EE.UU., los investigadores inventan una herramienta para... atribuir las obras de los artistas

¿Acabará la tecnología con las dudas sobre las obras indocumentadas, sancionará la desaparicióndel atribucionismo y quizá incluso acabe con demasiados críticos temerarios? Quizá sea demasiado pronto para saberlo, pero mientras tanto, hay quien trabaja en ello: así, un equipo de catorce investigadores de la Universidad Case Western Reserve de Cleveland(Estados Unidos) ha desarrollado un sistema para reconocer la mano de un pintor y ha publicado los resultados en la revista científica Heritage Science.

El sistema utilizaimágenes en 3D e inteligencia artificial, y el experimento comenzó en el Instituto de Arte de Cleveland, donde los investigadores pidieron a unos estudiantes que pintaran cuatro flores amarillas idénticas (cuatro nenúfares, utilizando los mismos materiales y herramientas), tratándolas como si fueran copias. Las pinturas realizadas por los estudiantes se escanearon con un instrumento (el perfilómetro cromático confocal óptico) utilizado habitualmente para el análisis de superficies de distintos materiales, tras lo cual los resultados obtenidos se utilizaron para crear redes neuronales convolucionales (CNN o ConvNet: se trata de una herramienta fundamental en las tecnologías de aprendizaje automático ), con el fin de determinar las características únicas de las pinceladas individuales, es decir, la mano del artista. De hecho, el estudio se basa en la idea de que, mediante el estudio de la superficie tridimensional de las obras de arte, se puede captar información estilística involuntaria a través de la perfilometría óptica.

El instrumento fue capaz de reconocer a los artistas con una precisión que osciló entre el 60 y el 96%, dependiendo de las “piezas” individuales del cuadro sobre las que se realizó el experimento. Los científicos se sorprendieron al ver que las muestras más pequeñas, del diámetro de una cerda, eran los puntos clave para distinguir con fiabilidad a los artistas.

“El análisis de obras de arte mediante aprendizaje automático (Machine Learning, ML)”, afirma el artículo, "es una metodología en ciernes destinada a avanzar en el connoisseurship, el principal método para determinar la atribución de una obra de arte, entre otras aplicaciones relacionadas con el arte. El ML se ha aplicado con éxito a imágenes de pinturas para diversas tareas, como la detección de falsificaciones, la clasificación de colecciones digitales y el reconocimiento del estilo de un artista. Mientras que muchos de estos estudios han aplicado ML a imágenes fotográficas de alta resolución de pinturas, en este estudio utilizamos ML para analizar datos topográficos obtenidos a partir de perfilometría óptica. Además, se están desarrollando avances en la resolución, velocidad y disponibilidad de dichas mediciones perfilométricas, junto con métodos para big data que pueden manejar los grandes conjuntos de datos producidos por estas mediciones. En las pinturas, la topografía de la superficie revela elementos estilísticos no intencionados incrustados en la superficie de la pintura que pueden incluir la deposición y el secado del barniz, patrones en la pincelada, factores fisiológicos y otros aspectos de la creación de la pintura.

Uno de los campos de aplicación de esta tecnología, explican los investigadores de la Case Western Reserve University, podría ser el estudio de los talleres de los grandes artistas, para entender cómo trabajaban los colaboradores de grandes pintores como El Greco, Rembrandt y Rubens, de quienes se sabe que tenían talleres en los que trabajaban muchos artistas para satisfacer la creciente demanda del mercado. Los entendidos, explican los investigadores, “examinan los elementos estilísticos visibles de una composición, junto con los elementos materiales, las condiciones y otras pistas sobre el proceso de fabricación para llegar a una comprensión histórica de la atribución de una obra de arte”. Sin embargo, prosigue el estudio, “muchos de los detalles relativos a la práctica de los talleres siguen siendo elusivos. En el caso de los talleres, los artistas buscaban producir una pintura completa en un estilo único, y esto plantea un desafío a los métodos del entendido. Además, los retos que plantean estas atribuciones crean conflictos cuando la atribución está estrechamente vinculada al valor aparente de los objetos en el mercado del arte. Por lo tanto, se necesitan métodos imparciales y cuantitativos para proporcionar información sobre las atribuciones controvertidas de las pinturas de taller”.

“Este resultado”, escriben los investigadores en las conclusiones de su estudio, “sugiere que nuestras técnicas son complementarias a las de los entendidos, que se centran en escalas más largas. Por tanto, la topografía de superficies amplía las herramientas de atribución, conservación, detección de falsificaciones y preservación del patrimonio cultural. Además, hemos descubierto que los datos de perfilometría proporcionan una mayor precisión de atribución que el uso de fotografías cuando el tema y las paletas de colores de los datos de entrenamiento y de prueba son significativamente diferentes”. Las dificultades a las que se enfrentan actualmente los investigadores de la Case Western Reserve University se refieren al estado de conservación de las pinturas, que puede alterar los resultados, y al lapso de tiempo entre pinturas de artistas reales (pueden pasar diferentes cantidades de tiempo entre una obra y otra y el artista puede no pintar siempre de la misma manera). Sin embargo, se confía en un método de análisis de cuadros que podría resultar prometedor: no sustituirá al conocimiento de los expertos (y todo el mundo es consciente de ello, obviamente), pero podría ser una herramienta adicional útil.

En la imagen, las flores pintadas por los alumnos del Cleveland Institute of Arts y su respectivo tratamiento digital.

EE.UU., los investigadores inventan una herramienta para... atribuir las obras de los artistas

Advertencia: la traducción al español del artículo original en italiano se ha realizado mediante herramientas automáticas. Nos comprometemos a revisar todos los artículos, pero no garantizamos la ausencia total de imprecisiones en la traducción debidas al programa. Puede encontrar el original haciendo clic en el botón ITA. Si encuentra algún error, por favor contáctenos.