Ricostruire disegni Van Gogh deteriorati, utilizzare rete neurale convoluzionale

Tempo di lettura: 3 minuti

I ricercatori della TU Delft in Olanda hanno recentemente sviluppato un modello basato sulla rete neurale convoluzionale (CNN) per ricostruire disegni che si sono deteriorati nel tempo. Nel loro studio, pubblicato su Springer’s Machine Vision and Applications , hanno utilizzato specificamente il modello per ricostruire alcuni dei disegni di Vincent che sono stati rovinati nel corso degli anni a causa dello sbiadimento e dello scolorimento dell’inchiostro.

Negli ultimi anni, un numero crescente di ricercatori ha cercato di sviluppare tecniche di apprendimento automatico, come le CNN, per l’analisi delle opere d’arte. Finora, questi strumenti sono stati principalmente utilizzati per identificare l’artista che ha creato opere d’arte specifiche o per determinare se i dipinti sono reali o falsi.

Contrariamente alle ricerche precedenti, van der Lubbe e i suoi colleghi hanno iniziato a studiare l’uso di tecniche di apprendimento automatico per la ricostruzione pixel-saggia di dipinti deteriorati. Quando si tratta di preservare l’arte, il deterioramento di dipinti e disegni è una sfida fondamentale, quindi strumenti che possono ricostruire automaticamente opere incomplete o in rovina semplificerebbero notevolmente il lavoro degli storici dell’arte.

Il team di ricercatori della TU Delft ha addestrato il proprio modello basato sulla CNN sulla riproduzione di disegni deteriorati del pittore postimpressionista Van Gogh. In effetti, alcuni dei disegni a inchiostro di Van Gogh si sono notevolmente deteriorati nel corso dell’ultimo secolo e gli storici dell’arte hanno spesso cercato di riprodurli.

Questi disegni al momento non possono essere esposti e in pochi decenni potrebbero deteriorarsi completamente. Con questo in mente, Van der Lubbe e i suoi colleghi volevano sviluppare un modello in grado di ricostruire automaticamente queste preziose opere d’arte al fine di preservarle e renderle accessibili al pubblico.

L’approccio ideato da van der Lubbe e dai suoi colleghi combina tecniche di analisi delle immagini multi-risoluzione e CNN profonde per prevedere le apparenze passate di disegni in pixel. Le CNN sono algoritmi ispirati da reti neurali biologiche come quelle nel cervello umano che possono essere addestrate per completare compiti specifici analizzando grandi quantità di dati.

Nel loro studio, i ricercatori hanno appositamente addestrato una CNN per ricostruire digitalmente disegni sbiaditi di Van Gogh su carta. L’algoritmo è stato addestrato su un set di dati contenente riproduzioni di disegni originali di varia qualità, realizzati in periodi diversi nel secolo scorso.

Oltre a rivelare come i disegni guardato in passato, l’approccio proposto da van der Lubbe e dei suoi colleghi potrebbe aiutare gli storici dell’arte per identificare appropriate opere d’arte di conservazione e strategie, così come le pratiche efficaci per la conservazione e l’esposizione di opere d’arte.

I ricercatori hanno valutato il loro modello in una serie di esperimenti e hanno scoperto che ha ottenuto risultati notevoli. I loro risultati evidenziano la fattibilità dell’utilizzo dell’apprendimento automatico per la ricostruzione predittiva di immagini, documenti e opere d’arte degradate. Sebbene i ricercatori abbiano utilizzato specificamente il loro modello per ricostruire i disegni di Van Gogh, potrebbe anche essere applicato ad altre opere in deterioramento su carta o ai manoscritti del XIX secolo.

In futuro, lo strumento sviluppato da van der Lubbe e dai suoi colleghi potrebbe aiutare gli storici dell’arte a creare ricostruzioni realistiche di opere d’arte che altrimenti potrebbero deteriorarsi completamente. Nel loro recente studio, i ricercatori si sono concentrati su un disegno alla volta, addestrando la loro CNN su un numero limitato di riproduzioni. Tuttavia, il modello potrebbe anche essere utilizzato per prevedere l’aspetto del disegno originale in base a una quantità molto maggiore di riproduzioni.

Inoltre, questa tecnica attualmente funziona analizzando le informazioni visive. Nei loro prossimi studi, i ricercatori vorrebbero indagare se l’analisi delle informazioni sia visive che chimiche (ad es. La composizione dell’inchiostro e il suo tasso di degradazione) può migliorare le prestazioni del modello.

Ulteriori informazioni: Y. Zeng et al. Rete neurale convoluzionale su più scale per la ricostruzione pixel-saggia dei disegni di Van Gogh, Machine Vision and Applications (2019).

Fonte

Foto per gentile concessione di wikipedia.org