Investigadores de los Países Bajos han diseñado PigeoNET, una red neuronal convolucional que es capaz de deducir quién es el autor de una obra de arte con una tasa de precisión de más del 70 por ciento. Para ello, analiza las técnicas pictóricas o los materiales mediante filtros. El desarrollo aparece en la revista IEEE Signal Processing, y podría utilizarse para detectar falsificaciones de arte.
Una red neuronal es un dispositivo computacional compuesto de unidades que se asemejan a las neuronas. En una red neuronal convolucional, las neuronas corresponden a campos receptivos de una manera muy similar a las neuronas en la corteza visual primaria (V1) de un cerebro biológico. Su funcionamiento las hace mucho más efectivas para tareas de visión artificial, especialmente en la clasificación de imágenes.
Al examinar una pintura, explica el blog IEEE Roundup, un experto en arte por lo general puede determinar su estilo, género, el artista, y el período al que pertenece. Por ejemplo, los rasgos característicos de Vincent van Gogh durante su período francés tardío incluyen: contornos pintados alrededor de los objetos, colores complementarios, y pinceladas rítmicas.
Los intentos de computerizar este proceso no han tenido mucho éxito, pero ahora los investigadores creen que las redes neurales sí pueden conseguirlo, basándose en estudios biológicos. Las palomas pueden atribuir correctamente fotografías y vídeos de pinturas a Monet y Picasso el 90 por ciento de las veces, según los investigadores. Es por eso que llamaron a su red PigeoNET (pigeon es paloma en inglés, y net es red), ya que realiza una tarea similar a las palomas basándose exclusivamente en las características visuales.
Resultados
Los investigadores utilizaron más de 112.000 reproducciones fotográficas digitales de obras de arte de 6.600 artistas expuestos en el Rijksmuseum, en Ámsterdam. Dentro de este conjunto de datos se registraron más de 1.800 tipos diferentes de obras de arte y 406 materiales, como papel, tela, porcelana, hierro y madera.
Los resultados, señala el estudio, fueron correctos el 70% de las veces; es decir, la atribución era correcta el 70% de las veces. Además PigeoNET ofrece información sobre partes concretas de las obras, especificando a qué artista pueden corresponder, algo que es útil para determinadas obras colaborativas.
Los investigadores son Nanne van Noord, doctorando del Centro de Tilburg de Cognición y Comunicación, de la Universidad de Tilburg (Países Bajos); Eric Postma, profesor de inteligencia artificial en el centro, y Ella Hendriks, conservadora del Museo Van Gogh, en Ámsterdam.
Recientemente, un equipo liderado por el Centro de Visión por Computador de la Universidad Autónoma de Barcelona ha desarrollado un sistema automático de clasificación de obras pictóricas.
La técnica que utiliza la aplicación se basa en dos aspectos. Por un lado, el análisis global de la obra de arte, a partir de las características más distintivas. Por otro, el análisis estadístico de los pequeños detalles, como la textura o el color, de las miles de diminutas partes en las que previamente el programa ha despedazado la imagen.
Referencia bibliográfica:
Van Noord, N. et al.: Toward Discovery of the Artist’s Style: Learning to recognize artists by their artworks. IEEE Signal Processing Magazine (2015). DOI: 10.1109/MSP.2015.2406955.
Hacer un comentario