Un algorithme a été développé qui détermine l'auteur d'un tableau en fonction des caractéristiques des traits qu'il contient, et qui est capable de faire la distinction entre les vrais tableaux et les faux peints par d'autres artistes. Les développeurs ont formé le programme sur un ensemble de près de trois cents peintures d'artistes célèbres, tels que Picasso et Matisse, selon MIT Technology Review. Le développement des spécialistes américains et néerlandais sera présenté lors de la conférence AAAI sur l'intelligence artificielle en février 2018, une pré-impression de l'article est publiée sur arXiv.org.
Étant donné que les peintures d'artistes célèbres existent généralement en un seul exemplaire, leur prix peut atteindre des dizaines et des centaines de millions de dollars. Pour cette raison, certaines peintures sont forgées par des malfaiteurs, ce qui n'est pas toujours perceptible même pour les personnes versées dans la peinture. Pour se prémunir contre une telle contrefaçon, diverses méthodes sont proposées, par exemple en équipant les peintures d'identifiants uniques, quasiment impossibles à contrefaire en raison de leur microstructure complexe.
Des chercheurs des États-Unis et des Pays-Bas, dirigés par Ahmed Elgammal d'Artrendex et de l'Université Rutgers, ont créé un algorithme capable de reconnaître les auteurs d'une peinture par les traits de leurs traits. En 2015, ce groupe de chercheurs a déjà créé un algorithme permettant de classer les peintures par auteurs et même les styles en fonction de leurs caractéristiques individuelles, comme les couleurs. Dans le nouveau travail, les chercheurs ont décidé de se concentrer sur un composant des peintures - les traits.
Chaque trait peut être décrit par de nombreuses caractéristiques, par exemple la forme, la longueur, l'uniformité de l'épaisseur le long du trait et d'autres paramètres. Les chercheurs ont décidé d'extraire ces caractéristiques à l'aide d'algorithmes informatiques. Au départ, les peintures étaient divisées en traits séparés à l'aide d'un algorithme spécial. Comme ensemble de données pour les algorithmes, les chercheurs ont utilisé 297 peintures d'artistes célèbres tels que Picasso et Matisse, exécutées dans le style de la lithographie, du dessin à l'encre et autres. L'algorithme a décomposé ces images en plus de 80 000 traits individuels.
Ensemble de données pour les algorithmes de formation et de test / Elgammal et al. / arXiv.org, 2017
Pour évaluer les coups, les chercheurs ont décidé d'utiliser deux approches. Ils ont décrit les caractéristiques de base telles que l'épaisseur du trait et le profil longitudinal à l'aide de différents descripteurs et ont enseigné un algorithme de vecteur de support pour classer les traits. La seconde approche consistait à utiliser un réseau neuronal récurrent avec des blocs récurrents contrôlés, qui recherchait indépendamment des caractéristiques caractéristiques de certains artistes.
Un exemple de faux tableaux. Rangée du haut: faux; faux; original par Matisse. Rangée du milieu: Matisse original; faux; faux; original par Matisse. Rangée du bas: faux; original de Matisse; original de Picasso; faux / Elgammal et al. / arXiv.org, 2017
Après avoir préparé les algorithmes, les chercheurs les ont testés sur le même ensemble de données et, en combinant les deux approches, ils ont atteint une précision de reconnaissance des artistes de 80%. Ils ont également demandé à cinq artistes de peindre des copies de peintures de Picasso, Matisse et Schiele. Après avoir reçu 83 peintures, ils les ont vérifiées à l'aide de leurs algorithmes et ont constaté que leur combinaison est capable de reconnaître un faux dans toutes ces peintures.
Vidéo promotionelle:
Au cours des dernières années, de forts progrès ont été réalisés dans le traitement et l'analyse d'images à l'aide d'algorithmes de réseaux neuronaux. Par exemple, ces algorithmes sont capables de mélanger plusieurs styles artistiques dans une seule image, de transformer des croquis en peintures à part entière et même de créer des œuvres d'art originales. En outre, des algorithmes similaires fonctionnent bien avec les enregistrements vidéo. Par exemple, un système a été récemment présenté qui vous permet d'insérer un discours tiers dans la séquence vidéo, recréant presque précisément les expressions faciales articulatoires de l'orateur.
Grigory Kopiev
