke ut disse egenskapene ved hjelp av datamaskinalgoritmer. Opprinnelig ble maleriene delt inn i separate streker ved hjelp av en spesiell algoritme. Som datasett for algoritmene brukte forskerne 297 malerier av kjente kunstnere som Picasso og Matisse, utført i stil med litografi, blekktegning og andre. Algoritmen har brutt ned bildene i mer enn 80 000 individuelle slag.
Datasett for trening og testing av algoritmer / Elgammal et al. / arXiv.org, 2017
For å vurdere slagene bestemte forskerne seg for å bruke to tilnærminger. De beskrev grunnleggende egenskaper som slagtykkelse og langsgående profil ved bruk av forskjellige beskrivelser og lærte en støttevektoralgoritme for å klassifisere slag. Den andre tilnærmingen var å bruke et tilbakevendende nevralt nettverk med kontrollerte tilbakevendende blokker, som uavhengig søkte etter funksjoner som er karakteristiske for visse kunstnere.
Et eksempel på falske malerier. Øverste rad: falske; forfalskning; original av Matisse. Midtrad: original Matisse; forfalskning; forfalskning; original av Matisse. Nederste rad: falske; original av Matisse; original av Picasso; falske / Elgammal et al. / arXiv.org, 2017
Etter å ha utarbeidet algoritmene testet forskerne dem på samme datasett, og ved å kombinere begge tilnærmingene oppnådde de 80 prosent nøyaktighet av artistgjenkjenning. De ba også fem kunstnere om å male kopier av malerier av Picasso, Matisse og Schiele. Etter å ha mottatt 83 malerier, sjekket de dem ved å bruke algoritmene sine, og fant ut at deres kombinasjon er i stand til å gjenkjenne en forfalskning i alle disse maleriene.
Salgsfremmende video:
I løpet av de siste årene har det blitt gjort sterke fremskritt innen bildebehandling og analyse ved bruk av nevrale nettverksalgoritmer. For eksempel kan slike algoritmer blande flere kunstneriske stiler i ett bilde, gjøre skisser til fullverdige malerier og til og med lage originale kunstverk. Lignende algoritmer fungerer også bra med videoopptak. For eksempel ble det nylig presentert et system som lar deg sette inn tredjeparts tale i videosekvensen, og nesten gjenskape de artikulerende ansiktsuttrykkene til høyttaleren.
Grigory Kopiev
