Er is een algoritme ontwikkeld dat de auteur van een schilderij bepaalt aan de hand van de kenmerken van de streken erin, en dat onderscheid kan maken tussen echte schilderijen en vervalsingen die door andere kunstenaars zijn geschilderd. De ontwikkelaars hebben het programma getraind op een set van bijna driehonderd schilderijen van beroemde kunstenaars, zoals Picasso en Matisse, volgens MIT Technology Review. De ontwikkeling van Amerikaanse en Nederlandse specialisten wordt gepresenteerd op de AAAI-conferentie over kunstmatige intelligentie in februari 2018, een voordruk van het artikel wordt gepubliceerd op arXiv.org.
Aangezien schilderijen van beroemde kunstenaars in de regel in één exemplaar bestaan, kunnen de prijzen ervoor oplopen tot tientallen en honderden miljoenen dollars. Hierdoor worden sommige schilderijen vervalst door indringers, en dit is niet altijd merkbaar, zelfs niet voor mensen die bedreven zijn in schilderen. Ter bescherming tegen dergelijke vervalsing worden verschillende methoden voorgesteld, bijvoorbeeld het uitrusten van schilderijen met unieke identificatiemiddelen, die vanwege hun complexe microstructuur bijna onmogelijk te vervalsen zijn.
Onderzoekers uit de Verenigde Staten en Nederland, onder leiding van Ahmed Elgammal van Artrendex en Rutgers University, hebben een algoritme gemaakt dat de auteurs van een schilderij kan herkennen aan de kenmerken van hun penseelstreken. Deze groep onderzoekers heeft in 2015 al een algoritme ontwikkeld dat schilderijen op auteurs en zelfs stijlen kan classificeren op basis van hun individuele kenmerken, zoals kleuren. In het nieuwe werk besloten de onderzoekers zich te concentreren op één onderdeel van de schilderijen: beroertes.
Elke slag kan worden beschreven door vele kenmerken, bijvoorbeeld vorm, lengte, uniformiteit van dikte langs de slag en andere parameters. De onderzoekers besloten deze kenmerken te extraheren met behulp van computeralgoritmen. Aanvankelijk werden de schilderijen met een speciaal algoritme in afzonderlijke streken verdeeld. Als dataset voor de algoritmen gebruikten de onderzoekers 297 schilderijen van beroemde kunstenaars zoals Picasso en Matisse, uitgevoerd in de stijl van lithografie, inkttekening en andere. Het algoritme heeft deze afbeeldingen opgesplitst in meer dan 80.000 individuele slagen.
Dataset voor het trainen en testen van algoritmen / Elgammal et al. / arXiv.org, 2017
Om de beroertes te beoordelen, besloten de onderzoekers twee benaderingen te gebruiken. Ze beschreven basiskenmerken zoals slagdikte en longitudinaal profiel met behulp van verschillende descriptoren en leerden een ondersteuningsvectoralgoritme om slagen te classificeren. De tweede benadering was om een terugkerend neuraal netwerk te gebruiken met gecontroleerde terugkerende blokken, dat onafhankelijk op zoek ging naar kenmerken die kenmerkend zijn voor bepaalde kunstenaars.
Een voorbeeld van nepschilderijen. Bovenste rij: nep; nep; origineel door Matisse. Middelste rij: origineel Matisse; nep; nep; origineel door Matisse. Onderste rij: nep; origineel door Matisse; origineel door Picasso; nep / Elgammal et al. / arXiv.org, 2017
Na het voorbereiden van de algoritmen, testten de onderzoekers ze op dezelfde dataset, en door beide benaderingen te combineren, bereikten ze een nauwkeurigheid van 80 procent van de artiestherkenning. Ze vroegen ook vijf kunstenaars om kopieën te schilderen van schilderijen van Picasso, Matisse en Schiele. Nadat ze 83 schilderijen hadden ontvangen, controleerden ze deze met behulp van hun algoritmen en ontdekten dat hun combinatie een vervalsing in al deze schilderijen kan herkennen.
Promotie video:
In de afgelopen jaren is er sterke vooruitgang geboekt in beeldverwerking en analyse met behulp van neurale netwerkalgoritmen. Dergelijke algoritmen kunnen bijvoorbeeld verschillende artistieke stijlen in één afbeelding combineren, schetsen omzetten in volwaardige schilderijen en zelfs originele kunstwerken maken. Vergelijkbare algoritmen werken ook goed met video-opnamen. Er is bijvoorbeeld onlangs een systeem gepresenteerd waarmee u spraak van derden in de videosequentie kunt invoegen, waardoor de articulatoire gezichtsuitdrukkingen van de spreker bijna nauwkeurig worden nagebootst.
Grigory Kopiev
