Actualizado el 17/12/2024
Actualizado el 17/12/2024
Para qué estudiar historia del arteEscrito por Redacción TNI el 02/12/2014 a las 18:40:282176
Internet ha propiciado la aparición de bases de datos digitalizadas con grandes cantidades de imágenes de obras de arte, lo que supone un volumen muy difícil de gestionar manualmente. Es necesario, por tanto, investigar técnicas automáticas que permitan gestionar estas grandes bases de datos clasificando las obras pictóricas en diferentes subcategorías. Un sistema de clasificación automático capaz de realizar esta tarea podría tener aplicaciones potenciales en turismo, en la industria museística y en las investigaciones contra el robo de obras de arte. Un equipo de investigación liderado por científicos del Centro de Visión por Computador (CVC) de la UAB en colaboración con investigadores del Laboratorio de Visión por Computador de la Universidad de Linköping (Suecia) y del Laboratorio Noruego de Color y Computación Visual de Gjovik (Noruega), ha desarollado un sistema automático de clasificación de obras pictóricas. La aplicación adivina con éxito el autor, entre 91 artistas posibles, en un 50% de los casos, y clasifica el estilo del cuadro con una tasa de éxito del 60%. Aunque no tenga una fiabilidad del 100%, se trata de una tasa de éxito elevada. “Si comparásemos estos resultados con los que obtendrían en una encuesta a la salida de un museo de arte, con obras desconocidas a priori por el público, quizá obtendríamos una tasa similar”, aventura uno de los investigadores principales del estudio, Joost Van der Weijer, del CVC. La técnica que utiliza la aplicación se basa en dos aspectos. Por un lado, el análisis global de la obra de arte, a partir de las características más distintivas. Por otro lado, el análisis estadístico de los pequeños detalles, como la textura o el color, de las miles de diminutas partes en las que previamente el programa ha despedazado la imagen. “Resulta interesante que sólo con este análisis estadístico local el sistema ya acierta el 44% de los autores de las obras”, enfatiza el investigador del CVC. El sistema se encuentra en fase experimental, con una base de datos de 4266 obras pictóricas de 91 autores diferentes, la más extensa hasta la fecha para un sistema de reconocimiento de estas características. Después de “aprender” y entrenarse con 2275 imágenes, los investigadores han comprobado la efectividad de la aplicación con las 1991 obras restantes. Para Joost Van der Weijer “el sistema se basa en el éxito que ya hemos obtenido en el reconocimiento de objetos en otras áreas. El reconocimiento de obras de arte es todavía un campo poco explorado donde los algoritmos de visión artificial pueden suponer un avance importante”. El estudio, publicado a la revista Machine Vision and Applications, aporta conclusiones curiosas, como el echo de que no todos los trazos tienen la misma facilidad para ser reconocidos. Lorrain, Lichtenstein, Rothko, Leger o Frans Hals se reconocen con facilidad, pero las obras de Tiziano, Manet, Courbet, Ernst Giorgione o Velázquez se resisten más a la clasificación automática. |
