Uma equipe de cientistas e historiadores da arte da Case Western Reserve University afirmam ter usado ferramentas de inteligência artificial (IA) para distinguir as pinceladas individuais de um pintor.
A técnica pode se tornar uma ferramenta valiosa para ajudar as autoridades a identificar melhor as falsificações de obras de artistas famosos; também pode ajudar os historiadores da arte a saber se um mestre ou um aluno contribuiu para uma determinada obra-prima.
Os pesquisadores disseram acreditar que a descoberta está entre as primeiras desse tipo por causa de como os pesquisadores usaram o computador para ler e aprender com a topografia 3D de uma pintura. Outras formas de análise aprimorada por IA contam com diferenças estilísticas visíveis que um programa pode detectar em obras históricas, disseram eles.
A tecnologia da topografia 3D descreve um mapa de relevo tridimensional de uma superfície que revela quaisquer diferenças na “elevação”. Nesse caso, isso significa que sobe ou desce na superfície da tinta, mesmo na menor escala.
“A topografia 3D é uma nova maneira de a IA ‘ver’ uma pintura”, disse Kenneth Singer, o professor de física Ambrose Swasey da Case Western Reserve. Singer, que liderou a pesquisa, disse que o algoritmo de IA focado nas menores estruturas na superfície.
A ‘rede neural nos surpreendeu’
“A rede neural nos surpreendeu ao ser capaz de dizer com altíssima precisão qual mão entre quatro diferentes estudantes de arte pintou até mesmo uma pequena fração de uma pincelada”, disse Singer. “Nós descobrimos o que poderia ser considerado o estilo não intencional de um pintor.”
“Rede neural” descreve um sistema de computador modelado no cérebro humano e no sistema nervoso – aquele que aprende, identifica e compara padrões. A rede neural identificou o artista correto 95% das vezes a partir de pequenas partes de uma pincelada. Essas pinceladas tinham aproximadamente o diâmetro de uma única cerda de pincel.
Michael Hinczewski, o Warren E. Rupp Professor Associado de Física da Case Western Reserve, também estava na equipe de pesquisa. Ele disse que esse tipo de precisão era “quase como uma impressão digital”.
Cada um dos artistas em seu estudo usou o mesmo tipo de pincel, tinta e tela. “Para que a única coisa diferente fosse a mão do artista – a maneira como ela interage com a superfície”, disse Hinczewski.
“Ficamos chocados com o que surgiu”, continuou ele. Isso é algo que deve ser intrínseco a cada artista, não algo que o pintor está tentando fazer conscientemente. ”
A equipe publicou recentemente seu trabalho na revista Heritage Science.
Os colaboradores incluíram colegas da Case Western Reserve, Elizabeth Bolman, a Elsie B. Smith Professora em Artes Liberais e cadeira de História da Arte, vários outros dos departamentos de física e biologia da Faculdade de Artes e Ciências e colaboradores do Museu de Arte de Cleveland e Cleveland Instituto de Arte.
Atribuição de arte famosa
Bolman, que é um historiador artístico – uma especialização da história da arte – disse que muitos mestres notáveis, de El Greco a Rembrandt, empregaram oficinas. Essas oficinas incluíram outros artistas que pintaram partes das telas para acelerar a produção e atender às demandas do mercado por sua arte.
Os artistas em uma oficina de mestrado estavam tentando criar uma pintura completa com um estilo singular – imitando o artista nomeado. Porém, conhecedores e colecionadores querem saber quanto de uma determinada peça foi criada pelo mestre.
“Mas esses mestres não deixaram anotações de seus workshops: ‘Ei, historiadores da arte daqui a 500 anos, foi assim que fizemos'”, disse Bolman. “Portanto, ser capaz de digitalizar uma pintura e saber quais áreas foram pintadas por diferentes as mãos podem ser informações extremamente valiosas para os conhecedores.”
O mercado global de arte vale bilhões de dólares, disse Bolman. Portanto, este método de atribuição pode ter aplicações importantes para ajudar a confirmar ou contestar a autoria.
Este novo método de aprendizado de máquina pode determinar com mais precisão uma análise imparcial e quantitativa de virtualmente qualquer pintura bem preservada, disse ela.
“Os conhecedores de arte podem passar décadas identificando estilos, ou a trama da tela, para aprender mais sobre uma pintura”, disse Bolman. “Este método não pretende substituir nenhum desses, mas adicionar um nível de dados que os humanos não conseguem discernir.”
Como a IA funcionou na arte
O Centro MORE (Materials for Opto / Electronics Research and Education) na Case Western Reserve, onde Singer é o diretor do corpo docente, tem um perfilômetro óptico confocal cromático, uma ferramenta que usa luz e cor para revelar saliências minúsculas e reentrâncias em uma superfície.
Singer e seus colegas escanearam as pinturas dos alunos para produzir dados de altura de superfície 3D para cada trabalho.
Os pesquisadores então dividiram esses dados de superfície em patches virtuais. Em seguida, eles treinaram um conjunto de programas conhecidos como redes neurais convolucionais para atribuição – identificando qual pintor fez o traço.
Hinczewski disse que a maioria dos estudos anteriores para atribuição de arte de IA concentra-se em fotos de pinturas inteiras.
“Dividimos a pintura em remendos virtuais que variam de meio milímetro a alguns centímetros quadrados, então nem temos mais informações sobre o assunto”, disse ele. “Mas podemos prever com precisão quem o pintou a partir de um patch individual. Isso é incrível.”
Publicado em 18/12/2021 06h33
Artigo original:
Estudo original: