¿Puedes recordar de dónde vino esto?

Un grupo de investigadores ha creado un algoritmo para encontrar enlaces ocultos en obras de arte.

El equipo, formado por informáticos de Ciencias de la Computación e Inteligencia Artificial (CSAIL) del MIT y Microsoft, utilizó pinturas del Museo Metropolitano de Arte de Ámsterdam y el Rijksmuseum para demostrar estos vínculos ocultos que vinculan obras de arte con estilos similares, como Francisco de De Zurbarán. El martirio de San Serapion (arriba a la izquierda) y la de Jan Asselijn El cisne amenazado (parte superior derecha). Inicialmente se inspiraron en la exposición “Rembrandt y Velázquez” en el Rijksmuseum, que mostró similitudes entre las obras de los artistas a pesar de que la primera procedía de los Países Bajos protestantes y la segunda de la España católica.

El algoritmo, llamado “MosAIc”, se diferencia de los proyectos basados ​​en probables redes de contadores de generación (GAN) que generan ilustraciones porque, en cambio, se centra en la imagen. En lugar de centrarse solo en factores obvios como el color y el estilo, el algoritmo también intenta descubrir el significado y el tema. Para ello, construye una estructura de datos llamada árbol condicional del vecino más cercano k (KNN), que proporciona una estructura en forma de árbol donde las ramas de una imagen central indican similitud con la imagen. Para consultar la estructura de datos, estas ramas siguen hasta que se encuentra la coincidencia más cercana a una imagen en una base de datos. En iteraciones posteriores, poda ramas poco prometedoras para mejorar su tiempo para nuevas preguntas.

Algunos resultados del uso del algoritmo contra colecciones de museos encontraron similitudes entre el holandés Double Face Banyan y una estatuilla de cerámica china, que se remonta al flujo de porcelana e iconografía de los chinos a los holandeses en los siglos XVI al XX.

Un resultado sorprendente de este estudio fue descubrir que el enfoque también podría aplicarse para encontrar problemas con redes neuronales profundas que se utilizan para crear falsificaciones profundas. Si bien las GAN a menudo pueden tener puntos ciegos en sus modelos, luchando por recrear ciertas clases de fotos, MosAIc ha podido superar estas deficiencias y reproducir imágenes realistas con precisión.

Si bien el equipo reconoce que su implementación no es la versión más optimizada de KNN, su principal objetivo era presentar un esquema de acondicionamiento amplio, simple pero efectivo para las aplicaciones. Su esperanza es inspirar a los investigadores relacionados a considerar solicitudes poliseminales de algoritmos.

  • John dice:

    “Enlaces” me parece una mala elección de redacción. Las “similitudes” son más precisas. Probablemente podrían encontrar relaciones reales, lo que implica similitud intencional, pero el algoritmo parece simplemente encontrar similitudes en color y forma. Cualquier relación sería accidental. Supongo que podría reducir la cantidad de candidatos que la gente necesitaría comparar en busca de relaciones reales, pero no parece revolucionario.

    El ángulo falso profundo es interesante, pero tampoco muy impresionante. “Sí, esas imágenes obviamente horribles generadas por la IA son horribles”. Supongo que podrías automatizar algunos datos de selección en el entrenamiento de IA, pero ¿cómo [i]la mayoría[/i] cosas AI, parece que la única característica excepcional es que es AI.

    • SteveB dice:

      Supongo que la razón por la que estos modelos a veces producen imágenes terribles es porque la única forma de decir que es una imagen terrible es que una persona la mire y diga “se ve terrible”. Si puede automatizar el reconocimiento de que algunas imágenes generadas son terribles, puede poner eso en el entrenamiento y hacer que no sea terrible.

    • No es basura dice:

      Cuando tienes un martillo, todo es un clavo. La IA es una excelente manera de automatizar el sesgo de paradigma.

      • Pensador dice:

        “Ambos fueron pintados sobre superficies planas”

        “¡Ajá! Eso prueba la conexión … ¡la máquina lo dice! “

    • Olivier dice:

      “El algoritmo parece simplemente encontrar similitudes en color y forma”

      Odio a las personas que comentan sin leer, con el debido respeto el artículo dice literalmente:
      “En lugar de centrarse solo en factores obvios como el color y el estilo, el algoritmo también intenta descubrir el significado y el tema” y luego profundizar en cómo lo hacen, también puede hacer clic en el enlace proporcionado y obtener aún más detalles. ?

      Pero no, en cambio crees que la IA es inútil, ¿agrega valor a esta discusión? … buen trabajo chico.

      • rasz_pl dice:

        no, es un buen sofá de leopardo viejo http://rocknrollnerd.github.io/ml/2015/05/27/leopard-sofa.html

        > Los investigadores se inspiraron en una pareja poco probable pero similar: “El martirio de San Serapión” de Francisco de Zurbarán y “El cisne amenazado” de Jan Asselijn, dos obras que representan escenas de profundo altruismo con un parecido visual aterrador.

        también conocido como una textura blanca vertical similar y poses de brazos arriba

  • Olivier dice:

    ¡Fresco! sin embargo, me gustaría que proporcionaran algunos ejemplos más de arte “conectado”

  • Lufo dice:

    La rentabilidad es la palabra.

Matías Jiménez
Matías Jiménez

Deja una respuesta

Tu dirección de correo electrónico no será publicada. Los campos obligatorios están marcados con *