Revista si suplimente
MarketWatch
Inapoi Inainte

Pe urmele artiștilor plastici - aplicații ale Machine Learning prin straturile lucrărilor de artă

23 Octombrie 2024



Una dintre provocările lumii moderne o reprezintă analiza, evaluarea și prezervarea elementelor de patrimoniu socio-cultural reprezentat prin elementele de artă care adesea nu au un istoric trasat complet, ceea ce le face susceptibile pentru trafic ilicit sau fraude. Mai ales în contextul în care, în ultimii ani, s-au dezvoltat masiv modele cu învățare automată care pot genera elemente grafice cu un grad ridicat de similitudine cu elementele originale, iar aceste falsuri sunt din ce în ce mai dificil de identificat. În cadrul INOE 2000 există un istoric îndelungat în analiza și detecția elementelor culturale, iar în ultimii ani, odată cu dezvoltarea tehnologiilor ce stau în spatele sistemelor cu învățare automată, acestea au intrat în setul de instrumente folosite pentru a îmbunătăți analiza elementelor de artă tocmai pentru a identifica acest tip de falsuri.



O aplicație specifică acestui domeniu este axată pe aplicarea modelelor cu învățare automată în evaluarea tușei specifice autorilor, ceea ce ajută specialiștii din domeniu în clasificarea urmelor lăsate de creion pe hârtie în schițe. Această aplicație se bazează pe rețele convoluționale complexe pentru antrenarea cărora au fost realizate atât antrenări supervizate, cât și nesupervizate, cu rezultate bune în clasificarea (identificarea) autorilor. Cele mai bune modele clasice folosite folosesc o configurație de rețea reziduală (derivativă) cu modelarea atenției către elementele constituente ale tușelor. Pe lângă modelele clasice unul dintre modelele antrenate folosesc un sistem de extragere a caracteristicilor într-o formă vectorială (Vector Embeddings), o tehnologie nouă folosită de regulă în sistemele de recomandare și în modelele lingvistice mari (Large Language Models). Pentru modelarea atenției este folosit unul dintre modelele de bază în clasificarea elementelor din imagini dezvoltat de către Universitatea Oxford (denumit Visual Geometry Group - VGG). Aceste modele au preluat unele pre antrenate și au fost ajutate pentru problematica identificării autorilor pe baza tușei, permițând utilizarea lor atât pentru scopul inițial de a clasifica autorul elementului de artă, cât și pentru validarea semnăturilor olografe.



Pe lângă problematica autentificării elementelor de artă, utilizarea modelele cu învățare automată a mai fost aplicată pentru dezvoltarea unui instrument de căutare și validare a rețelelor de degradare, atât la nivel macroscopic, cât și la nivel microscopic, ajutând astfel operațiile de restaurare prin facilitarea identificării zonelor unde caracteristicile elementului (textură, culoare etc.) nu trebuie să fie denaturate în urma proceselor de reabilitare. Avantajul principal al utilizării modelelor cu învățare automată este legat de faptul că acestea sunt mult mai permisive la erori, denaturări sau zgomot generat de echipamentele pe care au fost realizate investigațiile, asigurând astfel o mai bună acuratețe a acestora și furnizând astfel informații cu un nivel ridicat de confidență expertului ce analizează elementele de artă.
În cadrul INOE 2000 a fost dezvoltat un grup de lucru format dinamic (ce implică atât cercetător cu experiență, cât și tineri: studenți, masteranzi sau doctoranzi) axat pe aplicarea modelelor cu învățare automată în cadrul proceselor și investigațiilor științifice, asigurând astfel suportul specializat pentru echipa cu un grad înalt de calificare existentă anterior.



Parerea ta conteaza:

(0/5, 0 voturi)

Lasa un comentariu



trimite