Es wurde ein Algorithmus entwickelt, der den Autor eines Gemäldes anhand der Merkmale der darin enthaltenen Striche bestimmt und zwischen echten Gemälden und Fälschungen anderer Künstler unterscheiden kann. Die Entwickler haben das Programm laut MIT Technology Review an fast dreihundert Gemälden berühmter Künstler wie Picasso und Matisse geschult. Die Entwicklung amerikanischer und niederländischer Spezialisten wird auf der AAAI-Konferenz über künstliche Intelligenz im Februar 2018 vorgestellt. Ein Preprint des Artikels wird auf arXiv.org veröffentlicht.
Da Gemälde berühmter Künstler in der Regel in einem einzigen Exemplar vorliegen, können sich die Preise für sie auf mehrere zehn bis hundert Millionen Dollar belaufen. Aus diesem Grund werden einige Gemälde von Übeltätern geschmiedet, und dies fällt selbst Menschen, die sich mit Malerei auskennen, nicht immer auf. Zum Schutz vor solchen Fälschungen werden verschiedene Methoden vorgeschlagen, beispielsweise die Ausstattung von Gemälden mit eindeutigen Kennungen, die aufgrund ihrer komplexen Mikrostruktur kaum zu fälschen sind.
Forscher aus den USA und den Niederlanden, angeführt von Ahmed Elgammal von Artrendex und der Rutgers University, haben einen Algorithmus entwickelt, der die Autoren eines Gemäldes an den Merkmalen ihrer Striche erkennen kann. Diese Forschergruppe hat bereits 2015 einen Algorithmus entwickelt, mit dem Gemälde von Autoren und sogar Stile anhand ihrer individuellen Merkmale wie Farben klassifiziert werden können. In der neuen Arbeit beschlossen die Forscher, sich auf eine Komponente der Bilder zu konzentrieren - Striche.
Jeder Strich kann durch viele Merkmale beschrieben werden, beispielsweise Form, Länge, Gleichmäßigkeit der Dicke entlang des Strichs und andere Parameter. Die Forscher beschlossen, diese Eigenschaften mithilfe von Computeralgorithmen zu extrahieren. Zunächst wurden die Bilder mit einem speziellen Algorithmus in separate Striche unterteilt. Als Datensatz für die Algorithmen verwendeten die Forscher 297 Gemälde berühmter Künstler wie Picasso und Matisse, die im Stil von Lithografie, Tuschezeichnung und anderen ausgeführt wurden. Der Algorithmus hat diese Bilder in mehr als 80.000 Einzelstriche unterteilt.
Datensatz für Trainings- und Testalgorithmen / Elgammal et al. / arXiv.org, 2017
Um die Schlaganfälle zu bewerten, entschieden sich die Forscher für zwei Ansätze. Sie beschrieben grundlegende Merkmale wie Strichdicke und Längsprofil unter Verwendung verschiedener Deskriptoren und lehrten einen Unterstützungsvektoralgorithmus zur Klassifizierung von Strichen. Der zweite Ansatz bestand darin, ein wiederkehrendes neuronales Netzwerk mit kontrollierten wiederkehrenden Blöcken zu verwenden, das unabhängig nach Merkmalen suchte, die für bestimmte Künstler charakteristisch sind.
Ein Beispiel für gefälschte Gemälde. Obere Reihe: falsch; Fälschung; Original von Matisse. Mittlere Reihe: Original Matisse; Fälschung; Fälschung; Original von Matisse. Untere Reihe: falsch; Original von Matisse; Original von Picasso; fake / Elgammal et al. / arXiv.org, 2017
Nach der Vorbereitung der Algorithmen testeten die Forscher sie an demselben Datensatz und erreichten durch die Kombination beider Ansätze eine Erkennungsgenauigkeit von 80 Prozent für Künstler. Sie baten auch fünf Künstler, Kopien von Gemälden von Picasso, Matisse und Schiele zu malen. Nachdem sie 83 Gemälde erhalten hatten, überprüften sie sie mit ihren Algorithmen und stellten fest, dass ihre Kombination in all diesen Gemälden eine Fälschung erkennen kann.
Werbevideo:
In den letzten Jahren wurden große Fortschritte bei der Bildverarbeitung und -analyse mit neuronalen Netzwerkalgorithmen erzielt. Solche Algorithmen können beispielsweise mehrere künstlerische Stile in einem Bild mischen, Skizzen in vollwertige Gemälde verwandeln und sogar Originalkunstwerke erstellen. Ähnliche Algorithmen funktionieren auch gut mit Videoaufnahmen. So wurde kürzlich ein System vorgestellt, mit dem Sie Sprache von Drittanbietern in die Videosequenz einfügen können, um die artikulatorischen Gesichtsausdrücke des Sprechers nahezu genau wiederherzustellen.
Grigory Kopiev
