.

Inteligencia Artificial

La IA que estudia obras de arte para detectar conexiones desconocidas

1

Utilizando las bases de datos de las grandes colecciones de arte, un sistema de visión artificial localiza figuras humanas en idéntica postura de cuadros de diferentes épocas. El algoritmo ha descubierto nuevas influencias y vínculos entre pintores, por lo que podría ser muy útil para los historiadores de arte

  • por Emerging Technology From The Arxiv | traducido por Ana Milutinovic
  • 07 Agosto, 2019

Uno de los temas importantes a los que se dedican los historiadores del arte es a estudiar cómo los grandes artistas fueron influenciados por otros. Examinan el estilo, el contenido y el género de la obra de arte y buscan conexiones e influencias entre artistas.

Se trata de un trabajo complejo. En los tiempos previos a la fotografía, la única forma de copiar una obra de arte era a mano. De hecho, este tipo de trabajo era común. Los artistas solían replicar su propio trabajo o el de otros en el mismo estudio, y abundaban las copias.

Pero el objetivo de esta forma de copia no siempre fue reproducir el original. A menudo, los artistas utilizaban obras existentes como punto de partida para su propio trabajo, que mostraba la composición o la pose del original. De hecho, hay muchos ejemplos de figuras humanas idénticas en la misma postura en cuadros completamente diferentes.

Por eso, la historia del arte es una compleja red de enlaces entre artistas y sus obras, a menudo basada en las influencias de obras originales, copias parciales y copias completas.

La postura humana juega un papel importante en esto. Uno de los trabajos del historiador del arte es separar esta red, estudiar las poses humanas utilizadas por diferentes artistas y vislumbra las fuerzas que los influenciaron.

Hoy es más sencillo gracias al trabajo de los investigadores de la Universidad Técnica Checa en Praga (República Checa) Tomas Jenicek y Ondrej Chum. Estos científicos han utilizado un sistema de visión artificial para analizar las poses de sujetos humanos en obras de arte a lo largo de la historia. Después, buscaron otras pinturas que incluyeran personas con idénticas poses. 

La técnica ha descubierto vínculos previamente desconocidos entre el arte y los artistas. También añade una nueva y poderosa herramienta al arsenal que los historiadores del arte pueden usar y tiene el potencial de cambiar la forma en la que entendemos la historia del arte.

El método es relativamente sencillo y utiliza las vastas bases de datos que los historiadores del arte han creado en los últimos años: han digitalizado las colecciones de muchos de los mejores museos y galerías del mundo y muchas de ellas están disponibles online. Estas bases de datos se han vuelto repentinamente susceptibles de análisis por la inteligencia artificial (IA).

Al mismo tiempo, otros investigadores han desarrollado algoritmos de visión artificial que pueden determinar una pose humana a partir de una imagen en 2D. El más avanzado de ellos es un algoritmo llamado OpenPose, un programa de código abierto para la detección de posturas en tiempo real en imágenes 2D desarrollado en la Universidad Carnegie Mellon en Pittsburgh (EE. UU.).

Jenicek y Chum han usado este software para buscar poses similares en una base de datos de imágenes anotadas manualmente que actúa como una especie de criterio de referencia.   Según aseguran, este proceso automatizado supera fácilmente otras formas de encontrar imágenes similares.

Los investigadores afirman: "Hemos demostrado de forma experimental que el emparejamiento directo de posturas humanas es superior a los métodos de recuperación de imágenes basados en contenido estándar de un conjunto de datos sobre composición de arte anotados manualmente".

Después, han continuado buscando poses similares en una base de datos online llamada Web Gallery of Art, que contiene 37.000 imágenes. Los investigadores sostienen que su algoritmo descubrió una amplia variedad de vínculos entre imágenes que habrían sido imposibles de identificar por otras vías (ver imagen arriba).

Por supuesto, el algoritmo no es perfecto. Encuentra una serie de falsos positivos, en los que las posturas en diferentes imágenes parecen similares, pero que, tras la inspección visual, resultan ser completamente diferentes.

Este no es el primer intento de utilizar la visión artificial para estudiar bellas artes. Los investigadores ya han utilizado algoritmos para encontrar nuevos y sorprendentes vínculos entre obras de arte basándose en la composición general de una obra.

La estimación de la postura humana es mucho más difícil para las máquinas que el estudio de la composición general, así que se necesita más tiempo para llevar esta tecnología al mundo del arte. Pero el predominio de las figuras humanas en el arte es tan grande que esta técnica tiene un potencial considerable.

Al fin y al cabo, la herramienta ofrece una nueva y poderosa forma de analizar obras de arte a través de los siglos para estudiar cómo las copias y variaciones de las posturas humanas han influido en los artistas. Será fascinante ver cómo los historiadores del arte usan esta nueva herramienta.

Ref: arxiv.org/abs/1907.03537 : Linking Art through Human Poses

Inteligencia Artificial

 

La inteligencia artificial y los robots están transofrmando nuestra forma de trabajar y nuestro estilo de vida.

  1. La paradoja de la IA militar: un arma peligrosa que nadie debe obviar

    La inteligencia artificial podría automatizar y optimizar muchos procesos de guerra, pero sus algoritmos son increíblemente fáciles de engañar para que vean cosas que no existen y viceversa. Cualquiera que aprenda a confundir los sistemas de sus rivales obtendría una gran ventaja

  2. La IA ya puede vernos a través de la pared y saber qué hacemos

    Un sistema de visión artificial combina entrenamiento con luz visible y ondas de radio para identificar las acciones de personas ocultas tras cualquier estructura. Dado que el sistema no puede reconocer caras, no presenta problemas de privacidad y podría usarse para monitorizar a personas mayores

  3. Claves para entender el hito del robot que resolvió un cubo de Rubik

    Primero, un algoritmo se enseñó a sí mismo a manipular el juguete en un entorno virtual en el que se simularon una infinidad de condiciones locas. Cuando logró dominarlo virtualmente, las complicadas capacidades para rotar el cubo se transfirieron a un robot físico que replicó el logro en el mundo real