Des chercheurs espagnols ont enseigné un algorithme de vision par ordinateur pour percevoir les astuces d'un illusionniste avec une pièce de monnaie de la même manière qu'une personne. Pour ce faire, ils ont demandé à un illusionniste professionnel de montrer plusieurs astuces au spectateur et un algorithme de reconnaissance basé sur DeepLabCut, qui est utilisé pour suivre les animaux de laboratoire. Deux des sept astuces présentées ont réussi à tromper à la fois une personne et un ordinateur, et les résultats du travail peuvent à l'avenir aider à étudier la perception de ces astuces par les téléspectateurs, écrivent les scientifiques dans une pré-impression sur arXiv.org.
Il n'y a pas de magie dans les tours de magie que montrent les illusionnistes, tout le succès de leur mise en œuvre se résume à un tour de passe-passe. D'un autre côté, c'est aussi une question de perception humaine: les actions de l'illusionniste sont destinées à induire le spectateur en erreur, en jouant sur son attention et sa concentration. Par conséquent, pour ceux qui suivent extrêmement attentivement les mains du magicien, il n'y a pas de magie et la tromperie dans certains tours peut être facilement détectée si, par exemple, vous enregistrez sa performance sur vidéo et la jouez lentement.
Bien sûr, la situation avec la perception de telles astuces par les algorithmes de vision par ordinateur est légèrement différente: en fait, l'ordinateur est libéré de la possibilité d'être trompé, et dans ce cas, sa capacité à reconnaître la tromperie dépend de la qualité de son travail. Les chercheurs dirigés par Alex Gomez-Marin de l'Institut des neurosciences d'Alicante (Espagne) ont décidé de tester si un tel algorithme peut être appris à regarder les astuces des illusionnistes en tant que personne.
Pour ce faire, les scientifiques ont embauché un illusionniste professionnel et lui ont demandé de montrer sept astuces visuelles simples avec des pièces de monnaie - sans aucun ajout verbal qui puisse distraire le spectateur et affecter le succès de l'illusion. Les tours se distinguaient par les mouvements de la main de l'illusionniste nécessaires à la disparition de la pièce: par exemple, dans l'un il était important de faire glisser la pièce sur la table, et dans l'autre, par exemple, de la saisir.
Toutes les astuces ont été montrées aux gens, ainsi qu'un algorithme basé sur DeepLabCut, qui a été présenté par des scientifiques allemands l'année dernière: il est utilisé pour suivre automatiquement les mouvements des animaux de laboratoire et peut même analyser les mouvements de différentes parties de leur corps (par exemple, les pattes de souris). La tâche de l'algorithme était de déterminer l'emplacement de la pièce à la fin de chaque tour - exactement la même tâche à laquelle étaient confrontés les participants à la recherche.
Les scientifiques ont comparé les résultats d'une personne et d'un algorithme et ont constaté que seuls deux cas étaient possibles pour les tromper tous les deux. Trois astuces qui ont trompé le public, l'algorithme n'a pas trompé - il a déterminé la position de la pièce. En outre, une astuce a trompé l'algorithme, mais pas le public, et l'autre - l'inverse. Par exemple, la quatrième astuce, dans laquelle l'illusionniste dispose les pièces d'affilée (vous pouvez la regarder dans la vidéo), s'est avérée simple pour l'algorithme, mais a pu tromper le spectateur, car l'attention de ce dernier pendant les mouvements était dirigée vers la main dans laquelle l'illusionniste tenait initialement les pièces. par conséquent, le fait que le magicien introduisait une pièce de monnaie avec son autre main est passé inaperçu. Puisqu'un algorithme formé pour suivre une pièce n'a aucun problème à suivre les deux mains à la fois, il n'a pas été dupe. D'un autre côté, dans le sixième tour - exactement le même que le premier,mais cela a été spécialement fait avec une erreur - l'algorithme, contrairement au spectateur, n'a pas reconnu la tromperie, car la pièce lancée, apparemment, s'est avérée être un avantage par rapport à la caméra, ce qui a causé des difficultés de reconnaissance pour un ordinateur, et non pour une personne.
Les auteurs précisent qu'ils n'étaient pas intéressés par la capacité de l'algorithme à comprendre rapidement les astuces de l'illusionniste. Au contraire, ils voulaient voir s'il était possible de lui faire les regarder de la même manière qu'une personne ordinaire regarde, et non pas celui qui cherche à résoudre la tromperie, mais celui qui perçoit réellement le truc comme une sorte de magie. Le fait que dans certains cas DeepLabCut n'était pas vraiment capable de reconnaître la tromperie de la même manière qu'une personne, ce qui signifie, selon les scientifiques, que de tels algorithmes peuvent être utilisés pour analyser la perception humaine - juste dans des situations comme les astuces des illusionnistes.
Vidéo promotionelle:
Elizaveta Ivtushok
