Разработен е алгоритъм, който определя автора на картина по характеристиките на щрихите в нея, както и е в състояние да прави разлика между реални картини и фалшификати, рисувани от други художници. Разработчиците са обучили програмата върху набор от близо триста картини на известни художници, като Пикасо и Матис, според MIT Technology Review. Разработката на американски и холандски специалисти ще бъде представена на конференцията на AAAI за изкуствен интелект през февруари 2018 г., предпечат на статията е публикувана на arXiv.org.
Тъй като картини на известни художници по правило съществуват в едно копие, цените за тях могат да достигнат десетки и стотици милиони долари. Поради това някои картини са изковани от злоупотреби и това невинаги се забелязва дори при хора, които са запознати с рисуването. За да се предпазят от такова фалшифициране, се предлагат различни методи, например оборудването на картини с уникални идентификатори, които са почти невъзможни за фалшифициране поради сложната им микроструктура.
Изследователи от САЩ и Холандия, водени от Ахмед Елгамал от Artrendex и Rutgers University, са създали алгоритъм, който може да разпознае авторите на картина по характеристиките на техните щрихи. През 2015 г. тази група изследователи вече е създала алгоритъм, който може да класифицира картини от автори и дори стилове въз основа на техните индивидуални характеристики, като цветове. В новото произведение изследователите решават да се съсредоточат върху един компонент от картините - щрихи.
Всеки ход може да бъде описан чрез много характеристики, например форма, дължина, равномерност на дебелината по хода и други параметри. Изследователите решиха да извлекат тези характеристики с помощта на компютърни алгоритми. Първоначално картините бяха разделени на отделни щрихи, използвайки специален алгоритъм. Като база данни за алгоритмите изследователите използват 297 картини на известни художници като Пикасо и Матис, изпълнени в стила на литографията, рисуването с мастило и други. Алгоритъмът разгради тези снимки на повече от 80 000 индивидуални удара.
Набор от данни за алгоритми за обучение и тестване / Elgammal et al. / arXiv.org, 2017
За да оценят инсултите, изследователите решили да използват два подхода. Те описаха основни характеристики като дебелина на хода и надлъжен профил, използвайки различни дескриптори, и научиха алгоритъм за поддържащ вектор за класифициране на ударите. Вторият подход беше да се използва повтаряща се невронна мрежа с контролирани повтарящи се блокове, която независимо търсеше характеристики, характерни за определени изпълнители.
Пример за фалшиви картини. Горния ред: фалшив; фалшив; оригинален от Матис. Среден ред: оригинален Матис; фалшив; фалшив; оригинален от Матис. Долен ред: фалшив; оригинален от Матис; оригинален от Пикасо; менте / Elgammal et al. / arXiv.org, 2017
След като подготвиха алгоритмите, изследователите ги тестваха на един и същ набор от данни и като комбинираха и двата подхода, те постигнаха 80 процента точност на разпознаване на изпълнители. Те също помолиха петима художници да нарисуват копия на картини на Пикасо, Матис и Шиле. След като получили 83 картини, те ги проверили, използвайки техните алгоритми, и открили, че тяхната комбинация е способна да разпознае фалшив във всички тези картини.
Промоционално видео:
През последните няколко години беше постигнат значителен напредък в обработката и анализа на изображения, използвайки алгоритми на невронната мрежа. Например, такива алгоритми могат да смесват няколко художествени стила в едно изображение, да превръщат скици в пълноценни картини и дори да създават оригинални произведения на изкуството. Също така подобни алгоритми работят добре с видеозаписите. Например наскоро беше представена система, която ви позволява да вмъквате реч на трети страни във видео последователността, като почти точно пресъздавате артикулаторните изражения на лицето на говорещия.
Григорий Копиев