Razvit je bil algoritem, ki avtorja slike določa po značilnostih potez v njej, prav tako pa lahko loči med resničnimi slikami in ponaredki, ki jih naslikajo drugi umetniki. Razvijalci so program izurili na naboru skoraj tristo slik znanih umetnikov, kot sta Picasso in Matisse, poroča MIT Technology Review. Razvoj ameriških in nizozemskih strokovnjakov bo predstavljen na konferenci AAAI o umetni inteligenci februarja 2018, na arXiv.org je objavljen predpristop članka.
Ker slike znanih umetnikov praviloma obstajajo v enem samem izvodu, lahko cene zanje znašajo več deset in sto milijonov dolarjev. Zaradi tega nekatere slike ponarejajo vsiljivci, in to ni vedno opazno niti pri ljudeh, ki so vešči slikanja. Za zaščito pred takšnim ponarejanjem so predlagane različne metode, na primer opremljanje slik z edinstvenimi identifikatorji, ki jih je zaradi njihove zapletene mikrostrukture skoraj nemogoče ponarediti.
Raziskovalci iz Združenih držav Amerike in Nizozemske, ki jih vodi Ahmed Elgammal z Artrendex-a in univerze Rutgers, so ustvarili algoritem, s katerim lahko avtorji slike prepoznajo po značilnostih njihovih potez. Leta 2015 je ta skupina raziskovalcev že ustvarila algoritem, ki lahko razvrsti slike avtorjev in celo sloge glede na njihove posamezne značilnosti, kot so barve. V novem delu so se raziskovalci odločili, da se osredotočijo na eno sestavino slik - poteze.
Vsak hod lahko opišemo z mnogimi značilnostmi, na primer obliko, dolžino, enakomernost debeline vzdolž giba in druge parametre. Raziskovalci so se odločili, da te lastnosti pridobijo z uporabo računalniških algoritmov. V začetku so bile slike razdeljene v ločene poteze z uporabo posebnega algoritma. Kot nabor podatkov za algoritme so raziskovalci uporabili 297 slik znanih umetnikov, kot sta Picasso in Matisse, izvedene v slogu litografije, risanja s črnilom in drugih. Algoritem je te slike razčlenil na več kot 80.000 posameznih potez.
Nabor podatkov za algoritme za usposabljanje in testiranje / Elgammal et al. / arXiv.org, 2017
Za oceno kapi so se raziskovalci odločili za dva pristopa. Opisovali so osnovne značilnosti, kot sta debelina giba in vzdolžni profil z uporabo različnih deskriptorjev, in učili algoritem podpornega vektorja za razvrščanje potez. Drugi pristop je bil uporaba ponavljajoče se nevronske mreže z nadzorovanimi ponavljajočimi se bloki, ki so neodvisno iskali lastnosti, značilne za nekatere izvajalce.
Primer ponarejenih slik. Zgornja vrstica: ponarejena; Lažne; izvirnik Matisse Srednja vrsta: izvirni Matisse; Lažne; Lažne; izvirnik Matisse Spodnja vrstica: ponarejena; izvirnik Matisse; izvirnik Picasso; lažni / Elgammal et al. / arXiv.org, 2017
Po pripravi algoritmov so jih raziskovalci preizkusili na istem naboru podatkov in s kombinacijo obeh pristopov dosegli 80-odstotno natančnost prepoznavanja izvajalcev. Pet umetnikov so tudi prosili, naj narišejo kopije slik Picassa, Matissa in Schieleja. Ko so prejeli 83 slik, so jih pregledali s svojimi algoritmi in ugotovili, da je njihova kombinacija v vseh teh slikah mogoče prepoznati ponaredke.
Promocijski video:
V zadnjih nekaj letih je bil dosežen močan napredek pri obdelavi in analizi slike z uporabo nevronskih mrežnih algoritmov. Na primer, takšni algoritmi lahko v eni sliki mešajo več umetniških slogov, skice pretvorijo v popolne slike in celo ustvarijo izvirna umetniška dela. Tudi podobni algoritmi dobro delujejo z video posnetki. Pred kratkim je bil na primer predstavljen sistem, ki vam omogoča, da v video zaporedje vstavite govor tretjih oseb, tako da skoraj natančno poustvarite artikulatorne obrazne obrazce govorca.
Grigory Kopiev