Kidolgoztunk egy algoritmust, amely meghatározza a festmény szerzőjét a rajzon szereplő vonások jellemzői alapján, és képes megkülönböztetni a valódi festményeket a más művészek által festett hamisítványoktól. A fejlesztők a MIT Technology Review szerint híres művészek, mint például Picasso és Matisse, közel háromszáz festménykészletén képezték ki a programot. Az amerikai és holland szakemberek fejlõdését a mesterséges intelligencia AAAI konferenciáján mutatják be 2018 februárjában, a cikk elõzetes nyomtatványát közzéteszik az arXiv.org oldalon.
Mivel a híres művészek festményei általában egyetlen példányban léteznek, ezek ára tíz és száz millió dollár lehet. Emiatt néhány festményt rosszindulatúak hamisítanak, és ez nem mindig észrevehető a festéssel jártas emberek számára is. Az ilyen hamisítás elleni védelem érdekében különféle módszereket javasolnak, például a festmények egyedi azonosítókkal való felszerelését, amelyeket összetett mikroszerkezetük miatt szinte lehetetlen hamisítani.
Az Egyesült Államok és Hollandia kutatói, Ahmed Elgammal, az Artrendex és a Rutgers Egyetem vezetésével, algoritmust készítettek, amely felismerheti a festmények szerzőit az ütések jellemzői alapján. 2015-ben ez a kutatói csoport már kidolgozott egy algoritmust, amely a szerzők festményeit és akár stílusokat is besorolhat az egyéni jellemzőik, például a színek alapján. Az új munkában a kutatók úgy döntöttek, hogy a festmények egyik elemére - stroke-ra - összpontosítanak.
Minden egyes löket számos jellemzővel leírható, például alak, hosszúság, vastagság egyenletessége a löket mentén és egyéb paraméterek. A kutatók úgy határoztak, hogy ezeket a jellemzőket számítógépes algoritmusok segítségével nyerik ki. A festményeket eredetileg külön vonásokra osztották egy speciális algoritmus segítségével. Az algoritmusok adatkészletéül a kutatók 297 olyan híres művész festményeit használták, mint például Picasso és Matisse, amelyeket litográfia, tinta rajzolás és mások stílusában készítettek. Az algoritmus ezeket a képeket több mint 80 000 egyedi stroke-ra bontotta.
Adatkészlet edzési és tesztelési algoritmusokhoz / Elgammal et al. / arXiv.org, 2017
A stroke értékeléséhez a kutatók két megközelítést választottak. Leírták az alapvető jellemzőket, például a löket vastagságát és a hosszanti profilt, különféle leírók felhasználásával, és megtanították a támogató vektor algoritmust a stroke osztályozására. A második megközelítés egy ellenőrző ismétlődő blokkokkal rendelkező ismétlődő neurális hálózat használata volt, amely függetlenül az egyes művészekre jellemző tulajdonságokat kereste.
Példa a hamis festményekre. Felső sor: hamis; hamisítvány; eredetileg Matisse. Középső sor: eredeti Matisse; hamisítvány; hamisítvány; eredetileg Matisse. Alsó sor: hamis; eredetileg Matisse; eredeti Picasso; hamis / Elgammal et al. / arXiv.org, 2017
Az algoritmusok elkészítése után a kutatók ugyanazon az adatkészleten tesztelték őket, és mindkét megközelítés kombinálásával 80% -ot értek el az előadó felismerési pontossága. Arra kérték öt művészt, hogy készítsen másolatot Picasso, Matisse és Schiele festményeiről. 83 festmény kézhezvétele után megvizsgálták őket algoritmusaik segítségével, és megállapították, hogy ezek kombinációja képes felismerni a hamisítványokat ezekben a festményekben.
Promóciós videó:
Az elmúlt években jelentős előrelépés történt a képfeldolgozásban és az elemzésben neurális hálózati algoritmusok felhasználásával. Például az ilyen algoritmusok több művészeti stílust összekeverhetnek egy képen, a vázlatokat teljes értékű festményekké alakíthatják, és akár eredeti műalkotásokat is létrehozhatnak. Hasonlóképpen, a hasonló algoritmusok jól működnek a videofelvételekkel. Például a közelmúltban mutattak be egy olyan rendszert, amely lehetővé teszi, hogy harmadik fél beszédét beszúrja a videó sorozatba, majdnem pontosan megismételve a hangszóró artikulációs arckifejezéseit.
Grigory Kopiev